Claude Code ตั้งเวลารันงานบนเว็บ

 (code.claude.com)
7 คะแนน โดย GN⁺ 2026-03-29 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ฟีเจอร์ตั้งเวลาแบบคลาวด์ช่วยทำงานซ้ำให้เป็นอัตโนมัติ และทำงานเบื้องหลังได้แม้คอมพิวเตอร์จะปิดอยู่
  • มีรูปแบบการตั้งเวลา 3 แบบคือ Cloud, Desktop, และ /loop โดยแตกต่างกันที่ตำแหน่งที่รันและหน่วยของรอบเวลา
  • สามารถสร้างงานที่ตั้งเวลาได้จากเว็บ แอปเดสก์ท็อป และ CLI โดยระบุ ชื่องาน·รีโพซิทอรี·สภาพแวดล้อม·รอบเวลา·คอนเน็กเตอร์
  • รองรับ การแปลงเขตเวลาอัตโนมัติ, การตั้งรอบเวลาแบบกำหนดเอง, และ การเชื่อมต่อ MCP connectors เพื่อทำงานร่วมกับ Slack·Linear·Google Drive
  • นักพัฒนาสามารถใช้สิ่งนี้สร้าง เวิร์กโฟลว์อัตโนมัติแบบต่อเนื่อง เช่น รีวิวโค้ด วิเคราะห์ CI และซิงก์เอกสาร

ตั้งเวลารันงานบนเว็บ

  • ใช้ งานที่ตั้งเวลาแบบคลาวด์ เพื่อทำงานซ้ำให้เป็นอัตโนมัติได้
    • งานจะรันบนโครงสร้างพื้นฐานที่ Anthropic ดูแล ดังนั้นจึงทำงานต่อได้แม้คอมพิวเตอร์ของผู้ใช้จะปิดอยู่
    • ตัวอย่างเช่น ตรวจสอบ Pull Request ทุกเช้า วิเคราะห์ความล้มเหลวของ CI ตอนกลางคืน ซิงก์เอกสาร และตรวจสอบ dependency รายสัปดาห์
    • เปิดให้ผู้ใช้ Claude Code on the web ทุกคนใช้งานได้ (Pro, Max, Team, Enterprise)

เปรียบเทียบตัวเลือกการตั้งเวลา

  • Claude Code รองรับการรันตามเวลาที่ตั้งไว้ 3 แบบ ได้แก่ Cloud, Desktop, และ /loop
    • Cloud รันบนคลาวด์ของ Anthropic จึงทำงานได้แม้คอมพิวเตอร์จะปิดอยู่
    • Desktop และ /loop รันบนเครื่องโลคัล โดยแตกต่างกันในเรื่องการคงอยู่ของเซสชันและสิทธิ์เข้าถึงไฟล์
  • งาน Cloud ตั้งช่วงเวลาขั้นต่ำได้ที่ ทุก 1 ชั่วโมง ส่วน Desktop และ /loop ตั้งได้ที่ ทุก 1 นาที
  • Cloud จะ รันอัตโนมัติ และทำงานได้โดยไม่มี permission prompt ขณะที่ Desktop สามารถตั้งสิทธิ์แยกตามงานได้

