เครื่องมือพัฒนา AI

ความสามารถ การติดตั้ง และการใช้งานเครื่องมือพัฒนา AI

เครื่องมือเหล่านี้นำการสร้างโค้ด การค้นหา การทดสอบ และระบบอัตโนมัติมาใช้ในกระบวนการพัฒนาซอฟต์แวร์ สิทธิ์ สภาพแวดล้อมที่รองรับ และระดับความพร้อมแตกต่างกัน จึงควรตรวจสอบเอกสารทางการและขอบเขตความปลอดภัยก่อนใช้งาน

เครื่องมือและแพลตฟอร์มแบบเปิด

เครื่องมือและแพลตฟอร์มแบบเปิดเหล่านี้มีคลัง GitHub สาธารณะ โดยซิงค์จำนวนดาวทุกวันพร้อมระบุวันที่ สัญญาอนุญาตของโค้ดและโมเดล รวมถึงข้อกำหนดของบริการโฮสต์ ต้องตรวจสอบแยกกันจากแหล่งข้อมูลทางการ

Claude Code

คู่หูเขียนโปรแกรม AI

153k · ซิงค์เมื่อ 2026-10-22

Claude Code เป็นเครื่องมือเขียนโค้ดแบบเอเจนต์ของ Anthropic สำหรับเวิร์กโฟลว์บนเทอร์มินัลและ IDE สามารถตรวจสอบรีโพซิทอรี แก้ไขไฟล์ รันคำสั่งและการทดสอบ และทำงานกับระบบควบคุมเวอร์ชันภายใต้สิทธิ์ที่ผู้ใช้กำหนดได้

คุณสมบัติหลัก

เข้าใจฐานโค้ดทั้งหมด
เขียนและแก้ไขโค้ด
รันทดสอบและบิลด์
ดำเนินการ Git
ใช้คำสั่งเทอร์มินัล
สนทนาเชิงเขียนโปรแกรม

การติดตั้ง

คำสั่งติดตั้งระยะไกลจะเรียกใช้โค้ดที่ดาวน์โหลดมา โปรดตรวจสอบหน้าการติดตั้งและสคริปต์ทางการก่อนเรียกใช้ โดยเฉพาะในสภาพแวดล้อมที่มีสิทธิ์สูงหรือขององค์กร

# Mac/Linux (แนะนำ)
curl -fsSL https://claude.ai/install.sh | bash

# Windows (แนะนำ)
irm https://claude.ai/install.ps1 | iex

# Homebrew (macOS/Linux)
brew install --cask claude-code

# WinGet (Windows)
winget install Anthropic.ClaudeCode

# หมายเหตุ: `npm install -g @anthropic-ai/claude-code` เลิกใช้แล้ว

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: macOS / Linux / Windows · zsh / bash / PowerShell
แหล่งที่มา: Claude Code

การใช้งาน

# เริ่มเซสชันแบบโต้ตอบในไดเรกทอรีใดก็ได้
claude

# ทำเซสชันก่อนหน้าต่อ
claude --continue

# อัปเดตเป็นเวอร์ชันล่าสุด
claude update

# prompt เดียว
claude -p "อธิบายโฟลว์การยืนยันตัวตนของ repo นี้"

# แสดงรายการคำสั่ง slash ในตัว
claude /help

MCP (Model Context Protocol)

มาตรฐานเปิดสำหรับการเชื่อมต่อ AI

91k · ซิงค์เมื่อ 2026-10-22

MCP เป็นโปรโตคอลมาตรฐานแบบเปิดที่นำเสนอโดย Anthropic เพื่อสร้างการเชื่อมต่อมาตรฐานระหว่างแบบจำลอง AI กับเครื่องมือและแหล่งข้อมูลภายนอก มันถูกเรียกว่าเป็น “พอร์ต USB-C” ของ AI ช่วยให้สามารถโต้ตอบกับเครื่องมือและข้อมูลต่าง ๆ ได้อย่างยืดหยุ่น

คุณสมบัติหลัก

มาตรฐานการเชื่อมต่อเครื่องมือแบบรวม
รองรับแหล่งข้อมูลหลายประเภท
กลไกการอนุญาตที่ปลอดภัย
สถาปัตยกรรมที่ขยายได้

