GitHub Copilot เอเจนต์สำหรับการเขียนโค้ด เปิดตัวแบบพับลิกพรีวิว

• GitHub เปิดให้ใช้งาน Copilot เอเจนต์สำหรับการเขียนโค้ด แบบ พรีวิวสำหรับผู้ใช้ Copilot Pro+ และ Enterprise
• ช่วยให้นักพัฒนามอบหมาย งานที่ทำซ้ำ ๆ และงานที่มีหนี้ทางเทคนิคสะสม ให้ Copilot เพื่อไปโฟกัสกับงานที่สร้างสรรค์และสำคัญกว่าได้
• เมื่อ มอบหมาย issue ให้ AI ก็จะทำตั้งแต่แก้โค้ด รันทดสอบ ไปจนถึงสร้าง PR โดยอัตโนมัติ
• เมื่อ Copilot ทำงานเสร็จ จะ ขอให้ตรวจทาน และนักพัฒนาสามารถขอแก้ไขเพิ่มเติมผ่านคอมเมนต์ หรือทำงานต่อบน branch นั้นได้โดยตรง
• งานทั้งหมดทำใน สภาพแวดล้อมการพัฒนาบนคลาวด์ ที่ทำงานบน GitHub Actions และยังตรวจสอบเองด้วยว่าผ่านการทดสอบและลินเตอร์
• ผู้ใช้สามารถคอมเมนต์ใน PR เพื่อ ขอให้ Copilot แก้ไขเพิ่มเติม หรือดึงมาทำงานร่วมกันบน local branch ได้
• เด่นกับงานระดับความยากต่ำถึงปานกลาง เช่น เพิ่มฟีเจอร์ แก้บั๊ก รีแฟกเตอร์ โดยเฉพาะใน โค้ดเบสที่มีการทดสอบพร้อม

---

GitHub Copilot coding agent in public preview

ลดหนี้ทางเทคนิคผ่าน code agent และโฟกัสกับงานสร้างสรรค์ได้มากขึ้น

• GitHub เปิดตัว Copilot เอเจนต์สำหรับการเขียนโค้ดในสถานะ พับลิกพรีวิว เพื่อให้สามารถ มอบหมาย issue ที่ซ้ำ ๆ หรือเรียบง่ายให้ Copilot ได้
• นักพัฒนาสามารถมอบหมาย issue ให้ Copilot ได้เหมือนเป็นนักพัฒนาทั่วไป โดยรองรับบนเว็บไซต์ GitHub, แอปมือถือ และ CLI
• Copilot จะวิเคราะห์รีโพซิทอรีใน สภาพแวดล้อมการพัฒนาบนคลาวด์ของตัวเอง ปรับใช้การแก้ไข รันทดสอบและตรวจ lint ก่อนสร้าง PR
• เมื่อเสร็จแล้วจะขอให้ผู้ใช้รีวิว และสามารถให้ฟีดแบ็กผ่านคอมเมนต์ใน PR หรือทำงานต่อบน branch นั้นจากเครื่องโลคัลได้

เหมาะกับงานแบบไหน

• Copilot มีจุดเด่นในงาน เพิ่มฟีเจอร์ แก้บั๊ก ขยายการทดสอบ รีแฟกเตอร์ และปรับปรุงเอกสาร ซึ่งเป็นงานที่มี ความซับซ้อนระดับต่ำถึงปานกลาง
• ทำงานได้มีประสิทธิภาพใน โค้ดเบสที่มีการทดสอบครบถ้วน และยังสามารถมอบหมายหลาย issue พร้อมกันได้

เงื่อนไขการใช้งานและค่าใช้จ่าย

• ฟีเจอร์นี้ใช้งานได้ในแพ็กเกจ Copilot Pro+ หรือ Copilot Enterprise
• ในกรณีของ Enterprise ผู้ดูแลระบบต้อง เปิดใช้งานล่วงหน้า สำหรับนโยบาย 'Copilot เอเจนต์สำหรับการเขียนโค้ด' จึงจะใช้งานได้
• การใช้งานเอเจนต์จะ ใช้เวลา GitHub Actions และ Copilot Premium requests
  • โดยเฉพาะตั้งแต่วันที่ 4 มิถุนายน 2025 เป็นต้นไป จะมีการคิด Premium request 1 ครั้งต่อ 1 model request