ขั้นตอนการสร้างงานที่ตั้งเวลา

  • สามารถสร้างงานที่ตั้งเวลาได้จาก เว็บ แอปเดสก์ท็อป และ CLI
    • เว็บ: คลิก New scheduled task ที่ claude.ai/code/scheduled
    • เดสก์ท็อป: เลือก New remote task ในหน้า Schedule
    • CLI: ใช้คำสั่ง /schedule เพื่อตั้งค่าแบบโต้ตอบ หรือระบุโดยตรง เช่น /schedule daily PR review at 9am
  • ขั้นตอนการสร้าง
    • ตั้งชื่องานและเขียนพรอมป์ต์: เนื่องจากเป็นการรันแบบอัตโนมัติ จึงต้องใช้พรอมป์ต์ที่ชัดเจนและสมบูรณ์
    • เลือกรีโพซิทอรี: เพิ่มรีโพซิทอรี GitHub โดยระบบจะ clone จาก default branch แล้ว push การเปลี่ยนแปลงไปยัง branch ที่มีคำนำหน้า claude/
    • เลือกสภาพแวดล้อม: ระบุสภาพแวดล้อมบนคลาวด์ที่รวมการเข้าถึงเครือข่าย ตัวแปรสภาพแวดล้อม และสคริปต์ติดตั้ง
    • เลือกรอบเวลา: ค่าเริ่มต้นคือทุกวันเวลา 9:00 น. ตามเวลาท้องถิ่น และสามารถปรับรายละเอียดเพิ่มเติมได้ด้วย /schedule update ใน CLI
    • ตรวจสอบคอนเน็กเตอร์: เลือกว่าจะรวม MCP connectors เช่น Slack, Linear, Google Drive หรือไม่
    • สร้างเสร็จสิ้น: หลังสร้างแล้ว งานจะปรากฏในรายการ และจะรันอัตโนมัติตามเวลาถัดไป หรือกด Run now เพื่อรันทันทีได้

ตัวเลือกรอบเวลาการรัน

  • รอบเวลาที่ตั้งไว้รองรับ การแปลงเขตเวลาอัตโนมัติ และจะรันตามเวลาท้องถิ่นที่กำหนดไว้
  • การรันอาจล่าช้าได้ไม่กี่นาที แต่จะคงค่า offset ที่สม่ำเสมอสำหรับแต่ละงาน
  • รอบเวลาที่มีให้โดยค่าเริ่มต้น
    • Hourly: รันทุกชั่วโมง
    • Daily: รันวันละครั้ง ค่าเริ่มต้น 9:00 AM
    • Weekdays: รันเฉพาะวันทำการ
    • Weekly: รันสัปดาห์ละครั้งในวันและเวลาที่กำหนด
  • รอบเวลาแบบกำหนดเอง เช่น ทุก 2 ชั่วโมง หรือทุกวันที่ 1 ของเดือน สามารถตั้งค่าได้ด้วย /schedule update ใน CLI

สิทธิ์ของรีโพซิทอรีและบรันช์

  • ทุกครั้งที่รัน ระบบจะ clone รีโพซิทอรีใหม่และเริ่มจาก default branch
  • โดยค่าเริ่มต้นจะ push ได้เฉพาะไปยัง branch ที่มีคำนำหน้า claude/ เท่านั้น
  • หากต้องแก้ไข protected branch สามารถยกเลิกข้อจำกัดได้ด้วยตัวเลือก Allow unrestricted branch pushes

คอนเน็กเตอร์

  • งานที่ตั้งเวลาสามารถโต้ตอบกับบริการภายนอกได้ผ่าน MCP connectors
    • ตัวอย่าง: อ่านคำขอซัพพอร์ตจากช่อง Slack แล้วสร้าง issue ใน Linear
  • โดยค่าเริ่มต้นจะรวมคอนเน็กเตอร์ที่เชื่อมต่อไว้ทั้งหมด และสามารถลบรายการที่ไม่ต้องการได้
  • สามารถจัดการคอนเน็กเตอร์ได้จากฟอร์มสร้างงาน, Settings > Connectors, และ CLI /schedule update

การตั้งค่าสภาพแวดล้อม

  • แต่ละงานจะรันใน สภาพแวดล้อมบนคลาวด์ ที่ควบคุมการเข้าถึงเครือข่าย ตัวแปรสภาพแวดล้อม และสคริปต์ติดตั้งได้
  • จำเป็นต้องตั้งค่าล่วงหน้าเพื่อรองรับการเข้าถึง API การติดตั้ง dependency และข้อจำกัดด้านเครือข่าย
  • นอกจากสภาพแวดล้อมเริ่มต้น (Default) แล้ว ยังสามารถสร้างสภาพแวดล้อมแบบกำหนดเองได้

