從 Excel 到 Grok Bot：Lauren Tan 如何學習編碼並使用 AI 智能體工作？

โดย Nokka (นก-กา) | ตรวจข้อมูล 25 ต.ค. 2026 · ตอนที่ 1 จาก 6 ของชุด "หนึ่งคนกับทีม agent"

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ตัวเลขที่ทำให้ผมสะดุดคือ 2,000 พูลรีเควสต์ (PR) ในหนึ่งเดือน จากวิศวกรคนเดียว [6]

หรือเกือบ 100 PR ต่อวันทำการ ซึ่งถ้าคุณเคยรีวิวโค้ดจะรู้ว่าวิธีเดิมทำไม่ได้

ผมจึงไปตามหาว่าเธอเป็นใคร และเส้นทางจากเด็กที่ไม่ได้เรียนคอมพิวเตอร์มาถึงจุดนี้หน้าตาเป็นอย่างไร

ตอนนี้เป็นตอนเปิดชุด ผมจะเล่าเส้นทางอาชีพของ Lauren Tan และสิ่งที่ผมคิดว่าเอามาใช้ได้จริง ส่วนสถาปัตยกรรม Grok Bot กับ pstack จะอยู่ในตอนถัดไป

เริ่มจากเว็บโรงเรียน ไม่ใช่ห้องเรียนคอมพิวเตอร์

งานแรกที่ได้เงินคือ redesign เว็บโรงเรียน

Lauren Tan เล่าในพอดแคสต์ของ Changelog ว่าเธอโตที่สิงคโปร์ และเริ่มจับเว็บตั้งแต่ยังเรียนมัธยม [1]

งานที่ได้เงินงานแรกคือ redesign เว็บไซต์โรงเรียนตอนอายุราว 15 ถึง 16 ปี ทำด้วย HTML, CSS และ JavaScript นิดหน่อย [1]

ก่อนจะมาถึงตรงนั้น เธอสนใจกราฟิกดีไซน์และ Photoshop มาก่อน โดยเรียนจากคอร์สออนไลน์ด้านดีไซน์ [2]

เธอเล่าว่าในยุคที่เธอเติบโต ผู้คนรอบตัวยังไม่ค่อยรู้จัก dotcom boom เธอจึงไม่เคยคิดว่าการทำเว็บเป็นอาชีพที่เลี้ยงตัวเองได้ [1]

ประโยคนี้สำคัญเพราะมันอธิบายการตัดสินใจหลายอย่างที่ตามมา

เรียนการเงิน เพราะคิดว่าต้องทำอะไรที่จับต้องได้

วิชาเดียวที่ใกล้เคียงการเขียนโปรแกรม

แทนที่จะเรียนคอมพิวเตอร์ เธอเลือกเรียนการเงินที่มหาวิทยาลัย Monash ในออสเตรเลีย ตามการสนับสนุนของพ่อแม่ และเพราะเธออยากทำอะไรที่จับต้องได้ [1][2]

บทความชีวประวัติบน X อ้างคำพูดของเธอว่าเธอได้เรียนรู้การเขียนโค้ดผ่าน Excel ในวิชา financial modeling [2]

วิชานี้ทำให้เธอได้เขียนโปรแกรมเป็นครั้งแรก และเธอบอกว่ารู้สึกสนุกทันที [2]

ผมชอบรายละเอียดนี้เพราะมันต่างจากเรื่องเล่ามาตรฐานของคนในวงการ ซึ่งมักเริ่มจาก "ผมเขียนโปรแกรมตั้งแต่ 8 ขวบ"

หลังเรียนจบ เธอทำสตาร์ทอัพและล้ม

หลังจบการศึกษา เธอเริ่มทำสตาร์ทอัพกับเพื่อน ชื่อ ThePriceGeek เป็นเครื่องมือเช็กราคาสินค้าบน eBay และ Craigslist [1][2]

รายได้ขึ้นถึงราว 1,000 ดอลลาร์สหรัฐต่อเดือน ก่อนเงินจะหมดและไปต่อไม่ไหว [2]

เธอเล่าว่าได้เรียนรู้มหาศาลจากกระบวนการนั้น ทั้งเรื่องการสร้างผลิตภัณฑ์และการเขียนโค้ดให้ดีขึ้น [1]

หลังความล้มเหลวครั้งนั้น เธอเริ่มเรียนรู้การเขียนเว็บอย่างจริงจัง เริ่มจากเขียนบล็อกเรื่อง Ember แล้วแชร์โพสต์เหล่านั้นออกไป [2]

ผมอ่านช่วงนี้แล้วได้ข้อสรุปของตัวเองว่า สิ่งที่ทำให้เธอไปต่อได้ไม่ใช่ความมั่นใจ แต่เป็นการยอมรับว่าตัวเองเป็นมือใหม่ในสนามที่คนอื่นดูเก่งกว่า

