หนึ่งในปัญหาของการพัฒนาระบบงานด้วย AI Agent for coding ที่มักจะเจอ
คือ requirement ใหญ่เกินไป กว้างเกินไป
ขาดรายละเอียด หรือ ละเอียดจนลง technical มากเกินไป
ส่งผลทำให้มีการทำงานมากเกินไป
ทั้งการ plan
ทั้งจำนวน turn ในแต่ละ session มีมาก
ส่งผลให้มีการใช้งาน context ที่มาก หรือ token มากเกินไป
ส่งผลให้การใช้งาน token จะเต็ม limit เร็วมาก ๆ
แต่การแก้ไขปัญหามักจะไม่ตรงจุดเท่าไร เช่น
- การใช้ RTK เพื่อลด token ของ output ใน command line
- ทำการ compact หรือ สรุป historical
- หรือจะใช้เครื่องมือต่าง ๆ มาช่วย เช่น caveman, ponytail และ claude-context เป็นต้น
ดังนั้นสิ่งที่แนะนำคือ การ back to basic คือ การแบ่งงาน(work-break-down) นั่นเอง
ยกตัวอย่างเช่น
แทนที่จะเขียนเป็น feature ใหญ่ ๆ
ลองแบ่งเป็นงานย่อย ๆ ดีกว่าหรือไม่
เพื่อลดจำนวน token/context
และลดจำนวน turn ในแต่ละ session ลงไป
เช่นแบ่งเป็น Frontend spec และ Backend spec ออกจากกัน
แต่มี contract หรือ api specification ที่ใช้เชื่อมต่อ หรือ ทำงานร่วมกัน
หรือถ้ามีอะไรที่เหมือนกัน ก็เก็บไว้ตรงกลาง
เช่น security concern ต่าง ๆ performance และ validation เป็นต้น
เมื่อแบ่งได้ดีแล้ว
เราสามารถออกแบบ Sub-agent และ Agent Skills ที่เหมาะสมกับงานได้ง่ายขึ้น
และแน่นอนว่า สิ่งต่าง ๆ ที่ทำนั้น ทั้งคน และ AI Agent ก็เข้าใจ !!