การรองรับแพลตฟอร์มและวิธีเริ่มต้น

• ขณะนี้ฟีเจอร์นี้กำลังทยอยเปิดให้ผู้ใช้ GitHub Mobile(iOS/Android) และ GitHub CLI
• ดูวิธีเริ่มต้นใช้งานและเคล็ดลับได้ที่ เอกสาร Copilot เอเจนต์สำหรับการเขียนโค้ด
• สามารถแชร์ความคิดเห็นหรือคำถามได้ที่ การสนทนาในคอมมูนิตี้

[wedding]

ผมใช้อยู่บน VS Code Insiders แล้วมันพัฒนาขึ้นเรื่อย ๆ เลยทำให้ใช้งานได้สะดวกมาก
ช่วงนี้ถึงขั้นมีการเขียนโค้ดแบบคาดเดาให้แล้วด้วย

[GN⁺]

ความเห็นจาก Hacker News

• รู้สึกว่า Copilot มีประสิทธิภาพกับงานระดับง่ายถึงปานกลาง เช่น การเพิ่มฟีเจอร์ แก้บั๊ก ขยายการทดสอบ รีแฟกเตอร์ และปรับปรุงเอกสาร ในโค้ดเบสที่มีการทดสอบดีอยู่แล้ว แต่สิ่งสำคัญสำหรับมนุษย์คือการรักษาความระมัดระวังเวลาใช้ AI ถ้าการทดสอบถูกสร้างโดย AI อย่างเดียวก็มีความกังวลว่าอาจใช้งานจริงไม่ได้ อยากได้ตัวเลขที่ชัดเจนว่า Microsoft ใช้มันภายในได้สำเร็จแค่ไหน Microsoft ขึ้นชื่อเรื่องการใช้ผลิตภัณฑ์ตัวเองจริงอยู่แล้ว แต่ก็รู้สึกว่ายากมากที่จะแยกระหว่างการตลาดมหาศาลกับประโยชน์ใช้งานจริง
  • ตอนนี้มีการใช้งาน Copilot coding agent ภายในจริงในหลายส่วนของ GitHub และ Microsoft มาเกือบ 3 เดือนแล้ว จากประสบการณ์นี้จึงมีการรับฟีดแบ็กและแก้บั๊กจำนวนมาก จนพร้อมเปิดตัว agent วันนี้ จนถึงตอนนี้มีพนักงาน GitHub ราว 400 คนใช้ agent ในรีโพมากกว่า 300 แห่ง และมี PR ที่ Copilot มีส่วนร่วมเกือบ 1,000 รายการถูก merge แล้ว ในรีโพที่พัฒนา agent นั้น Copilot agent เป็นผู้มีส่วนร่วมมากเป็นอันดับ 5 หรือก็คือกำลังใช้ Copilot coding agent เพื่อสร้าง Copilot coding agent นั่นเอง (ฉันเป็น product lead ของ Copilot coding agent ภายใน GitHub)
  • ภายใน Microsoft ให้ความรู้สึกว่าเป็นการผลักดันใช้งานแบบกดดันจากฝ่ายบริหาร เพื่อนในทีม Azure เล่าว่ามีกรณีเกือบถูกใส่เข้า PIP (โปรแกรมปรับปรุงผลงาน) เพราะปฏิเสธจะติดตั้ง AI coding assistant ภายใน ผู้จัดการแต่ละคนตั้ง OKR เป็น "จำนวนนักพัฒนาที่ใช้ AI" และนักพัฒนาหลายคนมีแนวโน้มแค่ติดตั้งไว้แต่แทบไม่ใช้ น่าเสียดายที่การรองรับ C# และ PowerShell ยังไม่ดีพอ ทำให้ประโยชน์ใช้งานจริงค่อนข้างจำกัด
  • Microsoft เคยประกาศตัวเลขออกมาจริง เช่น สัดส่วนโค้ดที่สร้างด้วย AI โดยมีข้อมูลว่าราว 30% ของโค้ดถูกเขียนโดย AI
