จาก AI ที่เขียนโค้ดได้ → สู่ AI ที่ทำงานได้ทั้งระบบ: แล้วเราจะวางบทบาท “คน” ตรงไหนกันดี?

เมื่อ 3-4 เดือนก่อนหลายคนตื่นเต้นกับ AI ที่เขียนโค้ดได้ เก่งเหมือน Junior Dev ทำตามคำสั่งได้ดี เข้าใจ syntax, เข้าใจ framework แต่…❌ มักจะผิดเพราะ “ไม่เข้าใจบริบท”❌ ไม่รู้ว่าโค้ดนี้เชื่อมกับระบบไหน❌ ไม่เข้าใจเป้าหมายที่แท้จริงของฟีเจอร์ นั่นแหละคือเหตุผลที่ยังต้องมี “มนุษย์” มาทำหน้าที่เป็นเหมือน Senior Programmer✅ ตรวจสอบ✅ รีวิวโค้ด✅ แก้ให้เข้าเป้า แต่วันนี้โลกเปลี่ยนอีกครั้ง…จากการสั่งงานด้วย prompt สั้น ๆ → สู่ Context Engineering ที่ให้ AI เข้าใจงานลึกเหมือนมี “ระบบงานทั้งชุด” อยู่ในหัว หลายคนเริ่มพูดถึงการเขียน📄 PRD (Product Requirement Document)📄 SDD (Spec-Driven Development)📄 Task Management เพื่อส่งให้ Agentic AI ทำงานเป็นชุดเหมือนมี “ทีมงานลับ” ที่ไม่หลับไม่นอน …

งูๆ ปลาๆ กับ Context Engineering เพื่อทำระบบคิดราคาซูชิ (Kaiten Share Calculator)

คราวก่อนที่ปล่อยระบบ คิดราคาซูชิ หรือ Kaiten Share Calculator ไป จากการใช้ Claude Code พัฒนา ก็มีเพื่อนๆ เข้ามาลองเล่นเยอะพอสมควร, เพิ่งจะได้มีเวลามานั่งเขียนเล่า โค้ดก่อนๆ ผมทดสอบเขียน โดยใช้วิธีการสั่งให้ทำทีละลำดับตาม Prompt ที่ให้ไป เมื่อโปรแกรมเขียนเสร็จ ผมจึงใหห้ AI ทำการสรุปฟีเจอร์ วิธีการติดตั้ง โครงสร้างระบบทั้งหมดออกมาเป็น README.md แต่ตัวนี้กลับกัน ผมลองอีกวิธีหนึ่ง ที่เพิ่งมารู้ตอนหลังว่าเรียกว่า Context Engineering คือผมเขียน README.md ก่อน เพื่อร่ายยาว Requirement และบอกรายละเอียดต่างๆ จากนั้นค่อยให้ AI มาทำการอ่านไฟล์นั้นและเขียนมาให้ผมตาม Spec ในครั้งเดียว ซึ่งผลลัพธ์ที่ได้คือทำงานได้ถูกต้องและแสดงผลตามที่ผมต้องการเรียกได้ว่า 95% เลยทีเดียว ส่วนอีก 5% ที่เหลือคือ เรื่องของ UX/UI ที่ผมไม่ได้ใส่รูปตัวอย่างเข้าไปให้มัน กับ พบบั๊กบางส่วนเรื่องของการคำนวณเงิน ภาษี แต่แค่นี้ก็เรียกได้ว่า …

Exit mobile version