คลัง AI Agent สำหรับจัดการชีวิตส่วนตัวให้เป็นระบบอัตโนมัติ

ผมใช้เอเจนต์จัดการอีเมล, SMS, WhatsApp, Telegram และแทบทุกอย่างในชีวิตส่วนตัวโดยอัตโนมัติ

คนถามผมตลอดว่าผมใช้เอเจนต์ในชีวิตจริงยังไง ที่จริงคือเรื่องน่าเบื่อที่ทำให้วันหายไป: อ่าน WhatsApp กับ Telegram หาอีเมลใครสักคน ค้นหาเว็บ เขียนฉบับร่าง อัปเดตเอกสารใน Google Drive สร้างอีเวนต์ในปฏิทิน เช็คว่าใครยังต้องตอบกลับ และทำทั้งหมดนี้ผ่านเครื่องมือเดิมๆ ที่ผมใช้อยู่แล้ว

คำตอบของผมมันเรียบง่ายน่าผิดหวัง ผมใช้ Codex เป็นโอเปอเรเตอร์บนข้อมูลชีวิตจริงของมัน มีเครื่องมือ มีตัวเชื่อมข้อมูล มีสกิล มีแหล่งความจริง มีสิทธิ์เพียงพอที่จะทำงานในเครื่อง และมีเกตการอนุมัติมากพอที่จะไม่ทำให้ผมขายหน้าในที่สาธารณะ

นั่นคือเซ็ตอัปพื้นฐาน เครื่องมือ ตัวเชื่อมข้อมูล สกิล และรสนิยม

ก่อนหน้านี้ผมทำแบบนี้ใน Claude Code มากกว่า แต่ตอนนี้ย้ายมาใช้ Codex เพราะ GPT-5.5 เป็นโมเดลที่ดีกว่าสำหรับงานแบบนี้ การเปลี่ยนจาก Claude Code มา Codex ไม่ใช่ประเด็นหลักหรอก ประเด็นคือเมื่อโมเดลดีพอแล้ว อานิสงส์ที่แท้จริงมาจากการต่อมันเข้ากับโลกที่คุณใช้ชีวิตอยู่

ส่วนสำคัญคือเอเจนต์ต้องข้ามขอบเขตได้ ชีวิตส่วนตัวของผมไม่ได้อยู่ในแอปเดียว แต่มันกระจายอยู่ระหว่าง Gmail, WhatsApp, Telegram, iMessage, Google Drive, Calendar, Notion, ไฟล์ในเครื่อง, PDF สุ่มๆ, เซสชันเบราว์เซอร์ และสเปรดชีตที่อยู่ติดต่อซึ่งมีค่ามากกว่าที่เห็น

ตัวอย่างการสื่อสารจริง

ไม่กี่วันที่ผ่านมาเพื่อนคนหนึ่งส่งข้อความ WhatsApp มา เธอกำลังช่วยสตาร์ทอัป AI ในซานฟรานซิสโกที่เติบโตเร็วหาคนในฝรั่งเศส และอยากเชื่อมต่อผู้จัดการฝ่ายสรรหาของพวกเขากับรีครูทเตอร์ที่ผมรู้จัก ผมจำอีเมลของรีครูทเตอร์ไม่ได้ ผมไม่รู้ข่าวเงินทุนล่าสุดของสตาร์ทอัปนั้น ผมต้องค้นหา WhatsApp ค้นหา Gmail หาอีเมลรีครูทเตอร์ ค้นหาเว็บ เข้าใจว่าทำไมสตาร์ทอัปถึงน่าเชื่อถือ เขียนอีเมลแนะนำ แทรกลิงก์งานสองอัน ให้ผมดูฉบับร่าง ส่งอีเมลหลังจากอนุมัติ แล้วส่งข้อความกลับไปบอกเพื่อนว่าเสร็จแล้ว

ปกติแล้วนั่นคือยี่สิบนาทีของการสลับแอปที่น่ารำคาญ WhatsApp ไป Gmail ไปค้นหา Google กลับไป Gmail อีกครั้ง กลับไป WhatsApp อีกครั้ง ไม่ใช่เรื่องยาก แต่เป็นงานที่เผาผลาญสมาธิเพราะทุกขั้นตอนคือการเปลี่ยนบริบทเล็กๆ

กับเอเจนต์ ผมแค่บอกผลลัพธ์ มันอ่านเธรด WhatsApp ค้นหา Gmail หาอีเมลรีครูทเตอร์ ค้นหาข้อมูลเงินทุนและข่าวล่าสุดของสตาร์ทอัปบนเว็บ เขียนฉบับแนะนำ รออนุมัติจากผม ส่งอีเมล แล้วส่งข้อความหาเพื่อนว่าการแนะนำเสร็จแล้ว ส่วนที่ผู้ใช้เห็นใช้เวลาประมาณสิบวินาที เอเจนต์ทำงานเชื่อมต่อที่เหลือ (ในไม่กี่วินาที!)