การติดตั้ง

# MCP เป็นโปรโตคอล — ใช้ผ่านไคลเอนต์เช่น Claude Desktop หรือ Claude Code

# 1. แก้ไขไฟล์คอนฟิก:
#    macOS:   ~/Library/Application Support/Claude/claude_desktop_config.json
#    Windows: %APPDATA%\Claude\claude_desktop_config.json
# 2. เพิ่มบล็อก mcpServers (ดูตัวอย่างด้านล่าง)
# 3. เริ่มไคลเอนต์ใหม่

# 4. หรือติดตั้ง reference server โดยตรง:
npx -y @modelcontextprotocol/server-filesystem /path/to/folder

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: ขึ้นอยู่กับไคลเอนต์ · zsh / bash / PowerShell
แหล่งที่มา: MCP (Model Context Protocol)

การใช้งาน

ใน Claude Desktop เพิ่ม MCP Server ผ่านเมนูตั้งค่าเพื่อใช้งาน

OpenAI Codex CLI

เอเจนต์เขียนโค้ดเทอร์มินัลของ OpenAI

130k · ซิงค์เมื่อ 2026-10-22

openai/codex เป็นเอเจนต์เขียนโค้ดเทอร์มินัลน้ำหนักเบาจาก OpenAI (github.com/openai/codex, เขียนด้วย Rust) ทำงานในเทอร์มินัลของคุณ ใช้โมเดลปัจจุบันของ OpenAI โดยเลือกได้ในแต่ละเซสชัน เข้าสู่ระบบด้วย OAuth ของ ChatGPT และโหลด MCP servers ได้ Codex CLI คือคู่แข่งฝั่ง OpenAI ของ Claude Code

คุณสมบัติหลัก

Open source ทางการจาก OpenAI
TUI เขียนด้วย Rust
ใช้โมเดลปัจจุบันของ OpenAI
เข้าสู่ระบบด้วย OAuth ของ ChatGPT
โหลด MCP servers ได้
แซนด์บ็อกซ์รันโค้ด

การติดตั้ง

# Mac/Linux (แนะนำ)
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# Windows (แนะนำ)
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

# npm ทั่วระบบ
npm install -g @openai/codex

# Homebrew (macOS/Linux)
brew install --cask codex

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: macOS / Linux / Windows · zsh / bash / PowerShell
แหล่งที่มา: OpenAI Codex CLI

การใช้งาน

# เริ่มเซสชันแบบโต้ตอบ (OAuth อัตโนมัติ)
codex

# งานครั้งเดียว (โหมด headless)
codex exec "อธิบายไฟล์ .ts ทั้งหมดใน src/"

# สลับโมเดล: ดู https://github.com/openai/codex

browser-use

การทำเบราว์เซอร์อัตโนมัติด้วย AI

119k · ซิงค์เมื่อ 2026-10-22

browser-use เป็นไลบรารี Python แบบโอเพนซอร์สสำหรับเอเจนต์ AI ที่ใช้งานเบราว์เซอร์ (github.com/browser-use/browser-use) ช่วยให้ LLM สามารถใช้งานเบราว์เซอร์จริงได้เหมือนมนุษย์ (คลิก พิมพ์ เลื่อนหน้า จับภาพหน้าจอ) เหมาะกับสถานการณ์ที่ต้องโต้ตอบกับเว็บที่ไม่มี API ใช้เป็นไลบรารี Python โดยตรง หรือเปิดเป็น MCP server ให้ Claude Code และไคลเอนต์อื่นๆ ก็ได้

คุณสมบัติหลัก

รองรับ LLM หลักทุกตัว (GPT / Claude / Gemini / local)
ไลบรารี Python หรือ MCP server
รองรับเบราว์เซอร์จริง (Chrome / Chromium)
เข้าใจทั้ง vision + DOM
ส่งภาพหน้าจอให้ LLM ใช้

การติดตั้ง

pip install browser-use

uvx --from 'browser-use[cli]' browser-use --mcp

ตรวจสอบแล้ว: 2026-10-15
สภาพแวดล้อม: macOS / Linux / Windows · zsh / bash / PowerShell
แหล่งที่มา: browser-use

การใช้งาน

# ในสคริปต์ Python:
from browser_use import Agent, ChatOpenAI

llm = ChatOpenAI(model="gpt-5")
agent = Agent(
    task="ไปที่ https://news.ycombinator.com แล้วหาข่าว AI 5 อันดับแรกของวันนี้",
    llm=llm,
)
result = await agent.run()
print(result)

