ศัพท์ AI Ep1 · จาก Chat สู่ Agentic · 28 คำ

28คำศัพท์

จาก Chat สู่ Agentic AI

ศัพท์ AI ที่รู้แล้ว เข้าใจเรื่อง AI ง่ายขึ้นเยอะ

คำใกล้ตัวคนเริ่มใช้ AI ช่วยทำงาน · คัดเฉพาะที่ได้ประโยชน์ทันที — ไม่ต้องเป็นสายเทค

28 คำ · 7 ช่วง

1 · ตัวเล่นหลัก: Agentic AI

Codex · Claude Code · Cowork

2 · เริ่มคุยให้เป็น

Prompt · Model · LLM

3 · เบื้องหลังการคุย

Token · Context Window · Usage Limit

4 · ปรับ AI ให้เป็นของเรา

Memory · System Prompt · Custom Instructions · Workspace/Projects

5 · ปลดล็อกความสามารถ

Reasoning · Web Browsing · Image Generation · Canvas/Artifacts · Plugin/Connector · Skill

6 · ใช้อย่างรู้ทัน

Hallucination · Knowledge Cutoff · Data Privacy · Guardrails · Black Box

7 · เจาะลึก Agentic

Tool/Function Calling · Agent/Agentic AI · Computer/Browser Use · Mode/Permission

Phase 1 / 7

ตัวเล่นหลัก: Agentic AI

ชื่อที่คนเริ่มได้ยินบ่อย — ไม่ใช่แค่ "แชต" แต่ "ลงมือทำงาน" · Codex · Claude Code · Cowork

Codex

Agentic AI ของ OpenAI

ถ้า ChatGPT คือ AI ที่ “คุย-ตอบ” (Chat) Codex คือสายของ OpenAI ที่ “ลงมือทำงาน” ให้จนเสร็จ เด่นงานเขียน/แก้โค้ดและงานในเครื่อง รับโจทย์แล้วทำหลายขั้นเอง

💡เทียบให้เห็นภาพ — ChatGPT = ที่ปรึกษาที่ตอบคำถาม · Codex = ช่างที่ลงมือซ่อมให้เลย

✓ทำไมต้องรู้ — เป็นตัวอย่างชัดของ “Agentic AI” เทรนด์ที่คนเริ่มสนใจ เพราะทำงานแทน ไม่ใช่แค่แนะนำ

Claude Code

Agentic AI ของ Claude

ถ้า Claude คือ AI ที่ “คุย-ตอบ” Claude Code คือสายลงมือทำของ Anthropic ที่ให้ Claude เขียน/แก้งานในเครื่องจริง ทำหลายขั้นจนจบผ่านหน้าจอ command line

💡เทียบให้เห็นภาพ — Claude = คนที่บอกวิธีทำ · Claude Code = คนที่นั่งลงมือทำให้

✓ทำไมต้องรู้ — คู่แข่งสาย agent ของ Codex สะท้อนว่าทุกค่ายขยับจาก “แชต” สู่ “ลงมือทำ”

Cowork

Agentic AI ของ Claude — ทำงานร่วมหลายขั้น

ผลิตภัณฑ์ของ Anthropic ที่ให้ Claude ทำงานเคียงข้างเราแบบ agent เชื่อมเครื่องมือที่เราใช้ แล้วลงมือทำงานหลายขั้นในพื้นที่เดียว ไม่ใช่แค่ตอบในกล่องแชต

💡เทียบให้เห็นภาพ — จาก “ผู้ช่วยในกล่องแชต” → “เพื่อนร่วมงานที่นั่งทำงานข้าง ๆ”

✓ทำไมต้องรู้ — ภาพของ “ทำงานกับ AI” กำลังเปลี่ยนจากถาม-ตอบ เป็นทำงานร่วมกันจริง

Phase 2 / 7

เริ่มคุยให้เป็น

ก่อนใช้ของเจ๋ง ๆ ต้องรู้พื้นฐานการคุยก่อน · Prompt · Model · LLM

Prompt

สิ่งที่เราพิมพ์สั่ง AI

Prompt คือข้อความที่เราป้อนให้ AI ไม่ว่าจะเป็นคำถาม คำสั่ง หรือข้อมูลประกอบ ยิ่งบอกชัดว่าต้องการอะไร บริบทไหน รูปแบบใด AI ยิ่งตอบตรงใจ

