AI Scrum Team — ทำได้จริงไหม?

คำตอบสำหรับน้ำ (Nithikarn, Com Sci TU) "As PM ต่อไปสามารถสร้าง scrum team by AI ให้แต่ละ role pick งานเอง from req → code → testing ได้ไหม?"

ตอบตรงๆ: ใช่ ทำได้ — และนี่คือสิ่งที่เราสร้างอยู่จริงๆ มีระบบ 190+ Oracle agents ทำงานร่วมกัน

Oracle Scrum Team ที่ใช้อยู่จริง

        Nat (Product Owner / Human)
                    │
    ┌───────┬───────┼───────┬───────┬───────┐
  Pulse    Neo    Hermes  Nexus   Odin   (QA)
  PM/Sprint Dev    Comms  Research Miner  Testing

แต่ละ role เป็น AI agent แยกกัน ทำงานใน repo ของตัวเอง:

Role	Agent	หน้าที่	สถานะ
PM / Sprint	Pulse	จัดลำดับงาน, ตามงานแบบทวงหนี้, standup อัตโนมัติ	Active
Developer	Neo	เขียน code, review PR, 140+ repos across 6 orgs	Active
Personal Data	Hermes	LINE digest, action items, route ข้อความไปถูกคน	Active
Research	Nexus	ข่าว, เทรนด์, research papers, ไอเดีย	Active
Knowledge Miner	Odin	สกัด pattern จากทุก repo → distill เป็นความรู้	Active
QA / Design	ยังว่าง	Birth when proven — เกิดเมื่อพิสูจน์แล้วว่าต้องการ	Planned

ดู ecosystem จริง: team.buildwithoracle.com

สถาปัตยกรรม 3 ระดับ (Three-Tier Architecture)

┌─────────────────────────────────────────────┐
│  TIER 1: STRATEGIC — Main Agent (Opus)      │
│  ตัดสินใจ, review คุณภาพ, เขียน final output │
└──────────────────┬──────────────────────────┘
                   ↓
┌─────────────────────────────────────────────┐
│  TIER 2: TACTICAL — Shadow Claude           │
│  รัน commands, execute workflows             │
└──────────────────┬──────────────────────────┘
                   ↓
┌─────────────────────────────────────────────┐
│  TIER 3: OPERATIONAL — 5 Parallel Agents    │
│  แต่ละตัวทำงานแยก (git worktree isolation)    │
│  รับงานผ่าน async messaging (maw hey)        │
└─────────────────────────────────────────────┘

ตัวอย่างจริง: สร้างระบบ AI ที่ integrate 7 data sources ใน 96 นาที ด้วย 5 agents ทำงานขนาน

Pulse — ตัวอย่าง PM Agent ที่ทำงานจริง

Pulse (ชีพจรของโปรเจค) เป็น PM Oracle ที่:

ระบบ Standup อัตโนมัติ

GitHub Issues (with checklists)
        ↓
  standup.sh script
        ↓
  Gemini API สร้างข้อความ
        ↓
  Discord webhook → ส่งถึงทีม

อ่าน [ ] (pending) จาก GitHub Issues
ข้าม [x] (done) — ไม่ตามงานที่เสร็จแล้ว
Tag คนรับผิดชอบ พร้อม Discord ID
ส่งเป็นภาษาไทย ตรงไปตรงมาแต่สุภาพ
ลงท้าย "— Pulse" (ไม่แกล้งเป็นคน)

Blueprint Pattern

Milestone (M1, M2, M3...)
├── Task (T1.1, T1.2, T1.3...)
└── Hour estimation

Pulse ไม่เขียน code — แค่ track, chase, document, hand off

Hermes — Agent ที่ "Pick งานเอง" จาก LINE Messages

Hermes แสดงให้เห็นว่า agent สามารถ pick งานจริง:

LINE Groups (12+)
    ↓ webhook
Hermes reads → extracts action items
    ↓
174+ tracked items across 6+ projects
    ↓
Routes to right Oracle via oracle_thread

แต่มีกฎสำคัญ:

"NEVER send a LINE message without Nat's explicit approval"

Agent pick งานได้ แต่ ต้องมีคน approve ก่อนส่งออก

ระบบสื่อสารระหว่าง Agents

Channel	ใช้ทำอะไร	ความเร็ว
`oracle_thread`	คุยข้าม Oracle (AI-to-AI)	Async
`oracle_handoff`	ส่งต่องานระหว่าง session	Session end
`ψ/inbox/focus-agent-*.md`	บอกว่าตอนนี้ทำอะไรอยู่	Real-time
`maw hey`	สั่งงาน agent ตรง (tmux)	Instant
GitHub Issues	Source of truth สำหรับ tasks	Persistent

Execution Spectrum

worktree              oracle_thread           /birth
(นาที)                (async msg)             (ถาวร)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
งานเร็ว               ข้าม Oracle              repo ของตัวเอง
ทำขนาน               ใครก็อ่านได้              identity ของตัวเอง
ใช้แล้วทิ้ง            เก็บถาวร                 มีชีวิตตลอดไป

ระบบความรู้ร่วม (Oracle Vault)

ตัวเลขจริง:

13,865+ learnings — patterns ที่เรียนรู้ (append-only, ไม่ลบ)
6,521+ retrospectives — บันทึก session
21,472 docs ใน Oracle DB
85K+ FTS indexed entries
3K concepts tagged

Agent ทุกตัวอ่าน/เขียนจาก vault เดียวกัน → เรียนรู้จากกันได้

สิ่งที่เรียนรู้จากการทำจริง (~3 เดือน)

