setup-pstack คืออะไร ทดลองตั้งค่าโมเดลตามบทบาท
เมื่อ Skill ชุดหนึ่งส่งงานให้ผู้เขียนโค้ด ผู้ตรวจ และผู้วางแผน การเลือกโมเดลอาจกระจายอยู่หลายจุด setup-pstack รวมทางเลือกเหล่านี้ไว้ในไฟล์ตั้งค่าเดียว บทความนี้ใช้รุ่นจาก backnotprop/pstack และทดลองเฉพาะการสร้างกฎในพื้นที่แยกจากค่าจริงของผู้ใช้

pstack เป็นชุด Skills ส่วน setup-pstack เป็นขั้นตอนตั้งค่า
pstack รวม Skills และหลักการทำงานสำหรับงานพัฒนาซอฟต์แวร์ เช่น วางแผน เขียน ตรวจ และยืนยันผล ส่วน setup-pstack ใช้เลือกโมเดลต่อบทบาทและงบการคิด เพื่อให้ Skills ในชุดอ่านตัวเลือกชุดเดียวกัน ดู README ของ backnotprop/pstack
บทความนี้อ้างอิงสำเนา backnotprop/pstack ในเวอร์ชันที่ระบุไว้ ซึ่งปรับชุดเดิมให้ทำงานกับหลาย harness หรือโปรแกรมที่ให้โมเดลใช้เครื่องมือ เช่น Cursor และ Codex สกิลชื่อเดียวกันใน fork อื่นอาจเขียนไฟล์หรือเรียกโมเดลต่างกัน จึงต้องตรวจต้นฉบับของตัวที่เลือกใช้
setup-pstack ตั้งค่าโมเดลให้แต่ละบทบาท
ขั้นตอนหลักคือสำรวจโมเดลที่ใช้ได้ อ่านค่าปัจจุบัน ให้ผู้ใช้เลือก budget และโมเดล ตรวจชื่อที่เลือก แล้วเขียนกฎตาม harness ต้นฉบับแยกปลายทางเป็น ~/.cursor/rules/pstack-models.mdc, ~/.claude/rules/pstack-models.md และ ~/.agents/pstack-models.md สำหรับ harness อื่น
ไฟล์เหล่านี้ไม่ใช่การสร้างฐานข้อมูลหรือระบบ deployment ของแอป และการติดตั้ง Skill ไม่ได้ทำให้บัญชีเข้าถึงโมเดลที่ยังไม่มีสิทธิ์ แต่ละ harness ยังเป็นผู้กำหนดว่ารับชื่อโมเดลและโหลดกฎอย่างไร การย้ายไฟล์จากเครื่องหนึ่งไปอีกเครื่องจึงต้องตรวจสิทธิ์และชื่อใหม่
small เป็นชื่อ preset ไม่ใช่วงเงินใช้จ่าย
สำเนาที่ตรวจมี budget สี่ค่า: unlimited, large, medium และ small ซึ่งผูกกับเป้าหมาย reasoning ต่างกัน โดย small ใช้เป้าหมาย medium ชื่อเหล่านี้ไม่ได้กำหนดจำนวนบาทหรือจำนวนโทเค็นสูงสุด จึงต้องใช้ข้อจำกัดการเรียกและข้อมูลการใช้งานของระบบจริงหากต้องคุมค่าใช้จ่าย
inherit-parent และ auto เป็น alias ที่ต้นฉบับอนุญาต และไม่เปลี่ยนตามการปรับ budget การเลือก small คู่กับ inherit-parent จึงไม่ใช่หลักฐานว่าโมเดลลูกถูกบังคับใช้ medium ทุกครั้ง ต้องแยกค่าที่เขียนในกฎออกจากพฤติกรรมการรันจริง
ทดลองสร้างกฎด้วย small และ inherit-parent
ผู้ใช้เลือก small และให้ทุกบทบาทใช้ inherit-parent เราจึงอ่านขั้นตอนของ Skill แล้วสร้างไฟล์ใน home จำลองภายใต้พื้นที่ทดสอบ ไม่ติดตั้งกฎเข้า home จริงและไม่เริ่ม Agent เพิ่มเพื่อสร้างค่าใช้จ่ายหรือเปลี่ยนพฤติกรรมแชตอื่น
ผลที่ตรวจได้คือไฟล์มีบรรทัดบทบาท 17 บรรทัดตามรูปแบบของสำเนานี้ ใช้ alias แทนชื่อโมเดลที่ยังไม่ได้ยืนยัน และการเขียนซ้ำให้เนื้อหาเดิม การทดลองนี้เป็น การตรวจรูปแบบการตั้งค่า ยังไม่ครอบคลุมว่า harness อ่านไฟล์นั้นจริง ส่งงานสำเร็จ หรือคิดค่าบริการเท่าใด
ตรวจซ้ำได้จาก โค้ดทดลองสร้างกฎในพื้นที่แยก ซึ่งแสดงปลายทางและ assertion ที่รันจริง
ติดตั้ง pstack และตรวจไฟล์กฎที่เพิ่ม
README ของ mirror ระบุคำสั่งนี้สำหรับเลือกติดตั้ง Skills ในโปรแกรมที่รองรับ ก่อนรันให้ตรึงรุ่น อ่านไฟล์ที่จะติดตั้ง และตรวจว่ากฎจะถูกเขียนไว้ที่ไหน ตัวอย่างในบทความใช้วิธีอ่านคำสั่งแล้วทำตาม จึงยังไม่ได้ทดสอบตัวติดตั้ง
npx skills add backnotprop/pstack
ก่อนเปิดใช้จริงควรยืนยันตารางทุกบทบาทกับผู้ใช้ สำรองกฎที่มีอยู่ และใช้โจทย์เล็กหนึ่งงานดูหลักฐานการเรียกโมเดล การเห็นไฟล์ตั้งค่าถูกเขียนสำเร็จไม่เพียงพอจะรับรองผลของการแบ่งงาน
เหมาะเมื่อมีหลายบทบาทที่ต้องตั้งค่าให้สอดคล้องกัน
หากใช้ pstack หลาย Skills การมีกฎกลางช่วยให้ตรวจตัวเลือกได้ง่ายขึ้น แต่สำหรับงานสั้นที่ใช้ Agent เดียว การเพิ่มชุดบทบาทและ panel อาจสร้างขั้นตอนเกินความจำเป็น เริ่มจากผลลัพธ์ที่ต้องการตรวจ แล้วค่อยเลือกรูปแบบการแบ่งงาน
ผู้อ่านควรเก็บรายการ harness รุ่น Skill โมเดลที่บัญชีใช้ได้ และผลเรียกจริงไว้ด้วยกัน เพื่อให้กลับมาแก้ปัญหาได้เมื่อชื่อหรือสิทธิ์เปลี่ยน แนวทางตรวจหลักฐานต่อได้ที่ วิธีตรวจรับงานจาก AI Agent
แหล่งอ้างอิง
ตรวจ backnotprop/pstack commit 25abb38559ddbabec563646224d09eff9a250eca วันที่ 30 ตุลาคม 2569 ทดลองแบบ configuration-only ใน home จำลอง ไม่ติดตั้งกฎจริง ไม่เริ่ม subagent และไม่ได้วัดค่าใช้จ่าย