หลังจากที่ใช้งาน AI Agent for Coding จากที่ต่าง ๆ กันมาเยอะแล้วเช่น Claude Code, GitHub Copilot, Codex, Cursorดังนั้นว่าง ๆ แนะนำให้ลองกลับมาที่ความรู้พื้นฐานว่า AI Agent นั้นพื้นฐานมันมีอะไรบ้าง ?โดยเรียนตาม outline จาก course ของ Vercel :: Build Your Own AI Coding Agent Harness
จากรายงานเรื่อง GitSpawn: Malicious Git Configs Hijack AI Coding Agents นั้นพบว่าถ้าใครก็ตามทำการ download code มาจาก internet ทั่วไปหรือจะ web ที่ไม่น่าไว้ใจแล้วนำมาเปิดด้วย AI Agent ต่าง ๆ แล้วอาจจะทำให้เกิดปัญหาตามมาได้
หนึ่งในปัญหาของการพัฒนาระบบงานด้วย AI Agent for coding ที่มักจะเจอคือ requirement ใหญ่เกินไป กว้างเกินไป ขาดรายละเอียด หรือ ละเอียดจนลง technical มากเกินไปส่งผลทำให้มีการทำงานมากเกินไป ทั้งการ planทั้งจำนวน turn ในแต่ละ session มีมากส่งผลให้มีการใช้งาน context ที่มาก หรือ token มากเกินไป
ทาง JetBrains ได้ปล่อย Modern Go Guidlines ออกมามีเป้าหมายเพื่อช่วยให้ AI Agent ต่าง ๆ ผ่าน plugin และ skillsเพื่อ generate code ในภาษา Go ให้ตรงตาม idiom และ up-to-date ตาม feature ใหม่ ๆ ที่ปล่อยออกมาใน Go 1.27 หรือจะใช้งานผ่าน toolchain ชื่อว่า modernize เป็น modernize analyzer ตัวใหม่ซึ่งทำการแก้ไข code ให้เราได้เลยลองใช้งานกันดู
จากบทความเรื่อง AI Engineering Skills Map ที่ผ่านมา ของ DeepLearning.AIได้เพิ่ม skill ย่อยที่จำเป็นในส่วนของ Software Engineering Fundamentals เข้ามาประกอบไปด้วย มาดูรายละเอียดกันหน่อย
ถ้าใครดู LIVE: Uncle Bob on Software Fundamentals in the Age of AI กับคุณ Matt Pocockจะมีสิ่งหนึ่งที่น่าสนใจคือ แนวทางในการตรวจสอบสิ่งที่ AI สร้างขึ้นมายิ่งเป็น source code ด้วย ว่ามันมีคุณภาพ และ ทำงานได้ตามที่ต้องการหรือไม่ ?แน่นอนว่า ถ้า code ไม่เยอะ คนเราน่าจะ review เองได้แต่ชีวิตจริงมันเยอะมาก ๆ ดังนั้น จำเป็นต้องมีเครื่องมือมาช่วยนั่นเอง
ในช่วงวันหยุดมีเวลาว่าง เลยลองมาอ่านและสรุปจากเอกสารของ Googleชื่อว่า The New SDLC With Vibe Codingทำอธิบายว่า AI เข้ามาเปลี่ยนแปลงขั้นตอนการพัฒนาระบบงานอย่างไรซึ่งเรามักจะเริ่มจาก Software Development Life Cycle (SDLC) ประกอบไปด้วย โดยเข้ามาเพื่อแก้ไขปัญหาและได้สร้างปัญหาใหม่ ๆ ขึ้นมา
ทาง Cloudflare ทำการปล่อย Kitesurf beta version ออกมาให้ลองใช้งานซึ่งเป็น web browser ตัวใหม่ที่ทำงานบน workersและแน่นอนว่าถูกออกแบบมาสำหรับ AI Agent โดยเฉพาะ
ปัญหาที่ตัวผมเองเจอประจำ ยิ่งช่วงนี้ต้องเขียน และ generate test script ตาม test cases ที่ออกแบบด้วย Playwright นั่นก็คือการหาและตรวจสอบว่า locator ของ element ที่ต้องการเข้าถึงว่ามีอะไรบ้าง ?ทำตาม หรือ ตั้งชื่อตามที่ออกแบบไว้หรือไม่ ?และถ้าต้องใช้ AI Agent ทำการสร้าง test script ขึ้นมา จะต้องเตรียม context ให้อย่างไร ?ถึงจะเกิดประโยชน์สูงสุด และ ไม่เปลือง token มากเกินไป
จากการเปลี่ยนแปลง Specification ของ MCP 2026-07-28 หรือ MCP 2.0ซึ่งเป็นการเปลี่ยนแปลงครั้งใหญ่จากการทำงานแบบ Stateful มาเป็น Statelessโดยพื้นฐานของ MCP (Model Context Protocol) นั้นคือ protocol มาตรฐาน เกิดมาตั้งแต่ปี 2024 โดย Anthropic (Agent Skills ก็มาจากที่นี่)ในการ expose tool ต่าง ๆ เพื่อทำงานร่วมกับ AI Agent หรือ LLM Agent framework ต่าง ๆซึ่งก่อนหน้า MCP มันคือ tool/function calling นั่นเอง ตัว MCP tool นั้นช่วยให้ง่ายต่อการควบคุม audit และการใช้งาน LLM model