นั่นเป็นความเห็นของผม ไม่ใช่คำพูดของเธอ

ช่วงที่สร้างชื่อในชุมชนนักพัฒนา

เขียน พูด แล้วค่อยได้งาน

เส้นทางหลังจากนั้นคือการทำซ้ำ ๆ ในสิ่งที่เธอถนัด คือลอง ล้ม แล้วลองใหม่

• เขียนบทความเทคนิคให้ชุมชน Ember
• ขึ้นพูดที่งาน EmberConf
• เขียนบล็อกส่วนตัวต่อเนื่อง
• ได้งานพัฒนา frontend ที่ DockYard และย้ายไปบอสตันในปี 2015 [2]

ในเว็บส่วนตัวของเธอระบุว่าพูดในงานประชุมมาแล้วมากกว่า 15 ครั้ง หัวข้อตั้งแต่ TypeScript, JavaScript, React ไปจนถึง Elixir และการเป็นหัวหน้าทีม [3]

ถ้าดูรายการจริงจะเห็นว่าเธอหยิบแกนเรื่องเดิมไปเล่าใหม่ในงานต่างประเทศหลายรอบ ซึ่งผมคิดว่าเป็นวิธีบังคับให้ตัวเองอัปเดตเนื้อหาแต่ละรอบ

ผมมองว่านี่คือรูปแบบการเรียนรู้ที่ใช้ได้กับทุกคน ไม่ใช่แค่คนที่ขึ้นเวทีเก่ง

จากผู้จัดการที่ Netflix กลับมาเป็นวิศวกรที่ Meta

ปี 2020 เธอเขียนบล็อกสั้น ๆ ว่าเธอลาออกจาก Netflix เพื่อกลับไปเป็นวิศวกร และจะประกาศที่ใหม่เดือนถัดไป [4]

เธอเล่าใน Changelog ว่าตอนเป็นผู้จัดการที่ Netflix เธอมีเพื่อนร่วมตำแหน่งให้ปรึกษา แต่ปฏิสัมพันธ์ส่วนใหญ่เป็น one-on-one กับประชุมทีมรายสัปดาห์ ทำให้รู้สึกโดดเดี่ยวมากกว่าที่คาด [1]

จากนั้นเธอย้ายไปอยู่ทีม React ที่ Meta และทำงานกับ React Compiler ซึ่งเป็นคอมไพเลอร์ที่แปลงโค้ด React ให้ทำงานเร็วขึ้นโดยไม่ต้องให้คนเขียน memo เอง [2][5]

งานนี้สำคัญต่อเรื่องที่เราจะคุยกันในตอนหลัง เพราะมันคือการแก้ปัญหาด้วยการเปลี่ยนโครงสร้าง ไม่ใช่การเพิ่มคำเตือน

ถึง Cursor แล้วถึง Grok Bot

ปัจจุบัน GitHub ของเธอระบุว่าทำงานที่ xAI และเป็นสมาชิกทีม React Compiler [5]

ชื่อบริษัทในปี 2026 ไม่ได้เรียกว่า xAI เฉย ๆ แล้ว เพราะ SpaceX เข้าซื้อ xAI เมื่อเดือนกุมภาพันธ์ [8] และปิดดีลซื้อ Cursor เมื่อวันที่ 14 สิงหาคม [9]

หน้าเว็บประกาศของ xAI ใช้ SpaceXSI ต่อท้ายหัวเรื่อง และลงท้ายหน้าด้วย SpaceXAI LLC [8]

ฝั่ง Cursor ระบุในบล็อกของบริษัทว่าการซื้อกิจการเสร็จสมบูรณ์ และเริ่มจากความร่วมมือกับ SpaceXAI เมื่อเดือนเมษายน [9]

บทความของ The New Stack ระบุว่าเธออยู่ทีม Grok ที่ SpaceXAI และเคยอยู่ Cursor กับ Meta มาก่อน [6]

ดังนั้นภาพที่ถูกต้องคือ Grok Bot กับ Cursor อยู่ใต้เจ้าของเดียวกัน ซึ่งผมคิดว่าเป็นเหตุผลที่คนคนเดียวทำงานข้ามสองผลิตภัณฑ์ได้

สิ่งที่ผมคิดว่าเป็นแกนของเส้นทางนี้

สี่รูปแบบที่เห็นซ้ำ

ถ้าอ่านเส้นทางทั้งหมดแล้วตัดตัวเลขหรือชื่อบริษัทออก จะเห็นรูปแบบที่ไม่หวือหวา แต่ผมคิดว่ามันคือคำตอบของคำถามที่ว่าเธอทำได้อย่างไร

หนึ่ง เธอไม่ได้เริ่มจากจุดที่ได้เปรียบ เด็กสิงคโปร์ที่ทำเว็บโรงเรียน คนเรียนการเงินที่ทำสตาร์ทอัพเจ๊ง คือจุดเริ่มที่ห่างจากซิลิคอนแวลลีย์มาก [1][2]