# ใช้เป็น MCP server:
# 1. ตั้งค่า .mcp.json
# 2. Claude Code โหลดอัตโนมัติตอนเริ่มต้น

OpenClaw

ผู้ช่วย AI แบบโอเพนซอร์ส

393k · ซิงค์เมื่อ 2026-10-22

OpenClaw คือผู้ช่วย AI ส่วนตัวแบบโอเพนซอร์สที่ทำงานบนคอมพิวเตอร์ของคุณเอง และตอบคุณในแอปแชตที่คุณใช้อยู่แล้ว เช่น Discord, iMessage, Slack, Telegram และ WhatsApp รวมถึงแอปของตัวเองบนเดสก์ท็อปและมือถือ สถานะ ความจำ และข้อมูลรับรองจะอยู่บนฮาร์ดแวร์ของคุณ ส่วนโมเดลเบื้องหลัง ไม่ว่าจะเป็นแบบโฮสต์หรือแบบโลคัล เป็นปลั๊กอินที่คุณเลือกและเปลี่ยนได้ โครงการนี้ใช้สัญญาอนุญาต MIT และดูแลโดยมูลนิธิ OpenClaw ซึ่งเป็นองค์กรไม่แสวงหากำไร

คุณสมบัติหลัก

โอเพนซอร์สเต็มรูปแบบ
รองรับหลายแพลตฟอร์ม
โฮสต์เองได้
ชุมชนที่คึกคัก
รองรับผู้ให้บริการโมเดลหลายราย (เลือกตอนเริ่มต้นหรือตั้งค่า)

การติดตั้ง

# สคริปต์ติดตั้ง (macOS / Linux / WSL2) จะจัดหา runtime ของ Node.js ที่รองรับให้เมื่อจำเป็น
curl -fsSL https://openclaw.ai/install.sh | bash

# Windows PowerShell
iwr -useb https://openclaw.ai/install.ps1 | iex

# หรือติดตั้งด้วย npm (Node 24.16+ หรือ 26.1+ ถ้าใช้ npm 11.15 หรือเก่ากว่า ให้ตัด --allow-scripts ออก)
npm install -g openclaw@latest --allow-scripts=openclaw

# เรียกตัวช่วย onboarding (ลงทะเบียน daemon เป็น user service)
openclaw onboard --install-daemon

# ตรวจสถานะเกตเวย์
openclaw gateway status

ตรวจสอบแล้ว: 2026-10-15
สภาพแวดล้อม: macOS / Linux / Windows · zsh / bash / PowerShell
แหล่งที่มา: OpenClaw

การใช้งาน

# 1. เรียกตัวช่วยก่อน
openclaw onboard --install-daemon

# 2. ตรวจว่าเกตเวย์กำลังทำงาน
openclaw gateway status

# 3. เปิด Control UI แล้วส่งข้อความทดสอบ
openclaw dashboard

# 4. ไม่จำเป็น: เริ่มในโหมด foreground (โหมด debug)
openclaw gateway stop
openclaw gateway --port 18789 --verbose

# 5. เอกสาร: https://docs.openclaw.ai

Hermes-Agent

AI Agent ที่เติบโตไปกับคุณ

256k · ซิงค์เมื่อ 2026-10-22

Hermes-Agent คือ “Agent ที่เติบโตไปกับคุณ”—AI Agent ที่เติบโตอย่างต่อเนื่องตามการใช้งาน มันสามารถเรียนรู้ kebiasaanของผู้ใช้ เพิ่มประสิทธิภาพการดำเนินงาน และให้บริการที่เป็นส่วนตัวมากขึ้นเรื่อย ๆ

คุณสมบัติหลัก

การเรียนรู้แบบปรับตัว
ความจำระยะยาว
บริการส่วนบุคคล
เพิ่มประสิทธิภาพงานอย่างต่อเนื่อง
รองรับหลายรูปแบบ

การติดตั้ง

# Runtime: Python 3.11+ (ตัวติดตั้งจัดการให้อัตโนมัติ)

# Mac/Linux (บรรทัดเดียว)
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# Windows (PowerShell)
iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)

# ตัวติดตั้งจะติดตั้ง uv, Python 3.11, Node.js, ripgrep, ffmpeg และ Git Bash แบบพกพาให้อัตโนมัติ

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: macOS / Linux · zsh / bash
แหล่งที่มา: Hermes-Agent