นี่คือแพทเทิร์นที่เด็ด เอเจนต์ไม่ได้ "ตอบคำถาม" แต่มันทำงานข้ามเครื่องมือของผมเพื่อทำให้เวิร์กโฟลว์เล็กๆ ในชีวิตจริงเสร็จ (หรือที่เรียกว่า "job-to-be-done")

ตัวอย่างป้ายทะเบียน

อีกตัวอย่างหนึ่งก็น่าเบื่อยิ่งกว่า ซึ่งเป็นเหตุผลที่ผมชอบมัน ผมได้ป้ายทะเบียนใหม่สำหรับรถ ผมส่งรูปและบริบทไปให้ Codex มันอัปเดตไฟล์ Markdown ข้อมูลรถที่ผมเก็บใน Google Drive เปลี่ยนป้ายทะเบียน เพิ่มหมายเหตุการจดทะเบียน เก็บ VIN, ประกัน, เจ้าของ และที่อยู่เดิม แล้วอัปโหลดไฟล์กลับไปที่ Drive

แค่นั้นก็มีประโยชน์แล้ว แต่เวอร์ชันที่ดีกว่าคือสิ่งที่เกิดขึ้นต่อ เอเจนต์ใช้ระบบอัตโนมัติในเบราว์เซอร์ไปอัปเดตข้อมูลเดียวกันที่อื่นๆ: FasTrak, แอปที่จอดรถ, พอร์ทัลประกัน, แบบฟอร์ม DMV หรือเว็บแอปอื่นๆ ที่ไม่มี API สะอาด สำหรับระบบที่สะอาด ควรใช้ API หรือ CLI สำหรับระบบที่ยุ่งเหยิง ก็ใช้เบราว์เซอร์ได้ และมันเจ๋งมาก! ตอนนี้ผมยังใช้ Computer Use จาก Codex ด้วย

นี่คือสิ่งที่เอเจนต์ส่วนตัวมีไว้ใช้ ไม่ใช่ความอิสระที่ดราม่า แต่คือความต่อเนื่องในงานบริหาร ผมเคยกลัวโหมด Openclaw yolo ในพื้นหลังตลอด ผมชอบที่ได้ควบคุม

Google Drive คือแหล่งความจริงของผม

การตัดสินใจทางสถาปัตยกรรมที่สำคัญที่สุดคือการรวมข้อมูลส่วนตัวที่มีค่าไว้ใน Google Drive เป็นเวลาหลายปีที่ความรู้ส่วนใหญ่ของผมอยู่ใน Notion ผมชอบ Notion ในฐานะพื้นที่ทำงานของมนุษย์ แต่ไม่ชอบให้มันเป็นแหล่งความจริงหลักของเอเจนต์ API ใช้งานได้ แต่พื้นที่ทำงานลื่นไหลเกินไป: หน้าแบบซ้อน ฐานข้อมูล คุณสมบัติ สิทธิ์ การจัดรูปแบบ ลิงก์ย้อนกลับ และโครงสร้างที่เน้น UI ซึ่งดีสำหรับมนุษย์และน่ารำคาญสำหรับโมเดล

ดังนั้นผมใช้ Notion API ส่งออกข้อมูลที่มีค่าและย้ายไปยัง Google Drive ผมไม่ได้พยายามรักษาพื้นที่ทำงาน Notion อย่างสมบูรณ์แบบ ผมพยายามทำให้ข้อมูลอ่านได้สำหรับเอเจนต์ ข้อมูลที่มีประโยชน์ส่วนใหญ่ใน Drive อยู่ในรูปแบบ Markdown หรือ CSV เพราะรูปแบบเหล่านี้ง่ายสำหรับเอเจนต์ในการค้นหา เปรียบเทียบ แก้ไข และอัปโหลดกลับโดยไม่ต้องพิธีรีตอง Google Drive กลายเป็นแหล่งความจริงเพราะ gogcli ให้อินเทอร์เฟซบรรทัดคำสั่งง่ายๆ แก่เอเจนต์สำหรับ Gmail, Drive, Calendar, Docs, Sheets, Contacts และ Tasks

