คัมภีร์การใช้งาน Google Antigravity & Gemini ฉบับเจาะลึก

คู่มือฉบับสมบูรณ์สำหรับการเปลี่ยนผ่านจากการพิมพ์แชตธรรมดา สู่การให้ AI เป็นผู้ช่วยนักพัฒนาและทำงานแทนคุณอย่างเต็มรูปแบบ

คำนำ: ทำไมถึงต้องเป็น Antigravity?

คุณเคยรู้สึกไหมว่า การใช้งาน AI ในปัจจุบันมักจบลงที่การ "ถาม-ตอบ" ทีละคำถาม? เมื่อคุณต้องการให้ AI สร้างโปรเจกต์ขนาดใหญ่ แก้ไขโค้ดที่ซับซ้อน หรือทำงานที่ต้องทำต่อเนื่องกันหลายขั้นตอน การพูดคุยผ่านหน้าต่างแชตปกติมักจะถึงทางตัน เพราะ AI ไม่สามารถ "ลงมือทำ" งานในเครื่องของคุณได้จริงๆ

Google Antigravity (AGY) ถูกสร้างขึ้นมาเพื่อทลายข้อจำกัดนี้ มันไม่ใช่แค่แชตบอต แต่มันคือ AI-first Development Platform ที่เปรียบเสมือนวิศวกรซอฟต์แวร์อีกคนที่มานั่งจับคู่เขียนโค้ด (Pair Programming) ไปกับคุณ มันสามารถอ่านไฟล์, สร้างโฟลเดอร์, แก้ไขโค้ด, รันคำสั่ง Terminal, และวางแผนงานระยะยาวได้ด้วยตัวเอง โดยมีขุมพลังปัญญาประดิษฐ์อย่าง Gemini เป็นสมองกลเบื้องหลัง

คู่มือเล่มนี้เขียนขึ้นสำหรับทุกคนที่ต้องการรีดเร้นประสิทธิภาพของ Antigravity ออกมาให้ได้มากที่สุด ไม่ว่าคุณจะเป็นนักพัฒนาซอฟต์แวร์, ผู้ดูแลระบบ, หรือ Knowledge Worker ที่ต้องการให้ AI ช่วยทำงานอัตโนมัติ

เริ่มใช้ Antigravity ใน 4 ขั้นตอน (Quick Start)

  1. เลือกช่องทางใช้งาน (Surface): Desktop App สำหรับงานภาพรวม, IDE สำหรับตอนเขียนโค้ด, หรือ CLI (agy) สำหรับสายเทอร์มินัล
  2. เรียนรู้การสั่งงานพื้นฐาน: ใช้ Slash Commands (/) เป็นทางลัด และ Mentions (@) เพื่อชี้เป้าไฟล์หรือบริบท
  3. ตั้งกฎตัวตนให้ Agent: สร้างไฟล์ AGENTS.md เพื่อกำหนดสไตล์การทำงานและกฎเหล็กที่ Agent ต้องทำตาม
  4. สั่งงานด้วยสูตร C-R-F-E: ระบุ Context, Role, Format และ Example ให้ครบ เพื่อให้ Agent ทำงานแม่นยำตั้งแต่ครั้งแรก

รายละเอียดเต็มของแต่ละขั้นตอนอยู่ในบทถัดไป 👇

สารบัญ (Table of Contents)

  • บทที่ 1: แนะนำ Google Antigravity และ 3 ช่องทางการใช้งาน (Surfaces)
  • บทที่ 2: เครื่องมือและฟังก์ชันการใช้งานพื้นฐาน (Slash Commands, Mentions & Artifacts)
  • บทที่ 3: เจาะลึกสถาปัตยกรรมและโมเดล Gemini (Gemini Core & Models)
  • บทที่ 4: ศิลปะการสั่งงาน Agent ด้วยสูตร C-R-F-E (Agentic Prompting)
  • บทที่ 5: การกำหนดตัวตนและกฎเหล็กผ่าน Custom Rules (AGENTS.md)
  • บทที่ 6: การบริหารจัดการคลังบริบทและประหยัดโทเค็น (Token & Context Optimization)
  • บทที่ 7: ความปลอดภัยและนโยบายสิทธิ์การเข้าถึง (Agent Security & Permissions)
  • บทที่ 8: เวิร์กโฟลว์ตัวอย่างในงานจริง (Real-World Workflows)
  • บทที่ 9: คลังสูตร Prompt สำเร็จรูป (Prompt Cookbook)

บทที่ 1: แนะนำ Google Antigravity และ 3 ช่องทางการใช้งาน (Surfaces)

Antigravity ไม่ได้ผูกติดอยู่กับหน้าต่างใดหน้าต่างหนึ่ง แต่มีช่องทางการใช้งาน (Surfaces) ให้คุณเลือกใช้ตามบริบทของงาน:

graph TD
    A[Google Antigravity] --> B(Antigravity 2.0)
    A --> C(Antigravity IDE)
    A --> D(Antigravity CLI)
    B --> B1[Desktop App คู่ขนาน]
    B --> B2[เหมาะกับงานจัดการ & ภาพรวม]
    C --> C1[ฝังใน Editor]
    C --> C2[เหมาะกับตอนกำลังเขียนโค้ด]
    D --> D1[ทำงานผ่าน Terminal]
    D --> D2[รวดเร็ว กินทรัพยากรน้อย]

1. Antigravity 2.0 (Desktop Application)

นี่คือแอปพลิเคชันหลักบนเดสก์ท็อปที่ทำงานแยกต่างหาก (Standalone) เป็นศูนย์บัญชาการ (Command Center) ของคุณ

  • จุดเด่น: มีหน้าต่าง UI ที่กว้างขวาง ดู Artifacts (เอกสารหรือภาพที่ AI สร้าง) ได้สะดวก จัดการ Projects และตั้งค่า Scheduled Tasks (งานที่ตั้งเวลาไว้) ได้ง่าย
  • เหมาะสำหรับ: การวางแผนโปรเจกต์ใหม่, การสั่งงานระยะยาวที่ต้องปล่อยทิ้งไว้, หรืองานที่ไม่จำเป็นต้องเปิดโค้ดดูตลอดเวลา

Antigravity 2.0 Desktop Application

2. Antigravity IDE

ปลั๊กอินหรือส่วนขยายที่ฝังตัวอยู่ใน Code Editor ที่คุณคุ้นเคย (เช่น VS Code)

  • จุดเด่น: AI จะเห็นไฟล์ที่คุณกำลังเปิดอยู่ เห็นตำแหน่งเคอร์เซอร์ และสามารถแทรกโค้ด (Inline Code Lenses) หรือแก้ไขไฟล์ได้ทันที
  • เหมาะสำหรับ: การจับคู่เขียนโค้ด (Pair Programming), การ Debug โค้ดที่กำลังมีปัญหา, และการอธิบายโค้ดเฉพาะจุด

Antigravity IDE

3. Antigravity CLI (agy)

เครื่องมือ Command Line ที่เบาและเร็วที่สุด

  • จุดเด่น: ทำงานผ่าน Terminal (TUI) ทั้งหมด ไม่ต้องสลับหน้าต่าง กินทรัพยากรเครื่องน้อยมาก และสามารถใช้คำสั่งลัดเฉพาะทางได้ (เช่น /diff, /clear, /context)
  • เหมาะสำหรับ: สายพิมพ์เร็ว (Power Users), คนที่ถนัดใช้ Terminal เป็นหลัก, หรืองานที่ต้องสั่งรันสคริปต์สั้นๆ

Antigravity CLI (agy)

บทที่ 2: เครื่องมือและฟังก์ชันการใช้งานพื้นฐาน (Slash Commands, Mentions & Artifacts)

การจะใช้ Antigravity ให้เก่ง คุณต้องรู้จักเครื่องมือเหล่านี้และใช้ให้เป็นนิสัย:

1. Slash Commands (/) - ทางลัดสั่งการ

แทนที่จะพิมพ์อธิบายยาวๆ การใช้ Slash Command เป็นการบอก AI ว่า "เข้าสู่โหมดการทำงานนี้ทันที"

คำสั่งสถานการณ์ที่ควรใช้การทำงานของ AI
/goal"ช่วยรันเทสต์ทั้งหมดและแก้บั๊กจนกว่าจะผ่าน 100%"AI จะทำงานต่อเนื่องแบบไม่หยุดพัก คอยเช็กผลลัพธ์และแก้ไปเรื่อยๆ จนกว่าเป้าหมายจะสำเร็จ
/schedule"เช็กสถานะเซิร์ฟเวอร์ทุกๆ 5 นาที"สร้าง Background Task หรือ Cron job เพื่อให้ AI ทำงานตามเวลาที่กำหนด
/browser"เข้าไปที่หน้าเว็บ xyz แล้วสรุปข้อมูลมาให้หน่อย"AI จะเปิดเบราว์เซอร์จำลอง (Subagent) ขึ้นมาเพื่อท่องเว็บ พิมพ์ หรือคลิกปุ่มแทนคุณ
/grill-me"ฉันมีไอเดียทำแอป แต่ยังคิดไม่ออกว่าระบบฐานข้อมูลควรเป็นไง"AI จะสวมบทบาทผู้สัมภาษณ์ คอยยิงคำถามเพื่อต้อนให้คุณคิดจนตกผลึก ก่อนจะเริ่มลงมือทำ
/teamwork-preview"โปรเจกต์นี้ใหญ่มาก มีทั้งงาน Frontend และ Backend"แบ่งงานให้ Subagent หลายๆ ตัวช่วยกันทำแบบขนาน (Parallel)