การจัดการงานที่ตั้งเวลา

  • คลิกงานในรายการ Scheduled เพื่อไปยังหน้ารายละเอียด
    • ตรวจสอบรีโพซิทอรี คอนเน็กเตอร์ พรอมป์ต์ รอบเวลา และประวัติการรันที่ผ่านมาได้

  • ดูประวัติการรันและโต้ตอบ

    • คลิกแต่ละการรัน (run) เพื่อเปิดเป็นเซสชันเต็ม
    • ดูสิ่งที่ Claude ทำ ตรวจสอบการเปลี่ยนแปลง สร้าง Pull Request และสนทนาต่อได้
    • ใช้เมนูดรอปดาวน์ข้างชื่อเซสชันเพื่อเปลี่ยนชื่อ เก็บถาวร หรือลบ

  • แก้ไขและควบคุมงาน

    • ใช้ Run now เพื่อรันทันที
    • ใช้สวิตช์ Repeats เพื่อหยุดชั่วคราวหรือกลับมารันต่อ
    • ใช้ไอคอนแก้ไขเพื่อเปลี่ยนชื่อ พรอมป์ต์ รอบเวลา รีโพซิทอรี สภาพแวดล้อม และคอนเน็กเตอร์
    • ใช้ไอคอนลบเพื่อลบงาน (แต่เซสชันเดิมจะยังคงอยู่)
    • ใน CLI ก็จัดการได้ด้วยคำสั่ง /schedule list, /schedule update, /schedule run

แหล่งข้อมูลที่เกี่ยวข้อง

  • Desktop scheduled tasks: งานที่ตั้งเวลาสำหรับเดสก์ท็อปที่ต้องเข้าถึงไฟล์โลคัล
  • /loop and CLI scheduled tasks: การรันซ้ำแบบเบา ๆ ภายในเซสชัน CLI
  • Cloud environment: การตั้งค่าสภาพแวดล้อมสำหรับรันงานบนคลาวด์
  • MCP connectors: การเชื่อมต่อบริการภายนอก เช่น Slack, Linear, Google Drive
  • GitHub Actions: การรัน Claude ใน CI pipeline ที่ขับเคลื่อนด้วยเหตุการณ์ของรีโพซิทอรี

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2026-03-29
ความคิดเห็นจาก Hacker News

  • น่าสนใจที่บนเว็บไซต์ทางการประกาศว่า เปิดตัวฟีเจอร์ แต่การแจ้งเรื่องข้อจำกัดการใช้งานกลับประกาศผ่าน บัญชี Twitter ของสมาชิกทีม
    ตอนที่เคยประกาศเพิ่มปริมาณการใช้งานเป็น 2 เท่า ก็มีคนคาดไว้แล้วว่า “rug pull” แบบนี้อาจจะตามมา (ทวีตที่เกี่ยวข้อง)

    • คิดว่าแนวทางนี้ก็สมเหตุสมผล แทนที่จะขึ้นราคากับทุกคน ก็ใช้วิธีกระตุ้นพฤติกรรมบางอย่าง คล้ายแนวคิด เก็บค่าผ่านทางตามช่วงเวลา
    • ช่วงนี้เพราะนโยบายราคาของ Anthropic เลยใช้ GLM-5 บ่อยขึ้น แม้จะยังไม่ถึงระดับ Opus แต่ก็ใช้งานได้ดีพอสมควร โชคดีที่เคยได้แพ็กเกจราคาถูกของ Alibaba Coding Model มา แต่ตอนนี้แพ็กเกจนั้นหายไปแล้ว
    • ถ้าใช้ผู้ให้บริการคลาวด์ก็ต้องยอมรับข้อจำกัดแบบนี้ ถ้าต้องการความเสถียร ก็ควรซื้ออุปกรณ์โลคัลอย่าง Mac Studio หรือ Strix Halo แล้วจัดสภาพแวดล้อมสำหรับรัน inference เองจะดีกว่า
    • ถ้าไปดูคอมเมนต์ของทวีตที่สอง จะเห็นว่า วิศวกร Claude Code ของ Anthropic ออกมาบอกว่าเนื้อหานั้นไม่เป็นความจริง เป็นกรณีที่ข้อมูลผิดแพร่กระจายออกไป

