ชุมชนนักพัฒนากำลังถกเถียงกันอย่างกว้างขวางเกี่ยวกับประสิทธิภาพของ AI coding agents หลังจากผู้ก่อตั้ง startup แห่งหนึ่งแชร์ประสบการณ์การสร้างเว็บไซต์ใหม่โดยใช้ Claude Code CLI ในขณะที่นักพัฒนาบางคนรายงานถึงการเพิ่มขึ้นของประสิทธิภาพการทำงานอย่างมีนัยสำคัญ คนอื่นๆ กลับชี้ให้เห็นข้อจำกัดร้ายแรงที่ต้องการการจัดการและการดูแลอย่างระมัดระวัง
การจัดการ Context กลายเป็นปัจจัยสำคัญต่อความสำเร็จ
หนึ่งในความท้าทายที่ถูกพูดถึงมากที่สุดคือการจัดการ context window ของ AI agent อย่างมีประสิทธิภาพ นักพัฒนาจำนวนมากพบว่าการล้าง context บ่อยๆ ระหว่างงานต่างๆ จะป้องกันไม่ให้ agent ทำการเปลี่ยนแปลงที่ไม่เกี่ยวข้องหรือสับสนเกี่ยวกับงานก่อนหน้า ผู้ใช้บางคนแนะนำให้สร้างไฟล์ markdown แยกต่างหากสำหรับขั้นตอนการวิจัย การวางแผน และการนำไปใช้ จากนั้นล้าง context ระหว่างแต่ละขั้นตอนเพื่อรักษาความมุ่งมั่น
อย่างไรก็ตาม แนวทางนี้ได้จุดประกายการถกเถียง นักพัฒนาบางคนชอบการรักษาการสนทนาที่ยาวนานขึ้น โดยโต้แย้งว่า agent ทำงานได้ดีกว่าเมื่อมันเก็บ context เกี่ยวกับ codebase ไว้ การแลกเปลี่ยนดูเหมือนจะเป็นระหว่างการดำเนินงานที่มุ่งเน้นและการรักษาความเข้าใจที่กว้างขึ้นเกี่ยวกับโครงการ
ขั้นตอนการทำงานที่แนะนำสำหรับ AI Coding Agent:
- สร้างไฟล์ research.md สำหรับการวิเคราะห์โค้ดเบส
- ล้างหน้าต่างบริบท
- สร้าง project.md พร้อมแผนการดำเนินงาน
- ล้างหน้าต่างบริบทอีกครั้ง
- สร้าง plan.md แบบทีละขั้นตอน
- ดำเนินงานแต่ละภารกิจโดยล้างบริบทระหว่างขั้นตอน
- ใช้ตัวแทนเฉพาะทางสำหรับแต่ละช่วงที่แตกต่างกัน (การวิจัย การวางแผน การดำเนินงาน การตรวจสอบ)
การควบคุมคุณภาพต้องการการดูแลจากมนุษย์อย่างต่อเนื่อง
ชุมชนเน้นย้ำอย่างสม่ำเสมอว่า AI coding agents ไม่สามารถไว้วางใจได้กับโค้ดการผลิตโดยไม่มีการดูแลอย่างใกล้ชิด นักพัฒนาหลายคนรายงานกรณีที่ agents ทำการเปลี่ยนแปลงส่วนที่ไม่เกี่ยวข้องโดยสิ้นเชิงของแอปพลิเคชันหรือสร้างโค้ดที่มีโครงสร้างไม่ดีซึ่งสร้างฝันร้ายในการบำรุงรักษา
นักพัฒนาคนหนึ่งอธิบายถึงการรับช่วงโครงการ React ที่มีมากกว่า 20,000 บรรทัดซึ่งถูกสร้างโดย AI 95% โดยเรียกมันว่าฝันร้ายที่ค่อนข้างยากที่จะแก้ไขเนื่องจากการแยกความกังวลที่ไม่ดีและการจัดการข้อมูลที่กระจัดกระจายไปตามชั้นต่างๆ ของแอปพลิเคชัน
ปัญหาทั่วไปที่มีการรายงาน:
- เอเจนต์ทำการเปลี่ยนแปลงไฟล์ที่ไม่เกี่ยวข้อง
- โครงสร้างโค้ดที่แย่และการแยกส่วนงานที่ไม่ชัดเจน
- ข้อจำกัดของหน้าต่างบริบทที่ทำให้งานถูกขัดจังหวะ