2. Mentions (@) - การให้บริบทแบบชี้เป้า

Context คือพระเจ้าในการทำงานกับ AI การใช้ @ ช่วยให้ AI เข้าใจทันทีว่ากำลังพูดถึงอะไร:

  • @Files/Folders: @src/components/Button.js (ให้ AI อ่านไฟล์นี้)
  • @Terminal: @terminal-session (ดึงผลลัพธ์จากการรันคำสั่งล่าสุดมาให้ AI ดู)
  • @Rules: @style-guide (บังคับให้ AI ทำตามกฎที่คุณตั้งไว้)

3. Artifacts - การจัดการผลลัพธ์ที่สวยงาม

เมื่อ AI ต้องแสดงผลข้อมูลที่มีโครงสร้าง (เช่น แผนงาน, ตาราง, หรือไดอะแกรม) Antigravity จะไม่พิมพ์ลงในแชตยาวๆ ให้รกตา แต่จะสร้างเป็น Artifact (ไฟล์ Markdown)

  • ข้อดี: อ่านง่าย นำไปใช้ต่อได้จริง และ AI สามารถกลับมาอัปเดตไฟล์นี้ได้เรื่อยๆ เช่น ไฟล์ task.md (Checklist สิ่งที่ต้องทำ) หรือ implementation_plan.md (แผนการทำงาน)

บทที่ 3: เจาะลึกสถาปัตยกรรมและโมเดล Gemini (Gemini Core & Models)

Antigravity ขับเคลื่อนด้วยโมเดล Gemini ของ Google ซึ่งเป็นสถาปัตยกรรม AI ที่ออกแบบมาเพื่อรองรับงานพัฒนาโปรแกรมและงานข้อมูลยุคใหม่โดยเฉพาะ การเข้าใจพฤติกรรม จุดเด่น และโครงสร้างของ Gemini จะช่วยให้คุณใช้งาน Antigravity ได้อย่างเต็มประสิทธิภาพสูงสุด

1. สถาปัตยกรรมหลักของ Gemini (Core Architecture)

Gemini ไม่ใช่แค่โมเดลภาษาทั่วไป แต่มีลักษณะเด่นทางสถาปัตยกรรม 3 ประการที่เป็นประโยชน์ต่อการพัฒนาซอฟต์แวร์:

  • Native Multimodality (หลายโหมดประสาทสัมผัสแต่กำเนิด): โมเดลของ Gemini ถูกฝึกมาให้เข้าใจข้อความ, โค้ด, ภาพ, วิดีโอ, และเสียงพร้อมกันตั้งแต่แรกเริ่ม (ไม่ใช่การนำ AI ด้านภาพมาเชื่อมต่อกับ AI ข้อความทีหลัง) ทำให้ฟีเจอร์อย่างการแคปหน้าจอ UI ส่งให้ AI วิเคราะห์ หรือส่งไฟล์ภาพสเก็ตช์ (Sketch) เพื่อเขียนหน้าเว็บ React ทำงานได้รวดเร็วและแม่นยำสูง
  • Massive Context Window (หน้าต่างบริบทขนาดมหึมา): โมเดลตระกูล Gemini มีหน้าต่างบริบทที่ใหญ่ถึง 1 - 2 ล้านล้านโทเค็น (Tokens) (เทียบเท่าโค้ดโปรเจกต์ขนาดกลางถึงใหญ่ทั้งโปรเจกต์ หรือเอกสาร PDF หลายพันหน้า) ทำให้คุณสามารถโยนโค้ดทั้ง Repository หรือเอกสารระบบทั้งหมดลงไปให้ AI อ่านเพื่อประมวลผลได้พร้อมกันโดยที่รายละเอียดไม่สูญหาย
  • Native Tool Use (การเรียกใช้เครื่องมือในตัว): Gemini ถูกออกแบบมาให้ตัดสินใจเรียกใช้ฟังก์ชันการเขียนโค้ดและคำสั่ง Terminal ได้อย่างลื่นไหล (Function Calling) เมื่อระบบสั่งงานให้ลงมือแก้ไฟล์ มันจะสร้างอาร์กิวเมนต์ที่สอดคล้องกับพารามิเตอร์ของ Tool โดยตรงได้อย่างแม่นยำ ลดปัญหาฟอร์แมตคำสั่งผิดพลาด

2. การจัดประเภทและเปรียบเทียบรุ่นโมเดล Gemini

ในการทำงานจริงผ่าน Antigravity คุณสามารถสลับรุ่นโมเดลได้ตามสัดส่วนความยากง่ายและงบประมาณ:

คุณลักษณะGemini Pro (เช่น 3.1 Pro)Gemini Flash (เช่น 3.5 Flash)
จุดเด่นหลักความฉลาดสูงสุด (Reasoning), การคิดเชิงตรรกะซับซ้อนความเร็วในการตอบสนองสูงสุด (Speed), ความคุ้มค่า
ขนาด Context Window2,000,000 Tokens1,000,000 Tokens
ความเหมาะสมกับงาน• การแก้บั๊กที่มีหลายไฟล์เกี่ยวข้องกัน<br>• วางสถาปัตยกรรมระบบใหม่<br>• ทำระบบความปลอดภัยและรีวิวโค้ด• การเขียนฟังก์ชันย่อยๆ<br>• การแปลเอกสาร / เขียนคำอธิบายโค้ด<br>• การทำงานแบบขนานผ่าน Subagents
ความเร็วในการประมวลผลปานกลาง (ประมวลผลเชิงลึก)เร็วมาก (ใกล้เคียงเรียลไทม์)

[!TIP] การสลับรุ่นโมเดล: คุณสามารถเปลี่ยนโมเดลขณะแชตได้ด้วยคำสั่ง /model ในหน้าต่าง CLI หรือตั้งค่าที่ปุ่มรูปเกียร์ (Settings) ใน Desktop App

3. เทคโนโลยีเด่นของ Gemini ที่เอื้อต่อการเขียนโค้ด

  • Context Caching (การจำบริบทส่วนแรก): เมื่อคุณใส่ไฟล์โค้ดขนาดใหญ่เข้าไปในแชต ระบบของ Gemini จะทำ Cache ข้อมูลส่วนนั้นไว้บนคลาวด์ หากคุณถามคำถามถัดไปเกี่ยวกับไฟล์เดิม Gemini จะดึงความเข้าใจจาก Cache ทันทีโดยไม่ต้องรันอ่านไฟล์ใหม่ทั้งหมด ทำให้การตอบคำถามในแชตหลังๆ รวดเร็วขึ้นมากและประหยัดค่าโทเค็น (Token Cost) ลงถึง 50-80%
  • Needle in a Haystack (การค้นเข็มในมหาสมุทรข้อมูล): Gemini มีความสามารถในการประเมินข้อมูลขนาดใหญ่ระดับ 1 ล้านท็อคเก้นได้แม่นยำเกือบ 99% หมายความว่า หากคุณถามคำถามถึงจุดๆ หนึ่งที่อยู่ในบรรทัดที่ 50,000 ของไฟล์เอกสาร 1,000 หน้า Gemini จะระบุตำแหน่งและดึงคำตอบออกมาได้อย่างถูกต้องและไม่มีอาการสับสน

บทที่ 4: ศิลปะการสั่งงาน Agent ด้วยสูตร C-R-F-E (Agentic Prompting)

การคุยกับ Agent ไม่เหมือนการค้นหา Google สูตร C-R-F-E จะช่วยให้คุณได้ผลลัพธ์ที่นำไป "รัน" ได้ทันที

สูตร C-R-F-E

  1. Context (บริบท): ปูพื้นหลังให้ AI เข้าใจสถานการณ์
  2. Role (บทบาท): กำหนดหน้าที่และความเชี่ยวชาญ
  3. Format (รูปแบบ): ระบุสิ่งที่ต้องการให้ทำอย่างเป็นรูปธรรม
  4. Execution (การลงมือทำ): สั่งให้ AI ใช้ Tools (เช่น สร้างไฟล์, รันคำสั่ง)

ตัวอย่างที่ไม่ดี (Prompt ทั่วไป):

