reginal team meeting

rg_20251013.txt

discuss กับน้องๆ สรุปว่าได้รู้อะไรหลายๆ อย่าง สรุปประเด็นมาคร่าวๆ ดังนี้

1. คนเชื่อ AI เพราะว่ามันรู้มากกว่าเรา (มันรู้กว้าง)

2. คำถามคือ ให้ AI ทำให้แล้วมันรู้เรื่องที่เราต้องการมั๊ย? (อันนี้สำคัญมาก)

3. การบอกบริบท (context) เป็นการบอกความต้องการและขอบเขตให้ AI คิดในส่วนที่ต้องการแก้ปัญหา ใช้ Prompting + Context ใส่ความ "รู้ลึก" เข้าไปว่าอยากได้อะไร

4. บริบทกว้างๆ ไม่ละเอียด AI มันก็จะเดาในส่วนที่มันคิดว่าจะต้องมี ตาม model ที่มันเรียนรู้มา

กลับมาเรื่อง Software Development

5. คน (ไม่ใช่ developer, software engineer) อยากใช้ AI มาเขียนโค้ด ก็บอก AI ให้เขียนโค้ด หาเครื่องมือมาใช้ ไม่พอใจก็เปลี่ยนไปเรื่อยๆ

6. คนรู้ไหมว่ากำลังทำอะไร จะใส่บริบทว่า software ที่กำลังทำนี่คือะไร มี  requirement spec แบบไหน  ซึ่งมันจะวนกลับมาที่ software development process  หลักๆ คือ รู้ว่า software ที่กำลังทำไป "แก้ปัญหา" อะไร นี่คือ "แก่นหลัก" และ "ส่วนประกอบอื่นๆ" นั่นก็คือ Functional Requirement +  Non-Functional Requirement =  Software Requirement Spec ข้อมูลเหล่านี้ก็ต้องไปหามา

7. คนมีหน้าที่บอก AI จากที่มัน "รู้กว้าง" ให้ "รู้ลึก" (เข้าไปในใจเรา) ตามความต้องการของเราได้หรือยัง

8. ให้ AI เขียนโค้ดได้ตาม requirement spec ได้ยังไง... ให้ AI แปลง requirement spec เป็น task (ticket) ย่อยๆ แล้วให้ AI Implement 

9. ให้ AI เอา software requirement spec มาแตก feature, task ให้ได้ไหม ... ได้ แต่ยังไง คนก็ต้องไปดูว่าตรงกับ requirement spec มั๊ย อย่าลืมว่า AI มันหลอนง่าย

10. ให้ AI เขียนโค้ดแล้วทำไมไม่ได้โค้ดอย่างที่ต้องการ... ต้องถามว่าบอก AI มั๊ยว่าอยากได้อะไร  เข่น บอก AI ว่า อยากได้หน้า SignIn แต่ไม่ได้ระบุว่าต้องมีข้อมูลอะไรบ้างสำหรับการ SignIn? ใช้ภาษาอะไรใน FrontEnd? ต่อกับ Rest API, OAuth, SSO มั๊ย ถ้า AI ไม่มีข้อมูลมันก็ "คิดว่า" เอาแบบนี้ละกัน สุ่มจากที่มีข้อมูลอยู่ ถ้าสุ่มตรงใจคนก็ดีใจ ถ้าสุ่มมาไม่โดนใจคนก็หงุดหงิด แล้วจะให้ AI มันสุ่มทำไม ก็เขียน spec บอกไปก็จบแล้ว

11. หากลองคิดดูดีๆ ยิ่งคุณใส่ข้อมูล context (aka software spec และข้อมูลอื่นๆ) AI จะ "รู้สึก" เข้าไปในใจว่า "อ๋อเองต้องการแบบนี้" 

ให้ลองนึกว่า คุณคุยกับคนที่มีความรู้ทุกเรื่อง แต่คุณถามคำถามไม่มีรายละเอียดที่ชัดเจน คำถามลอยๆ คนตอบก็จะงงว่า "มันถามอะไร" แต่ก็ต้องตอบในข้อมูลที่มีอยู่ คุณจะได้คำตอบที่ตรงคำถามมั๊ยก็ต้องกลับไปที่คำถามว่าถามถูกจุดไหม 

12. กลับมาเรื่อง software development process (อีกรอบ) การเก็บข้อมูล, ออกแบบ, ลงมือพัฒนา, ทดสอบ, แก้ไข สามารถใช้ AI เข้ามาช่วยได้ (ใช้ reasoning model) โดยปรับกระบวนการโดยเอา AI เข้ามาเป็นผู้ช่วยในแต่ละขั้นตอนได้ เช่น

- ช่วยวิเคราะห์ว่า requirement spec ยังขาดอะไรอีกมั๊ย ถ้าข้อมูลไม่ครบ ให้ AI ช่วยตั้งคำถามไปถามเจ้าของงาน (เราคงไม่ให้ AI เดาให้ใช่มะ)
- การวางแผนงาน  การแตก task ฯลฯ
- ให้ AI implement แต่ละ task, เขียน test case, run test, ทำ test report  กลับไปแก้ bug ที่เจอ ฯลฯ
- ทำเอกสาร ปรับปรุงเอกสาร ทำคู่มือ

13. คนอยากใช้ "เครื่องมือ" ช่วย แต่ถ้าขาด "ความรู้พื้นฐาน" เครื่องมือก็ไม่ได้ช่วยอะไร

14. บางเรื่องคนก็ "ตื่นเต้น" กันไป หรือ "สร้างคอนเทนต์ให้ตื่นเต้น" เพราะไม่เข้าใจเบื้องหลังที่แท้จริงว่า "เครื่องมือ" เหล่านั้น สร้างมา "แก้ไขปัญหา" อะไร