นี่คือประเด็นที่ถูกมองข้าม คุณไม่ควรจัดระเบียบความรู้เพื่อ UI ของมนุษย์เพียงอย่างเดียว คุณควรจัดระเบียบมันเพื่อเส้นทางเครื่องมือของเอเจนต์ เอเจนต์ชอบไฟล์ ID ที่เสถียร ข้อความ ตาราง Markdown CSV และคำสั่งที่คืนค่า JSON ถ้าเอเจนต์สามารถค้นหา ดาวน์โหลด แก้ไข อัปโหลด และอ้างอิงที่มาได้ ข้อมูลนั้นก็มีประโยชน์

ชั้นข้อมูลส่วนตัวของผมเรียบง่ายจนน่าอาย Google Drive เก็บเอกสารสำคัญ ส่วนใหญ่เป็นไฟล์ Markdown และ CSV รายชื่อติดต่ออยู่ใน Google Sheet ที่มิเรอร์เป็น CSV ส่งออกจาก Notion ลงใน Drive คำแนะนำในเครื่องอยู่ใน AGENTS.md สกิลอยู่ในไฟล์ Markdown ในโฟลเดอร์ แหล่งความจริงไม่หรูหรา แต่อ่านได้

ประสิทธิภาพการทำงานส่วนตัวส่วนใหญ่คือการเชื่อมข้อมูลเหล่านี้ ข้อเท็จจริงหนึ่งอยู่ใน WhatsApp อีกอันใน Gmail ที่อยู่อีเมลอยู่ใน Contacts วันที่อยู่ในปฏิทิน เอกสารอยู่ใน Drive เอเจนต์จะมีประโยชน์เมื่อมันข้ามขอบเขตเหล่านั้นได้โดยไม่ต้องให้ผมเป็นตัวเชื่อม

หนึ่งในการลงทุนที่ดีที่สุดของผมคือการสร้าง contact.csv ที่มีเบอร์โทรศัพท์ อีเมล LinkedIn ฯลฯ ของทุกคนที่ผมรู้จัก

เครื่องมือ

เครื่องมือหลักนั้นน่าเบื่อโดยตั้งใจ ผมใช้ gogcli สำหรับ Google Workspace, wacli สำหรับ WhatsApp, imsg สำหรับ iMessage และ SMS, Browser Use หรือระบบอัตโนมัติในเบราว์เซอร์สำหรับเว็บแอป และ AppleScript หรือ macOS UI automation เมื่อไม่มีอินเทอร์เฟซที่ดีกว่า

ลำดับชั้นง่ายๆ API และ CLI ดีที่สุด ไฟล์ในเครื่องเยี่ยม ระบบอัตโนมัติในเบราว์เซอร์ใช้ได้ ระบบอัตโนมัติหน้าจอเป็นทางเลือกสุดท้าย

ลำดับชั้นนี้สำคัญเพราะเอเจนต์จะเชื่อถือได้เท่ากับพื้นผิวเครื่องมือของมัน การให้โมเดลคลิกไปรอบๆ เว็บไซต์บางครั้งจำเป็น แต่ไม่ใช่เส้นทางที่มีความสุข คำสั่งอย่าง gog gmail messages list หรือ wacli messages list --json ง่ายกว่ามากสำหรับโมเดลในการตรวจสอบ ลองใหม่ และใช้เหตุผล

นี่คือสิ่งที่ชั้นเครื่องมือดูในทางปฏิบัติ:

ไม่มีอะไรที่ดูเหมือนนิยายวิทยาศาสตร์ นั่นคือประเด็น อนาคตของเอเจนต์ส่วนตัวเริ่มต้นเป็นกองคำสั่งที่ให้โมเดลใช้เครื่องมือที่คุณใช้อยู่แล้ว คุณต้องการลดชั้นนามธรรมระหว่างโมเดลกับ API ให้มากที่สุด

สกิล

เครื่องมือให้เอเจนต์มีมือ สกิลให้มันมีนิสัย สกิลคือคู่มือการทำงานเล็กๆ ที่บอกเอเจนต์ว่าต้องทำงานประจำที่เกิดขึ้นซ้ำๆ แบบที่ผมชอบ

สกิล inbox-zero ของผมเป็นตัวอย่างที่ดี มันบอกเอเจนต์ให้แสดงรายการข้อความใน Gmail ผ่าน gog แยก auto-archive ออกจาก needs-review แสดงอีเมลสำคัญให้ผมดู อ้างอิงเนื้อหา แนะนำ archive หรือ reply เขียนฉบับตอบกลับ รออนุมัติอย่างชัดเจน ส่งในเธรดเดิม รักษาผู้รับทั้งหมดไว้ archive หลังจากส่งเท่านั้น ทำให้ตอบกลับสั้น ไม่เคยแนะนำการโทรเว้นแต่ผมจะถาม และลงท้ายด้วย "Nicolas"

