คอร์สปฏิบัติการใช้งาน AI ระดับองค์กรด้วย TRAE+Claude Code เน้นการผสมผสานความคิดเชิงผลิตภัณฑ์กับเครื่องมือ AI สร้างเวิร์กโฟลว์ผลิตภัณฑ์ AI ระดับองค์กรที่นำไปใช้ได้จริง

แนะนำคอร์ส

คอร์สปฏิบัติการใช้งาน AI ระดับองค์กรด้วย TRAE+Claude Code เน้นการผสมผสานความคิดเชิงผลิตภัณฑ์กับเครื่องมือ AI สำหรับผู้จัดการผลิตภัณฑ์ในยุค AI ตามระเบียบวิธี SIDE วงจรปิด 4 ขั้นตอน สร้างเวิร์กโฟลว์ผลิตภัณฑ์ AI ระดับองค์กรที่นำไปใช้ได้จริง

คอร์สเริ่มจากความรู้พื้นฐานอุตสาหกรรมและกรณีศึกษา ทำตามทีละขั้นเพื่อติดตั้งครบทั้งชุด: Claude Code, Gitee, Pencil MCP, TAPD MCP, พื้นที่ทำงานและปลั๊กอิน TRAE พร้อมรวบรวมปัญหาที่พบบ่อยในการติดตั้งและตั้งค่า

พาคุณเข้าใจการที่ AI อ่าน MRD, การขุดหาความต้องการ, เรียนรู้วิธีเก็บข้อมูล, แยกความต้องการจากประโยคเดียวเป็นรายการความต้องการที่ชัดเจน เน้นลงมือปฏิบัติการเขียนเอกสาร PRD ด้วย AI, เข้าใจมาตรฐาน PRD, จุดที่ต้องระวัง และสแกนตรวจ PRD ด้วย 14 มิติ

ต่อยอดเรียนรู้การเขียนข้อกำหนดสเปกหน้าเพจและการตรวจ 6 มิติ ใช้ Claude Code สร้างต้นแบบ HTML อย่างรวดเร็ว แปลง HTML เป็นไฟล์ Pencil สร้างแผนผังเว็บไซต์ หน้ารีวิวการออกแบบ และสร้างเอกสารนำเสนอผลิตภัณฑ์

พร้อมอธิบายการเขียนเรื่องราวผู้ใช้ตามมาตรฐาน, AI สร้างเรื่องราวผู้ใช้เป็นชุด และเชื่อมต่อขั้นตอนซิงค์ TAPD นำความต้องการและเรื่องราวไปยังแพลตฟอร์มบริหารโครงการ ควบคู่กับ AI สรุปบันทึกการประชุมและการดูแลฐานความรู้ สะสมสินทรัพย์ความรู้ของโครงการ

สุดท้ายทบทวนห่วงโซ่โครงการครบวงจร สิ่งส่งมอบทุกขั้นของ SIDE แผนการพัฒนาผลิตภัณฑ์ซ้ำ สรุปบทเรียนข้อผิดพลาดของผลิตภัณฑ์ พร้อมโครงงาน졸졸졸졸졸졸졸졸졸졸졸졸졸졸졸졸 졸졸졸졸졸졸졸졸졸졸졸

เหมาะสําหรับ

ผู้จัดการผลิตภัณฑ์, ผู้จัดการผลิตภัณฑ์ AI ที่อยากใช้ AI เพิ่มประสิทธิภาพ สร้างเวิร์กโฟลว์ผลิตภัณฑ์ AI ระดับองค์กร

มือใหม่สายผลิตภัณฑ์ เขียน PRD ไม่เป็น ทำต้นแบบไม่เป็น ไม่คุ้นเคยกับการทำงานร่วมกันในโครงการ TAPD

ผู้ปฏิบัติงานที่อยากเรียน TRAE, Claude Code, ห่วงโซ่เครื่องมือ MCP เพื่อนำไปใช้ส่งมอบผลิตภัณฑ์ AI

ฝ่ายพัฒนา ฝ่ายทดสอบ หัวหน้าโครงการ ที่อยากเข้าใจสิ่งส่งมอบผลิตภัณฑ์และเชื่อมกระบวนการทำงานร่วมกับ AI