💡เทียบให้เห็นภาพ — เหมือนสั่งงานลูกน้อง บอกละเอียดได้งานตรง บอกลอย ๆ ได้งานมั่ว

✓ทำไมต้องรู้ — คุณภาพคำตอบขึ้นกับ prompt เป็นอันดับแรก เปลี่ยนวิธีถาม = เปลี่ยนคำตอบ

Model

“ตัว AI” ที่เราเลือกใช้

Model คือตัว AI ที่เทรนเสร็จพร้อมใช้ แต่ละแอปมักมีหลายรุ่นให้เลือก (เร็ว-ประหยัด หรือ ฉลาด-ช้า) สลับได้ตามงาน

💡เทียบให้เห็นภาพ — เหมือนเลือกรถ รุ่นประหยัดไว้ขับในเมือง รุ่นแรงไว้งานหนัก

✓ทำไมต้องรู้ — เลือกรุ่นให้ตรงงาน ช่วยทั้งความเร็ว คุณภาพ และค่าใช้จ่าย

LLM

“สมองภาษา” เบื้องหลังแชตบอต

LLM (Large Language Model) คือ AI ที่เรียนจากข้อความมหาศาลจนเดา “คำต่อไป” ได้เก่งมาก เป็นเครื่องยนต์เบื้องหลัง ChatGPT, Claude, Gemini ที่ทำให้มันคุย เขียน สรุป แปลได้เหมือนเข้าใจภาษา

💡เทียบให้เห็นภาพ — เหมือนคนที่อ่านหนังสือมาเกือบทั้งโลก เลยเดาได้ว่าประโยคควรจบยังไง

✓ทำไมต้องรู้ — เวลาได้ยิน “โมเดล” หรือชื่อรุ่น (GPT, Claude) จริง ๆ มันคือ LLM ตัวหนึ่ง

Phase 3 / 7

เบื้องหลังการคุย

ทำไม AI ถึงลืม ทำไมมีลิมิต — กลไกที่ซ่อนอยู่ · Token · Context Window · Usage Limit

Token

“หน่วยนับข้อความ” ของ AI

AI ไม่ได้อ่านเป็น “คำ” แบบเรา แต่หั่นข้อความเป็นชิ้นเล็ก ๆ เรียก token (ราว ๆ คำหรือพยางค์) ทุกอย่างที่เราพิมพ์และที่ AI ตอบ ถูกนับเป็น token หมด

💡เทียบให้เห็นภาพ — เหมือนคิดค่าส่งพัสดุเป็น “กรัม” ไม่ใช่นับเป็นชิ้น

✓ทำไมต้องรู้ — ความยาวแชต ค่าใช้จ่าย และลิมิต ล้วนวัดด้วย token ยิ่งพิมพ์ยาว ยิ่งกินโควตาเร็ว

Context Window

“ความจำ” ของ AI ในหนึ่งบทสนทนา

ปริมาณข้อความที่ AI มองเห็นพร้อมกันในบทสนทนาหนึ่ง (รวมที่เราพิมพ์และที่มันตอบ) ถ้าคุยยาวเกินขนาดนี้ ส่วนต้น ๆ จะเริ่มหลุดความจำ

💡เทียบให้เห็นภาพ — เหมือนโต๊ะทำงาน วางกระดาษได้จำนวนหนึ่ง พอเต็มต้องเขี่ยใบเก่าตกโต๊ะ

✓ทำไมต้องรู้ — ถ้า AI เริ่มลืมสิ่งที่คุยไว้ตอนต้น แปลว่าชนลิมิตนี้ เปิดแชตใหม่หรือสรุปให้มันใหม่

Usage Limit

เพดานการใช้งานต่อแพลน

ขีดจำกัดว่าเราใช้ AI ได้มากแค่ไหนในช่วงเวลาหนึ่ง เช่น จำนวนข้อความต่อชั่วโมง หรือโควตาต่อเดือน มักต่างกันตามแพลนฟรี/เสียเงิน และตามรุ่น (รุ่นฉลาดกว่ามักลิมิตถี่กว่า)

💡เทียบให้เห็นภาพ — เหมือนแพ็กเกจเน็ตมือถือ ใช้ครบโควตาแล้วต้องรอรอบใหม่หรืออัปเกรด