"สร้างหน้า Login ให้หน่อย" (ผลลัพธ์: AI แค่พิมพ์โค้ด HTML ลอยๆ ลงในแชต ซึ่งคุณต้องก๊อปไปวางเอง)

ตัวอย่างที่ดี (Agentic Prompt):

[Context] โปรเจกต์นี้เป็นแอปพลิเคชัน Next.js ที่ใช้ Tailwind CSS ในการตกแต่ง [Role] จงสวมบทบาทเป็น Senior Frontend Developer ที่เน้นเรื่อง Security [Format] ฉันต้องการหน้าจอ Login ที่มีดีไซน์แบบ Glassmorphism (เรียบหรู) รองรับ Email/Password และ Google OAuth [Execution] กรุณาสร้างไฟล์ login.tsx ขึ้นมาในโฟลเดอร์ @app/auth/ และสร้างแผนการทำงาน (Artifact) ชื่อ auth_plan.md ให้ฉันรีวิวก่อน

บทที่ 5: การกำหนดตัวตนและกฎเหล็กผ่าน Custom Rules (AGENTS.md)

ในการใช้งาน AI แบบเดิมๆ ปัญหาที่ชวนหงุดหงิดที่สุดคือ การต้องคอยป้อนบริบทส่วนตัว เช่น "ฉันชอบเขียนโค้ดสไตล์ไหน", "ใช้ภาษาอะไรตอบ", หรือ "รูปแบบเอกสารที่ต้องการคืออะไร" ในทุกๆ บทสนทนาใหม่

Antigravity แก้ปัญหานี้อย่างถาวรผ่านระบบ Rules ซึ่งช่วยให้คุณสร้างไฟล์กำหนดตัวตนและรูปแบบการทำงานทิ้งไว้ในเครื่อง และ AI จะอ่านกฎเหล่านั้นโดยอัตโนมัติก่อนเริ่มตอบคำถามใดๆ ช่วยลดความซ้ำซ้อนและเซฟค่า Token ได้มหาศาล

1. วิธีการทำงานของ Rules ใน Antigravity

Antigravity จะค้นหาไฟล์กฎการทำงานโดยอ้างอิงจากโฟลเดอร์เก็บค่าคอนฟิก 2 ระดับ:

  1. Global Rules (กฎภาพรวมทั้งเครื่อง):
    • โฟลเดอร์เป้าหมาย: /Users/teerapolkittikanjanaruk/.gemini/config/
    • ชื่อไฟล์: AGENTS.md
    • การใช้งาน: เหมาะสำหรับข้อมูลตัวตนของคุณเองที่อยากให้ AI จำได้ไม่ว่าจะเปิดโปรเจกต์ไหน เช่น โทนเสียงการตอบคำถาม ภาษาหลักที่ใช้ หรือพฤติกรรมการพิมพ์
  2. Project-Scoped Rules (กฎเฉพาะแต่ละโปรเจกต์):
    • โฟลเดอร์เป้าหมาย: ในโฟลเดอร์รูทของโปรเจกต์ปัจจุบัน สร้างโฟลเดอร์ชื่อ .agents/ (ตัวอย่างเช่น @.agents/AGENTS.md)
    • ชื่อไฟล์: AGENTS.md
    • การใช้งาน: เหมาะสำหรับกฎทางเทคนิคและแนวทางการเขียนโปรแกรมเฉพาะของโปรเจกต์นั้น เช่น เวอร์ชันของภาษาที่ใช้, กฎการตั้งชื่อตัวแปร, หรือสไตล์ไกด์ขององค์กร

2. เทมเพลตสำหรับเขียนไฟล์ตัวตน (AGENTS.md)

ในการสร้างไฟล์ AGENTS.md (ไม่ว่าจะในระดับ Global หรือ Project) ให้เขียนเป็นฟอร์แมต Markdown ที่กระชับและชัดเจน นี่คือเทมเพลตแนะนำที่ช่วยลดความซ้ำซ้อนในการสั่งงาน:

# กฎและแนวทางการทำงานร่วมกับฉัน (Personal Rules & Way of Working)

## 👤 เกี่ยวกับฉัน (About Me)
- **ชื่อ/ตำแหน่ง:** [ระบุชื่อ เช่น ธี, Senior Developer / มาลี, Marketing Lead]
- **ความรู้พื้นฐาน:** [ระบุระดับ เช่น ถนัดเขียน React แต่ยังอ่อนเรื่อง Docker]
- **เป้าหมายการทำงาน:** [ระบุ เช่น ต้องการโค้ดที่สะอาด ปลอดภัย และมีประสิทธิภาพสูง]

## 🛠️ วิธีการทำงานที่ฉันชอบ (Preferred Ways of Working)
- **การตอบคำถาม:**
  - ตอบกลับเป็นภาษาไทยเสมอ ยกเว้นมีคำสั่งเฉพาะ
  - เขียนอธิบายให้กระชับที่สุด ไม่น้ำท่วมทุ่ง เน้นผลลัพธ์และวิธีการลงมือทำ
  - หากต้องเลือกวิธีแก้ปัญหา ให้เสนอ 2 ทางเลือก (ทางเลือกด่วน vs ทางเลือกที่ถูกต้องตามมาตรฐาน) พร้อมอธิบายความต่าง
- **การเขียนโค้ด:**
  - โค้ดทุกบรรทัดต้องมีคำอธิบาย (Comments) เฉพาะจุดที่ซับซ้อน ไม่ต้องคอมเมนต์จุดที่เข้าใจง่าย
  - ห้ามลบโค้ดส่วนที่เขียนไว้เดิมทิ้ง เว้นแต่โค้ดส่วนนั้นจะทำให้ระบบทำงานผิดพลาด
  - หากเขียนโค้ดใหม่ ให้สร้าง Unit Test ควบคู่มาด้วยเสมอ
- **การใช้เครื่องมือ (Tools Permission):**
  - ก่อนรันคำสั่ง Terminal ที่ส่งผลกระทบสูง (เช่น `rm -rf`, `npm install` ที่ลง package แปลกๆ) ให้หยุดถามเพื่อขออนุมัติจากฉันก่อนเสมอ
  - หากเป็นคำสั่งตรวจสอบทั่วไป เช่น `git status` หรือ `npm run test` สามารถดำเนินการได้เลยโดยไม่ต้องรออนุมัติ

## 📋 รูปแบบการส่งงานที่ต้องการ (Expected Output Formats)
- **การทำแผนงาน:** สำหรับงานที่ต้องแก้โค้ดเกิน 3 ไฟล์ขึ้นไป ให้สรุปแผนใน `implementation_plan.md` (Artifact) ก่อนลงมือทำทุกครั้ง
- **การส่งสรุปงาน:** เมื่องานเสร็จสิ้น ให้บันทึกการเปลี่ยนแปลงและวิธีการทดสอบลงใน `walkthrough.md` พร้อมระบุพารามิเตอร์ที่เปลี่ยนไปอย่างชัดเจน

3. ประโยชน์ที่ได้รับจากการทำ Rules

  • ไม่ต้องเกริ่นนำอีกต่อไป: เปิดแชตใหม่มา พิมพ์แค่สั้นๆ ว่า "ช่วยเขียนสคริปต์สแกนหาไฟล์ใหญ่ๆ หน่อย" AI จะเลือกภาษาและเขียนฟอร์แมตตามที่คุณกำหนดไว้ใน AGENTS.md ทันที
  • ประหยัดค่า Token: เนื่องจากระบบโหลดไฟล์ Rules นี้ผ่านระบบจัดการเบื้องหลังที่มีประสิทธิภาพและคอยจำแคชไว้ ทำให้คุณไม่ต้องเสีย Token จากการพิมพ์ Prompt เกริ่นนำยาวๆ ในทุกๆ แชต
  • การทำงานเป็นมาตรฐานเดียวกัน: หากมีทีมงานหลายคน ทำการแจกจ่ายโฟลเดอร์ .agents/AGENTS.md ไปใน Git ของทีม จะช่วยให้ AI เขียนโค้ดและส่งงานในมาตรฐานเดียวกันทั้งหมด โดยไม่มีความเหลื่อมล้ำทางฝีมือ

บทที่ 6: การบริหารจัดการคลังบริบทและประหยัดโทเค็น (Token & Context Optimization)

การประหยัดโทเค็น (Tokens) ไม่ได้ส่งผลดีต่อเรื่องค่าใช้จ่ายเพียงอย่างเดียว แต่ยังช่วยให้ ความเร็วในการประมวลผล (Latency) เร็วขึ้น และช่วยลดโอกาสที่ AI จะเกิดอาการ "หลงลืม" (Hallucination) เมื่อบทสนทนายาวเกินไป

นี่คือกลยุทธ์การบริหารโมเดลและโทเค็นอย่างเป็นระบบเพื่อให้การสั่งงานมีประสิทธิภาพสูงสุด:

1. กลยุทธ์การสลับโมเดล (Model Routing Strategy)

