38 เอเจนต์ AI, 156 ทักษะ! นักพัฒนาปรับแต่ง Claude Code เป็นเครื่องมือฟูลสแต็ก รับ 150,000 ดาวบน GitHub

จากศูนย์ถึงหนึ่ง: นักพัฒนาในซานฟรานซิสโกใช้ 38 เอเจนต์ดึงดูด 150,000 ดาว

นักพัฒนาในซานฟรานซิสโก Affaan Mustafa ได้ปรับแต่ง Claude Code ให้เป็นระบบ超級ที่มี 38 เอเจนต์มืออาชีพและ 156 ทักษะ หลังจากเปิดเป็นโอเพนซอร์ส โปรเจกต์นี้พุ่งขึ้น GitHub และได้รับ 150,000 ดาวในเวลาอันสั้น!

เครื่องมือโอเพนซอร์ส Claude Code สร้างความฮือฮา ยอดดาวพุ่งทะลุ 150,000!

นับตั้งแต่ Claude Code เปิดตัวในเดือนกุมภาพันธ์ปีที่แล้ว Affaan Mustafa ใช้เครื่องมือนี้อย่างลึกซึ้งทุกวัน

ในเดือนกันยายนปีที่แล้ว ที่งานแฮกกาธอน Anthropic x Forum Ventures ในหุบเขา Cerebral Valley เขาคว้าชัยชนะด้วยระบบปรับแต่งเอเจนต์ที่เขาพัฒนามาหลายเดือน

เขาไม่ได้ปิดบังผลงาน แต่เปิดเป็นโอเพนซอร์สทั้งหมดภายใต้สัญญา MIT ในเดือนมกราคมปีนี้

จากนั้น เขาเปิดเผยสแต็กเทคโนโลยีทั้งหมด: 38 เอเจนต์, 156 ทักษะ, 1,282 การทดสอบความปลอดภัย โค้ดเบสได้รับความนิยมอย่างรวดเร็ว

กวาดเงิน 15,000 ดอลลาร์ใน 8 ชั่วโมง

เมื่อวันที่ 12 กันยายนปีที่แล้ว Forum Ventures ร่วมกับ Anthropic จัดแฮกกาธอนในหัวข้อ “เอเจนต์ ช่วยสตาร์ทอัพจาก 0 ถึง 1”

ผู้เข้าแข่งขันต้องใช้เอเจนต์ AI หลายตัวในการบีบงานสตาร์ทอัพที่ปกติใช้เวลาหลายสัปดาห์ให้เสร็จภายในไม่กี่ชั่วโมง รวมถึงการหาลูกค้า ตรวจสอบความต้องการ สร้างต้นแบบ และปิดการขาย

การแข่งขันกำหนดให้ใช้ Claude Code ของ Anthropic ในการสร้างระบบ現場

Affaan Mustafa และ David Rodriguez คว้าชัยชนะ

พวกเขามุ่งเน้นไปที่การค้นหาความต้องการของผู้ใช้สำหรับสตาร์ทอัพ早期 และพัฒนาโปรเจกต์ชื่อ “PMF Probe”

เครื่องมือนี้ใช้การทดสอบผู้ใช้สังเคราะห์ (synthetic user discovery testing) ที่ขับเคลื่อนด้วย Reinforcement Learning จริง เพื่อช่วยผู้ประกอบการตรวจสอบไอเดีย早期

สุดท้าย พวกเขาเปิดตัวแพลตฟอร์มวิจัยลูกค้า AI ชื่อ Zenith:

โปรเจกต์ที่ชนะ: https://zenith.chat/

ก่อนที่ผู้ประกอบการจะลงมือพัฒนาจริง พวกเขาสามารถพูดคุยกับกลุ่ม “ลูกค้าไซเบอร์” ก่อน AI เหล่านี้จะคิด ตอบสนอง และแม้แต่โต้แย้งเหมือนลูกค้าจริง ช่วยให้ผู้ประกอบการตรวจสอบล่วงหน้าว่า “สิ่งนี้มีคนต้องการจริงหรือไม่”

