9 ทักษะเอาตัวรอดในยุค Agentic Engineering

สุดสัปดาห์ของผู้ให้กำเนิด Vibe Coding

• Karpathy มอบหมายโปรเจกต์ช่วงสุดสัปดาห์ให้เอเจนต์จัดการ โดยให้แค่ IP, ชื่อผู้ใช้, รหัสผ่าน และเป้าหมาย แล้วผ่านไป 30 นาทีก็เสร็จทั้งหมด
• วิธีทำงานแบบไม่เขียนโค้ดเองตลอด 99% ของเวลา แต่คอยสั่งและกำกับเอเจนต์แทน — "Agentic Engineering"
• แต่แม้นักพัฒนา 60% จะใช้ AI อยู่แล้ว สัดส่วนการมอบหมายงานแบบเต็มรูปแบบกลับอยู่เพียง 0-20% เท่านั้น — พาราด็อกซ์ของการมอบหมายงาน "Do you trust your agents?" คนส่วนใหญ่ยังตอบว่า "ไม่"

① ความสามารถในการแยกย่อย (Decomposition)

• ถ้าบอกว่า "ช่วยสร้างฟีเจอร์สมัครสมาชิกให้หน่อย" ก็จะมีอะไรบางอย่างออกมาจริง แต่ปัญหาคือมีโอกาสสูงที่มันจะไม่ใช่สิ่งที่เราต้องการ
• เคยโยนแค่ PRD ของหน้าจอ AddPlan ให้เอเจนต์ทำ ปรากฏว่าต้องคุยแก้ไปมาเป็นสิบรอบ เสียเวลาไปครึ่งวัน
• ใช้บทสนทนาแบบโสกราตีกับ AI เพื่อสัมภาษณ์ 5 นาที → จัดระเบียบ edge case ล่วงหน้า → ลดเหลือแก้เพียง 2-3 รอบ
• ต้องมีเวลาคิดก่อนลงมือพัฒนา, 5 นาทีนั้นช่วยประหยัดเวลาได้ 4 ชั่วโมง

② การออกแบบคอนเท็กซ์ (Context Architecture)

• การเขียน AGENTS.md ให้ดีก็สำคัญ แต่ถ้าสถาปัตยกรรมโค้ดถูกออกแบบมาดีตั้งแต่ต้น ความเร็วที่เอเจนต์จะเข้าใจคอนเท็กซ์ก็ต่างกันอย่างสิ้นเชิง
• จากเดิมที่เอเจนต์หลงทางใน flat directory พอจัดโครงสร้างใหม่เป็นไดเรกทอรีตามหน่วย Feature ก็เห็นผลดีขึ้นทันที
• Armin Ronacher: "เครื่องมือต้องถูกออกแบบให้รับมือกับกรณีที่ LLM chaos monkey ใช้มันผิดแบบสุดทางได้"

③ นิยามของความเสร็จ (Definition of Done)

• เคยปล่อยให้โปรเจกต์ CLI รันข้ามคืน แต่กลับจบใน 1 ชั่วโมง — ตั้งค่าแค่ type definition ส่วน business logic ยังกลวงเปล่า
• พอลองครั้งที่สอง เอเจนต์กลับเขียนเทสต์ใหม่ให้เข้าทางตัวเอง
• คำว่า "เสร็จ" ของเอเจนต์ ไม่เหมือนคำว่า "เสร็จ" ของเรา
• ระบบ DoD 7 ขั้นของ Elvis (PR→CI→code review 3 คน→Telegram) แม้จะสุดโต่ง แต่ก็ชี้ให้เห็นทิศทาง

④ การกู้คืนจากความล้มเหลว (Failure Recovery Loop)

• ใน redistribution engine มีพารามิเตอร์ตัวเดียวกันแต่แต่ละฟังก์ชันใช้คนละ semantic → แก้ A แล้ว B พัง วนลูปไม่จบ
• การลองใหม่ด้วยพรอมป์ต์เดิม ก็เหมือนเอาหัวชนกำแพงในมุมเดิมซ้ำๆ
• ถ้าจำแนกความล้มเหลวเป็น 3 แบบ (คอนเท็กซ์ไม่พอ, ทิศทางผิด, โครงสร้างขัดกัน) วิธีแก้ก็จะชัดขึ้น
• guardrail แบบ "Must NOT Have" ช่วยตัดลูปไม่รู้จบได้