การใช้งาน

# 1. เรียกตัวช่วยตั้งค่า (โมเดล + เครื่องมือ)
hermes setup

# 2. หรือ: เข้าสู่ระบบผ่าน OAuth ของ Nous Portal (คำสั่งเดียว)
hermes setup --portal

# 3. เริ่ม UI เทอร์มินัล
hermes

# 4. หรือ: รันเกตเวย์แล้วคุยผ่าน Telegram/Discord/Slack
hermes gateway setup
hermes gateway start

# 5. สลับโมเดล (OpenRouter มี 200+ โมเดล)
hermes model

# เอกสาร: https://hermes-agent.nousresearch.com/docs/

Anthropic Skills

ที่เก็บทางการของ Claude Skills

183k · ซิงค์เมื่อ 2026-10-22

anthropics/skills เป็นที่เก็บข้อมูลอ้างอิงทางการของ Anthropic สำหรับ Claude Skills — โฟลเดอร์ที่ประกอบด้วยคำสั่ง สคริปต์ และทรัพยากรที่ Claude สามารถโหลดแบบไดนามิกเพื่อทำงานเฉพาะทาง Skills สอนให้ Claude ทำเวิร์กโฟลว์ที่ทำซ้ำได้: ใช้ brand guideline ขององค์กร วิเคราะห์ข้อมูลตามแบบแผนของทีม หรือทำงานส่วนตัวอัตโนมัติ เป็นต้น

คุณสมบัติหลัก

ดูแลโดย Anthropic
ข้อกำหนด Skills ที่โหลดได้แบบไดนามิก
ตัวอย่างการรวม Skills API
ครอบคลุมเอกสาร ข้อมูล และเวิร์กโฟลว์
เทมเพลตสำหรับ Skills แบบกำหนดเอง
เป็นไปตามมาตรฐาน agentskills.io

การติดตั้ง

/plugin marketplace add anthropics/skills

/plugin install document-skills@anthropic-agent-skills

ตรวจสอบแล้ว: 2026-10-15
สภาพแวดล้อม: Claude Code / Claude API · Claude Code / HTTP
แหล่งที่มา: Anthropic Skills

การใช้งาน

Claude Code: ระบุชื่อ Skill ที่ติดตั้งแล้วในคำขอ

Claude API: เรียกใช้ Skill ผ่านฟิลด์ `container.skills` ของ Messages API พร้อมเครื่องมือเรียกใช้โค้ด `GET /v1/skills` ใช้แสดงรายการ Skill เท่านั้น ไม่ได้เรียกใช้ Skill
https://platform.claude.com/docs/en/build-with-claude/skills-guide

Claude Code Security Review

เครื่องสแกนความปลอดภัย PR ทางการของ Anthropic (GitHub Action)

6.5k · ซิงค์เมื่อ 2026-10-22

claude-code-security-review เป็น GitHub Action ทางการของ Anthropic (github.com/anthropics/claude-code-security-review) ที่ใช้ Claude ตรวจสอบความปลอดภัยของ PR diff โดยอัตโนมัติ รองรับการสแกนแบบ diff-aware (วิเคราะห์เฉพาะไฟล์ที่เปลี่ยนแปลง) โพสต์ผลลัพธ์เป็น review comment ระบุบรรทัด และมีตัวกรอง False Positive ที่ตัดคลาส DoS, rate-limiting, memory/CPU exhaustion, generic input validation, open-redirect ออกโดยอัตโนมัติ

คุณสมบัติหลัก

ดูแลโดย Anthropic
สแกนแบบ diff-aware (เฉพาะไฟล์ที่เปลี่ยน)
review comment ระบุบรรทัด
ตัวกรอง FP 5 คลาส
ผสานกับ GitHub Action โดยตรง
เลือก Claude model ได้ (ค่าเริ่มต้นกำหนดโดยรีโพซิทอรี)

การติดตั้ง

# สร้าง .github/workflows/security-review.yml

name: Claude Code Security Review
on:
  pull_request:
permissions:
  pull-requests: write
  contents: read
jobs:
  security-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          ref: ${{ github.event.pull_request.head.sha || github.sha }}
          fetch-depth: 2
      - uses: anthropics/claude-code-security-review@main
        with:
          comment-pr: true
          claude-api-key: ${{ secrets.ANTHROPIC_API_KEY }}

