มีโอกาสได้แบ่งปันความรู้และประสบการณ์พื้นฐาน
เกี่ยวกับการนำ AI มาใช้ในการ coding (AI Agent for coding)
โดยได้แบ่งปันคร่าว ๆ ดังนี้
- ทำความเข้าใจเกี่ยวกับรูปแบบของการนำ AI มาใช้งาน
- ทำความรู้จักกับส่วนต่าง ๆ ของ AI Agent for coding
- ทำความเข้าใจกับเครื่องมือที่นำมาใช้ว่าเป็นอย่างไร เพื่อให้ต่อยอดได้ง่าย
- แนะนำเรื่องของ Spec-driven development (SDD)
มาเริ่มกันเลย
เรื่องแรกคือ รูปแบบของการ AI มาใช้ในการ coding
หรือนิยมเรียกว่า vibe coding
โดย vibe coding จะมี 2 แบบหลัก ๆ คือ
- รูปแบบที่ 1 คือ pure vibe coding (ไม่จำเป็นต้องรู้หรือเข้าใจ code)
- รูปแบบที่ 2 คือ responsible ai-assist coding (มีความรู้และประสบการณ์เกี่ยวกับ code)
ทั้งสองรูปแบบจะมีขั้นตอนที่แตกต่างกันพอสมควร
นั่นคืออยู่ที่เราต้องการนั่นเอง
แต่สิ่งที่ผมเน้นย้ำคือ การรู้และเข้าใจในสิ่งที่ต้องการ
รวมทั้งสิ่งที่ AI สร้างขึ้นมา
เพราะว่างานส่วนใหญ่มันคือ การดูแลรักษานั่นเอง
ส่วนสิ่งที่ AI ช่วยได้มาก ๆ คือ การขึ้น prototype หรือ PoC (Proof of Concept)
เพื่อให้เราเห็นภาพรวมได้ดี และ รวดเร็วมากขึ้น
จากนั้นค่อยว่ากันว่าจะทำอย่างไรต่อไป
เช่นการสร้าง Web UI จาก superdesign, v0 และ lovable เป็นต้น
และสุดท้ายเรายังคงต้อง test และ validate อยู่เสมอ
รูปแบบการทำงานจะเป็นเหมือนการทำ pair programming แบบ driver-navigator
คือ เราเป็นคนนำทาง ส่วน AI เป็นผู้ขับ
ดังนั้นคนนำทางที่ดี ก็ควรเคยขับมาเช่นกัน !!
เรื่องที่สองคือ การทำงานของ AI Agent แบบพื้นฐาน
โดยจะเน้นที่ AI Agent เพียงตัวเดียวก่อน ว่าประกอบไปด้วย
- LLM model เป็นเหมือนสมอง ซึ่งเลือกให้เหมาะกับงาน ทั้ง plan และ coding/implement
- Memory และ context management เป็นส่วนที่ต้องจัดการให้ดี เพื่อไม่ให้ไม่ลืม หรือ ไม่ทำงานซ้ำ ๆ ที่สำคัญเพื่อลดการใช้งาน token ลงไป ก็คือการเพิ่มความเร็ว และ ลดค่าใช้จ่ายลงไป
- Tools ต่าง ๆ ที่สามารถใช้งานได้ เพื่อเพิ่มความสามารถ เช่นการเชื่อมต่อระบบต่าง ๆ ผ่าน MCP (Model Context Protocol) เป็นต้น
ยกตัวอย่างเช่น การจัดการ memory และ context นั้น
จะพอใช้งาน memory แบบ local file
และ remote เช่น memory database, vector/graph database
รวมทั้งใช้งานผ่าน MCP
สิ่งที่อยากให้รู้และเข้าใจ คือ AI Agent ก็เหมือนตัวเราเอง
ต้องจดและจำสิ่งที่เคยทำมา ทั้งถูกและผิด
เพื่อให้การทำงานไหลลื่อ และ ถูกต้องตามที่ต้องการเสมอ
จึงได้แนะนำเรื่องพื้นฐานผ่าน Cline Memory Bank
ซึ่งน่าจะเป็นจุดเริ่มต้นที่ดี
และส่วนอื่น ๆ จะเริ่มลงรายละเอียดทั้งเรื่องของ