  • คำพูดที่ว่า Microsoft ขึ้นชื่อเรื่อง dogfooding นั้นจริงเมื่อ 15 ปีก่อน แต่ตอนนี้ไม่ใช่อีกแล้ว
• อยากเตือนว่านี่เป็นปัญหาใหญ่มากว่าเมื่อใช้ Copilot แล้ว โค้ดจาก private repository อาจถูกนำไปใช้ฝึกโมเดล แม้จะมีแพ็กเกจ Pro และ Pro+ แต่ใน FAQ เขียนไว้เพียงว่า ข้อมูลของ Business หรือ Enterprise จะไม่ถูกนำไปฝึก จึงตีความได้ว่าข้อมูลจากแพ็กเกจแบบเสียเงินสำหรับบุคคลทั่วไปยังคงถูกใช้ฝึกโมเดลอยู่
  • เมื่อก่อนอาจเป็นแบบนั้น แต่ตอนนี้เปลี่ยนแล้ว สามารถตรวจสอบนโยบายสำหรับแผนส่วนบุคคลได้จากเอกสารทางการของ GitHub
  • ถ้ากำลังเขียนโค้ดบน Windows อยู่ หน้าจอของคุณอาจถูกจับภาพอัตโนมัติทุกไม่กี่วินาทีอยู่แล้ว และตัวอักษรทั้งหมดบนหน้าจอก็ถูกวิเคราะห์ด้วย OCR ถ้าไม่รู้มาก่อนก็น่าจะเป็นข่าวที่ทำให้ตกใจ
• ลองทำการทดลอง vibe coding ในโปรเจ็กต์ greenfield ด้วย Gemini 2.5 pro และ cline แล้ว ค่อนข้างน่าประทับใจและช่วยเพิ่มประสิทธิภาพได้มากกว่าอินเทอร์เฟซแชต LLM แบบเดิม แต่ถ้าแนวทางสถาปัตยกรรมไม่แข็งพอ LLM มักจะสะสม abstraction ที่ผิดและ technical debt เพิ่มขึ้นได้ง่าย (เช่น โครงสร้างพัง) มันไม่ค่อยมีการทบทวนตัวเองเรื่องคุณภาพโค้ดหรือวิธีที่ดีกว่าเท่าไร จุดดีคือถ้าฉันชี้ชัดและ prompt ให้ มันก็ปรับปรุงได้ทันที อีกอย่างที่น่าตกใจคือค่า token ของ LLM ใช้ไปถึง $15 ในเย็นเดียว ปกติทั้งเดือนเฉลี่ยประมาณ $20 แต่นี่เป็นครั้งแรกที่วันเดียวขึ้นมาขนาดนี้
  • การใช้ token ของ LLM วันละ $15 ไม่ใช่บั๊ก แต่เป็นฟีเจอร์ คิดว่าในอนาคตปรากฏการณ์แบบ "บิล AWS พุ่ง" จะเกิดกับ LLM ด้วย
  • แนะนำให้ลองใช้เครื่องมือชื่อ Aider แล้วจัดการ context เชิงรุกด้วย /add, /drop, /clear
  • ถ้าจะใช้ Cline แบบคุมราคา ก็น่าจะต้องจัดการ context ด้วยมือ ฉันเลยใช้ Windsurf แทน (ซึ่งยังใช้ Gemini 2.5 pro อยู่) เพราะจัดการ context ได้ง่ายกว่ามาก
  • ในโปรเจ็กต์ greenfield การใช้ AI ค่อนข้างไม่สะดวก เพราะมีตัวเลือกมากเกินไปจน AI เปลี่ยนแนวทางไปมา แต่ในงานแบบ brownfield (โค้ดเบสเดิม) สามารถให้ไฟล์อ้างอิงเพื่อให้มันเรียนรู้แพตเทิร์นได้ตามธรรมชาติ จึงได้ผลลัพธ์ที่ดีง่ายกว่ามาก
  • สนใจเรื่องการป้องกันไม่ให้ LLM ทำให้สถาปัตยกรรมปนเปื้อน และคาดหวังว่าขั้นต่อไปจะมี linter (ที่ใช้ AI) ซึ่งช่วยตรวจว่าการ implement ตรงตามข้อกำหนดการออกแบบหรือไม่