# ⚠️ Action นี้ไม่ได้ป้องกัน prompt injection
# แนะนำให้ใช้กับ PR ที่เชื่อถือได้เท่านั้น และเปิดใช้ตัวเลือก
# “Require approval for all external contributors” ของ GitHub ควบคู่ไปด้วย

ตรวจสอบแล้ว: 2026-10-15
สภาพแวดล้อม: GitHub Actions · YAML / bash
แหล่งที่มา: Claude Code Security Review

การใช้งาน

# 1. ตั้งค่า secret ANTHROPIC_API_KEY ในรีโป
# 2. เมื่อเปิด/อัปเดต PR Action จะวิเคราะห์ diff อัตโนมัติ
#    และโพสต์ผลเป็น review comment
# 3. ผู้ดูแลจะเห็นระดับความเสี่ยงและหมายเลขบรรทัดในการสนทนาของ PR

Ollama

รันไทม์โมเดลภายในเครื่อง

184k · ซิงค์เมื่อ 2026-10-22

Ollama ดาวน์โหลดและเรียกใช้โมเดลบน macOS, Linux และ Windows พร้อม CLI และ HTTP API ภายในเครื่อง การประมวลผลจะอยู่ในเครื่องทั้งหมดหรือไม่ ใช้ทรัพยากรเท่าใด และส่งข้อมูลไปยังบริการระยะไกลหรือไม่ ขึ้นอยู่กับโมเดลและการตั้งค่าที่เลือก

คุณสมบัติหลัก

ดาวน์โหลดและเรียกใช้โมเดลในเครื่อง
คลังโมเดลและ Modelfile
CLI และ API ภายในเครื่อง
Embedding, วิชัน และการเรียกใช้เครื่องมือ
ไลบรารี Python และ JavaScript
โมเดลคลาวด์ที่เลือกใช้ได้

การติดตั้ง

# macOS / Windows
# ดาวน์โหลดตัวติดตั้งจาก https://ollama.com/download

# Linux (ตรวจสอบสคริปต์ระยะไกลก่อนเรียกใช้)
curl -fsSL https://ollama.com/install.sh | sh

ตรวจสอบแล้ว: 2026-07-29
สภาพแวดล้อม: macOS / Linux / Windows · zsh / bash / PowerShell
แหล่งที่มา: Ollama

การใช้งาน

# เริ่มสนทนากับโมเดล
ollama run gemma4

# ตรวจสอบเวอร์ชันที่ติดตั้ง
ollama -v

Hugging Face Hub

แพลตฟอร์มเปิดสำหรับความร่วมมือด้าน AI

4k · ซิงค์เมื่อ 2026-10-22

Hugging Face Hub เป็นแพลตฟอร์ม AI สำหรับค้นหา แบ่งปัน และร่วมพัฒนาโมเดล ชุดข้อมูล และ Spaces ทั้งแบบสาธารณะและส่วนตัว ไลบรารี huggingface_hub และ CLI hf รองรับการค้นหา ดาวน์โหลด อัปโหลด จัดการแคช และใช้บริการอนุมาน โดยต้องตรวจสอบสัญญาอนุญาตของแต่ละโมเดลและชุดข้อมูลแยกกัน

คุณสมบัติหลัก

โมเดล ชุดข้อมูล และ Spaces
คลังสาธารณะและส่วนตัว
การ์ดโมเดล การ์ดชุดข้อมูล และข้อมูลสัญญาอนุญาต
CLI hf และไลบรารี Python
Inference Providers และ Endpoints
การผสาน MCP และ Skill สำหรับ AI agent

การติดตั้ง

# ติดตั้ง CLI ของ Hugging Face Hub และไลบรารี Python
pip install -U "huggingface_hub"

# เข้าสู่ระบบเมื่อจำเป็นต้องใช้ทรัพยากรส่วนตัวหรืออัปโหลดเท่านั้น
hf auth login

ตรวจสอบแล้ว: 2026-07-29
สภาพแวดล้อม: macOS / Linux / Windows / hosted · zsh / bash / PowerShell / Python
แหล่งที่มา: Hugging Face Hub