ขั้นตอนการทำงานแบ่งเป็นสี่ขั้นตอน:

1. ป้อนไอเดีย — อธิบายแนวคิดผลิตภัณฑ์และตลาดเป้าหมาย
2. การวิจัย AI และนิยาม ICP — เอเจนต์ AI ค้นคว้าตลาดโดยอัตโนมัติ สร้างโปรไฟล์ลูกค้าในอุดมคติ
3. สนทนากับตัวละครสังเคราะห์ — สัมภาษณ์เชิงลึกกับ角色 AI ที่จำลองลูกค้าจริง
4. ตรวจสอบกับผู้ใช้จริง — หาลูกค้าจริง ใช้ข้อมูลเชิงลึกขับเคลื่อนการสัมภาษณ์ เพื่อตรวจสอบขั้นสุดท้าย

นอกจากนี้ พวกเขายังมีกลไกการเรียนรู้ต่อเนื่อง: ผลลัพธ์จากการตรวจสอบจริงทุกครั้งจะถูกป้อนกลับไปยังโปรไฟล์ตัวละครสังเคราะห์ ทำให้มันใกล้เคียงผู้ใช้จริงมากขึ้นเมื่อเวลาผ่านไป

นั่นหมายความว่า ทุกครั้งที่มีการโต้ตอบ โปรไฟล์ผู้ใช้ในตลาดจะวิวัฒนาการ

ผลิตภัณฑ์ทั้งหมดถูกสร้างขึ้นโดย Claude Code เกือบทั้งหมด ผู้เขียนอ้างว่าไม่ได้เขียนโค้ดแม้แต่บรรทัดเดียวด้วยมือ

ควรชี้แจงว่ารางวัลที่ชนะคือเครดิตการใช้แพลตฟอร์มมูลค่าประมาณ 15,000 ดอลลาร์ ไม่ใช่เงินสด

สิ่งที่น่าทึ่งจริงๆ ไม่ใช่วันนั้น แต่เป็นการเตรียมตัวเบื้องหลังวันนั้น

การส่งมอบผลิตภัณฑ์完整ภายใน 8 ชั่วโมง ไม่ได้อาศัยความเร็วหรือพรอมพ์เฉพาะหน้า แต่เป็นระบบการทำงาน Claude Code ที่ Affaan ปรับแต่งมากว่าสิบเดือน

เขาแยกย่อย กำหนดค่า และทำให้แต่ละขั้นตอนของการพัฒนาเป็นอัตโนมัติ ในวันแข่งขัน เขาแค่ “เปิดระบบ” นี้ออกมา

38 เอเจนต์กวาด 150,000 ดาว

หลังจากชนะการแข่งขัน Affaan ตัดสินใจสำคัญ: เปิดระบบส่วนตัวนี้เป็นโอเพนซอร์สแบบสมบูรณ์ ใช้สัญญา MIT ที่宽松ที่สุด และตั้งชื่อว่า Everything Claude Code (ECC)

https://github.com/affaan-m/ECC

ผลลัพธ์คือมันกลายเป็นโปรเจกต์กำหนดค่า Claude Code ที่มีดาวสูงสุดบน GitHub อย่างรวดเร็ว

แนวคิดหลักของ ECC คือ: อย่าให้ AI เป็นแชทบอทที่รอให้คุณถาม แต่ให้มองมันเป็น “โครงสร้างพื้นฐานของโรงงานดิจิทัล”

นี่คือระบบประสิทธิภาพที่ออกแบบมาสำหรับ harness ของ AI เอเจนต์ ครอบคลุมทักษะ ความจำ และการสแกนความปลอดภัย ไม่ใช่แค่แพ็กเกจกำหนดค่า

เพื่อสิ่งนี้ ECC มีในตัว:

