ระดับ 8d · บทที่ 1/6

เลือกสถาปัตยกรรมหลาย agent — หรือรู้ว่าไม่ควรใช้

⏱ 25 นาทีลองในClaude ↗

เป้าหมาย

ตัดสินใจได้ว่างานหนึ่งควรใช้ agent ตัวเดียว, subagents, agent teams, workflow หรือ agent ที่ตอบสนองต่อเหตุการณ์ โดยดูจากโครงสร้างงานและต้นทุน ไม่ใช่จากความตื่นเต้น

หลักการ

บันไดความซับซ้อน (ขึ้นทีละขั้นเมื่อขั้นล่างไม่พอเท่านั้น)

ขั้น อะไร เหมาะกับ บท
0 agent ตัวเดียว (แชต Claude Code ปกติ) งานส่วนใหญ่ 5d-03
1 subagents 2–4 ตัว อ่าน/ค้นของเยอะที่แยกส่วนได้ แล้วรวมผลในเทิร์นเดียว 6d-08
2 หลาย session ใน worktree / loop งานแก้โค้ดยาวที่อิสระต่อกัน 7d-05
3 agent teams งานที่สมาชิกต้อง คุยกันเอง ระหว่างทำ เช่น ถกแนวทาง หาสาเหตุบั๊กหลายสมมติฐาน 8d-02
4 workflow งานที่แตกเป็นสิบเป็นร้อยชิ้นตามแบบแผนเดิม และต้องตรวจซ้ำ 8d-03
5 agent ตามเหตุการณ์ งานที่ควรเริ่มเองเมื่อ CI พัง มี PR ใหม่ หรือมีข้อความเข้า 8d-04
6 สร้างระบบเองด้วย SDK / Managed Agents ผลิตภัณฑ์หรือระบบภายในที่ต้องควบคุมทุกอย่าง 8d-05

ต้นทุนเพิ่มเป็นทวีคูณ — ตัวเลขจริง

  • Anthropic (บทความระบบวิจัยหลาย agent, มิ.ย. 2025): agent ใช้ token ~4 เท่า ของการแชต และระบบหลาย agent ใช้ ~15 เท่า ของการแชต · ปริมาณ token อธิบายความต่างของผลงานได้ราว 80% ในงานวิจัยของพวกเขา — คือมันเก่งขึ้นเพราะ "ใช้แรงมากขึ้น" เป็นหลัก
  • ที่เราวัดเอง (งานเล็กในบท 6d-08): subagent 3 ตัวแพงกว่าทำเอง ~4.5 เท่า แต่เร็วขึ้นแค่ไม่กี่วินาที
  • workflow 3 agent ที่เล็กที่สุด (บท 8d-03): ~$0.8 ต่อครั้ง

คำถาม 4 ข้อก่อนเพิ่ม agent

  1. แยกงานได้จริงไหม — ถ้าทุกชิ้นต้องใช้ context ร่วมกัน หรือพึ่งกันเป็นลูกโซ่ หลาย agent จะแย่ลง (Anthropic ระบุว่าไม่เหมาะกับงานที่ต้องแชร์ context เดียวกันหรือพึ่งกันมาก)
  2. งานมีมูลค่าพอกับต้นทุน 4–15 เท่าไหม — ตรวจ PR ที่จะขึ้น production ใช่ · เปลี่ยนชื่อตัวแปรไม่ใช่
  3. ตรวจผลได้ไหม — ยิ่ง agent มาก ยิ่งต้องมีขั้นตรวจ (เทสต์ หรือ agent ที่พยายามหักล้าง) ไม่งั้นได้ข้อมูลผิดเยอะขึ้นเร็วขึ้น
  4. ใครรวมผล — ต้องมีจุดเดียวที่รวมและตัดสินใจ (ตัวหลัก, สคริปต์ หรือคน)