นั่นไม่ใช่สถาปัตยกรรมแฟนซี มันคือขั้นตอน แต่ขั้นตอนคือผลิตภัณฑ์ และ... มันเป็นแค่คำแนะนำข้อความ

ถ้าไม่มีสกิล ผมต้องเป็นพรอมพ์ทุกครั้ง ผมต้องเตือนเอเจนต์อย่าส่งโดยไม่ได้รับการอนุมัติ อย่าละผู้รับ CC อย่าแนะนำการโทร และอย่าลงท้ายด้วยลายเซ็นองค์กรแปลกๆ เมื่อมีสกิล ผมแค่พูดว่า "run inbox zero" และเวิร์กโฟลว์ก็มีรสนิยมของผมอยู่แล้ว

นิสัยที่สำคัญคือผมปรับปรุงสกิลทุกครั้งที่เอเจนต์ทำผิด ถ้ามันแนะนำการโทรในขณะที่ผมเกลียดการโทร ผมก็เพิ่มกฎนั้น ถ้ามันลืมรักษาผู้รับ CC ผมก็เพิ่มกฎนั้น ถ้ามัน archive รุนแรงเกินไป ผมก็ปรับการจำแนกให้แน่นขึ้น เอเจนต์ดีขึ้นเพราะขั้นตอนดีขึ้น

นี่คือวิธีที่เอเจนต์ส่วนตัวกลายเป็นส่วนตัว ไม่ใช่ด้วยเสียงน่ารัก แต่ด้วยการสะสมรสนิยมในการปฏิบัติงาน

เซ็ตอัปนี้ทบต้นเพราะความผิดพลาดกลายเป็นคำแนะนำ

เกตการอนุมัติคือผลิตภัณฑ์

ผมไม่ต้องการเอเจนต์ที่ตอบกลับทุกคนแบบสุ่มสี่สุ่มห้า ผมต้องการเอเจนต์ที่เตรียมงาน ให้ผมดูฉบับร่าง และถามในช่วงเวลาที่เหมาะสม สำหรับเวิร์กโฟลว์การสื่อสารส่วนใหญ่ ลูปคือ: อ่านบริบท เขียนฉบับตอบกลับ ให้ผมดู รออนุมัติ ส่ง ยืนยัน

บางครั้งผมปล่อยให้มันส่งโดยตรงเมื่อความเสี่ยงต่ำ "บอก Hugo ว่าผมจะอยู่ที่ซีแอตเทิลสัปดาห์หน้า" ไม่ต้องประชุมคณะกรรมการ แต่อีเมลนักลงทุน การตอบลูกค้า การแนะนำ หรืออะไรก็ตามที่มีความละเอียดอ่อนทางสังคม ควรร่างก่อน

นี่คือความแตกต่างระหว่างมีประโยชน์กับน่ากลัว การสแกนแบบอ่านอย่างเดียวเป็นระดับความเชื่อใจหนึ่ง การร่างเป็นอีกระดับ การส่งเป็นอีกระดับ การลบ การจ่ายเงิน การเซ็น หรือการเปลี่ยนการตั้งค่าบัญชีเป็นคนละระดับโดยสิ้นเชิง อนาคตไม่ใช่ "เอเจนต์ทำทุกอย่าง" อนาคตคือ "เอเจนต์ทำงานที่น่าเบื่อและถามในช่วงเวลาที่เหมาะสม"

เวิร์กโฟลว์ที่เด็ดคือ "ฉันพลาดอะไรไป?"

เวิร์กโฟลว์ที่เด็ดไม่ใช่อีเมล มันคือการคัดแยกกล่องจดหมายชีวิต ทุกๆ สองสามชั่วโมง ผมอยากถาม "ฉันพลาดอะไรไป?" และให้เอเจนต์สแกน WhatsApp, Telegram, Gmail, SMS, Calendar และการเปลี่ยนแปลงใน Drive ที่เกี่ยวข้อง แล้วให้มันบอกว่าต้องตอบใคร อะไรเร่งด่วน อะไรเก่า อะไรไม่ต้องสนใจ อะไรควรกลายเป็นอีเวนต์ในปฏิทิน และอะไรต้องค้นหาเอกสาร

นี่คืองานเอเจนต์ที่สมบูรณ์แบบเพราะมันมีบริบทมาก ทำซ้ำ ใช้หลายเครื่องมือ และเต็มไปด้วยการตัดสินใจเล็กๆ มนุษย์เกลียดการทำรอบแรก เอเจนต์เก่งเรื่องรอบแรก การตัดสินยังเป็นของผม