หลักการง่ายๆ คือ "ใช้ Flash เป็นตัวหลัก และใช้ Pro เป็นไม้ตาย"

  • เริ่มต้นด้วย Gemini Flash:
    • สำหรับงานเตรียมโครงสร้างพื้นฐาน (Scaffolding), งานแปลภาษา, การเขียนฟังก์ชันเดี่ยวๆ, และการแก้ไขสคริปต์สั้นๆ
    • หากการแก้ไขสำเร็จลุล่วงด้วยดี คุณจะประหยัดทั้งเวลาและจำนวน Token ไปได้มหาศาล
  • สลับมาใช้ Gemini Pro เมื่อ:
    • โมเดล Flash เริ่มวนลูป (แก้โค้ดจุดเดิมซ้ำๆ แล้วยังติดปัญหา)
    • มีการแก้ไขโค้ดที่เชื่อมโยงกันหลายๆ ไฟล์ใหญ่ๆ (Multi-file reasoning)
    • ต้องการให้ระบบวิเคราะห์ความปลอดภัยของระบบ (Security review)
    • การวางโครงสร้างการออกแบบฐานข้อมูลหรือ API ตั้งแต่เริ่มต้น

2. วิธีการตัดบริบทที่รกเกินจำเป็นเพื่อประหยัด Token

ทุกครั้งที่คุณพิมพ์คำถามใหม่ในแชตเดิม ข้อความคุยเก่าทั้งหมด (Chat History) จะถูกส่งกลับไปให้ AI ประมวลผลใหม่ทุกรอบ ซึ่งจะกิน Token สะสมเพิ่มขึ้นเรื่อยๆ แบบทวีคูณ คุณสามารถลดปัญหานี้ได้ด้วยวิธีเหล่านี้:

  1. ใช้คำสั่งล้างหน้าจอและบริบทเก่า:
    • พิมพ์คำสั่งลัด /new หรือ /clear (ใน CLI) เมื่อต้องการเปลี่ยนหัวข้อการทำงาน เพื่อทิ้งประวัติการแชตเก่าที่ไม่จำเป็นต่อหัวข้อใหม่ทันที
  2. ใช้การแยกกิ่งบทสนทนา (Conversational Forking):
    • หากคุณคุยมาไกลแล้วเริ่มเจอบั๊กใหม่ ให้ใช้คำสั่ง /fork หรือ /branch เพื่อสร้างแชตใหม่แยกออกมาจากจุดที่โค้ดเคยทำงานปกติ โดยดึงเอาบริบทก่อนหน้ามาเฉพาะเท่าที่จำเป็น
  3. ระบุไฟล์แบบเจาะจงแทนการอัปโหลดทั้งโฟลเดอร์:
    • หลีกเลี่ยงการสั่งกว้างๆ เช่น "เช็กโฟลเดอร์ @src ให้หน่อย" เพราะ AI จะต้องโหลดทุกไฟล์เข้าไปในหน้าต่างบริบท
    • ให้ใช้ @ ชี้เป้าไปเฉพาะไฟล์ที่เกี่ยวข้องโดยตรง เช่น "ตรวจสอบฟังก์ชันใน @src/auth.js และ @src/login.js"

3. การใช้ประโยชน์สูงสุดจาก Context Caching

Gemini มีความสามารถในการแคชข้อมูลที่เป็นไฟล์ขนาดใหญ่ (เช่น เอกสารโครงสร้าง หรือตัวช่วยจำ) หากข้อมูลนั้นไม่มีการเปลี่ยนแปลง

  • เทคนิค: ข้อมูลใดก็ตามที่เป็นข้อมูลนิ่งที่ต้องใช้อ้างอิงตลอด เช่น ไฟล์ Schema ฐานข้อมูล, API Documentation ของคู่ค้า หรือสไตล์ไกด์ของบริษัท ให้ใส่ไว้ใน Project Custom Instructions หรือไฟล์ AGENTS.md
  • ผลลัพธ์: ข้อมูลเหล่านี้จะถูก Gemini แคชไว้ตั้งแต่คำถามแรก ทำให้การสนทนาครั้งต่อๆ ไปดึงแคชมาใช้ทันที ช่วยลดการคำนวณ Token ของไฟล์ใหญ่นั้นๆ ลงเหลือเกือบศูนย์ในแชตถัดๆ ไป

4. ปิดกั้นไฟล์และโฟลเดอร์ที่ไม่ได้ใช้งาน (Excluding Files)

ตรวจสอบให้แน่ใจว่าโปรเจกต์ของคุณมีการตั้งค่าปิดกั้นไฟล์ที่ไม่เกี่ยวข้องกับการเขียนโค้ด (เช่น โฟลเดอร์ build, node_modules หรือ cache ต่างๆ)

  • วิธีปฏิบัติตามมาตรฐาน: สร้างไฟล์ .gitignore หรือ .npmignore ในโฟลเดอร์รูทของโปรเจกต์อย่างถูกต้อง เพื่อป้องกันไม่ให้ Agent ของ Antigravity สแกนและโหลดไฟล์ขยะเหล่านั้นเข้าสู่ Context Window ของโมเดลโดยไม่ตั้งใจ ซึ่งจะทำให้เกิด Token Bloat อย่างรวดเร็ว

บทที่ 7: ความปลอดภัยและนโยบายสิทธิ์การเข้าถึง (Agent Security & Permissions)

เนื่องจาก Antigravity สามารถรันคำสั่งและแก้ไขไฟล์ในเครื่องของคุณได้จริง ความปลอดภัยจึงเป็นสิ่งสำคัญที่สุด

  • Tool Execution Policy (นโยบายการรันเครื่องมือ): คุณสามารถตั้งค่าใน Settings ได้ว่าต้องการให้ AI ทำงานแบบไหน:
    • request-review: (แนะนำ) AI ต้องขออนุญาตคุณก่อนรันคำสั่ง Terminal ทุกครั้ง
    • always-proceed: AI จะรันคำสั่งได้เองทันที (เหมาะสำหรับโปรเจกต์ที่ไว้ใจได้หรือทำงานใน Sandbox เท่านั้น)
    • proceed-in-sandbox: รันคำสั่งในสภาพแวดล้อมจำลองปิด (Sandbox) เพื่อป้องกันความเสียหาย
  • File Access Policy (นโยบายการเข้าถึงไฟล์): ระบบจะป้องกันไม่ให้ AI เข้าถึงไฟล์นอกเหนือจาก Workspace ปัจจุบัน (Non-Workspace File Access) เว้นแต่คุณจะอนุญาตเป็นรายกรณี
  • Browser Allowlist (รายการเว็บที่อนุญาต): คุณสามารถจำกัดโดเมนที่คำสั่ง /browser สามารถเข้าถึงได้ เพื่อป้องกันไม่ให้ AI เข้าเว็บแปลกปลอม

[!WARNING] จงอ่านคำสั่ง Terminal ที่ AI เสนอทุกครั้งก่อนกดตกลง (Approve) โดยเฉพาะคำสั่งที่เกี่ยวข้องกับการลบไฟล์ (rm) หรือการเชื่อมต่อฐานข้อมูลการผลิต (Production DB)

บทที่ 8: เวิร์กโฟลว์ตัวอย่างในงานจริง (Real-World Workflows)

มาดูตัวอย่างการใช้งานจริงในสถานการณ์สมมติต่างๆ เพื่อให้เห็นภาพการทำงานเชิงลึกของ Antigravity ในแต่ละสายอาชีพ:

สถานการณ์ที่ 1: การแก้ไขบั๊กบนโปรเจกต์ขนาดใหญ่ (Software Developer)

  • ขั้นตอนที่ 1: แจ้งปัญหาและแนบบริบท
    • คุณพิมพ์: "แอปพลิเคชันล่มเมื่อผู้ใช้กดปุ่มชำระเงิน ตรวจสอบ Error log ล่าสุดให้หน่อยใน @app.log และเน้นดูที่ฟังก์ชันชำระเงินในโฟลเดอร์ @src/payments/"
    • สิ่งที่เกิดขึ้น: AI จะใช้ Tool เข้าไปอ่านไฟล์ app.log และสแกนหา Error จากนั้นจะไปอ่านโค้ดในโฟลเดอร์ payments
  • ขั้นตอนที่ 2: AI เข้าสู่ Planning Mode
    • AI ตอบกลับ: "พบสาเหตุแล้ว เกิดจาก API Timeout เนื่องจากไม่ได้จัดการ Exception ผมได้สร้างไฟล์ implementation_plan.md ไว้แล้ว กรุณารีวิวและกด Approve เพื่อให้ผมลงมือแก้ไขโค้ด"
  • ขั้นตอนที่ 3: อนุมัติและให้ AI ลงมือ
    • คุณ: อ่านไฟล์ Artifact แผนงาน พบว่าสมเหตุสมผล จึงกด Approve
    • สิ่งที่เกิดขึ้น: AI จะสร้างไฟล์ task.md (Checklist) และค่อยๆ ใช้ Tool เข้าไปแก้ไขโค้ด (Replace Content) ทีละจุด พร้อมทำเครื่องหมายกากบาท [x] ในหน้า Checklist จนเสร็จ
  • ขั้นตอนที่ 4: สั่งรันเทสต์
    • คุณพิมพ์: "รัน unit test ด้วยคำสั่ง npm run test"
    • สิ่งที่เกิดขึ้น: AI จะรันคำสั่งใน Terminal ในเครื่องของคุณ (หลังจากคุณอนุญาต) และอ่านผลลัพธ์ หากมีบั๊กตกค้าง AI จะแก้ไขต่อจนผ่าน