  • เรากำลังเข้าใกล้โลกที่ การพัฒนาซอฟต์แวร์แบบวนซ้ำโดยมี AI เป็นฐาน กลายเป็นเรื่องปกติขึ้นเรื่อย ๆ
    ถ้าผู้ใช้ที่เชื่อถือได้ส่งฟีดแบ็กเข้ามา AI ก็จะจัดเป็น ticket แล้ว AI อีกตัวก็สร้าง PR จากนั้นตรวจทานและ deploy ต่อไป
    ดูเหมือนว่าใกล้จะสมบูรณ์แล้ว

    • เมื่อก่อนผมก็เชื่อแนวทางนั้น แต่ตอนนี้ค่อนข้างสงสัย เพราะแต่ละขั้นตอนมี อัตราความผิดพลาด สูงเกินไป และแม้แต่ระบบที่พยายามลดความผิดพลาดนั้นก็ยังสร้างความผิดพลาดใหม่อีก
      AI เขียนโค้ดที่บำรุงรักษาได้ไม่ดี และกลับทำให้ช้าลง สุดท้ายแล้ว AI-assisted coding มีประสิทธิภาพกว่ามาก
      เหตุผลที่ FAANG ใช้เงิน 300 ดอลลาร์ต่อหนึ่งบรรทัด ไม่ใช่เรื่องความเร็ว แต่คือ ความถูกต้องและโครงสร้าง
    • ชอบทิศทางนี้ แต่ ต้นทุน inference สูงเกินไป ค่าเทรนยังพอรับได้ แต่ถ้าต้นทุน inference ลดลง แรงจูงใจในการเปิดโมเดลก็จะหายไป
      ถ้า Taalas สามารถฝังโมเดลลงในฮาร์ดแวร์ได้โดยตรงก็คงเป็นความก้าวหน้าครั้งใหญ่ แต่สุดท้ายก็แค่ย้ายปัญหาไปเป็น คอขวดด้านฮาร์ดแวร์
      สักวันหนึ่งเราอาจมียุคที่เสียบโมเดลใช้งานเหมือน ตลับเกมบอย ก็ได้
    • ในมุมผู้ใช้ ทุกวันนี้ซอฟต์แวร์ที่มนุษย์สร้างขึ้นก็ห่างไกลจากผู้ใช้มากอยู่แล้ว เลยไม่ค่อยสนใจว่าใครเป็นคนสร้าง
      แม้แต่การอ่านโพสต์บน Hacker News ก็เป็นผลลัพธ์ที่ผ่านระบบอัตโนมัติหลายชั้นมาแล้ว
    • ต่อให้ผ่านไปอีกหลายสิบปี การให้ผู้ใช้เขียน ticket ที่ดีพอ ก็ยังคงเป็นเรื่องยาก
    • วงจรฟีดแบ็กแบบนั้นสุดท้ายก็แค่ขยาย garbage-in → garbage-out แบบทวีคูณ คล้ายกับภาพฝันว่า “หุ่นยนต์ซ่อมตัวเองได้”

  • ก่อนหน้านี้เคยตั้งระบบคล้าย ChatGPT ไว้ว่า “แจ้งเตือนเฉพาะตอน 8 โมงเช้าทุกวัน ถ้ามีรถติดระหว่างเดินทางไปทำงาน” แต่สุดท้ายมันส่งแจ้งเตือนมาทุกวันแม้ไม่มีรถติด