• 38 เอเจนต์มืออาชีพ (นักวางแผน, ผู้ตรวจสอบความปลอดภัย, นักดีบัก, ผู้ตรวจสอบโค้ด)
• 156 ทักษะที่โหลดตามความต้องการ (/plan, /tdd, /security-scan, /quality-gate)
• 72 คำสั่งสแลชที่กำหนดเอง
• AgentShield: การทดสอบความปลอดภัย 1,282 รายการครอบคลุม CLAUDE.md, การกำหนดค่า MCP, ฮุค, ทักษะ
• 3 เอเจนต์ Opus 4.6 ทำงานในไปป์ไลน์ทีมแดง (ผู้โจมตี, ผู้ป้องกัน, ผู้ตรวจสอบ)
• ชั้นการเรียนรู้ต่อเนื่องที่สร้างความมั่นใจข้ามเซสชัน
• ครอบคลุมระบบนิเวศ 12 ภาษา

ทำไม ECC ถึงกวาด 150,000 ดาวบน GitHub? เพราะสิ่งที่ Affaan Mustafa เปิดเป็นโอเพนซอร์สไม่ใช่ “ตรรกะโค้ดที่ลึกซึ้ง” แต่เป็น สัญชาตญาณและข้อจำกัดของเฟรมเวิร์ก (Harness & Constraints) ในฐานะนักพัฒนาอาวุโส

หลีกเลี่ยง Context Window ระเบิดอย่างสง่างามด้วย “การโหลดแบบเลือก”

เพื่อป้องกันไม่ให้ 156 ทักษะทำให้ Context Window ของ Claude ระเบิดในทันที ECC ออกแบบกลไกการโหลดตามความต้องการแบบโมดูลาร์ที่ชาญฉลาดอย่างยิ่ง

การพัฒนา AI แบบดั้งเดิมมักจะยัดกฎทั้งหมดของโปรเจกต์ลงใน Prompt ทำให้ Token 消耗เร็วและตรรกะโอเวอร์โหลด

ในขณะที่ ECC ทำหน้าที่เหมือน ตัวโหลดหน่วยความจำแบบไดนามิก:

• เมื่อคุณเขียน TypeScript มันจะ激活เฉพาะเอเจนต์ Review ของ TS
• เมื่อคุณเริ่มเขียน Python test เอเจนต์ TDD จะตื่นขึ้น

การควบคุมที่สง่างามนี้ทำให้ระบบมีคลังทักษะขนาดใหญ่ แต่ยังคงความเบาและคล่องตัวสูงสุด

ความตระหนี่ Token ที่แม่นยำและการตอบสนองที่รวดเร็ว

ในซอร์สโค้ดของ ECC มีความตระหนี่อย่างที่สุดต่อพลังประมวลผลและแบนด์วิดท์ของเก็กชั้นนำ:

1. ใช้ mgrep แทน grep แบบดั้งเดิม: ECC ใช้กลไกการดึงข้อมูลที่กรองบรรทัดว่างและข้อมูลไร้ประโยชน์ ลด Token ในขั้นตอนการดึงข้อมูลลง 50%
2. ใช้ Stop hook อย่างชาญฉลาดแทน UserPromptSubmit: การบันทึกบริบทหน่วยความจำแบบดั้งเดิมต้องส่งใหม่และคำนวณ Prefill ใหม่ทุกครั้ง (เวลาแฝงของ Token แรกสูง) ECC สกัดกั้นสถานะ Stop ในตรรกะ底层 สร้างสัญชาตญาณและมาตรฐานโค้ดของผู้ใช้ (Instincts) ด้วยเวลาแฝงต่ำมากในเครื่อง และ “沉淀แบบไร้ความรู้สึก”

AgentShield (ระบบภูมิคุ้มกันแบบฮาร์ดคอร์)

ในยุคที่เอเจนต์เรียกใช้เครื่องมือภายนอกอย่างบ้าคลั่ง ปัญหาความปลอดภัยกลายเป็นดาบ Damocles ที่แขวนอยู่เหนือหัว

AI ในการทำงานอัตโนมัติอาจเผลอส่งคีย์ส่วนตัว sk- หรือ ghp_Token ไปยัง Git repo สาธารณะ หรือถูกโจมตีด้วยการแทรกโค้ด恶意