การใช้งาน

# ดาวน์โหลดไฟล์จากคลังโมเดลสาธารณะ
hf download gpt2 config.json

# ค้นหาโมเดลและจำกัดจำนวนผลลัพธ์
hf models ls --search bert --limit 5

แนวคิดเชิงนามธรรม

AI Agent, Skill และ Harness เป็นแนวคิดเชิงนามธรรมที่เว็บไซต์นี้ใช้จัดระเบียบสาขานี้ และไม่มีคลัง GitHub เดียว ทั้งสามอย่างหมายถึงรูปแบบที่ใช้ร่วมกันข้ามการนำไปใช้ ไม่ใช่ฟีเจอร์ของผลิตภัณฑ์ใดผลิตภัณฑ์หนึ่ง

AI Agent

ระบบ AI ที่ดำเนินการอย่างอิสระ

AI Agent คือระบบ AI ที่วางแผนและดำเนินงานที่ซับซ้อนได้ด้วยตนเอง ต่างจากการโต้ตอบแบบถาม-ตอบ Agent จะตีความเป้าหมาย วางแผน เรียกใช้เครื่องมือ ประเมินผล และปรับพฤติกรรมตามผลตอบกลับ คำนี้หมายถึงรูปแบบทั่วไป ไม่ใช่ผลิตภัณฑ์ใดผลิตภัณฑ์หนึ่ง โดย Claude Code, Codex CLI, Cursor, OpenClaw และ Hermes Agent ในหน้านี้ล้วนเป็นการนำไปใช้ที่เป็นรูปธรรม

คุณสมบัติหลัก

วางแผนงานอย่างอิสระ
ความสามารถในการใช้เครื่องมือ
ประเมินผลและให้ข้อเสนอแนะ
จัดการงานซับซ้อนหลายขั้นตอน
เข้าใจและจัดการกับฐานโค้ด

การติดตั้ง

Agent เป็นแนวคิด ไม่ใช่ผลิตภัณฑ์ที่ติดตั้งแยกได้ หากต้องการรัน Agent ให้ติดตั้งการนำไปใช้ที่เป็นรูปธรรม โดยแต่ละรายการในหมวดเครื่องมือและแพลตฟอร์มแบบเปิดของหน้านี้มีวิธีติดตั้งของตนเอง

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: implementation-dependent · n/a
แหล่งที่มา: AI Agent

การใช้งาน

วิธีเรียกใช้ต่างกันไปตามการนำไปใช้ Harness แบบบรรทัดคำสั่งมักรับงานที่อธิบายไว้ได้โดยตรง ส่วนการนำไปใช้แบบไลบรารีจะกำหนดเป้าหมายและเครื่องมือที่ใช้ได้ในโค้ด รายละเอียดดูได้จากวิธีใช้งานของรายการที่เกี่ยวข้อง

Skill

วิธีขยายความสามารถ AI

Skill รวมความรู้เฉพาะทาง ขั้นตอนการทำงาน และพรอมป์ที่ใช้ซ้ำได้ไว้เป็นโมดูลที่โหลดเมื่อจำเป็น โดยทั่วไปคือไดเรกทอรีที่มีไฟล์ SKILL.md ซึ่งฟิลด์ name และ description กำหนดว่าจะถูกเรียกใช้เมื่อใด รูปแบบนี้ริเริ่มโดย Anthropic และเผยแพร่ไว้ จึงไม่จำกัดอยู่กับไคลเอนต์เดียว

คุณสมบัติหลัก

คำสั่งที่กำหนดเอง
เวิร์กโฟลว์อัตโนมัติ
ความรู้เฉพาะด้าน
เทมเพลตพรอมต์ที่ใช้ซ้ำได้

การติดตั้ง

วางไดเรกทอรีที่มีไฟล์ SKILL.md ไว้ใน ~/.claude/skills/ สำหรับใช้ส่วนตัว หรือใน .claude/skills/ ของโปรเจกต์ และยังโหลดผ่านปลายทาง Skills ของ Claude API ได้ด้วย

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: Claude Code · n/a
แหล่งที่มา: Skill

การใช้งาน

โดยทั่วไปโมเดลจะจับคู่และเรียกใช้ Skill โดยอัตโนมัติจาก description ของมัน และยังสั่งใช้อย่างชัดเจนด้วย /skill-name ได้

Harness (โครงสร้างตัวแทน)