✓ทำไมต้องรู้ — เพราะกิน token เรื่อย ๆ เลยมีเพดาน รู้ลิมิตแพลนตัวเอง จะได้ไม่สะดุดงานสำคัญ

Phase 4 / 7

ปรับ AI ให้เป็นของเรา

ตั้งค่าให้มันจำเรา ทำตัวแบบเราต้องการ · Memory · System Prompt · Custom Instructions · Workspace

Memory

AI จำเราข้ามบทสนทนา

ความสามารถที่ AI จดจำข้อมูลเกี่ยวกับเรา (ชื่อ งานที่ทำ สไตล์ที่ชอบ) ข้ามห้องแชต ไม่ต้องบอกใหม่ทุกครั้ง ต่างจาก Context Window ที่จำแค่ในบทสนทนาเดียว

💡เทียบให้เห็นภาพ — จาก “พนักงานชั่วคราวที่ลืมเราทุกเช้า” → “เพื่อนร่วมงานที่จำเราได้”

✓ทำไมต้องรู้ — เปิด/ปิด/ลบได้ ควรรู้ว่ามันจำอะไรเราไว้บ้าง โดยเฉพาะข้อมูลส่วนตัว

System Prompt

คำสั่งตั้งต้นที่กำหนด “นิสัย” AI

คำสั่งเบื้องหลังที่ตั้งบทบาทและกติกาให้ AI ก่อนเราเริ่มคุย เช่น “เป็นผู้ช่วยกฎหมาย ตอบสุภาพ กระชับ” มันคุมโทนและขอบเขตของทุกคำตอบในห้องแชตนั้น

💡เทียบให้เห็นภาพ — เหมือนใบบรีฟพนักงานก่อนเริ่มงานว่า “วันนี้คุณคือใคร ทำอะไรได้บ้าง”

✓ทำไมต้องรู้ — ใน Custom GPT / ผู้ช่วยที่ตั้งเอง ส่วนนี้แหละที่ทำให้มันทำตัวอย่างที่เราต้องการทุกครั้ง

Custom Instructions

ตั้งให้ AI จำสไตล์เรา · รวมถึง Custom GPT

การตั้งค่าบอก AI ล่วงหน้าว่าเราเป็นใคร อยากให้ตอบแบบไหน — Custom Instructions ใช้กับทุกแชต ส่วน Custom GPT คือสร้าง “ผู้ช่วยเฉพาะทาง” ของเราเองที่ตั้งบทบาท+ความรู้ไว้พร้อมใช้ซ้ำ

💡เทียบให้เห็นภาพ — เหมือนตั้ง preset กล้อง ตั้งครั้งเดียว ครั้งต่อ ๆ ไปได้โทนที่ชอบเลย

✓ทำไมต้องรู้ — ถ้าต้องสั่งซ้ำ ๆ แบบเดิมทุกวัน ตั้งตรงนี้ครั้งเดียวจบ ประหยัดเวลามาก

Workspace / Projects

ที่จัดระเบียบงานเป็นโปรเจกต์

พื้นที่รวมแชต ไฟล์ และคำสั่งของงานหนึ่งไว้ด้วยกัน เปิดเข้าไปเมื่อไหร่ AI ก็จำบริบทของโปรเจกต์นั้นได้ ไม่ปนกับงานอื่น

💡เทียบให้เห็นภาพ — เหมือนแยกแฟ้มงานเป็นโฟลเดอร์ แทนที่จะกองรวมในโต๊ะเดียว

✓ทำไมต้องรู้ — ทำหลายงานกับ AI การแยกเป็นโปรเจกต์ช่วยไม่ให้สับสน และ AI ตอบตรงบริบทมากขึ้น

Phase 5 / 7

ปลดล็อกความสามารถ

AI ทำได้มากกว่าแค่ตอบ · Reasoning · ค้นเว็บ · สร้างรูป · Canvas · Connector · Skill

Reasoning

โหมด “คิดก่อนตอบ” สำหรับงานยาก

โมเดล/โหมดที่ AI ใช้เวลาคิดเป็นขั้นตอนก่อนตอบ แทนที่จะพรวดตอบทันที เหมาะกับโจทย์ที่ต้องวิเคราะห์ คำนวณ หรือวางแผนหลายชั้น มักช้ากว่าแต่แม่นกว่า