    • ระบบ agent ส่วนใหญ่มักพยายามแก้ด้วย cron แบบง่าย ๆ แต่กลับมองข้ามแนวคิดเรื่อง prospective memory
      ดูบทความที่เกี่ยวข้องได้ที่ The Missing Memory Type
    • สุดท้ายก็ต้อง เขียนพรอมป์ต์ให้ชัดเจนขึ้น เหมือนมุกของโปรแกรมเมอร์นั่นแหละ ถ้าเขียนเงื่อนไขผิด ผลลัพธ์ก็จะออกมาเพี้ยน
    • agent จะเรียกใช้เครื่องมือภายในลูป ถ้าอยากได้ผลลัพธ์ที่ทำซ้ำได้ ก็ควรกำหนดนิยามของ “รถติด” ให้ชัดผ่านเครื่องมือ
      ผมเชื่อม สภาพอากาศ, ตารางรถไฟ, ปฏิทินตารางงาน, เครื่องมือแจ้งเตือน Telegram เข้าด้วยกันเพื่อให้ระบบนี้ทำงาน
      จริง ๆ แล้วทำด้วย cron อย่างเดียวก็พอได้
    • จะกำหนดเกณฑ์ประเมินด้วยตัวเองโดยใช้ pi-mono อะไรทำนองนั้นก็ได้ (ลิงก์ GitHub)
    • ผมก็เจอปัญหาเดียวกัน ระบบไม่สามารถแจ้งเฉพาะ true positive ได้ แต่ดันแจ้ง false positive มาด้วยหมดเลย มันงี่เง่าเกินไป

  • คนและบริษัทจำนวนมากต้องการทำเว็บอัตโนมัติมานานแล้ว แต่ผู้ดูแลเว็บไซต์คอยบล็อกไว้
    แต่พอใส่คำว่า AI ลงในชื่อ ตอนนี้บรรยากาศกลับเหมือนจะยอมให้ทำได้

  • ไม่นานมานี้ผมย้ายจาก GitHub Copilot Pro มาเป็น Claude Code Max (20x)
    Claude เด่นในหลายด้าน แต่ส่วนของ agent ระยะไกล/บนคลาวด์ ยังอ่อนอยู่
    ผมพยายามตั้งค่า “Claude on the web” สำหรับโปรเจ็กต์ Elixir แต่ล้มเหลวเพราะปัญหา ไฟร์วอลล์เครือข่าย
    แถม log ก็แสดงแค่ช่วงท้าย ทำให้ดีบักยาก
    ในทางกลับกัน “Coding Agents” ของ Copilot ใช้โครงสร้างพื้นฐานของ GitHub Actions เลยเสถียรกว่ามาก
    “Schedule task on the web” ก็น่าจะใช้โครงสร้างคล้ายกัน เลยกังวลว่าจะมีปัญหาแบบเดียวกัน

  • สุดท้ายผู้คนคงพยายามใช้ AI ทำงานที่จริง ๆ แล้ว ระบบอัตโนมัติแบบกฎง่าย ๆ ก็พอแล้ว
    ในบริษัทเองก็ได้ยินคำว่า “มาใช้ AI แก้ X กันเถอะ” บ่อยมาก ทั้งที่จริงแล้วหลายกรณีไม่ได้จำเป็น

    • ดูเหมือนทั้งอุตสาหกรรมจะจงใจขัดขวางระบบอัตโนมัติพื้นฐานอย่าง “รันงานด้วย cron”
      AI อาจช่วยในส่วน “then” ได้ แต่แค่จัดการเงื่อนไข “if” ให้ดีก็มีประโยชน์มากแล้ว
    • บริษัทผมก็คล้ายกัน ตอนนี้กำลังอยู่ระหว่างควบรวมกิจการ และนักลงทุนก็กดดันว่า “ต้องใช้ AI ให้มากขึ้น ไม่งั้นจะเสียเปรียบในการแข่งขัน”
      ปัญหาคือ การนำ AI มาใช้กลายเป็นเป้าหมายในตัวมันเอง
    • ระบบแบบนี้เหมาะกับงาน กว้าง ๆ ตามสัญชาตญาณ มากกว่า เช่น “ช่วยเช็กว่ามีดีลดี ๆ วันนี้ไหม”
    • ถ้าผู้ใช้สามารถอธิบายเจตนาได้ชัดเจนก็โอเค
      ผมเคยเขียน บทความที่ช่วยให้คนเข้าใจทักษะของ agent ไว้
      Building Agent Evals
      และยังมีบทความที่พูดถึง ปัญหาความไม่เป็นเชิงกำหนด ด้วย
      Error Compounding
    • สำหรับผู้ใช้ทั่วไป การเขียนส่วน ‘then’ เป็นเรื่องยาก สุดท้าย AI ที่อธิบายเจตนาได้ด้วยภาษาธรรมชาติ จะช่วยลดกำแพงตรงนี้ลง