ชั้น runtime host สำหรับตัวแทน

Harness คือชั้น runtime ที่ประกอบ system prompt, วงรอบเครื่องมือ, หน่วยความจำ และปลั๊กอินเข้าเป็นตัวแทนที่รันได้ Claude Code, Codex CLI, Cursor Agent และ OpenClaw เป็นการ implement Harness ที่เป็นรูปธรรม — การแก้ไขคอนฟิก Harness เปรียบเหมือนการเดินสาย host ใหม่ การเขียน Skill ใหม่เปรียบเหมือนการเสียบเครื่องมือใหม่ ดูหน้า MCP สำหรับความสัมพันธ์กับ MCP/Agent/Skill

คุณสมบัติหลัก

การประกอบ system prompt
การจัดการวงรอบเครื่องมือ
สถานะเซสชันและหน่วยความจำระยะยาว
การจัดตาราง Skill และ MCP
สิทธิ์และแซนด์บ็อกซ์
การโฮสต์หลายรูปแบบ (CLI/IDE/Serverless)

การติดตั้ง

ตัว Harness เองเป็นรูปแบบ ไม่ใช่ผลิตภัณฑ์ที่ติดตั้งแยกต่างหาก หากต้องการ “ใช้ Harness” ให้ติดตั้งการ implement ตัวใดตัวหนึ่ง:

# Claude Code
curl -fsSL https://claude.ai/install.sh | bash

# Codex CLI
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash

ตรวจสอบแล้ว: 2026-07-15
สภาพแวดล้อม: implementation-dependent · n/a
แหล่งที่มา: Harness (โครงสร้างตัวแทน)

การใช้งาน

Claude Code / Codex / Cursor / OpenClaw / Hermes Agent ที่อยู่ในหน้านี้ล้วนเป็นอินสแตนซ์ของ Harness แต่ละ Harness มีคำสั่งเริ่มต้นของตัวเอง (ดูส่วน “การใช้งาน” ของแต่ละรายการ) คุณยังสามารถเขียน Harness ขั้นต่ำด้วยตัวเองได้: ประกอบ system prompt + วงรอบเครื่องมือ + โหลด MCP/Skill

ผลิตภัณฑ์แบบปิด

ผลิตภัณฑ์เชิงพาณิชย์แบบปิดที่ไม่มีคลัง GitHub สาธารณะให้ติดตาม

Cursor

ตัวแก้ไขโค้ดที่ขับเคลื่อนด้วย AI

Cursor คือตัวแก้ไขโค้ดที่เสริมพลังด้วย AI สร้างบน VS Code เลือกใช้โมเดลจากผู้ให้บริการหลายราย เช่น OpenAI, Anthropic และ Google และให้เลือกโมเดลอัตโนมัติสำหรับแต่ละคำขอได้ มันสามารถเติมโค้ดอย่างชาญฉลาด สร้างฟังก์ชัน อธิบายโค้ด และแก้ไขบั๊ก

คุณสมบัติหลัก

เติมโค้ดอัตโนมัติอย่างชาญฉลาด
สร้างฟังก์ชันทั้งหมด
อธิบายและปรับปรุงโค้ด
โต้ตอบผ่านโหมดสนทนา
เทอร์มินัลในตัว

การติดตั้ง

# ดาวน์โหลดจากเว็บไซต์อย่างเป็นทางการ (แนะนำ)
# https://cursor.com

# หรือผ่าน WinGet (Windows)
winget install Anysphere.Cursor

# หรือผ่าน Homebrew (macOS)
brew install --cask cursor

ตรวจสอบแล้ว: 2026-10-17
สภาพแวดล้อม: macOS / Linux / Windows · IDE terminal
แหล่งที่มา: Cursor

การใช้งาน

# 1. เปิด Cursor
# 2. เปิดโฟลเดอร์โปรเจกต์
# 3. Cmd+K (แก้ไขแบบอินไลน์) หรือ Cmd+L (แชท)
# 4. Agent: กด Cmd+I เพื่อเปิดในแผงด้านข้าง
# 5. ลงชื่อเข้าใช้เพื่อเปิดใช้งานฟีเจอร์ Pro/Ultra

บทสรุป

เครื่องมือเหล่านี้อาจเปลี่ยนกระบวนการเขียนโค้ด ตรวจทาน และทำงานอัตโนมัติ แต่ผลลัพธ์ขึ้นอยู่กับงาน โมเดล และการตั้งค่า ก่อนนำมาใช้ควรประเมินสิทธิ์ การจัดการข้อมูล การบำรุงรักษา และข้อกำหนดการตรวจทานของทีม