💡เทียบให้เห็นภาพ — จาก “ตอบปากเปล่าทันที” → “ขอกระดาษทดก่อนค่อยตอบ”

✓ทำไมต้องรู้ — งานง่ายใช้รุ่นปกติพอ แต่งานคิดหนัก (วางแผน/เลข/ตรรกะ) เลือกโหมด reasoning จะดีกว่า

Web Browsing / Search

AI ต่อเน็ตหาข้อมูลสด

ความสามารถที่ AI ออกไปค้นข้อมูลจากอินเทอร์เน็ตแบบเรียลไทม์ แล้วสรุปให้พร้อมลิงก์ที่มา ทำให้ตอบเรื่องใหม่ ๆ หรือข้อมูลปัจจุบันได้ ไม่ติดอยู่แค่ความรู้เก่าในตัว

💡เทียบให้เห็นภาพ — จาก “ตอบจากความจำ” → “ขอเปิดกูเกิลเช็กให้ก่อน”

✓ทำไมต้องรู้ — อยากได้ข้อมูลล่าสุดหรืออ้างอิงได้ ให้เปิดโหมดค้นเว็บ แต่ก็ยังต้องเช็กแหล่งที่มาเอง

Image Generation

สร้างรูปจากข้อความ

การให้ AI วาด/สร้างรูปขึ้นใหม่จากคำบรรยายที่เราพิมพ์ เช่น “โลโก้ร้านกาแฟสไตล์มินิมอล” ได้ภาพที่ไม่เคยมีมาก่อน ปรับแก้ตามคำสั่งต่อได้

💡เทียบให้เห็นภาพ — เหมือนมีนักวาดที่วาดตามที่เราบรรยายได้ทันที

✓ทำไมต้องรู้ — ทำภาพประกอบ ไอเดียดีไซน์ พรีเซนต์ได้เร็ว แต่ระวังลิขสิทธิ์/ความสมจริงเวลาใช้จริง

Canvas / Artifacts

พื้นที่ทำงานร่วมกับ AI

Canvas (ChatGPT) หรือ Artifacts (Claude) คือหน้าต่างแยกข้าง ๆ แชต ที่ AI เอางาน (เอกสาร โค้ด ตาราง) มาวางให้ดู-แก้ทีละจุดได้ แทนที่จะตอบเป็นข้อความยาวก้อนเดียว

💡เทียบให้เห็นภาพ — จาก “ส่งงานมาเป็นแชตยาว ๆ” → “เปิดเอกสารร่วมกันแล้วแก้ด้วยกัน”

✓ทำไมต้องรู้ — เหมาะกับงานที่ต้องแก้หลายรอบ (เขียนบทความ ร่างอีเมล โค้ด) เห็นภาพรวมแก้เฉพาะจุดง่ายกว่า

Plugin / Connector

ตัวเชื่อม AI เข้ากับแอปอื่น

ส่วนเสริมที่ต่อ AI เข้ากับบริการที่เราใช้อยู่ เช่น Google Drive, Gmail, Calendar ทำให้ AI ดึงไฟล์ อ่านอีเมล หรือทำงานข้ามแอปได้ โดยเราเป็นคนอนุญาตการเชื่อม

💡เทียบให้เห็นภาพ — เหมือนเสียบปลั๊กพ่วงให้ AI เอื้อมไปหยิบของจากห้องอื่นได้

✓ทำไมต้องรู้ — เชื่อมแล้วสะดวกขึ้นมาก แต่ต้องดูสิทธิ์ที่ให้ มันเข้าถึงข้อมูลของเราในแอปนั้นจริง

Skill

ทักษะเฉพาะทางที่ติดตั้งให้ AI

ชุดความสามารถ/วิธีทำงานเฉพาะเรื่องที่ติดตั้งเพิ่มให้ AI หยิบมาใช้เมื่อเจองานที่ตรง เช่น สกิลทำสไลด์ สกิลแต่ง PDF ช่วยให้ AI ทำงานเฉพาะทางได้ดีและสม่ำเสมอขึ้น

💡เทียบให้เห็นภาพ — เหมือนส่งผู้ช่วยไปเรียนคอร์สเฉพาะทางเพิ่ม แล้วมันหยิบมาใช้ได้เลย

