ผู้ช่วยวางแผนติดตั้งระบบมอนิเตอร์

ข้อมูลที่ต้องเตรียม

หัวข้อ “Intake” ระบุไว้ว่าจะขออะไรจากคุณ ถ้ายังไม่มี AI จะถามกลับก่อน

ระดับความพร้อม: พร้อมใช้ทันที

วางแล้วใช้ได้เลย แทนค่าในวงเล็บด้วยข้อมูลจริงจะได้ผลดีกว่า แต่ไม่บังคับ

เครื่องมือและภาษา

ใช้ได้กับผู้ช่วย AI ทุกตัวที่รับข้อความยาว Skill.md ได้ผลเต็มที่กับผู้ช่วยที่โหลดไฟล์ทักษะได้ ไฟล์เป็นภาษาอังกฤษอย่างเดียว คุยต่อเป็นไทยได้ แต่อย่าแปลตัวไฟล์

ใครควรใช้

System Admin, DevOps นอกกลุ่มนี้ควรใช้ผลเป็นจุดตั้งต้น ไม่ใช่คำตอบสุดท้าย

กรอบงานที่วางไว้ให้ AI

ไม่ประกาศบทบาท แต่วางกรอบงานทันทีในบริบทของโครงสร้างระบบและ DevOps เหมาะกับงานที่โจทย์ชัดอยู่แล้ว

โครงสร้างของคำสั่ง ทีละส่วน

เปิดไฟล์แล้วจะเจอหัวข้อเหล่านี้เรียงกันอยู่

• Governing question — เพิ่มรายละเอียดเฉพาะของงานนี้
• Intake — เก็บข้อมูลที่ AI ไม่มีทางเดาเองได้ (แบ่งเป็น 5 ขั้น)
• Signal selection — เพิ่มรายละเอียดเฉพาะของงานนี้ (3 ข้อย่อย)
• Alerting rules — ปิดช่องที่ผลลัพธ์มักเพี้ยน (5 ข้อย่อย)
• Cardinality discipline — เพิ่มรายละเอียดเฉพาะของงานนี้ (3 ข้อย่อย)
• Structured logging — เพิ่มรายละเอียดเฉพาะของงานนี้
• Output contract — ล็อกหน้าตาของผลลัพธ์ (8 ข้อย่อย)

ทำไมถึงได้ผลนิ่งกว่าการพิมพ์ถามเอง

ความต่างอยู่ที่การปิดช่องที่ทำให้ AI ต้องเดา กลไกที่ใช้คือ

• มีส่วน “ข้อมูลที่ต้องขอ” ระบุไว้ชัด AI จึงถามกลับแทนที่จะเดา
• กำหนดรูปแบบผลลัพธ์ไว้ล่วงหน้า นำไปใช้ต่อได้เลย ไม่ต้องจัดรูปแบบใหม่
• มีข้อห้ามระบุไว้ ซึ่งเป็นส่วนที่คนมักลืมใส่ ทั้งที่ช่วยประหยัดเวลาแก้งานได้มากที่สุด

ขั้นที่ 1 — เปิดไฟล์และเลือกเครื่องมือ

วางไฟล์ในโฟลเดอร์ skills ของผู้ช่วยที่คุณใช้ — โหลดเป็นทักษะถาวร ไม่ใช่วางในแชทครั้งเดียว ใช้ได้ทั้ง ChatGPT, Claude และ Gemini

ขั้นที่ 2 — รันและอ่านผล

AI จะรับบทเป็น DevOps Engineer / System Architect แล้วทำงานตามกรอบที่ไฟล์วางไว้ ถ้าข้อมูลไม่ครบ AI จะถามกลับก่อน — นั่นคือคำสั่งทำงานถูกต้อง ไม่ใช่ข้อผิดพลาด

แก้ตรงไหนเมื่อผลลัพธ์ไม่ตรงใจ

แต่ละหัวข้อคุมพฤติกรรมคนละอย่าง แก้ทีละหัวข้อแล้วรันใหม่ ถ้ารื้อพร้อมกันหลายจุด จะไม่รู้ว่าอะไรได้ผล