ECC สร้าง ไปป์ไลน์ป้องกันความปลอดภัย AgentShield โดยเฉพาะ มันมี การทดสอบความปลอดภัย 1,282 รายการ ในตัว

ก่อนที่ AI จะ执行คำสั่งจริง (เช่น เรียก Terminal หรือเขียนไฟล์) AgentShield จะสแกนในระดับมิลลิวินาที เพื่อป้องกันการรั่วไหลของข้อมูลรับรอง

โดยเปิดโหมดตรวจสอบความปลอดภัยของระบบ (--opus flag) ECC จะ启动สามร่างแยก:

• ตัวหนึ่ง扮演 “ทีมแดง” ที่หาช่องโหว่ของระบบ
• ตัวหนึ่ง扮演 “ทีมน้ำเงิน” ที่แก้ไขข้อบกพร่อง
• ตัวสุดท้าย扮演 “ผู้ตรวจสอบ” ที่ตัดสินอย่างเป็นกลาง

การแยกอำนาจสามฝ่ายแบบ AI ต่อสู้กันนี้ สร้างกำแพงไฟความปลอดภัยที่ไม่อาจข้ามได้ในเครื่องสำหรับนักพัฒนา

โค้ดกำลังกลายเป็นสิ่งราคาถูก

ครั้งหนึ่ง สถาปนิกที่ยอดเยี่ยมต้องเขียนข้อกำหนดการพัฒนาและแผนการทดสอบหลายพันถึงหมื่นบรรทัดด้วยมือ เพื่อ指导โปรแกรมเมอร์รุ่นน้อง

แต่ตอนนี้ คุณแค่ต้องฉีดสัญชาตญาณ กฎตรรกะ และเงื่อนไขขอบเขตของคุณลงในระบบ骨架เอเจนต์อย่าง ECC ที่เหลืออีก 38 ผีดิจิทัลจะเริ่มทำงานอย่างบ้าคลั่ง แม่นยำ และไม่หยุดหย่อนโดยอัตโนมัติ

นี่ไม่ใช่จุดจบของอุตสาหกรรม แต่เป็น การเคลื่อนไหวเพื่อความเท่าเทียม:

กำแพง研发中台ที่บริษัทเทคโนโลยีใหญ่สร้างด้วยเงินทุนและกำลังคน พังทลายลงทันทีเมื่อเผชิญกับเครือข่ายเอเจนต์โอเพนซอร์สที่เบา

นักพัฒนาอิสระที่มี洞察力ที่แข็งแกร่ง ตรรกะที่เข้มงวด และรสนิยมด้านสุนทรียศาสตร์ เมื่อได้รับการเสริมด้วย ECC จะเท่ากับมีทีมวิศวกรรมอาวุโสที่พร้อมรับคำสั่ง ไม่ต้องประชุม และสามารถบรรลุฉันทามติในไม่กี่ไมโครวินาที

ในยุคเอเจนต์ที่กำลังโหมกระหน่ำนี้ โค้ดเองกำลังกลายเป็นสิ่งราคาถูกอย่างยิ่ง ในขณะที่ ความสามารถในการนิยามปัญหา ตรรกะในการสร้างขอบเขตข้อจำกัด และสุนทรียศาสตร์ของระบบที่ยับยั้งชั่งใจ กำลังมีค่าอย่างที่ไม่เคยมีมาก่อน

คุณไม่ต้องกลัวว่าจะถูก AI แทนที่ คุณควรกลัวว่า: เมื่อคนอื่นใช้ “กองทัพเอเจนต์” เพื่อ征服มหาสมุทรวิศวกรรม คุณยังคงพิมพ์Console.log อย่างระมัดระวัง

ข้อมูลอ้างอิง:

https://github.com/affaan-m/ECC/blob/main/README.zh-CN.md

https://www.linkedin.com/feed/update/urn:li:activity:7373454981472874496/

บรรณาธิการ: David