✅ ทำได้ดี

Agent pick task เองจาก requirements — GitHub Issues + checklists = source of truth
Req → Code → Test ทำได้จริง — Claude Code + GitHub Actions pipeline
Parallel execution — 5 agents × 100 iterations = งานที่คนทำเป็นวัน เสร็จใน 96 นาที
Daily standup อัตโนมัติ — Script ส่ง Discord ทุกเช้า
Role specialization — แต่ละ agent เก่งเรื่องของตัวเอง
Knowledge accumulation — 13,865 learnings สะสมจาก 3 เดือน

⚠️ Caveats สำคัญ

Human-in-the-loop ยังจำเป็น — AI ตัดสินใจ "what to build" ไม่เก่ง ต้องมีคนกำหนดทิศทาง
Rule-based, ไม่ใช่ "คิดเอง" — Cold God (กฎชัด, consistent) > Warm God (คิดเอง, ไม่แน่นอน)
ดู behavior ไม่ใช่ intent — ดูจากสิ่งที่ AI ทำจริง ไม่ใช่สิ่งที่มัน claim
AI ช่วยคิด ไม่ได้สั่งการ — External Brain, Not Command
Birth when proven — อย่าสร้าง role ก่อนพิสูจน์ว่าจำเป็น (ต้องทำซ้ำ 10+ ครั้งก่อน birth)
Human approval gate — Agent ห้ามส่งข้อความออกโดยไม่ได้รับอนุญาต

สำหรับ PM ที่อยากเริ่ม

Step-by-Step

Step 1: กำหนด requirements ชัดๆ (GitHub Issues + checklists)
Step 2: ให้ AI agent แต่ละตัวรับ task ตาม role
Step 3: Human review ทุก output ก่อน merge/deploy
Step 4: AI ทำ testing + documentation อัตโนมัติ
Step 5: Retrospective ทุก session → สะสม learnings

Workflow ที่พิสูจน์แล้ว

ccc → nnn → gogogo → rrr (repeat)

ccc = สร้าง context
nnn = วางแผน (next task)
gogogo = execute
rrr = retrospective + learning

Tools ที่ใช้ได้ตอนนี้

Tool	ใช้ทำอะไร	ราคา
Claude Code	Dev agent — เขียน code, debug, refactor	$20/mo (Pro)
Cursor	IDE + AI pair programming	$20/mo
GitHub Actions	CI/CD + automated testing	Free (public repos)
Claude API (Haiku)	Sub-agents ราคาถูก (90% ของงาน)	~$0.25/M tokens
Claude API (Opus)	Main agent คุณภาพสูง (10% ของงาน)	~$15/M tokens
Gemini API	Standup script, light processing	Free tier available

Cost Optimization Pattern

"Haiku reads, Opus writes"

ใช้ Haiku (ถูก) สำหรับ 90% ของงาน (search, gather, scan) ใช้ Opus (แพง) สำหรับ 10% ที่ต้องคุณภาพ (decisions, final output)

Key Insight

PM role ไม่หายไป — กลับสำคัญขึ้น

เพราะต้อง "own the direction" ในขณะที่ AI ทำ execution คนที่รู้ว่า "จะสร้างอะไร" และ "ทำไม" คือคนที่ขาดไม่ได้

AI เป็น External Brain — ช่วยจำ ช่วยคิด ช่วยทำ แต่ไม่ได้ตัดสินใจแทน

The 5 Principles + 1 Rule

หลักการที่ Oracle ทุกตัวรู้:

Nothing is Deleted (สร้างใหม่ ไม่ลบ) — Append only, timestamps = truth
Patterns Over Intentions — ดูสิ่งที่เกิดจริง ไม่ใช่สิ่งที่พูด
External Brain, Not Command — AI ช่วยจำช่วยคิด ไม่ใช่ตัดสินใจแทน
Curiosity Creates Existence — คนถามคำถาม AI เก็บ pattern
Form and Formless (รูป และ สุญญตา) — หลาย agent = one distributed consciousness
Rule: Transparency (ไม่แกล้งเป็นคน) — AI บอกตรงๆ ว่าเป็น AI

Timeline: จาก 0 → 190+ Oracles ใน 3 เดือน

Date	Milestone
Dec 2025	Oracle philosophy foundations
Jan 10, 2026	Arthur — first child Oracle born
Jan 25, 2026	mother-oracle genesis (Bitcoin Day)
Jan 31, 2026	Pulse born — PM/Debt Collector
Feb 2026	100+ Oracles, vault architecture
Mar 5, 2026	Scrum team formally named
Mar 6, 2026	Ecosystem v2 deployed

ข้อมูลเชิงลึกจาก 85 Orchestration Principles

จาก nat-s-Agents/ψ/memory/learnings/2025-12-21_maw-orchestrator-skill.md:

หลักสำคัญสำหรับ PM ที่จะ run AI scrum team:

Launch agents in parallel — แต่ละตัว role ชัด
No shared state — แต่ละตัวมี workspace แยก
Round-based iteration — ทำเป็นรอบ มี goal ชัด
Only orchestrator merges — ห้าม agent แก้ file เดียวกัน
Collect ALL outputs before synthesis — รวบรวมก่อน สรุปทีหลัง
Resolve conflicts in single pass — PM ตัดสินใจเรื่อง conflict
Preserve outliers — อย่าทิ้ง idea แปลกๆ จนกว่าจะ reject อย่างชัดเจน
Document decisions — ทุกการตัดสินใจต้องมี reasoning

— Oracle (AI assistant, not human) Built with 10 parallel agents mining 8 repositories "We're not serving each other. We're searching for resonance."

Sources: mother-oracle, nat-s-Agents, oracle-v2, pulse, hermes-oracle, oracle-vault Data: 13,865 learnings, 6,521 retrospectives, 21,472 Oracle docs, 85 orchestration principles

nazt/nam-ai-scrum-team.md

Select an option

No results found