- Instruction, Rule, Prompt, Command หรือ workflow ต่าง ๆ ที่จะเป็น memory แบบ static
- Custom agent และ sub-agent เพื่อแบ่งความรู้เป็นส่วน ๆ ให้ง่ายต่อการจัดการ และ ลดขนาดของสิ่งที่ต้องทำลงไป
- Agent Skils ที่จะ load เข้ามาแบบ dynamic ตามการ conversation หรือการทำงานมากยิ่งขึ้น
เรื่องที่สามคือ การใช้งานเครื่องมือ AI Agent for coding
เนื่องจากเครื่องมือมีเยอะมาก ๆ
ดังนั้นในแต่ละ workshop จึงเน้นเป็นเรื่อง ๆ เป็น เช่น
- Claude code ใน CLI รวมทั้ง Claude flow
- GitHub Copilot Chat ใน VS Code
- Cline ใน VS Code
โดยแต่ละเครื่องมือแต่ละตัว สามารถใช้ความรู้พื้นฐานเดียวกันได้
แต่ก็ต้องไปปรับให้เข้าแต่ละเครื่องมืออีกที
ดังนั้นการเรียนรู็และทำความเข้าใจเครื่องมือจึงสำคัญ
เพื่อรีดความสามารถออกมาได้ดียิ่งขึ้น
ในส่วนนี้เลยพาลงทำ workshop ทั้ง frontend และ backend
รวมทั้งการออกแบบ workflow การทำงานของ AI Agent, Custom Agent และ sub-agent ด้วย
เรื่องที่สี่ น่าจะเป็นเรื่องสุดท้าย คือ Spec-Driven Development (SDD)
เป็นอีกแนวทางที่ได้รับความนิยมคือ Documentation-First
อธิบายสิ่งที่ต้องการให้ชัดเจนในระดับหนึ่ง
จากนั้นก็ break down ออกมา เช่น
- ระบุความต้องการ (requirement)
- ทำการเขียน specification ออกมา
- ทำการ plan การทำงานออกมา ไปจนเถึงการแตก task ออกมาว่าต้องทำอะไรบ้าง
- ลงมือ implement หรือ coding
- ทำการตรวจสอบ
- วนไป
โดยแนวทางนั้นมีหลากหลาย อยู่ที่เราจะวางแผนและออกแบบ
เราสามารถทำเองก็ได้ เช่นสร้าง Sub-agent หรือ Custom agent มาใช้เอง
หรือจะใช้เครื่องมือสำเร็จรูปก็ได้ เช่น
- Spec-kit
- Kiro
- OpenSpec
แต่สิ่งที่สำคัญมาก ๆ คือ การเขียนความต้องการของเรา
ยิ่งละเอียดก็ยิ่งดี เพื่อไม่ให้มันออกนอกกรอบที่เราควบคุมได้มากนัก
แต่บางคน หรือ บางสถานการณ์ ก็เขียนกว้าง ๆ แล้วรอดูผลก็ได้ ไม่ว่ากัน
แต่ผมชอบใช้แบบแรก
โดยมักจะเขียนเป็นรูปแบบของ diagram as code มาก ๆ เช่น
- Architecture diagram
- Mermaid diagram
- Database Markup Language
รวมทั้งก็ modeling สิ่งต่าง ๆ ออกมาในรูปแบบที่เป็นมาตรฐานมาก เช่น
- API spec เช่น OpenAPI/Swagger และ AsyncAPI
- UML diagram
- Acceptance criteria
- User Interface Design, Design guideline
- Best practices ต่าง ๆ ทั้ง Do and Don’t
ซึ่งผลที่ได้นั้น จะช่วยปรับปรุงสิ่งที่ AI Agent สร้างขึ้นมา
ให้ตรงตามที่เราต้องการ และ มีคุณภาพมากยิ่งขึ้น
และในแต่ละขั้นตอนเราต้องทำการตรวจสอบก่อนเสมอ !!
แต่สุดท้ายก็อย่างเชื่อ แต่ให้ลองด้วยตัวเอง
เพื่อค้นหาแนวทางที่เหมาะสมกับตัวเราเอง กับทีม และ บริษัทต่อไป
ขอให้สนุกกับการ coding ครับ