สถานการณ์ที่ 2: งานวิเคราะห์ข้อมูล (Data Analyst)

การให้ AI เป็น Data Analyst ช่วยจัดการข้อมูลที่ซับซ้อน รันสคริปต์ Python และสรุปผลออกมาเป็นภาพ

  • ขั้นตอนที่ 1: เตรียมไฟล์ข้อมูลและสั่งวิเคราะห์
    • คุณพิมพ์: "ในไฟล์ @sales_2026.csv ฉันต้องการให้คุณเขียน Python สคริปต์เพื่อวิเคราะห์เทรนด์ยอดขายรายเดือน หาเดือนที่มียอดขายสูงสุด/ต่ำสุด และพล็อตกราฟแท่ง"
    • สิ่งที่เกิดขึ้น: AI จะเขียนโค้ด Python (เช่น ใช้ pandas และ matplotlib) สร้างไฟล์สคริปต์ (เช่น analyze_sales.py) ขึ้นมา
  • ขั้นตอนที่ 2: รันคำสั่งและประมวลผล
    • คุณพิมพ์: "รันสคริปต์นี้เลย"
    • สิ่งที่เกิดขึ้น: AI จะเรียกใช้คำสั่ง python analyze_sales.py ใน Terminal ของคุณ อ่านผลลัพธ์ที่คอนโซลแสดงออกมา และดึงไฟล์รูปภาพที่ถูกสร้าง (เช่น sales_trend.png) กลับมาแสดงผลให้คุณดูในแชต
  • ขั้นตอนที่ 3: สรุปผลเป็น Artifact
    • คุณพิมพ์: "สรุป Insights ที่ได้จากกราฟนี้ และจัดรูปแบบเป็นตารางลงใน Artifact"
    • สิ่งที่เกิดขึ้น: AI สร้างไฟล์ sales_insight_report.md สรุปเทรนด์รายเดือน พร้อมตารางและแทรกรูปภาพกราฟเข้าไปอย่างสวยงาม

สถานการณ์ที่ 3: งานออกแบบ UI (UI/UX Designer)

Antigravity ช่วยร่นเวลาในงานออกแบบหน้าตาและทดสอบ UI ได้อย่างดีเยี่ยมผ่านโหมด Vision และ Browser

  • ขั้นตอนที่ 1: ใช้งานร่วมกับ /browser และ Vision
    • คุณพิมพ์: "ใช้คำสั่ง /browser เข้าไปที่ localhost:3000 ช่วยแคปหน้าจอ (Screenshot) แล้ววิเคราะห์ว่า Layout ของหน้า Landing Page นี้ตรงตามหลัก Accessibility (WCAG) หรือไม่"
    • สิ่งที่เกิดขึ้น: Subagent ของเบราว์เซอร์จะเปิดหน้าเว็บ แคปหน้าจอมาให้ AI ตัวหลักวิเคราะห์สี ความเปรียบต่าง (Contrast) และขนาดตัวอักษร
  • ขั้นตอนที่ 2: การสั่งสร้าง Prototype แบบทันใจ
    • คุณพิมพ์: "สร้างหน้า Dashboard สำหรับแอดมิน โดยใช้ React และ Tailwind CSS ขอโทนสี Dark Mode และให้มี Sidebar ด้านซ้าย"
    • สิ่งที่เกิดขึ้น: AI จะเขียน Component ทั้งหมด และถ้าโปรเจกต์รองรับ มันสามารถเปิดหน้าพรีวิว (Live Preview) ของ Component นั้นผ่านพาเนล Artifact ได้ทันที ให้คุณเห็นปุ่มหรือเลย์เอาต์ที่กดเล่นได้
  • ขั้นตอนที่ 3: การปรับแก้หน้าตา (Iteration)
    • คุณพิมพ์: "ปุ่ม 'Submit' กลืนกับพื้นหลังเกินไป ช่วยเปลี่ยนเป็นสีน้ำเงินสว่าง (Blue-500) และเพิ่มเงาตอน Hover"
    • สิ่งที่เกิดขึ้น: AI จะแก้ไขโค้ดเฉพาะบรรทัดที่เป็น Class ของ Tailwind ทันที และหน้าต่างพรีวิวจะอัปเดตแบบเรียลไทม์

สถานการณ์ที่ 4: งานสนับสนุนฝ่ายขายและการตลาด (Sales & Marketing)

การให้ AI เป็นผู้ช่วยฝ่ายขายในการเตรียมเอกสารนำเสนอ ร่างข้อเสนอราคา และวิเคราะห์ความต้องการของลูกค้า

  • ขั้นตอนที่ 1: วิเคราะห์ความต้องการของลูกค้า (Client Requirements)
    • คุณพิมพ์: "ในไฟล์ @rfp_client.pdf คือเอกสารขอเสนอราคาของลูกค้า ช่วยสรุปความต้องการหลัก (Key Requirements) งบประมาณ และระยะเวลาที่กำหนดลงในตารางให้หน่อย"
    • สิ่งที่เกิดขึ้น: AI จะเปิดไฟล์ PDF ขึ้นมาอ่าน และสรุปความต้องการเป็นหมวดหมู่ ช่วยให้ฝ่ายขายประเมินงานได้อย่างรวดเร็ว
  • ขั้นตอนที่ 2: ร่างข้อเสนอการขาย (Sales Proposal)
    • คุณพิมพ์: "ช่วยเขียนข้อเสนอการขาย (Proposal) ในรูปแบบจดหมายนำเสนอ โดยเสนอจุดแข็งเรื่องระบบรักษาความปลอดภัยและการทำงานที่รวดเร็ว เพื่อตอบโจทย์ความต้องการใน RFP และบันทึกผลเป็น Artifact proposal_draft.md"
    • สิ่งที่เกิดขึ้น: AI จะสร้างจดหมายนำเสนอที่เป็นทางการ ปรับโทนภาษาให้มีความเป็นมืออาชีพ มีการเน้นจุดขายที่ตรงจุดของลูกค้า
  • ขั้นตอนที่ 3: เตรียมสคริปต์เสนอขาย (Pitch Script & FAQ)
    • คุณพิมพ์: "เขียนสคริปต์สั้นๆ 5 นาทีสำหรับการนำเสนอข้อเสนอนี้ให้ผู้บริหารฟัง พร้อมทั้งเก็งคำถามที่น่าจะโดนถาม (FAQ) และคำตอบที่ควรตอบ"
    • สิ่งที่เกิดขึ้น: AI ร่างสคริปต์แบบแบ่งช่วงเวลาเป็นนาที พร้อมคำแนะนำเรื่องการใช้น้ำเสียง และจำลองคำถามที่ยากๆ ที่ลูกค้ามักจะถาม (เช่น เรื่องราคาหรือการรับประกัน) พร้อมเตรียมสคริปต์ตอบคำถามไว้เสร็จสรรพ

สถานการณ์ที่ 5: ธุรกิจค้าปลีกและอีคอมเมิร์ซ (E-commerce & Retail)

