ช่วงนี้ผมเจอวิกฤติกับ Claude Code อยู่พอสมควรครับ ทั้งปัญหา hallucinate แล้วก็ token ที่ไหลรัวๆ จนเลยทำให้ผมต้องหนีไปลองใช้เจ้าอื่นเยอะขึ้นในช่วงที่ผ่านมา เลยถือโอกาสมาแชร์ประสบการณ์จากการเอา AI ขึ้นโปรเจกต์หลายตัว
อย่างแรกเลย เรื่อง hallucinate ผมว่าวิธีแก้ที่ได้ผลที่สุดไม่ใช่การหา model แรงๆ แต่เป็นการวางกรอบให้มันชัด แตก task ให้เล็กลง แล้วให้มันทำทีละก้อนที่เราตรวจได้ พอ scope เล็กลง โอกาสที่มันจะมั่วก็น้อยลงตามไปด้วย
อย่างที่สอง เรื่อง token ไหล ผมเรียนรู้ว่าไม่ต้องเอา model ฉลาดสุดมาทำทุก task เพราะบาง task มันเป็นแค่งาน orchestrate หรืองานซ้ำๆ ที่ใช้ model ถูกๆ ก็จบได้ การ switch ไปใช้ตัวที่ token ถูกในจังหวะที่เหมาะสม ช่วยประหยัดได้เยอะมาก
อย่างที่สาม การไม่ยึดติดกับ model เดิม มันทำให้เราสบายใจขึ้นเยอะ เวลาตัวนึงมีปัญหาหรือติด limit เราก็ย้ายไปตัวอื่นได้เลย ไม่ต้องรอ ไม่ต้องหยุดงาน
ยาวไปไม่อ่าน สรุปก็คือ:
- แก้ hallucinate ด้วยการวางแผนและแตก task ให้เล็ก ตรวจได้ทีละก้อน ไม่ใช่ด้วยการหา model ที่แรงขึ้นอย่างเดียว
- ประหยัด token ด้วยการเลือก model ให้เหมาะกับงานแต่ละ task ไม่ต้องใช้ตัวแพงสุดทุกครั้ง
- อย่ายึดติดกับ model เดียว มีหลาย option ไว้ พอตัวนึงมีปัญหาก็ switch ได้ทันที
Lately I’ve been hitting a real rough patch with Claude Code — both hallucination and runaway token burn — to the point that I’ve been escaping to other tools a lot more recently. So I figured I’d take the chance to share what I learned from shipping several projects with AI.
First, on hallucination: I think the most effective fix isn’t hunting for a more powerful model — it’s setting clear boundaries, breaking tasks into smaller pieces, and having the model do one checkable chunk at a time. The smaller the scope, the lower the chance it goes off the rails.
Second, on token drain: I learned you don’t need to throw the smartest model at every task. Some tasks are just orchestration or repetitive work that a cheap model can finish fine. Switching to a model with cheap tokens at the right moment saves an enormous amount.
Third, not being locked into the same old model makes life much calmer. When one model has a problem or hits a limit, you just move to another — no waiting, no stopping the work.
TL;DR:
- Fix hallucination through planning and breaking tasks down small enough to check piece by piece — not just by reaching for a stronger model.
- Save tokens by matching the model to each task; you don’t need the most expensive one every time.
- Don’t tie yourself to a single model — keep several options so you can switch instantly when one acts up.
