NLM + Claude Code Skills — Combo ที่ไม่มีใครพูดถึง

ดู YouTube 10 คลิป แล้วได้ 5 Posts ใน 1 ชั่วโมง

ไม่ใช่เพราะพิมพ์เร็ว

แต่เพราะผมไม่ได้ "ดู" YouTube แบบปกติ — มี workflow ที่ทำให้ Research + Production วิ่งพร้อมกัน

นี่คือ combo ที่ผมใช้ทุกวัน และสังเกตว่ายังไม่มีใครพูดถึงการเอาสองอย่างนี้มาต่อกัน

ปัญหาของการ Research แบบเดิม

ถ้าทำ content อยู่ คุณน่าจะเจอปัญหานี้:

• ดู 10 คลิป = เสีย 10 ชั่วโมง
• จำได้แค่ 20% — สมองมีจำกัด
• Synthesis ไม่เกิด — เชื่อมจุดข้ามคลิปไม่ได้ดี
• ได้ 1 คลิป → สรุป 1 ความเห็น (มุมแคบ)

ผลคือ content ส่วนใหญ่มาจากคลิปเดียว แล้วเรียกว่า "research" ทั้งที่ภาพรวม topic ยังขาดอีกมาก

Pipeline ที่ใช้จริง

YouTube (7-10 คลิป) → NotebookLM → Claude Code Skills → 5 formats

ทั้ง pipeline ใช้เวลาประมาณ 1 ชั่วโมง แทน 8-10 ชั่วโมงแบบเดิม

Step 1: NotebookLM — Research Engine

NotebookLM คือ tool จาก Google ที่ทำให้คุณ:

1. Add YouTube URL → NLM อ่าน transcript อัตโนมัติ ฟรี
2. ถามคำถาม ข้ามทุก source พร้อมกัน
3. ได้ synthesis ที่เชื่อมจุดข้ามทุกคลิป

ต่างจากการดู YouTube ปกติตรงที่ — NLM ไม่ลืม ไม่เมื่อย และเชื่อมจุดได้ดีกว่าสมองมนุษย์

3 คำถามที่ใช้ทุกครั้ง

เมื่อ add คลิปครบแล้ว ผมถาม NLM 3 คำถามนี้เสมอ:

1. "ภาพรวมของ topic นี้ตาม [N] คลิปที่ add ไว้?"
2. "มีมุมหรือ insight ที่คนไม่ค่อยพูดถึง มีอะไรที่ยังขาดอยู่?"
3. "ตัวเลขหรือ data ที่น่าสนใจที่สุดจากทุก source?"

คำถามที่ 2 สำคัญที่สุด — มันหา Unique Angle ที่ทำให้ content ของเราต่างจากคนอื่นที่ดูคลิปเดียวกัน

Step 2: Claude Code Skills — Production Engine

Skills = ไฟล์ SKILL.md ที่สอน Claude ว่าต้องทำอะไรในแบบเฉพาะของเรา

ต่างจาก prompt ปกติตรงที่ consistent — สั่งครั้งเดียว ได้ผลลัพธ์เดิมทุกครั้ง ไม่ต้องพิมพ์ instructions ซ้ำ

Skills ที่ใช้ใน Content Pipeline

เมื่อมี NLM insights แล้ว → ส่ง brief ให้ Skills → แต่ละ Skill ผลิต format ของตัวเอง

Step 3: จาก 1 NLM Insight → 5 Formats

จาก insights ชุดเดียว Skills ผลิตได้ทั้งหมด:

รวม: ประมาณ 55 นาที สำหรับ content ที่ปกติใช้ทั้งวัน

ทำไม Combo นี้ถึงไม่มีใครพูดถึง?