ตั้งค่า ⚙️

ตั้งอะไร ที่ไหน ค่าเริ่ม → แนะนำ
เพดาน subagent พร้อมกัน env CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS 20 → 4–6 ขณะเรียนรู้
เพดาน agent ใน workflow พร้อมกัน env CLAUDE_CODE_WORKFLOW_MAX_CONCURRENT_AGENTS 16 → คงไว้ หรือลดถ้าชนลิมิต
ขนาด workflow ที่ Claude ออกแบบ setting workflowSizeGuideline medium (< 10 agent) → คงไว้
ปิด workflow ทั้งหมด "disableWorkflows": true หรือ CLAUDE_CODE_DISABLE_WORKFLOWS=1 — ใช้ในเครื่องที่ไม่อยากให้เผลอใช้
agent teams env CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 ปิด → เปิดเฉพาะตอนทดลอง
ดูต้นทุน /usage · JSON total_cost_usd และ modelUsage ใน -p วัดทุกครั้งที่เปลี่ยนสถาปัตยกรรม

ลองเลย 🧪

ทดลอง A — ให้ Claude ช่วยเลือก (แล้วเถียงกลับ)

งานของฉัน: [อธิบายงาน ขนาด ความถี่ และผลที่ต้องการ]
เลือกระหว่าง: agent ตัวเดียว / subagents / หลาย session ใน worktree / agent teams / workflow / agent ตามเหตุการณ์ / Agent SDK
ตอบตามคำถาม 4 ข้อ: แยกงานได้จริงไหม, มูลค่าคุ้มต้นทุน 4–15 เท่าไหม, ตรวจผลอย่างไร, ใครรวมผล
แนะนำขั้นที่ "ต่ำที่สุด" ที่ทำงานได้ และบอกสัญญาณที่จะบอกว่าควรขยับขึ้นขั้นถัดไป

→ ผ่านเมื่อ: คำแนะนำอ้างคำตอบของ 4 ข้อ และถ้าเลือกหลาย agent ต้องมีเหตุผลที่ agent ตัวเดียวไม่พอ

ทดลอง B — วัดเอง ใช้คำสั่งในบท 6d-08 ทดลอง B กับงานจริงของคุณ 1 งาน เทียบ agent ตัวเดียวกับ subagent 3 ตัว จดต้นทุน เวลา และคุณภาพ

ข้อดี / ข้อเสีย

✅ ข้อดีของหลาย agent ❌ ข้อเสีย
งานกว้างที่แยกส่วนได้ ครอบคลุมขึ้นและขนานกันได้ token 4–15 เท่าของแชต โควตาหมดเร็ว
แยกบทบาท/สิทธิ์ เช่น ผู้ตรวจอ่านอย่างเดียว ประสานงานยาก ผลขัดกัน ต้องมีขั้นรวมและตรวจ
context แต่ละตัวสะอาด debug ยากขึ้น ต้องดู log หลายที่

ไม่ควรใช้เมื่อ: งานเล็ก งานที่ขั้นตอนพึ่งกันเป็นลำดับ งานที่ทุกส่วนต้องรู้ทุกอย่างร่วมกัน หรือยังไม่มีวิธีตรวจผล

สังเกตอะไร

  • ส่วนใหญ่ปัญหาที่ดูเหมือนต้องใช้หลาย agent แก้ได้ด้วย prompt ที่ดีขึ้น เทสต์ที่ดีขึ้น หรือ /clear บ่อยขึ้น
  • หลาย agent "เก่งขึ้น" เพราะใช้แรงมากขึ้นเป็นหลัก ถามตัวเองเสมอว่างานนี้คุ้มกับแรงที่เพิ่มหรือไม่

สรุปจำง่าย

เริ่มที่ agent ตัวเดียวเสมอ — ขึ้นขั้นเมื่องานแยกได้จริง มูลค่าคุ้มต้นทุนหลายเท่า และมีวิธีตรวจผล