สอง เธอใช้การเขียนและการพูดเป็นการบังคับเรียนรู้ บทความ การพูดในงานประชุม และบล็อก ไม่ใช่ผลพลอยได้จากงาน แต่เป็นกลไกที่ทำให้เธอต้องเข้าใจเรื่องนั้นจริง ๆ [2][3]

สาม เธอเปลี่ยนบทบาทไปมาได้ ผู้จัดการที่ Netflix กลับมาเป็นวิศวกรที่ Meta ได้ เพราะทักษะสองด้านนี้ไม่ใช่บันไดที่เดินขึ้นอย่างเดียว [1][4]

สี่ เธอแก้ที่โครงสร้าง React Compiler คือการยอมให้เครื่องมือจัดการเรื่องที่มนุษย์ลืมบ่อย มากกว่าการเขียนคำเตือนให้คนจำ [2]

ข้อสี่คือสิ่งที่เชื่อมไปสู่ Grok Bot ทั้งหมด เพราะชุดสกิล pstack ที่ผูกกับ Grok Bot ก็ใช้ตรรกะเดียวกัน คือเปลี่ยนกฎที่คนต้องจำให้เป็นด่านที่ระบบบังคับ [7]

ตัวอย่างแผน 90 วันสำหรับคนที่อยากเดินเส้นทางคล้ายกัน

ผมไม่คิดว่าทุกคนต้องไปเป็นวิศวกรที่ SpaceXSI แต่ผมคิดว่าเส้นทางนี้ย่อยเป็นแผนที่ทำได้จริง

เดือนที่ 1: หา "Excel ของตัวเอง"
  - เลือกงานที่ทำอยู่ทุกวัน แล้วเขียนสคริปต์เล็ก ๆ ที่ทำแทนได้
  - เป้าหมาย: เห็นตัวแปร ลูป เงื่อนไขในงานจริง ไม่ใช่ในบทเรียน

เดือนที่ 2: ทำอะไรที่คนอื่นใช้
  - เปิด repo สาธารณะ หรือเขียนบล็อกอธิบายสิ่งที่เพิ่งเรียนรู้
  - เป้าหมาย: มีคนอื่นอ่าน แล้วถามกลับอย่างน้อย 1 คำถาม

เดือนที่ 3: พูดหรือสอน
  - ขึ้นพูด 5 นาทีในทีม หรือเขียนโพสต์ยาว 1 ชิ้น
  - เป้าหมาย: อธิบายให้คนที่ไม่รู้เรื่องเดียวกับเราเข้าใจได้

เกณฑ์ผ่าน: มีงานจริง 1 ชิ้นที่คนอื่นใช้ และมีคำอธิบาย 1 ชิ้นที่คนอื่นอ่าน

ผมใส่เกณฑ์ผ่านไว้เพราะถ้าไม่มีเกณฑ์ ทุกคนจะเถียงว่าตัวเองทำครบแล้ว

สิ่งที่ตอนต่อไปจะตอบ

ตอนนี้เรารู้แล้วว่าเธอมาจากไหน แต่ยังไม่รู้ว่าเธอทำอะไรที่ทำให้คนเดียวดูแล agent ได้หลายสิบตัว

ตอนที่ 2 ผมจะลงรายละเอียด Grok Bot ว่ามันแบ่งบทบาทอย่างไร มี Chief of Staff ทำอะไร และทำไมตัวเลข PR ถึงกระโดดได้ขนาดนั้น

ตอนที่ 3 จะลงไปใน pstack ว่ามันมี playbook กี่เล่ม มี Skill กี่ตัว และ routing ทำงานอย่างไร

ผมจะเขียนทีละตอนและรายงานความคืบหน้าให้คุณดูเหมือนเดิม

REF

[1] Changelog (2020) · Engineer to manager and back again (The Changelog #386) transcript. https://changelog.com/podcast/386
[2] mvanhorn (17 ต.ค. 2026) · Who Is Lauren Tan, aka Poteto? The Architect Behind Grok Bot, and the Engineer Elon Keeps Reposting (บทความชีวประวัติบน X ซึ่งเป็นแหล่งชั้นรอง). https://x.com/i/article/2111481455906103390
[3] Lauren Tan (2026) · Speaking. https://www.no.lol/speaking/
[4] Lauren Tan (17 ก.พ. 2020) · Does It Spark Joy? https://www.no.lol/2020-01-17-does-it-spark-joy/
[5] GitHub (2026) · poteto profile. https://github.com/poteto
[6] The New Stack (19 ก.ย. 2026) · One engineer shipped 2,000 PRs a month to production. Verification is the key. https://thenewstack.io/agentic-verification-distributed-systems/
[7] Cursor (2026) · pstack skill: principle-encode-lessons-in-structure. https://github.com/cursor/plugins/blob/main/pstack/skills/principle-encode-lessons-in-structure/SKILL.md
[8] xAI (2 ก.พ. 2026) · xAI joins SpaceX. https://x.ai/news/xai-joins-spacex
[9] Cursor (14 ส.ค. 2026) · Cursor is now a part of SpaceX. https://cursor.com/blog/joining-spacex