หัวหน้าทีมที่อยากเข้าใจระเบียบวิธี SIDE วงจรปิดมาตรฐาน เพื่อกำหนดมาตรฐานผลลัพธ์ผลิตภัณฑ์ขององค์กร

สิ่งที่ได้เรียนรู้

✅เข้าใจแนวโน้มการพัฒนาผลิตภัณฑ์ AI เข้าใจระเบียบวิธีผลิตภัณฑ์ SIDE วงจรปิด 4 ขั้นตอน

✅ติดตั้งสภาพแวดล้อม TRAE, Claude Code, Gitee, Pencil MCP, TAPD MCP ครบทั้งชุดได้ด้วยตนเอง

✅เรียน AI วิเคราะห์ MRD, เก็บข้อมูล, แปลงความต้องการที่คลุมเครือเป็นรายการความต้องการแบบมีโครงสร้าง

✅เข้าใจ AI เขียน PRD, สแกนตรวจ PRD 14 มิติ, หลีกเลี่ยงปัญหาที่พบบ่อยใน PRD

✅เข้าใจการเขียนข้อกำหนดสเปกหน้าเพจและการตรวจ 6 มิติ กำหนดมาตรฐานการส่งมอบหน้าเพจ

✅ใช้ Claude Code สร้างต้นแบบ แปลง HTML เป็น Pencil สร้างแผนผังเว็บไซต์และหน้านำเสนอรีวิว

✅เข้าใจมาตรฐานการเขียน user story และให้ AI สร้าง user story แบบเป็นชุด

✅เชื่อมต่อกระบวนการซิงก์ของ TAPD ให้ซิงก์ user story อัตโนมัติและทำงานร่วมกันในโปรเจกต์ได้สำเร็จ

✅ใช้ AI รวบรวมการตัดสินใจจากการประชุม สร้างฐานความรู้ผลิตภัณฑ์ และจัดการความรู้อย่างเป็นระบบ

✅เข้าใจการรีวิวโปรเจกต์แบบครบวงจรและการวางแผนอัปเดตผลิตภัณฑ์ พร้อมสร้างความสามารถในการส่งมอบมาตรฐานระดับองค์กร

สารบัญหลักสูตร

01.1 บทนำหลักสูตรปฏิบัติจริงระดับองค์กรสำหรับการประยุกต์ใช้ AI ในผลิตภัณฑ์ (1)

02.2 ทำไม AI Product Manager จึงเป็นอนาคต (1)

03.3 ทำความรู้จักกรณีศึกษาของหลักสูตร (1)

04.4 ระเบียบวิธี SIDE: วงจรปิด 4 ขั้นตอนในมุมมองของ Product Manager (1)

05.5 แนะนำเครื่องมือของหลักสูตรในประโยคเดียว (1)

06.6 การติดตั้งซอฟต์แวร์ AI (1)

07.7 การกำหนดค่า Claude Code (1)

08.8 การกำหนดค่า Gitee (1)

09.9 การกำหนดค่า Pencil MCP (1)

10.10 การกำหนดค่า TAPD MCP (1)

11.11 พื้นที่ทำงานและส่วนขยายของ TRAE (1)

12.12 ข้อผิดพลาดที่พบบ่อยและวิธีแก้ไข (1)

13.13 การใช้ Claude Code ครั้งแรก (1)

14.14 ทดลองใช้ความสามารถหลัก 3 ประการ (1)

15.15 ภาคปฏิบัติ: ใช้ AI อ่าน MRD และทำงาน 3 งานให้เสร็จ (1)

16.16 ความต้องการของ Product Manager มาจากไหน (1)

17.17 วิเคราะห์กรณีศึกษา: 6 จุดเจ็บปวดหลัก (1)

18.18 วิธีเก็บรวบรวมข้อมูล 3 ขั้นตอน (1)

19.19 ภาคปฏิบัติ: จากประโยคเดียวสู่รายการความต้องการ (1)

20.20 PRD คืออะไร: พิมพ์เขียวผลิตภัณฑ์ ไม่ใช่เอกสารรายงาน (1)

21.21 เขียนเอกสาร PRD ด้วย AI (1)