ปรับความเข้มของข้อกำหนด

ข้อกำหนดคือคันบังคับถัดไป แก้ครั้งละจุดแล้วเทียบผล

• แก้หัวข้อ “Output contract” เพื่อเปลี่ยนหน้าตาผลลัพธ์ เช่น เปลี่ยนเป็นตาราง หรือกำหนดความยาว
• เพิ่มหรือลดบรรทัดในหัวข้อ “Alerting rules” คือวิธีคุมผลที่ตรงที่สุด หลุดกรอบซ้ำ ๆ ให้เติมข้อห้ามหนึ่งบรรทัด
• เขียนกลุ่มเป้าหมายให้แคบลง ระบุอาชีพ ช่วงอายุ และความรู้เดิม แทน “คนทั่วไป”
• ไฟล์นี้ยังไม่มีส่วนกำหนดสไตล์ เติมบรรทัดสั้น ๆ ว่าอยากได้โทนไหน ผลจะไม่แกว่งระหว่างรอบ

ใช้ได้ทันที และต่อยอดได้

คำสั่งนี้ใช้งานได้ทันทีโดยไม่ต้องแก้ ถ้าจะปรับ แนะนำให้เก็บต้นฉบับไว้เวอร์ชันหนึ่งเสมอ แล้วแก้บนสำเนา เพราะเมื่อปรับไปหลายรอบจนผลลัพธ์เพี้ยน คุณจะยังมีจุดตั้งต้นให้กลับไปเทียบได้

ต่อเป็น Workflow หลายขั้น

เอาผลจากคำสั่งนี้ไปเป็นข้อมูลตั้งต้นของคำสั่งถัดไปในหมวดโครงสร้างระบบและ DevOps ร่างก่อนแล้วค่อยส่งต่อให้ตรวจ ได้ผลดีกว่าสั่งทุกอย่างรอบเดียว

ข้อควรรู้เฉพาะไฟล์ Skill.md

ไฟล์นี้เป็น Skill.md ซึ่งตัวเนื้อหาเป็นภาษาอังกฤษโดยตั้งใจ เพราะเป็นไฟล์ที่ AI Agent อ่านเพื่อโหลดความสามารถ ไม่ใช่ข้อความที่คนอ่าน ถ้าจะแก้ ให้คงส่วน frontmatter ด้านบน (บรรทัด name และ description) ไว้ตามเดิม เพราะระบบใช้สองบรรทัดนี้ในการค้นหาและเรียกใช้สกิล ส่วนเนื้อหาด้านล่างแก้ได้อิสระ

หน้าตาของคำตอบ

หัวข้อ “Output contract” ล็อกรูปแบบไว้ 8 องค์ประกอบ ผลจึงมีโครงเดิมทุกครั้ง

• กำหนด Alert อิง SLI 4 ตัว ชุด Metric ขั้นต่ำ ฟิลด์ Log แบบมีโครงสร้าง และจุดที่ทำ Sampling ลดต้นทุนได้อย่างปลอดภัย

สิ่งที่คำสั่งนี้จะไม่ทำ

ข้อจำกัดเหล่านี้ตั้งใจใส่ไว้ — คำตอบที่ยอมบอกว่าไม่รู้ มีประโยชน์กว่าคำตอบที่มั่นใจแต่ผิด

• “Alerting rules” ระบุสิ่งที่ห้ามทำไว้ชัดเจน 5 ข้อ คำตอบที่ข้ามข้อห้ามเหล่านี้ถือว่าไม่ผ่าน

วิธีดูว่ารอบนี้ได้ผลดีหรือยัง

ตัวชี้วัดง่าย ๆ คือคำตอบอ้างอิงข้อมูลที่คุณให้จริง ไม่ใช่ตัวอย่างสมมติ ถ้า AI ถามกลับ แปลว่าคำสั่งทำงานถูกต้อง คำตอบที่กว้างจนใช้กับใครก็ได้ มักเกิดจากวงเล็บที่ยังไม่ได้แทนค่า