  • ผมใช้แพ็กเกจ Claude Code Max 20x แต่ก็ยังถูกจำกัดงานจองบนคลาวด์ไว้แค่ 3 งาน
    ถึงอย่างนั้นฟีเจอร์นี้ก็ยังดูเจ๋ง เพราะบนเครื่องโลคัลมักติดปัญหาเรื่องสิทธิ์ใช้งานจนน่ารำคาญ แต่บนคลาวด์แซนด์บ็อกซ์สามารถรันได้เลย
    งาน 3 อย่างที่ผมตั้งไว้มีดังนี้

    1. ทุกวันจันทร์รัน pnpm audit และ pnpm outdated แล้วเขียนรายงานด้านความปลอดภัย/การอัปเดต
    2. ทุกวันทำการวิเคราะห์ log และ metric ของ Sentry แล้วสร้างรายงาน issue ใหม่
    3. ตรวจสอบคอมมิตบนบรานช์ develop ของวันก่อนหน้า เพื่อเช็กบั๊ก ความปลอดภัย และเอกสารที่ขาดหายไป
      ถ้ารันสิ่งเหล่านี้อัตโนมัติทุกวัน/ทุกสัปดาห์ก็น่าจะมีประโยชน์มาก ตัว Sentry connector ของ Claude Code ก็ค่อนข้างแม่นยำ
      ต่อไปอาจลองให้มัน สร้าง issue หรือส่ง PR อัตโนมัติ ด้วย
    • จริง ๆ ใช้ cron แค่บรรทัดเดียวก็จบ
      0 7 * * 1-5 ANTHROPIC_API_KEY=sk-... /path/to/claude-cron.sh /path/to/repo >> ~/claude-reports.md 2>&1

  • ความเร็วของ Claude น่าทึ่งมาก
    Grok มีฟีเจอร์นี้อยู่ก่อนแล้ว แต่ตอนนี้ที่อื่นเพิ่งเริ่มตามมา
    ฟีเจอร์แบบนี้มี แรงล็อกอินผู้ใช้ สูงมาก โดย Grok ให้รันงานพร้อมกันฟรี 10 งาน
    ผมใช้มันดึงข่าวจากหลายแหล่งทุกเช้า

  • ฟีเจอร์นี้ยังค่อนข้างจำกัด เพราะไม่สามารถจับ ภาพหน้าจอ หรือส่ง คำขอ curl ไปยังโดเมนใดก็ได้
    เพราะงั้นผมเลยสร้างบริการคลาวด์ชื่อ Cronbox ขึ้นมา
    เคยเปิดตัวใน “Show HN: Cronbox – Schedule AI Agents”
    และมีงานตัวอย่างเป็น Pelican Rides a Bicycle

  • เหมือนจะพลาดประเด็นพื้นฐานไป คือเข้าใจว่ามันรันพรอมป์ต์กับรีโพ Git ได้ แต่ผลลัพธ์จะไปอยู่ที่ไหน?
    มันมีสิทธิ์คอมมิตแล้วแก้ไขให้ตรงเลยหรือเปล่า หรือทำงานผ่าน เครื่องมือ MCP?

    • มันให้บริการผ่าน การ bundle MCP เป็นโครงสร้างที่เจ๋งดีทีเดียว
    • เราเคยรัน การตรวจสอบความปลอดภัย อัตโนมัติทุกสัปดาห์ แล้วโพสต์ผลลัพธ์ลง Slack