✓ทำไมต้องรู้ — เทรนด์ใหม่ที่ทำให้ AI “เก่งเฉพาะเรื่อง” มากขึ้น เริ่มเห็นในเครื่องมือระดับโปร

Phase 6 / 7

ใช้อย่างรู้ทัน

ยิ่งใช้มาก ยิ่งต้องรู้ข้อจำกัด · Hallucination · Cutoff · Privacy · Guardrails · Black Box

Hallucination

“อาการ AI มั่วแบบมั่นใจ”

เวลา AI ตอบด้วยน้ำเสียงมั่นใจเต็มร้อย แต่ข้อมูลผิด หรือแต่งขึ้นมาเองทั้งที่ฟังดูน่าเชื่อถือ

💡เทียบให้เห็นภาพ — เหมือนคนที่ไม่ยอมพูดว่า “ไม่รู้” เลยเดาคำตอบให้ฟังดูดีไว้ก่อน

✓ทำไมต้องรู้ — อย่าเชื่อ 100% โดยเฉพาะชื่อคน ตัวเลข วันที่ แหล่งอ้างอิง เช็กซ้ำทุกครั้งก่อนใช้จริง

Knowledge Cutoff

วันที่ความรู้ของ AI “หยุด”

จุดเวลาที่ข้อมูลซึ่งใช้เทรน AI สิ้นสุด เหตุการณ์หลังจากนั้น AI จะไม่รู้ เว้นแต่ต่อเน็ตค้นเพิ่ม ดังนั้นข่าวล่าสุดหรือของใหม่ ๆ มันอาจตอบพลาดหรือไม่รู้

💡เทียบให้เห็นภาพ — เหมือนคนเพิ่งตื่นจากหลับยาว รู้ทุกอย่างจนถึงวันที่หลับ หลังจากนั้นไม่รู้

✓ทำไมต้องรู้ — ถามเรื่องล่าสุด ต้องเปิดโหมดค้นเว็บ หรือเช็กว่าความรู้มันอัปเดตถึงเมื่อไหร่

Data Privacy

ข้อมูลที่เราพิมพ์ไปถูกใช้ยังไง

เรื่องว่าสิ่งที่เราพิมพ์/อัปโหลดเข้า AI ถูกเก็บ ใช้เทรนต่อ หรือใครเห็นได้บ้าง แต่ละแอป/แพลนมีนโยบายต่างกัน และมักมีตัวเลือกปิดไม่ให้เอาไปเทรน

💡เทียบให้เห็นภาพ — เหมือนคุยกับคนแปลกหน้า ก่อนเล่าเรื่องลับ ต้องรู้ว่าเขาจะเอาไปบอกใครต่อไหม

✓ทำไมต้องรู้ — อย่าพิมพ์ความลับบริษัท/ข้อมูลลูกค้าลงไปมั่ว ตรวจการตั้งค่าความเป็นส่วนตัวก่อน

Guardrails

กลไกกัน AI ตอบสิ่งที่ไม่ควร

กฎและตัวกรองที่ผู้สร้างใส่ไว้ไม่ให้ AI ทำสิ่งอันตรายหรือผิดจริยธรรม เช่น สอนทำอาวุธ สร้างเนื้อหารุนแรง เป็นเหตุผลที่บางครั้ง AI ปฏิเสธไม่ตอบ

💡เทียบให้เห็นภาพ — เหมือนราวกั้นข้างถนนบนเขา บางทีขวางทาง แต่มีไว้กันตกเหว

✓ทำไมต้องรู้ — งานสุจริตที่ถูกปฏิเสธ ลองอธิบายบริบทให้ชัด แต่ถ้ามันกันเรื่องอันตรายจริง นั่นคือถูกแล้ว

Black Box

เห็นคำตอบ แต่ไม่เห็นวิธีคิด

เราเห็น “อินพุต→เอาต์พุต” ของ AI แต่ไม่เห็นชัดว่าข้างในมันตัดสินใจมายังไง แม้แต่ผู้สร้างก็อธิบายทุกขั้นไม่ได้เป๊ะ ทำให้บางทีคาดเดาพฤติกรรมมันยาก

💡เทียบให้เห็นภาพ — เหมือนกินยาที่รักษาหาย แต่ไม่มีใครอธิบายกลไกในร่างกายได้ทุกขั้น