22.22 มาตรฐาน Product Manager ที่สำคัญของ PRD (1)

23.23 ภาคปฏิบัติ: สร้าง PRD ด้วย AI (1)

24.24 5 ข้อผิดพลาดที่พบบ่อยใน PRD (1)

25.25 สแกน PRD 14 มิติด้วย AI (1)

26.26 ภาคปฏิบัติ: ตรวจสอบ PRD ด้วย AI (1)

27.27 ข้อกำหนดสเปกหน้าจอคืออะไร (1)

28.28 เทมเพลตมาตรฐานข้อกำหนดสเปกหน้าจอ (1)

29.29 วิเคราะห์กรณีศึกษาและเลือกเทมเพลต (1)

30.30 ภาคปฏิบัติ: เขียนข้อกำหนดสเปกหน้าจอด้วย AI (1)

31.31 หน้าจอมักพลาดอะไรที่สุด: สแกนข้อกำหนดสเปกหน้าจอ 6 มิติ (1)

32.32 ภาคปฏิบัติ: ตรวจสอบข้อกำหนดสเปกหน้าจอด้วย AI (1)

33.33 ทำไม Product Manager ต้องทำต้นแบบได้ (1)

34.34 หลักการสร้างต้นแบบ (1)

35.35 เริ่มต้นอย่างรวดเร็ว: สร้างต้นแบบด้วย Claude Code (1)

36.36 วิเคราะห์ต้นแบบกรณีศึกษา (1)

37.37 ภาคปฏิบัติ: สร้างต้นแบบหน้าแรกด้วย AI (1)

38.38 ทำไมต้องแปลง HTML เป็น Pencil (1)

39.39 กระบวนการแปลง HTML เป็น Pencil โดยละเอียด (1)

40.40 ภาคปฏิบัติ: ใช้ AI แปลงต้นแบบ HTML เป็นไฟล์ .pen (1)

41.41 Sitemap คืออะไร (1)

42.42 สร้าง Sitemap ด้วย AI (1)

43.43 สร้างหน้า HTML สำหรับรีวิวการออกแบบด้วย AI (1)

44.44 ภาคปฏิบัติ: สร้าง Sitemap และหน้ารีวิวด้วย AI พร้อมจำลองการนำเสนอ 5 นาที (1)

45.45 ทำไมนักพัฒนาต้องการ user story (1)

46.46 เทมเพลตมาตรฐานของ user story (1)

47.47 ภาพรวมของ user story (1)

48.48 สร้าง user story ในคลิกเดียวด้วย AI (1)

49.49 ภาคปฏิบัติ: เขียนชุด user story สำหรับกระบวนการแลกและใช้สิทธิ์ (1)

50.50 กระบวนการซิงก์ TAPD แบบครบวงจร (1)

51.51 การกำหนดค่า tapd-config.json (1)

52.52 TAPD Story มีหน้าตาอย่างไร (1)

53.53 ภาคปฏิบัติ: ซิงก์ user story ไปยัง TAPD ด้วย AI (1)

54.54 รายการตรวจสอบการยืนยันการซิงก์ user story (1)

55.55 ทำไม Product Manager ต้องเขียนบันทึกการหารือให้ดี (1)

56.56 รวบรวมการตัดสินใจด้วย AI (1)

57.57 การบำรุงรักษาคลังความรู้ (1)

58.58 คู่มือหลีกเลี่ยงข้อผิดพลาดทั่วไปในการจัดการความรู้ (1)

59.59 ภาคปฏิบัติ: ใช้ AI สรุปการสนทนาหนึ่งครั้ง (1)

60.60 ทบทวนภาพรวมโครงการทั้งหมด (1)

61.61 ผลลัพธ์ในแต่ละระยะของ SIDE (1)

62.62 สรุปประสบการณ์ข้อผิดพลาดของผู้จัดการผลิตภัณฑ์ (1)

53.63 แผนที่เส้นทางการพัฒนาผลิตภัณฑ์ (1)

64.64 คำแนะนำ 8 ข้อสำหรับผู้จัดการผลิตภัณฑ์ (1)

65.65 โครงงานจบการศึกษาผลิตภัณฑ์ AI (1)