ช่วงนี้ใครใช้ AI ช่วยทำงานน่าจะเจอคำแนะนำเรื่อง “เขียน prompt ให้ดี” บ่อยมาก แต่คำว่า prompt ที่ดีไม่ได้หมายถึงประโยคที่สวยหรือคำสั่งที่ยาวเสมอไป แก่นจริงๆ คือการบอก AI ให้เข้าใจงานเหมือนคนที่เรากำลัง brief งานอยู่ วันนี้ผมเอาคู่มือจาก Google Workspace มาแนะนำ ซึ่งดีมากครับ ชื่อ Writing effective prompts เขาอธิบายไว้ค่อนข้างง่าย โดยเฉพาะสำหรับคนที่ใช้ Gemini (เจ้าอื่นๆก็ได้นะ อย่าง ChatGPT, Claude) ใน Gmail, Docs, Sheets หรือเครื่องมือทำงานประจำวัน แนวคิดหลักไม่ได้ซับซ้อน แต่เอาไปใช้จริงแล้วช่วยให้คำตอบดีขึ้นเยอะ
Author Archives: iFew
Loop Engineering: 3 ลูปที่ทำร่วมกับ AI Agent เพื่อสร้าง Product ได้จริง
สรุปแนวคิด Loop Engineering จาก Andrew Ng: agentic coding loop, developer feedback loop และ external feedback loop ที่ทำให้ AI agent ช่วยสร้าง product ได้จริง
go above and beyond : ทำเกินหน้าที่ คุ้มหรือเจ็บ?
ผมเชื่อว่าหลายคนคงเคยเจอสถานการณ์แบบนี้ครับ งานตรงหน้าไม่ใช่งานของเราแท้ๆ แต่พอเห็นแล้วรู้สึกว่าถ้าปล่อยไว้ มันน่าจะช้ากว่าเดิม เลยยื่นมือเข้าไปช่วยเอง บางครั้งมันเริ่มจากความหวังดี บางครั้งเริ่มจากความคันมือของคนทำงานสายแก้ปัญหาแบบเราๆ นี่แหละ เห็นอะไรไม่ลื่นก็อยากจัดให้มันลื่นขึ้นอีกนิด ปัญหาคือโลกการทำงานชอบเล่าเรื่องนี้แบบสวยเกินจริง เหมือนแค่ go above and beyond แล้วทุกอย่างจะดีเอง ทั้งเติบโต ได้โปรโมต ได้รับการยอมรับ แต่ในชีวิตจริง มันไม่ตรงไปตรงมาขนาดนั้นครับ บางครั้งมันคุ้มมาก บางครั้งก็พาเราไปสู่ burnout แบบงงๆ เหมือนกัน
LLM Wiki : คลังความรู้ส่วนตัว ตามแบบฉบับของ Karpathy
ช่วงนี้เห็นคนรอบตัวทำระบบ Second Brain หลายท่าน เอาไว้เก็บข้อมูลความรู้ที่ตัวเองสนใจ หรืออะไรบางอย่างที่อยากบันทึกไว้จดจำเพื่ออ่านภายหลัง แต่ในโพสต์นี้ผมขอข้ามเรื่องนี้ไปก่อน แต่ที่ผมชอบและให้ความสนใจมากๆ คือ มีการนำแนวคิด LLM Wiki ของ คุณ Andrej Karpathy มาใช้ (บิดาผู้ตั้งชื่อ Vibe Coding) ซึ่งตัวแนวคิดเองค่อนข้างเรียบง่าย แต่มีระบบระเบียบ และการนำมาพัฒนาใช้งาน ก็ง่ายไม่ต่างกัน ซึ่งช่วงนี้หากใครเคยเห็นหรือได้ยินคำว่า Knowledge Graph หรือแอพชื่อ Obsidian แล้วหละก็ เขามักเอามาทำใช้กับ LLM Wiki นี่เอง Karpathy เขาไม่ได้มอง knowledge base เป็นแค่ถังเก็บไฟล์ แล้วให้ AI LLM ไปค้นคำตอบเท่านั้น แต่เขามองมันเหมือนวิกิที่มี LLM ค่อยๆ ดูแลและบ่มเพาะให้โตและดีขึ้นเรื่อยๆ ซึ่งบทบาทของ LLM จะเปลี่ยนไปทันที จากเครื่องตอบคำถาม ไปเป็นผู้ช่วยจัดระเบียบ สรุป เชื่อมโยง และทำให้ความรู้ทั้งระบบมีความฉลาดขึ้นตามการเพิ่มข้อมูลของเราไปเรื่อยๆ
Spec-Driven Development ในยุค AI จะช่วยทีมทำงานได้เร็วขึ้น?
AI ทำให้การเขียนโค้ดเร็วขึ้นก็จริง แต่คอขวดใหม่ของทีมซอฟต์แวร์กลับย้ายไปอยู่ที่ requirement, context และความเข้าใจร่วม บทความนี้ชวนมอง Spec-Driven Development ว่าอาจเป็นภาษากลางที่ทีมเทคไทยต้องมี ถ้าอยากใช้ AI ให้คุ้มกว่าการแค่พิมพ์ไวขึ้น