✓ทำไมต้องรู้ — เพราะอธิบายเหตุผลไม่ได้ทั้งหมด งานสำคัญจึงต้องมีคนตรวจ ไม่ปล่อยให้ AI ตัดสินใจแทนทั้งหมด

Phase 7 / 7

เจาะลึก Agentic

เบื้องหลังที่ทำให้ Codex / Claude Code / Cowork ทำงานได้ · Tool Calling · Agent · Computer Use · Permission

Tool / Function Calling

AI เรียกใช้เครื่องมืออื่นได้

ความสามารถที่ AI เรียกใช้ “เครื่องมือ” ภายนอกเพื่อทำสิ่งที่ตัวมันเองทำไม่ได้ เช่น คิดเลขด้วยเครื่องคิดเลข ค้นเว็บ ดึงข้อมูลจากระบบ แล้วเอาผลกลับมาใช้ตอบ

💡เทียบให้เห็นภาพ — เหมือนคนเก่งที่รู้ว่าเมื่อไหร่ควรหยิบเครื่องคิดเลข เปิดปฏิทิน หรือโทรถามผู้รู้

✓ทำไมต้องรู้ — เป็นกลไกที่ทำให้ Agent ทำงานจริงได้ และเป็นเหตุผลที่ AI สมัยนี้ “ทำ” ได้ ไม่ใช่แค่ “พูด”

Agent / Agentic AI

AI ที่ลงมือทำงานหลายขั้นเอง

AI ที่ไม่ได้แค่ตอบ แต่ลงมือทำงานหลายขั้นเองจนจบ เช่น รับโจทย์ → วางแผน → ค้นข้อมูล → ใช้เครื่องมือ → ส่งผลลัพธ์ โดยเราแค่บอกเป้าหมาย — นี่คือสิ่งที่ Codex/Claude Code/Cowork เป็น

💡เทียบให้เห็นภาพ — จาก “ผู้ช่วยที่ตอบคำถาม” → “ลูกน้องที่รับงานไปทำจนเสร็จแล้วเอามาส่ง”

✓ทำไมต้องรู้ — ทิศทางที่ AI กำลังไป ทำงานแทนได้มากขึ้น แต่ยิ่งให้ทำเอง ยิ่งต้องกำหนดขอบเขตและตรวจผล

Computer / Browser Use

“AI ที่ลงมือทำแทน ไม่ใช่แค่บอก”

AI รุ่นใหม่ที่ควบคุมเมาส์ คีย์บอร์ด และเบราว์เซอร์ ลงมือทำงานบนหน้าจอแทนเราได้จริง ไม่ใช่แค่บอกขั้นตอน

💡เทียบให้เห็นภาพ — จาก “ผู้ช่วยที่บอกทาง” → “คนที่ลงมือขับรถให้”

✓ทำไมต้องรู้ — ทำงานซ้ำ ๆ บนคอมแทนเราได้ แต่ต้องคุมเรื่อง “สิทธิ์” (Permission) ว่าจะให้แตะอะไรได้บ้าง

Mode / Permission

ระดับสิทธิ์ที่อนุญาตให้ AI ทำเอง

การกำหนดว่าเรายอมให้ AI/agent ทำอะไรเองได้แค่ไหนก่อนต้องขออนุมัติ เช่น “ให้ดูอย่างเดียว” / “ให้แก้ไฟล์ได้” / “ให้ทำเองทั้งหมด” ยิ่งให้สิทธิ์มาก ยิ่งสะดวกแต่เสี่ยงมาก

💡เทียบให้เห็นภาพ — เหมือนให้กุญแจลูกน้อง ให้แค่กุญแจห้องเก็บของ หรือให้กุญแจทั้งบริษัท

✓ทำไมต้องรู้ — ก่อนปล่อยให้ AI ทำงานแทน เช็กเสมอว่าให้สิทธิ์แค่ไหน โดยเฉพาะงานที่แตะไฟล์จริง เงินจริง

28 คำแรก
ที่ทำให้คุย AI รู้เรื่องขึ้น

ไม่ต้องจำหมดทุกคำ แค่รู้จักหน้าค่าตา พอเจอจริงจะ “อ๋อ” เอง — เดี๋ยวมาต่อ Episode ถัดไป: ศัพท์ตอนองค์กรเอา AI มาใช้ + ตามข่าววงการ