สิ่งที่ผมสังเกตคือ:

• NLM users ส่วนใหญ่ใช้เพื่อ research อย่างเดียว ไม่ต่อ production
• Claude Code users ส่วนใหญ่เริ่มจาก brief เปล่า ไม่มี research engine ข้างหลัง

คนที่รู้จัก NLM มักไม่รู้จัก Claude Skills คนที่รู้จัก Claude Skills มักยังใช้ Google/YouTube แบบเดิมสำหรับ research

แต่ถ้าเอาสองอย่างมาต่อกัน:

NLM = Research Engine → Claude Skills = Production Engine Research + Production วิ่งพร้อมกัน = Scale ได้จริง

ตัวเลขจริงจาก Post #27

Post นี้เอง ผลิตจาก workflow ที่มันเล่าถึง:

• 7 คลิป YouTube add ลง NLM
• 3 คำถาม synthesis ที่ถาม NLM
• 5 Skill calls ผลิต 5 formats
• เวลารวม: ~55 นาที

ถ้าไม่ใช้ pipeline นี้: ประมาณ 8-10 ชั่วโมง

Research quality ก็ดีกว่าด้วย เพราะ synthesis ข้าม 7 คลิปได้จริง ไม่ใช่แค่ดูคลิปเดียวแล้วเขียน

ลองทำตามได้เลย

ขั้นตอนที่ 1: เริ่มต้นกับ NLM

1. ไป https://notebooklm.google.com
2. สร้าง notebook ใหม่สำหรับ topic ที่สนใจ
3. Add source → YouTube URL (ไม่ต้องดาวน์โหลด transcript เอง)
4. ทำซ้ำ 7-10 คลิป

ขั้นตอนที่ 2: ถาม 3 คำถาม Synthesis

คำถาม 1: "ช่วยสรุปภาพรวมของ [TOPIC]
จากทุก source ที่มีใน notebook นี้"

คำถาม 2: "มีมุมหรือ insight เกี่ยวกับ [TOPIC]
ที่คนไม่ค่อยพูดถึง หรือมีอะไรที่ยังขาดอยู่
จากการวิเคราะห์ทุก source?"

คำถาม 3: "ตัวเลข สถิติ หรือ data
ที่น่าสนใจที่สุดจากทุก source?"

ขั้นตอนที่ 3: ต่อกับ Claude Code Skills

ถ้ามี Claude Code แล้ว — เอา NLM insights มาเป็น brief แล้วเรียก Skills:

# ในการสนทนากับ Claude Code
/short-video-script [NLM insights เป็น brief]
/presentation-builder [NLM insights เป็น brief]

ถ้ายังไม่มี Skills — แค่ paste NLM insights เข้า Claude.ai แล้วบอกว่าอยากได้ format อะไร ก็ได้ผลที่ดีกว่าเริ่มจากเปล่ามาก

สิ่งที่ NLM ทำได้ที่ YouTube ปกติทำไม่ได้

บทสรุป

การ research แบบเดิม คือดูทีละคลิป ไม่ได้ synthesis ใช้เวลามาก และได้ผลที่ขึ้นกับว่าจำอะไรได้บ้าง

NLM + Claude Code Skills เปลี่ยนสมการนี้:

• NLM → อ่านทั้งหมด ถามได้ทุกอย่าง synthesis ข้าม 10 คลิปใน 1 นาที
• Skills → ผลิต content จาก insights อัตโนมัติ consistent ทุกครั้ง
• ผลลัพธ์ → Research + Production pipeline ที่ scale ได้จริง

สองอย่างรวมกัน = คนเดียวทำงานได้เท่ากับทีม 5 คน

ลองเริ่มจาก NLM ก่อน ไม่ต้องมี Skills ก็ได้ แค่เอา 7 คลิปใส่ notebook แล้วถาม 3 คำถามที่บอกไว้ รับรองว่า research ดีขึ้นทันที

Workflow นี้คือสิ่งที่เราใช้จริงทุกวันที่ DopeLab — Post #27 นี้เอง ผลิตโดย pipeline ที่มันเล่าถึง