• มองว่าการเพิ่มความเร็วควรมาก่อนการเพิ่มฟีเจอร์ Copilot autocomplete นั้นเร็วก็จริง แต่บางครั้งแค่แก้ไฟล์ 100 บรรทัดยังใช้เวลาหลายนาที ทำให้รู้สึกไม่ productive ถ้าความแม่นยำใกล้ 100% ก็พอเข้าใจได้ แต่การช้าแล้วยังสลับไปมานั้นเหนื่อยมาก สู้เปิดแท็บใหม่ใช้ Claude หรือ ChatGPT แล้วคัดลอกคำถามกับโค้ดไปวางยังเร็วกว่า ฉันยกเลิกสมาชิก Copilot แล้ว และต่อไปจะย้ายไปใช้ local model สำหรับ autocomplete/งานง่าย ๆ แทน
  • ประสบการณ์ของฉันตรงกันข้ามเลย แก้ไฟล์หลายร้อยบรรทัดก็เสร็จในไม่กี่วินาที ดูเหมือนเมื่อก่อนจะช้า แต่ช่วงหลังคอขวดหายไปแล้ว แม้ใช้ Copilot ผ่าน Wi‑Fi ห้องสมุดก็ยังลื่นใช้ได้มาก
  • ถ้าใช้เวลาถึงหลายนาที ฉันคิดว่านั่นเป็นปัญหาร้ายแรง เพราะโมเดลส่วนใหญ่น่าจะประมวลผลได้ภายในไม่กี่วินาที
• ฉันใช้ ChatGPT กับ Copilot สลับกันใน VS Code ทำให้เข้าใจไวยากรณ์ของ Objective-C ได้ง่ายขึ้นมาก แม้การรองรับไลบรารียังไม่ดีนัก แต่ก็คิดว่าส่วนหนึ่งเป็นเพราะฉันยังไม่ได้ลองกับ 3rd party library มากพอ ข้อผิดพลาดด้านไวยากรณ์และลอจิกมองออกได้ทันที จึงแก้สั้น ๆ แล้วแทบจะใช้โค้ดได้เลย สำหรับราคาเดือนละ $10 ก็ทำให้รู้สึกดีกับอนาคตมาก ฉันมีแอป iOS ที่ต้องอัปเดตอยู่เยอะมาก และทั้งหมดเป็นแอปเพิ่มประสิทธิภาพที่ฉันใช้เองและขายเองอยู่แล้ว เลยเหมือนได้ประโยชน์สองต่อ
• ฉันใช้ Copilot มาพอสมควร น่าประทับใจแต่ก็น่ากลัว ประเด็นสำคัญคือมันแนะนำ dependency แบบสุ่มจากรีโพเล็ก ๆ อย่างไม่ระวัง และหลายครั้งก็ไม่เหมาะกับโปรเจ็กต์หลักเลย หมายความว่าผู้ใช้ต้องระวังมาก
  • เคยเห็นรูปแบบคล้ายกันจาก AI หลายตัว มันเชื่อถือข้อมูลที่อ่านจากเว็บมากเกินไป ตัวอย่างเช่น เวลาขอให้ช่วยตรวจสอบการหลอกลวงแบบ phishing มันกลับสรุปเนื้อหาให้เฉย ๆ ซึ่งไม่ใช่การวิเคราะห์ที่เชื่อถือได้ อีกทั้งยังเคยแนะนำรีโพจีนโนเนมที่มีดาวแค่ 2 ดวงราวกับเป็นมาตรฐานอุตสาหกรรม เพียงเพราะ README เขียนไว้ แม้จะไม่ค่อยเกี่ยวกัน แต่ก็เคยแนะนำโปรโตคอลเข้ารหัส "Strobe" พร้อมพาไปที่ strobe.cool ทั้งที่เว็บนั้นเองเป็นเว็บที่พูดถึงการชวนให้เกิดอาการหลอน
  • ขอบคุณที่พูดถึงปรากฏการณ์นี้ ระหว่างการทดสอบฉันยังไม่เคยเจอพฤติกรรมแบบนี้ จึงอยากตรวจสอบให้ลึกขึ้น ถ้าสะดวกอยากให้แชร์ทางอีเมลได้ (HN nick ของฉันบน github.com) ฉันทำงานอยู่ในทีมผลิตภัณฑ์ของ Copilot coding agent