ผลลัพธ์ไม่ใช่ให้ชีวิตผมกลายเป็นอิสระ ผลลัพธ์คือผมเลิกเป็นคนที่ขุดคุ้ยห้าแอปด้วยตนเองเพื่อค้นหาสามสิ่งที่สำคัญ

รายการตรวจสอบเซ็ตอัปปัจจุบันของผม

ถ้าใครอยากทำเซ็ตอัปแบบผม นี่คือรายการตรวจสอบ ติดตั้ง Codex ติดตั้ง gogcli สำหรับ Google Workspace ติดตั้ง wacli สำหรับ WhatsApp ติดตั้งตัวเชื่อม Telegram ถ้าคุณใช้ Telegram ติดตั้ง imsg สำหรับ iMessage และ SMS เพิ่มระบบอัตโนมัติในเบราว์เซอร์ โดยควรใช้ Browser Use หรือ Chrome controller เพิ่มระบบอัตโนมัติ macOS ผ่าน AppleScript และ UI scripting ถ้าความรู้ของคุณอยู่ใน Notion ให้ใช้ Notion API ส่งออกส่วนที่มีค่าไปยัง Google Drive

จากนั้นรวมศูนย์ข้อมูล ทำให้ Google Drive เป็นแหล่งความจริง เก็บรายชื่อติดต่อใน Google Sheet หรือ CSV เก็บเอกสารส่วนตัวสำคัญเป็นไฟล์ที่ค้นหาได้ เก็บคำแนะนำ AGENTS.md ในเครื่อง เก็บสกิลเล็กๆ สำหรับเวิร์กโฟลว์ที่เกิดขึ้นซ้ำ

จากนั้นให้สิทธิ์อย่างระมัดระวัง Full Disk Access จำเป็นสำหรับไฟล์ในเครื่องและฐานข้อมูลแอป Screen Recording มีประโยชน์เป็นตัวสำรองทางภาพ Accessibility จำเป็นสำหรับการคลิกและพิมพ์ในแอป นี่คือสิทธิ์ที่ร้ายแรง ดังนั้นควรจับคู่กับเกตการอนุมัติที่ร้ายแรง

จากนั้นเขียนกฎการทำงาน

นั่นคือทั้งหมด เครื่องมือ ตัวเชื่อมข้อมูล สกิล เกตการอนุมัติ และการปรับปรุงอย่างต่อเนื่อง

นี่คือระบบปฏิบัติการใหม่

คอมพิวเตอร์ส่วนบุคคลเคยทำงานผ่านแอป คุณเปิดแอป ค้นหา คลิก คัดลอก วาง เขียน และส่ง คอมพิวเตอร์ที่ทำงานผ่านเอเจนต์ให้ความรู้สึกต่างออกไป คุณบอกเจตนา เอเจนต์รวบรวมบริบท เสนอการกระทำ รออนุมัติเมื่อจำเป็น ดำเนินการ และรายงานกลับ

เมื่อคุณได้สัมผัสสิ่งนี้ วิถีเก่าดูไร้สาระ ทำไมผมต้องค้นหา WhatsApp, Gmail, Google Drive และเว็บด้วยตนเองเพื่อส่งคำแนะนำหนึ่งครั้ง? ทำไมผมต้องคัดลอกป้ายทะเบียนไปยังห้าพอร์ทัล? ทำไมผมต้องอ่าน 100 ข้อความเพื่อหาสามข้อความที่สำคัญ?

คอมพิวเตอร์ควรทำสิ่งนั้น

เซ็ตอัปยังดูเกะกะ CLI หยาบๆ สิทธิ์น่ารำคาญ ตัวเชื่อมบางตัวพัง ระบบอัตโนมัติในเบราว์เซอร์เปราะบาง คุณต้องเขียนสกิล คุณต้องรักษาแหล่งความจริง แต่นั่นคือวิธีที่อนาคตมักเริ่มต้น

เอเจนต์ส่วนตัวที่มีประโยชน์ชิ้นแรกจะไม่ดูเหมือนแอปผู้บริโภคที่ขัดเกลา พวกมันจะดูเหมือนโมเดลในเทอร์มินัลที่เข้าถึงไฟล์ บัญชี ความทรงจำ และเครื่องมือของคุณ

นั่นคือสิ่งที่ผมใช้ในวันนี้ และทุกสัปดาห์ผมก็ให้มันจัดการชีวิตอีกหนึ่งส่วน