- ความยากลำบากในการรักษาโฟกัสตามข้อกำหนดเฉพาะ
- โค้ดที่สร้างขึ้นต้องการการทำความสะอาดและปรับโครงสร้างใหม่อย่างมาก
- คุณภาพการตอบสนองที่ไม่สม่ำเสมอแตกต่างกันไปตามชั่วโมง/วัน
การเพิ่มประสิทธิภาพแตกต่างกันอย่างมากตามกรณีการใช้งาน
แม้จะมีความท้าทาย นักพัฒนาบางคนรายงานการปรับปรุงประสิทธิภาพการทำงานที่น่าทึ่ง งานง่ายๆ ที่มีการกำหนดชัดเจนพร้อมข้อจำกัดที่ชัดเจนดูเหมือนจะทำงานได้ดีที่สุดกับ AI agents ปัจจุบัน นักพัฒนาที่ทำงานกับฟีเจอร์ที่แยกออกมาหรือโครงการ greenfield มักจะเห็นผลลัพธ์ที่ดีกว่าผู้ที่บำรุงรักษา codebase ที่มีอยู่ซึ่งซับซ้อน
เทคโนโลยีนี้ดูเหมือนจะมีประสิทธิภาพเป็นพิเศษสำหรับการสร้าง boilerplate code และการนำไปใช้การออกแบบจากเครื่องมืออย่าง Figma ที่ความต้องการชัดเจนในแง่ภาพและขอบเขตถูกกำหนดไว้อย่างดี
เครื่องมือ AI สำหรับการเขียนโค้ดยอดนิยมที่ได้รับการกล่าวถึง:
- Claude Code CLI - เอเจนต์การเขียนโค้ดแบบ command-line ของ Anthropic
- Cursor - โปรแกรมแก้ไขโค้ดที่ขับเคลื่อนด้วย AI พร้อมการจัดการบริบท
- Cline - ส่วนขยาย VS Code สำหรับช่วยเหลือการเขียนโค้ดด้วย AI
- Codex - เอเจนต์การเขียนโค้ดของ OpenAI (ได้รับการปรับปรุงเมื่อเร็วๆ นี้)
- Zed - โปรแกรมแก้ไขโค้ดที่มีการรวม Claude ในตัว
- Aider - เครื่องมือจัดทำดัชนี repository พร้อมการควบคุมการเข้าถึงไฟล์
ระบบนิเวศเครื่องมือยังคงพัฒนาอย่างรวดเร็ว
ชุมชนนักพัฒนากำลังทดลองกับเครื่องมือ AI coding ต่างๆ นอกเหนือจาก Claude Code รวมถึง Cursor, Cline, Codex และตัวเลือกใหม่ๆ อย่าง Zed ที่มี Claude ในตัว เครื่องมือแต่ละตัวมีจุดแข็งที่แตกต่างกัน โดยบางตัวมุ่งเน้นความเร็วในขณะที่ตัวอื่นให้ความสำคัญกับคุณภาพโค้ดหรือ workflow เฉพาะ
นักพัฒนาจำนวนมากแนะนำให้เก็บ AI agents แยกจาก codebase หลักในตอนแรก โดยให้ code snippets และ context ด้วยตนเองแทนที่จะให้การเข้าถึง repository โดยตรง แนวทางนี้ใช้เวลานานกว่าแต่ลดความเสี่ยงของการเปลี่ยนแปลงที่ไม่คาดคิดและ bug ที่ซ่อนอยู่
ฉันทามติในหมู่นักพัฒนาที่มีประสบการณ์คือ AI coding agents แสดงถึงเทคโนโลยีที่ทรงพลังแต่ยังไม่เป็นผู้ใหญ่ ความสำเร็จต้องการการปฏิบัติต่อพวกมันเหมือนนักพัฒนาระดับจูเนียร์ที่ต้องการคำแนะนำอย่างต่อเนื่องมากกว่าเครื่องมืออัตโนมัติที่สามารถทำงานได้อย่างอิสระ เมื่อเทคโนโลยีพัฒนาไป ชุมชนคาดหวังการปรับปรุงที่สำคัญในความน่าเชื่อถือและการจัดการ context
อ้างอิง: Pairing with Claude Code to Rebuild My Startup's Website