ชุมชนนักพัฒนาซอฟต์แวร์กำลังพูดถึงแนวทางใหม่ในการเขียนโค้ดด้วยความช่วยเหลือของ AI ที่แสดงอัตราความสำเร็จที่น่าทึ่ง แทนที่จะนำโมเดล AI ไปใช้กับโค้ดเบสแล้วหวังว่าจะได้ผลลัพธ์ที่ดี นักพัฒนากำลังค้นพบว่าการจัดการงานอย่างมีโครงสร้างสามารถสร้างความแตกต่างได้อย่างมาก
ความก้าวหน้าครั้งนี้มาจากการใช้ไฟล์ markdown เพื่อแบ่งโปรเจ็กต์การเขียนโค้ดที่ซับซ้อนออกเป็นชิ้นส่วนเล็กๆ ที่ AI agents สามารถจัดการได้อย่างมีประสิทธิภาพ วิธีการนี้ได้รับความสนใจหลังจากที่นักพัฒนาแบ่งปันประสบการณ์ของพวกเขาเกี่ยวกับอัตราความสำเร็จที่เพิ่มขึ้นอย่างมากเมื่อทำงานกับผู้ช่วยเขียนโค้ด AI
กระบวนการมีความสำคัญมากกว่าพลัง AI ดิบ
ข้อมูลเชิงลึกสำคัญที่ขับเคลื่อนแนวโน้มนี้คือความสำเร็จของการเขียนโค้ดด้วย AI ขึ้นอยู่กับวิธีการจัดระเบียบงานมากกว่าโมเดลที่ใช้ ความพยายามในช่วงแรกของการพัฒนาซอฟต์แวร์ด้วยความช่วยเหลือของ AI มักล้มเหลวเพราะนักพัฒนามักนำเสนอโค้ดเบสทั้งหมดให้กับโมเดล AI โดยไม่มีบริบทหรือโครงสร้างที่เหมาะสม
ผมเอา Claude Code ไปใช้กับโค้ดเบสที่มีอยู่เมื่อสองสามเดือนก่อนแล้วเลิกทำอย่างรวดเร็ว—การแก้ไขผลลัพธ์ของมันช้ากว่าการเขียนใหม่ตั้งแต่ต้น วิธีแก้ไขกลับกลายเป็นเรื่องของกระบวนการ ไม่ใช่พลังของโมเดล
วิธีแก้ไขคือการสร้างไฟล์ markdown แยกสำหรับแต่ละงานการเขียนโค้ด พร้อมด้วยบริบท ความต้องการ และแผนการดำเนินงาน สิ่งนี้ทำให้โมเดล AI ได้รับข้อมูลที่มีโฟกัสที่จำเป็นในการผลิตโค้ดที่มีประโยชน์ แทนที่จะหลงทางในโปรเจ็กต์ขนาดใหญ่และซับซ้อน
ความก้าวหน้าของอัตราความสำเร็จ:
- ความสำเร็จ 50%: README.md พื้นฐาน + CLAUDE.md สำหรับบริบทของโครงการ
- ความสำเร็จ 75%: ไฟล์ markdown แยกต่างหากสำหรับแต่ละงานพร้อมแผนการ
- ความสำเร็จ 95%+: เครื่องมือ CLI แบบเต็มรูปแบบพร้อมการสร้างงานอัตโนมัติ
เวิร์กโฟลว์สามขั้นตอนที่ได้ผล
นักพัฒนารายงานอัตราความสำเร็จสูงกว่า 95% โดยใช้แนวทางที่มีโครงสร้างสามขั้นตอน ขั้นแรก พวกเขาสร้างการแบ่งงานโดยละเอียดโดยใช้โมเดล AI เช่น GPT-4 หรือ Claude Opus ขั้นต่อไป พวกเขาสร้างแผนการดำเนินงานสำหรับแต่ละงาน อีกครั้งด้วยความช่วยเหลือของ AI แต่รวมถึงการตรวจสอบของมนุษย์ สุดท้าย พวกเขาใช้โมเดล AI เช่น Claude Sonnet เพื่อเขียนโค้ดจริงตามข้อกำหนดโดยละเอียดเหล่านี้
เวิร์กโฟลว์นี้มีความคล่องตัวมากจนนักพัฒนาบางคนสามารถจัดการฟีเจอร์ง่ายๆ ได้ทั้งหมดจากอุปกรณ์มือถือ โดยใช้แอปสมาร์ทโฟนในการสร้างงาน สร้างแผน และแม้กระทั่งรวมโค้ดที่เสร็จแล้วผ่านอินเทอร์เฟซมือถือของ GitHub
เวิร์กโฟลว์การเขียนโค้ดด้วย AI สามขั้นตอน:
- สร้างงาน - GPT-4/Claude Opus สร้างการแบ่งงาน → ตรวจสอบตนเอง
- สร้างแผน - เอเจนต์เดียวกันสร้างแผนการดำเนินงาน → มนุษย์ปรับแต่ง
- ดำเนินการ - Claude Sonnet/Codex เขียนโค้ด → ตรวจสอบและรวม
การยอมรับของชุมชนและความต้องการการผสานรวม
แนวทางนี้กำลังได้รับความนิยมในหมู่นักพัฒนาที่เคยประสบปัญหากับเครื่องมือเขียนโค้ด AI หลายคนกำลังมองหาวิธีการผสานรวมการจัดการงานแบบ markdown นี้เข้ากับระบบการจัดการโปรเจ็กต์ที่มีอยู่เช่น Jira โดยตระหนักถึงศักยภาพในการเชื่อมโยงเวิร์กโฟลว์ AI ส่วนบุคคลเข้ากับเครื่องมือการทำงานร่วมกันของทีม
ความสำเร็จของวิธีการนี้ชี้ให้เห็นว่าอนาคตของการพัฒนาซอฟต์แวร์ด้วยความช่วยเหลือของ AI ไม่ได้อยู่ที่โมเดลที่ทรงพลังมากขึ้น แต่อยู่ที่วิธีการที่ดีกว่าในการจัดโครงสร้างและนำเสนอปัญหาการเขียนโค้ดให้กับระบบ AI ที่มีอยู่ ขณะที่นักพัฒนายังคงปรับปรุงกระบวนการเหล่านี้ เราน่าจะเห็นเครื่องมือและเวิร์กโฟลว์ใหม่ๆ ที่ออกแบบมาโดยเฉพาะสำหรับการทำงานร่วมกันระหว่าง AI และมนุษย์ในการพัฒนาซอฟต์แวร์
อ้างอิง: Backlog.md