  • การรัน PR ใน private repo ทำงานบน context ที่เชื่อถือได้มากกว่า แต่ในสถานการณ์แบบนี้ปัญหาการแนะนำ dependency ตามที่ว่ามาก็น่ากังวลอยู่
• ชอบคำพูดที่ว่า "Copilot เก่งกับงานความซับซ้อนต่ำถึงปานกลาง" แต่พอมีเงื่อนไขว่า "เฉพาะโค้ดเบสที่มีการทดสอบดีแล้ว" ความคาดหวังก็หายไป
  • ตามที่คอมเมนต์อื่นบอก coding agent นั้นยอดเยี่ยมมากในการปรับปรุง test coverage และถ้าลงลึกไปอีก เครื่องมือเขียนโค้ดแบบ agentic จะได้ผลดียิ่งขึ้นมากเมื่อมี test coverage ที่ดีอยู่แล้ว การทดสอบช่วยจำกัดขอบเขตให้ agent และเปิดโอกาสให้มันวนตรวจสอบงานของตัวเองได้ เครื่องมือแบบนี้ไม่ถึงกับขาดไม่ได้หากไม่มี test แต่ถ้ามีก็ให้ผลลัพธ์ดีกว่า (ฉันทำงานในทีม Copilot coding agent)
  • ถ้าให้ Copilot เขียนเทสต์ทั้งหมดให้ ไม่นานก็จะได้โค้ดเบสที่มีการทดสอบดีเอง
  • จากประสบการณ์ของฉัน แม้ไม่มีการทดสอบก็ยังทำงานได้ค่อนข้างดี โดยเฉพาะในโปรเจ็กต์ greenfield แต่ประสิทธิภาพในการอัปเดต/แพตช์จะดีกว่าชัดเจนเมื่อมีเทสต์อยู่แล้ว
• เห็นสโลแกนโฆษณา "กำลังจมอยู่กับ technical debt เหรอ?" แล้วก็แซวว่าก็ยอมแพ้แล้วจมไปเลยสิ พร้อมพูดขำ ๆ ว่า Github Copilot Coding Agent จะสร้าง technical debt ให้มากขึ้นไปอีก เป็น technical debt แบบใหม่ที่ไม่รู้ว่าใครต้องรับผิดชอบ และเพื่อนร่วมงานก็คงจะตามมาเจอสภาพเดียวกันในไม่ช้า
• เพื่อนฉันกำลังร่วมโปรเจ็กต์ที่เกี่ยวข้องอยู่ใน GitHub เลยได้ยินแต่ข่าวนี้มาหลายวันแล้ว เขาย้ำกับฉันหลายรอบว่าต้องดูคีย์โน้ตวันจันทร์ให้ได้ หลังจากยืนยันตัวตน timeout เป็นครั้งที่สามฉันก็เลิกดูสตรีมไป แต่ถ้ารู้ว่าเป็นเรื่องนี้ก็คงจะลองอีกสักรอบ
  • อยากรู้ว่าคีย์โน้ตไหนกันแน่ เพราะตอนนี้ค้นหาดูก็ยังแทบไม่เจอ
  • มีคำแนะนำอย่างหนึ่งคือ ไปดูใน YouTube ตรง ๆ เลยจะดีกว่า จะได้ข้ามขั้นตอนสมัครสมาชิกของ MS ไป
  • เวลาฟังเรื่องพวกนี้จากคนเขียนโค้ดในวงการ ฉันมักฟังอย่างระวังเสมอเพราะมีการตลาดภายในหนักมาก หวังว่ามันจะเหนือกว่าคู่แข่งอย่าง Cursor ได้จริง และตั้งใจว่าจะดูการสาธิตสดให้ได้
• ตอนต้นยุค LLM ฉันเคยสร้าง agent ใช้เองด้วย github actions และ workflow ของ issues แม้ความสามารถจะจำกัด แต่แค่ระบุบั๊ก มันก็ทำงานอัตโนมัติ จัดการงานสถาปัตยกรรม/งานแก้ไข ตรวจสอบความเปลี่ยนแปลง และสุดท้ายส่ง PR มาให้ได้ ตอนนี้เลยรู้สึกตื่นเต้นที่จะได้ใช้เครื่องมือทางการที่ทำอะไรคล้ายกันได้ (ตัวอย่างงานของฉัน: chota)