การใช้ AI ช่วยเพิ่มยอดขาย วิเคราะห์พฤติกรรมการซื้อ และจัดการข้อมูลสินค้าคงคลัง

  • ขั้นตอนที่ 1: วิเคราะห์พฤติกรรมลูกค้าจากรีวิวสินค้า (Customer Insights)
    • คุณพิมพ์: "ฉันแนบไฟล์ @customer_reviews.json ที่มีรีวิวของสินค้ากลุ่มใหม่ ช่วยจำแนกความรู้สึก (Sentiment Analysis) และดึงประเด็นที่ลูกค้าบ่นมากที่สุด 3 ลำดับแรกพร้อมแนวทางแก้ไข"
    • สิ่งที่เกิดขึ้น: AI เปิดอ่านไฟล์ JSON วิเคราะห์ข้อความคำรีวิวของลูกค้า และสรุปว่าลูกค้าส่วนใหญ่ติเรื่อง "การขนส่งช้า" และ "คู่มือการใช้ไม่ชัดเจน" พร้อมเสนอทางแก้
  • ขั้นตอนที่ 2: สร้างคำอธิบายสินค้าสำหรับลงขาย (SEO-friendly Product Descriptions)
    • คุณพิมพ์: "ช่วยเขียนคำอธิบายสินค้าสำหรับ 'เก้าอี้เพื่อสุขภาพ Ergonomic Chair รุ่น Zen' โดยใช้ข้อมูลคุณสมบัติในไฟล์ @zen_chair_specs.txt เน้นคีย์เวิร์ด 'เก้าอี้แก้ปวดหลัง' และ 'เก้าอี้ทำงานเพื่อสุขภาพ' ให้ดึงดูดใจและพร้อมลงบนแพลตฟอร์ม Shopee/Lazada"
    • สิ่งที่เกิดขึ้น: AI สร้างข้อความอธิบายสินค้าที่มีการจัดหมวดหมู่คุณสมบัติชัดเจน ใช้ภาษาที่ชวนซื้อ และแทรกคีย์เวิร์ด SEO อย่างแนบเนียน
  • ขั้นตอนที่ 3: คำนวณปริมาณสินค้าคงคลังที่เหมาะสม (Reorder Point)
    • คุณพิมพ์: "เขียนสูตรหรือรันสคริปต์คำนวณหา Reorder Point ของสินค้า 5 รายการจากประวัติการขายใน @inventory_log.csv เพื่อไม่ให้สินค้าขาดมือ"
    • สิ่งที่เกิดขึ้น: AI แสดงสูตรการคำนวณ พร้อมเขียนโค้ดวิเคราะห์ข้อมูลแล้วรายงานจุดที่ต้องสั่งสินค้าเพิ่มของแต่ละชิ้นลงใน Artifact ชื่อ inventory_report.md

สถานการณ์ที่ 6: งานบริการและสนับสนุนลูกค้า (Customer Support & Operations)

การใช้ AI เป็นสมองกลคอยคัดกรอง ตอบคำถาม และจัดการตั๋วปัญหา (Support Tickets) ของลูกค้า

  • ขั้นตอนที่ 1: จัดกลุ่มและประเมินความสำคัญของตั๋วปัญหา (Ticket Triage)
    • คุณพิมพ์: "อ่านตั๋วร้องเรียนที่ส่งเข้ามาใหม่ใน @tickets_today.xml คัดกรองและแบ่งกลุ่มตามประเภทปัญหา เช่น ปัญหาเทคนิค, การคืนเงิน, คำถามทั่วไป พร้อมทั้งจัดลำดับความเร่งด่วน (Urgency)"
    • สิ่งที่เกิดขึ้น: AI แยกแยะประเภทตั๋วทันที โดยพบปัญหาประเภท "ระบบชำระเงินขัดข้อง" เป็นความเร่งด่วนระดับสูงสุด (Critical)
  • ขั้นตอนที่ 2: ร่างอีเมลตอบกลับลูกค้าโดยอัตโนมัติ (Auto-Response Drafting)
    • คุณพิมพ์: "สำหรับตั๋วที่เป็นปัญหาชำระเงินล้มเหลว ช่วยร่างอีเมลตอบกลับลูกค้าเพื่อขออภัยอย่างเป็นทางการ อธิบายวิธีตรวจสอบยอดเงิน และขั้นตอนการทำรายการใหม่อีกครั้ง บันทึกไว้ใน support_replies.md"
    • สิ่งที่เกิดขึ้น: AI ร่างเทมเพลตอีเมลที่สุภาพ ปลอบโยนลูกค้า และให้คำแนะนำแบบเป็นขั้นตอนชัดเจน ช่วยประหยัดเวลาของเจ้าหน้าที่ไปกว่า 80%
  • ขั้นตอนที่ 3: สร้างคลังความรู้สำหรับทีมงาน (Internal KB)
    • คุณพิมพ์: "จากปัญหาที่พบบ่อย 10 อันดับในสัปดาห์นี้ที่อยู่ใน @weekly_issues_summary.md ช่วยสรุปเป็นเอกสารคู่มือแก้ปัญหาเบื้องต้น (Quick Troubleshooting Guide) เพื่อให้ทีม Support ใช้เป็นคัมภีร์ตอบลูกค้า"
    • สิ่งที่เกิดขึ้น: AI เรียบเรียงวิธีแก้ปัญหาทีละจุดเป็นคู่มือสำหรับพนักงานอ่านง่ายพร้อมสรุปไว้ในคลังข้อมูล

สถานการณ์ที่ 7: ธุรกิจการเงินและการลงทุน (Finance & Investment)

การให้ AI ช่วยตรวจจับความผิดปกติ วิเคราะห์อัตราส่วนทางการเงิน และจัดทำบทวิเคราะห์เบื้องต้น

  • ขั้นตอนที่ 1: ตรวจสอบความผิดปกติของรายการเดินบัญชี (Anomaly Detection)
    • คุณพิมพ์: "มีไฟล์ประวัติการทำธุรกรรมใน @transactions_q2.csv ช่วยเขียนโปรแกรม Python ค้นหาข้อมูลธุรกรรมที่น่าสงสัย (เช่น ยอดโอนเงินกะทันหันในเวลาผิดปกติ หรือยอดเงินโอนซ้ำๆ ถี่ๆ) และรายงานออกมา"
    • สิ่งที่เกิดขึ้น: AI เขียนโค้ดวิเคราะห์ข้อมูลธุรกรรมและแสดงสถิติรายงานจุดที่ชี้วัดว่าน่าสงสัยเพื่อส่งให้ตรวจสอบต่อ
  • ขั้นตอนที่ 2: วิเคราะห์อัตราส่วนทางการเงิน (Financial Ratio Analysis)
    • คุณพิมพ์: "ดึงข้อมูลงบการเงินจากไฟล์ PDF @financial_statement.pdf และคำนวณอัตราส่วนสภาพคล่อง (Current Ratio) อัตรากำไรสุทธิ (Net Profit Margin) และหนี้สินต่อทุน (D/E Ratio) เทียบกับปีที่แล้ว"
    • สิ่งที่เกิดขึ้น: AI อ่านเอกสาร PDF แกะงบการเงินมาลงสูตรคำนวณ เปรียบเทียบข้อมูลปีต่อปี และอธิบายว่าสุขภาพทางการเงินของบริษัทดีขึ้นหรือแย่ลงในด้านใดบ้าง
  • ขั้นตอนที่ 3: ร่างรายงานสรุปผลประกอบการสำหรับประชุมผู้ถือหุ้น
    • คุณพิมพ์: "แปลงผลลัพธ์การวิเคราะห์การเงินข้างต้นให้เป็นสรุปประเด็นสำคัญ (Key Highlights) ในรูปแบบสไลด์หรือหัวข้อสั้นๆ ลงใน Artifact ชื่อ financial_highlights.md"
    • สิ่งที่เกิดขึ้น: AI สร้างสรุปย่อยที่เข้าใจง่ายสำหรับผู้บริหารและผู้ถือหุ้นทันที

สถานการณ์ที่ 8: ธุรกิจการแพทย์และสุขภาพ (Healthcare & Wellness)

การใช้ AI ช่วยงานธุรการแพทย์ สรุปประวัติผู้ป่วย และจัดหมวดหมู่ข้อมูลทางการวิจัย (คำเตือน: สำหรับงานสนับสนุนการตัดสินใจเท่านั้น ไม่ใช่เพื่อวินิจฉัยโรคโดยตรง)

  • ขั้นตอนที่ 1: สรุปบันทึกการตรวจรักษาของผู้ป่วย (Clinical Notes Summarization)
    • คุณพิมพ์: "นี่คือบันทึกดิบจากการตรวจร่างกายของคนไข้ @raw_doctor_notes.txt ช่วยสรุปอาการสำคัญ (Chief Complaint) ประวัติวัคซีน ยาที่ได้รับในปัจจุบัน และคำแนะนำในการปฏิบัติตัวของแพทย์ให้เข้าใจง่าย"
    • สิ่งที่เกิดขึ้น: AI แปลงศัพท์ทางการแพทย์ที่อ่านยากและบันทึกที่กระจัดกระจายให้เป็นโครงสร้างประวัติที่สะอาด เรียบร้อย และปลอดภัยสำหรับบุคลากรทางการแพทย์อ่านต่อ
  • ขั้นตอนที่ 2: ค้นคว้าข้อมูลวิจัยทางการแพทย์เบื้องต้น
    • คุณพิมพ์: "ใช้คำสั่ง /browser เข้าไปหาข้อมูลการวิจัยล่าสุดในเว็บไซต์เกี่ยวกับความเกี่ยวข้องระหว่างวิตามินดีกับการทำงานของระบบภูมิคุ้มกัน สรุปเปรียบเทียบผลลัพธ์จากวิทยานิพนธ์ 3 ฉบับ"
    • สิ่งที่เกิดขึ้น: AI ท่องเว็บอ่านรายงานวิจัย วิเคราะห์ผลลัพธ์เด่นๆ แล้วสรุปเปรียบเทียบข้อมูลออกมาให้อย่างเป็นกลางและอ้างอิงชัดเจน
  • ขั้นตอนที่ 3: ตรวจสอบความปลอดภัยในการจ่ายยาคู่ขนาน (Drug-Drug Interaction Check)
    • คุณพิมพ์: "คนไข้กำลังทานยา A และแพทย์ต้องการจ่ายยา B เพิ่มเติม ช่วยตรวจสอบประวัติการทำปฏิกิริยาของยาสองตัวนี้จากฐานข้อมูลการแพทย์ @drug_guideline.pdf ว่ามีข้อควรระวังหรือผลข้างเคียงที่รุนแรงหรือไม่"
    • สิ่งที่เกิดขึ้น: AI เปิดเอกสารคู่มือยา ค้นหารายการยา แจ้งเตือนข้อพึงระวังและข้อบ่งใช้ที่ต้องตรวจสอบพิเศษโดยแพทย์ผู้รักษา

