ในตอนนี้ AI Engineering Skills Map ได้ปล่อย
skill ในการใช้งาน Coding Agent ออกมา
ก่อนหน้านี้ประกอบไปด้วย
- ภาพรวมของ Skills map และ Building and deploying AI applications
- ว่าด้วยเรื่องของ Software Engineering Fundamentals
โดย skill นี้เป็นตัวหลักในการขับเคลื่อนการพัฒนา
ทั้งการเขียน code และงานที่ไม่ได้ coding
ยกตัวอย่างเช่น การวิเคราะห์ข้อมูล หรือ การจัดการต่าง ๆ
เพื่อช่วยให้งานที่ต้องการเสร็จสิ้นและมีคุณภาพนั่นเอง
มาดูในรายละเอียดกัน
สรุป AI Engineering Skills Map ทั้ง 4 หัวข้อ
เนื่องจาก Coding Agent นั้นมีการเปลี่ยนแปลงรวดเร็วมาก ๆ
รวมทั้ง model ต่าง ๆ ด้วยเช่นกัน แถมมี harness ที่แตกต่างกันไป
โดยมีเครื่องมือทั้ง Claude Code, Codex , Cursor
หรือจะเป็น opensource อย่าง OpenCode และ Pi
ดังนั้นความสามารถเรื่องนี้จึงจำเป็นมาก ๆ และต้องเรียนรู้แบบ continuous process
ตั้งแต่การทดลอง การสร้าง การทดสอบ การ deploy
เพื่อนำความรู้ จากการเรียนรู้และลงมือทำ มาประยุกต์และปรับปรุงให้ดีขึ้น
จากการสัมภาษณ์จาก AI Engineer ที่หลายหลาย
พบรูปแบบของการทำงานสำหรับการสร้าง software ที่คล้าย ๆ กันคือ
- การวางแผน เช่นการทำ brainstorm research การทดลอง เข้าใน code ของระบบ ลงมือเขียน spec ต่าง ๆ ของระบบ จากนั้นทำการสร้างแผนเพื่อใช้ในการลงมือทำ (ทำการ review)
- การลงมือทำ ตั้งแต่การสร้าง การทดสอบ และตรวจสอบการทำงาน ซึ่งต้องหาสมดุลระหว่างการทำงานระหว่าง AI กับคน
- การ deploy และ monitoring ในการ deploy จำเป็นต้องมีการสร้าง pipeline ในระบบ CI/CD รวมทั้ง human gate ด้วย จากนั้นเมื่อทำการ deploy ไปแล้ว สามารถใช้ AI Agent ในการ monitoring log/issue ต่าง ๆ เพื่อทำการแนะนำการแก้ไขและปรับปรุงต่อไป
จะเห็นได้ว่า ความสำคัญไม่ได้อยู่ที่การใช้งาน AI Agent ในการสร้างเท่านั้น
แต่มันคือ การควบคุมและตัดสินใจก่อนว่า จะสร้างอะไร
ออกแบบอย่างไร
มี architecture แบบไหน
ทำการเขียน spec ของงานที่ต้องการ
และท้ายที่สุด ทำการ verify ผลที่ออกมา และปรับปรุงแก้ไข
โดยในแต่ละขั้นตอนต้องการ feeback loop ที่รวดเร็ว
เพื่อให้ทำการแก้ไข และ ปรับปรุงได้อย่างรวดเร็ว
หรือให้ AI Agent เข้ามาช่วยวิเคราะห์ แก้ไข ก็ได้
ไม่ใช่ต้องรอจนกว่าจะจบเยอะ ๆ ถึงจะทำการ verify !!
จากข้อมูลต่าง ๆ เหล่านี้ จึงสามารถสรุปหัวข้อ skills ในการใช้งาน Coding Agent ไว้ดังนี้
- Directing the workflow
- Enabling agent autonomy
- Reviewing the work
- Customizing the agent and its environment
- Coding agent foundation
มี skill ที่น่าสนใจดังนี้
Directing the workflow
จำเป็นต้องรู้ workflow หรือลำดับขั้นตอนการทำงานตั้งแต่เริ่มจนจบ
เข้าใจว่าตรงไหนควรใช้ AI เป็นหลัก หรือคนเป็นหลัก
ซึ่งต้องมีความรู้พื้นฐานก่อนหน้านี้
เพื่อเลือก workflow ให้เหมาะกับงาน
ทั้งเรื่องของ speed การทำงาน
ทั้งเรื่องของค่าใช้จ่าย
ทั้งเรื่องของ technical risk ต่าง ๆ
รวมทั้งการตัดสินใจเพื่อทำ research และการวางแผนต่าง ๆ เช่น
- การเลือก architecture
- การเขียนรายละเอียดต่าง ๆ ของงาน เช่น spec เป็นต้น
- การแบ่งงานใหญ่ ๆ ออกเป็นงานเล็ก ๆ ว่าต้องทำอย่างไร
- การ verify ผลของการทำงานในแต่ละขั้นตอน ว่าต้องเป้นอย่างไร อะไรบ้าง ใช้งาน AI หรือ คน
Reviewing the work
ผลที่ได้จาก Coding Agent นั้นมันไม่แน่นอน (ได้ผลไม่เคยเหมือนเดิม)
เราจะมั่นใจได้อย่างไรว่า
code เหล่านั้นจะไม่มีข้อผิดพลาด จะไม่มีปัญหาด้าน performance และ security
ดังนั้นการ verify จึงมีความจำเป็นอย่างมากในแต่ละขั้นตอน
เราควรต้องทำการออกแบบการ testing และ validation ที่เหมาะสมกับงานนั้น ๆ
ทั้ง functional และ non-functional
ทั้งใช้ คน
ทั้งใช้ automated workflow
ทั้งใช้ AI
Coding agent foundation
เป็นสิ่งสำคัญมาก ๆ ที่ต้องเข้าใจการทำงานของ Coding Agent แบบอย่างดี
เช่นอ่าน code อย่างไร ค้นหาอย่างไร
จัดการ context อย่างไร เพราะว่า context window มีอย่างจำกัด
เข้าใจการทำงานของการเพิ่ม tool, MCP ว่ามีผลต่อ context อย่างไร
การทำงานของ Agent และ Sub-agent
เข้าใจ harness ต่าง ๆ ของ Coding Agent นั้น ๆ
เพื่อช่วยให้เราเข้าใจ จัดการได้อย่างถูกต้อง เพื่อให้ได้งาน เพิ่มความเร็ว และลดค่าใช้จ่าย
ลองเรียนรู้และนำไปใช้งานกันดูครับ