สถานการณ์ที่ 9: ธุรกิจขนส่ง คลังสินค้า และซัพพลายเชน (Logistics & Supply Chain)

การใช้ AI ช่วยจัดสรรเส้นทางขนส่ง วิเคราะห์ความล่าช้า และควบคุมคลังสินค้า

  • ขั้นตอนที่ 1: จัดเส้นทางขนส่งที่ประหยัดเวลาที่สุด (Routing Optimization)
    • คุณพิมพ์: "ฉันมีตำแหน่งจัดส่งของลูกค้า 10 จุดในไฟล์ @delivery_coords.json และมีพิกัดคลังสินค้าเริ่มต้น ช่วยเขียนสคริปต์หารูปแบบการจัดเส้นทาง (Route Planning) ที่ประหยัดระยะทางที่สุดโดยคำนึงถึงช่วงเวลาเร่งด่วน"
    • สิ่งที่เกิดขึ้น: AI เขียนสคริปต์คำนวณระยะทางและแสดงลำดับการจัดส่งของรถแต่ละคันเพื่อให้ใช้ระยะทางและเวลาสั้นที่สุด
  • ขั้นตอนที่ 2: ค้นหาสาเหตุการดีเลย์ของชิปเมนต์ (Delay Analysis)
    • คุณพิมพ์: "วิเคราะห์ข้อมูลจากตารางการเดินรถใน @logistics_tracker.xlsx ค้นหาว่าเส้นทางใดหรือจุดเปลี่ยนถ่ายใดที่ทำให้เกิดการดีเลย์สะสมมากที่สุดและเวลาเฉลี่ยที่ช้าลง"
    • สิ่งที่เกิดขึ้น: AI โหลดไฟล์ ประมวลผลจุดคอขวด (Bottleneck) และรายงานตัวเลขสถิติว่า "คลังสินค้าฝั่งเหนือ" มีอัตราเฉลี่ยการเคลียร์สินค้าล่าช้ากว่าจุดอื่นถึง 45 นาที
  • ขั้นตอนที่ 3: ร่างแผนรับมือวิกฤตซัพพลายเชนขาดตอน (Contingency Plan)
    • คุณพิมพ์: "จากปัญหาท่าเรือปิดกักตัวตามนโยบายรัฐบาลล่าสุดในรายงานข่าว ช่วยสรุปผลกระทบและเขียนแผนสำรองการขนส่งทางอากาศทดแทนใน Artifact supply_contingency.md"
    • สิ่งที่เกิดขึ้น: AI สร้างแผนรับมือภาวะฉุกเฉินแจกแจงขั้นตอน ตัวเลือกสายการบิน และตารางประเมินงบประมาณที่เพิ่มขึ้น

สถานการณ์ที่ 10: ธุรกิจการศึกษาและการฝึกอบรม (Education & E-learning)

การใช้ AI ช่วยออกแบบหลักสูตร สร้างข้อสอบวัดผลรายบุคคล และเรียบเรียงเนื้อหาการเรียนการสอน

  • ขั้นตอนที่ 1: ออกแบบหลักสูตรวิชาการ (Curriculum Design)
    • คุณพิมพ์: "ฉันต้องการสร้างคอร์สสอน 'การเขียนโปรแกรม Python เบื้องต้นสำหรับเด็กอายุ 12 ปี' ความยาว 8 สัปดาห์ สัปดาห์ละ 2 ชั่วโมง ช่วยร่างโครงสร้างหลักสูตร (Syllabus) กิจกรรมในชั้นเรียน และผลการเรียนรู้ที่คาดหวัง"
    • สิ่งที่เกิดขึ้น: AI ออกแบบหลักสูตรที่ใช้การเปรียบเปรยกับเกมและการวาดรูป เหมาะสมกับการเรียนรู้ของเด็กวัย 12 ปีอย่างน่าสนใจ
  • ขั้นตอนที่ 2: ออกแบบคลังข้อสอบและเฉลยคำตอบ (Question Bank & Solutions)
    • คุณพิมพ์: "จากเนื้อหาสัปดาห์ที่ 1 และ 2 ช่วยสร้างข้อสอบแบบเลือกตอบ (Multiple Choice) 5 ข้อ และแบบฝึกปฏิบัติแก้โค้ดที่ผิด 2 ข้อ พร้อมเฉลยคำอธิบายการทำงานโดยละเอียด"
    • สิ่งที่เกิดขึ้น: AI ร่างแบบทดสอบพร้อมตัวลวงที่ท้าทาย และเขียนคำอธิบายแนวคิดการหาคำตอบที่ถูกต้องทีละข้อ
  • ขั้นตอนที่ 3: ปรับระดับเนื้อหาให้เหมาะกับผู้เรียนที่ต่างกัน (Adaptive Content)
    • คุณพิมพ์: "ช่วยปรับเนื้อหาเรื่อง OOP (Object-Oriented Programming) ในไฟล์ @oop_module.txt ให้ออกมาเป็น 3 เวอร์ชัน: 1. สำหรับคนที่ไม่มีพื้นฐานเลย (ใช้การเปรียบเทียบชีวิตจริง), 2. สำหรับคนที่พอเขียนโค้ดได้บ้าง (เน้น Syntax), 3. สำหรับผู้เรียนระดับสูง (เน้น Design Patterns)"
    • สิ่งที่เกิดขึ้น: AI เรียบเรียงเนื้อหาแยกเป็น 3 ส่วนเก็บลงใน Artifact ชื่อ oop_adapted.md เพื่อให้ผู้สอนนำไปแจกจ่ายให้เหมาะกับระดับนักเรียนแต่ละคน

บทที่ 9: คลังสูตร Prompt สำเร็จรูป (Prompt Cookbook)

คลังสูตร Prompt สำเร็จรูปที่ออกแบบมาเพื่อให้โมเดล Gemini ทำงานในฐานะ Agent ได้อย่างเต็มขีดความสามารถ สามารถนำไปประยุกต์ใช้ในการทำงานจริงได้ทันที

สูตรที่ 1: การสั่งแก้ไขบั๊กแบบเบ็ดเสร็จ (Automated Bug Fixing)

  • เป้าหมาย: สั่งให้ AI ตรวจสอบบั๊ก เขียนโค้ดแก้ และตรวจสอบผลลัพธ์การรันเทสต์ด้วยตัวเอง
  • โมเดลที่แนะนำ: Gemini Pro (วิเคราะห์เหตุผลเชิงลึก)
  • คำสั่งลัดที่แนะนำ: /goal
  • ตัวอย่าง Prompt: 
    /goal ค้นหาและแก้ไขบั๊ก TypeError ที่ระบุไว้ใน `@error.log` ในโปรเจกต์นี้
1. ค้นหาไฟล์ต้นตอและอ่านโค้ดในระบบ
2. ร่างแผนการทำงานไว้ใน Artifact ชื่อ `fix_plan.md` ให้ฉันกดยืนยัน
3. หลังจากกดยืนยัน ให้เข้าไปแก้ไขโค้ดในไฟล์เป้าหมาย
4. รันคำสั่ง `npm run test` ใน Terminal เพื่อตรวจสอบว่าโค้ดผ่าน 100%
5. หากผลการทดสอบล้มเหลว ให้ย้อนกลับไปคิดและแก้ไขใหม่ ห้ามหยุดจนกว่าเทสต์จะผ่านทั้งหมด
  • สิ่งที่เกิดขึ้นจริง: AI จะไม่หยุดทำงานจนกว่าผลลัพธ์ใน Terminal จะตอบกลับมาว่าการรันเทสต์ผ่านสมบูรณ์ 100%

สูตรที่ 2: การทำ Code Review และ Refactoring ทั้งโปรเจกต์

  • เป้าหมาย: ปรับปรุงคุณภาพโค้ด ลดความซ้ำซ้อน และเพิ่มประสิทธิภาพการประมวลผล
  • โมเดลที่แนะนำ: Gemini Pro (สำหรับการวิเคราะห์โครงสร้าง) หรือ Gemini Flash (ถ้าต้องการปรับปรุง Syntax ทั่วไปอย่างรวดเร็ว)
  • ตัวอย่าง Prompt: 
    ฉันต้องการทำ Code Refactoring เพื่อปรับปรุงความสะอาดและประสิทธิภาพของโฟลเดอร์ `@src/`
1. วิเคราะห์โค้ดทั้งหมดเพื่อหาจุดที่เป็น Code Smells, ฟังก์ชันที่ทำงานซ้ำซ้อน หรือประสิทธิภาพต่ำ
2. เขียนข้อแนะนำการปรับปรุงแยกตามไฟล์ลงใน Artifact ชื่อ `refactor_insights.md`
3. นำเสนอโค้ดเวอร์ชันปรับปรุงที่ใช้วิธีที่ดีที่สุด (Best Practices) ของภาษาปัจจุบัน
4. ห้ามทำลายสถาปัตยกรรมเดิม และคงผลลัพธ์ (Behavior) ปัจจุบันไว้ทุกประการ

สูตรที่ 3: งานขุดข้อมูลและวิเคราะห์ตลาดคู่แข่ง (Web Scraping & Market Analysis)

  • เป้าหมาย: ท่องเว็บ ดึงข้อมูลปัจจุบันมาวิเคราะห์ และจัดทำสรุป
  • โมเดลที่แนะนำ: Gemini Flash หรือ Gemini Pro
  • คำสั่งลัดที่แนะนำ: /browser
  • ตัวอย่าง Prompt: 
    ใช้คำสั่ง `/browser` เข้าไปหาข้อมูลเปรียบเทียบฟีเจอร์และราคาของคู่แข่ง 3 รายนี้:
- คู่แข่ง A: [URL 1]
- คู่แข่ง B: [URL 2]
- คู่แข่ง C: [URL 3]

ให้ประมวลผลดังนี้:
1. ดึงตารางราคาและลิสต์ฟีเจอร์เด่นของแต่ละเจ้าออกมา
2. เปรียบเทียบจุดเด่น-จุดด้อย (Pros/Cons) ของเราเมื่อเทียบกับคู่แข่ง
3. เขียนสรุปผลการวิเคราะห์ตลาดลงใน Artifact ชื่อ `competitor_analysis.md`

สูตรที่ 4: การวางแผนระบบใหม่ผ่านการถามจี้ (Interactive System Design)

  • เป้าหมาย: ใช้ AI เป็นคู่คิดในการช่วยเค้นความต้องการที่แท้จริงและออกแบบโครงสร้างระบบ
  • โมเดลที่แนะนำ: Gemini Pro (เหมาะที่สุดสำหรับการต้อนคำตอบ)
  • คำสั่งลัดที่แนะนำ: /grill-me
  • ตัวอย่าง Prompt: 
    /grill-me ฉันต้องการสร้างระบบแจ้งเตือนแบบเรียลไทม์ (Real-time Notification) สำหรับผู้ใช้งานแอปพลิเคชัน 
1. ช่วยสัมภาษณ์และตั้งคำถามทีละคำถาม เพื่อให้ได้ความต้องการและขอบเขต (Scope) ที่ชัดเจนที่สุด
2. หลังจากข้อมูลเพียงพอแล้ว ให้ช่วยสรุป System Architecture พร้อมเทคโนโลยีที่ควรเลือกใช้ (เช่น WebSockets, Server-Sent Events) และอธิบายข้อดีข้อเสีย
3. แสดงไดอะแกรมการทำงานในรูปแบบ Mermaid และบันทึกสรุปลงใน Artifact `architecture_design.md`

สูตรที่ 5: การสร้างเอกสารระบบโดยอัตโนมัติ (Automated Documentation Generator)

  • เป้าหมาย: สแกนโค้ดและสร้างคู่มือ API หรือคู่มือระบบที่จำเป็นแบบสมบูรณ์
  • โมเดลที่แนะนำ: Gemini Flash (ทำงานเร็วและรองรับไฟล์ขนาดใหญ่ได้ดี)
  • ตัวอย่าง Prompt: 
    อ่านโค้ดในโฟลเดอร์ `@src/api/routes/` ทั้งหมด
1. สรุปรายละเอียดของ Endpoint ทุกตัวที่มี (Method, Path, Request Body, Response)
2. เขียนคู่มือการใช้งาน API (API Documentation) ในรูปแบบ Markdown
3. บันทึกผลลัพธ์ลงในไฟล์ใหม่ชื่อ `API_GUIDE.md` ไว้ในโฟลเดอร์รูทของโปรเจกต์

สูตรที่ 6: การเขียนอีเมลติดตามลูกค้าและการเอาชนะข้อโต้แย้ง (Sales Follow-up & Objection Handling)

  • เป้าหมาย: ช่วยนักขายร่างอีเมลติดตามผลหลังการคุยเดโม หรือสร้างกลยุทธ์เมื่อโดนปฏิเสธเรื่องราคา
  • โมเดลที่แนะนำ: Gemini Flash (สำหรับการร่างภาษาที่เป็นธรรมชาติและรวดเร็ว)
  • ตัวอย่าง Prompt: 
    ฉันต้องการให้คุณสวมบทบาทเป็นที่ปรึกษาการขายระดับท็อป (Top Sales Consultant)

ข้อมูลลูกค้า:
- บริษัท: TechCorp
- สินค้าที่เรานำเสนอ: ระบบ CRM รายปี
- สถานการณ์ล่าสุด: เพิ่งคุย Demo ไปเมื่อวันก่อน ลูกค้าชอบฟีเจอร์รายงาน แต่กังวลเรื่อง "งบประมาณสูงเกินไปสำหรับบริษัทขนาดกลาง"

งานที่ต้องการให้ทำ:
1. ร่างอีเมลติดตามผล (Follow-up Email) ที่สุภาพ โดยตอกย้ำคุณค่าด้านการลดเวลาทำงานที่จะช่วยให้บริษัทคืนทุนได้ใน 3 เดือน
2. สร้างสคริปต์แนวทางการพูดคุยสำหรับการตอบโต้ข้อโต้แย้งเรื่องราคา (Objection Handling Script) ที่ไม่ได้เน้นการลดราคา แต่เน้นการเสนอแบ่งจ่ายรายเดือนหรือการลด Scope ของโปรเจกต์
3. บันทึกแนวทางทั้งหมดลงใน Artifact `sales_objection_playbook.md`

คู่มือฉบับนี้เป็นเพียงจุดเริ่มต้น ความสามารถของ Antigravity จะยิ่งทรงพลังมากขึ้นเมื่อคุณเริ่มผนวกมันเข้ากับกระบวนการทำงานในทุกๆ วันของคุณ ขอให้สนุกกับการพัฒนาซอฟต์แวร์ในยุค AI!

คำถามที่พบบ่อยเกี่ยวกับการใช้ Antigravity (FAQ)

Google Antigravity คืออะไร?

Google Antigravity คือแพลตฟอร์ม Agentic AI ที่ขับเคลื่อนด้วยโมเดล Gemini ให้ AI Agent ทำงานเขียนโค้ด แก้บั๊ก และสร้าง Workflow แทนเราได้จริง ไม่ใช่แค่แชตถาม-ตอบ แต่ลงมือทำงานในเครื่องได้เอง ใช้ได้ทั้งแบบ Desktop Application, IDE และ CLI (agy)

เริ่มต้นใช้ Antigravity อย่างไร?

  1. เลือกช่องทางใช้งานที่เหมาะกับคุณ — Desktop, IDE หรือ CLI (ดู บทที่ 1)
  2. เรียนรู้ Slash Commands และ Mentions (@) สำหรับสั่งงานและให้บริบท
  3. ตั้งกฎตัวตนของ Agent ผ่านไฟล์ AGENTS.md
  4. สั่งงานด้วยสูตร Prompt C-R-F-E เพื่อให้ได้ผลลัพธ์แม่นยำและควบคุมได้

Antigravity ต่างจาก Cursor หรือ GitHub Copilot อย่างไร?

Antigravity เน้นการทำงานแบบ Agent เต็มรูปแบบ ด้วยโมเดล Gemini ที่มี Context Window ขนาดใหญ่และ Context Caching ทำให้จัดการโปรเจกต์ขนาดใหญ่และงานหลายขั้นตอนได้ในคำสั่งเดียว พร้อมระบบสิทธิ์การเข้าถึง (Permissions) ที่ควบคุมได้ละเอียด ต่างจากเครื่องมือที่เน้น auto-complete เป็นหลัก

ใช้ Antigravity อย่างไรให้ประหยัด Token?

ใช้กลยุทธ์สลับโมเดล (Model Routing) ให้เหมาะกับงาน, ตัดบริบทที่ไม่จำเป็นออก, ใช้ประโยชน์จาก Context Caching และปิดกั้นไฟล์/โฟลเดอร์ที่ไม่ได้ใช้งาน — รายละเอียดทั้งหมดอยู่ใน บทที่ 6