⑤ การสังเกตการณ์ได้ (Observability)

• เคยมอบหมาย liquidglass ให้เอเจนต์ทำ แล้วคิดว่า "มันแปลกๆ... ปล่อยไว้ก่อนแล้วกัน" ซึ่งกลายเป็นการตัดสินใจที่แพงที่สุด
• สุดท้ายมี 20 ไฟล์พันกันจน rollback ไม่ได้
• หลังจากนั้นจึงใช้กลยุทธ์ tracer bullet + blueprint — กับเทคโนโลยีที่เพิ่งใช้ครั้งแรก เราวาด blueprint ล่วงหน้าไม่ได้อยู่แล้ว แต่ tracer bullet ช่วยร่างภาพให้ได้อย่างรวดเร็ว
• observability สร้างความเชื่อใจ และความเชื่อใจก็ทำให้การมอบหมายงานเป็นไปได้

⑥ การออกแบบหน่วยความจำ (Memory Architecture)

• ถ้าทำงานต่อเนื่อง 3 วัน ทุกเช้าจะเสียเวลา 15 นาทีไปกับการอธิบายบริบทใหม่
• ใช้ Claude Code hooks เพื่อดึง memory อัตโนมัติเมื่อจบเซสชัน → เซสชันถัดไปกู้บริบทกลับมาได้ใน 5 วินาที
• ทีมของ Boris Cherny เช็กอิน CLAUDE.md ไว้ใน git เพื่อแชร์กันทั้งทีม
• โครงสร้างที่ไม่ใช่การส่งต่อความจำของแต่ละคน แต่เป็นการส่งต่อความจำของทั้งทีมให้เอเจนต์

⑦ การจัดการแบบขนาน (Parallel Orchestration)

• Boris Cherny รันเซสชันแบบขนานพร้อมกัน 10-15 เซสชัน
• ประสบการณ์สมัยเป็น CTO ที่ต้องบริหาร 6 squads คล้ายกับการจัดการเอเจนต์แบบขนานอย่างน่าประหลาด
• ไม่ใช่ ADHD แต่คือ multitasking แบบมีเจตนา = การบริหารจัดการ
• มนุษย์จะถามกลับ แต่เอเจนต์ไม่ถามและจะเดินหน้าตามดุลยพินิจของตัวเอง — ยิ่งต้องออกแบบล่วงหน้าให้ดี

⑧ การออกแบบชั้นนามธรรม (Abstraction Layering)

• Level 0 (เขียนโค้ดเอง) → Level 1 (สั่งเอเจนต์) → Level 2 (orchestrator) → Level 3 (meta design)
• เคยเปลี่ยนรูทีนประจำวันที่ใช้เวลา 20 นาทีให้กลายเป็นสกิล แล้วลดเวลาลงเหลือ 2 นาที
• Compounding Engineering — โปรเจกต์ไม่ใช่เกมวิ่งถึงเส้นชัย แต่เป็นเกมแบบดอกเบี้ยทบต้น เซสชันก่อนหน้าจะส่งผลทบต้นไปยังเซสชันถัดไป

⑨ รสนิยม (Taste)

• ดีไซน์ที่ AI ทำได้มักอยู่ระดับ 60-70 คะแนน แต่พอใส่ดีไซน์ของ Ellie เข้าไป ก็จะเกิดความรู้สึกว่า "อ๋อ แบบนี้แหละ ใช่เลย"
• โพสต์สรุปข้อมูลที่ AI ช่วยทำ ได้ไลก์ 0 แต่โพสต์อวดสั้นๆ ที่เขียนแบบฉับพลันกลับมียอดดู 30,000
• KinglyCrow: "No Skill, No Taste" — LLM ทำให้กำแพงการเข้าถึงสกิลต่ำลง แต่กำแพงจริงอย่าง taste กลับยิ่งถูกขยายให้เห็นชัด
• Chris Lattner: "ยิ่งการลงมือทำถูกทำให้เป็นอัตโนมัติ ความสำคัญของการออกแบบ การตัดสินใจ และรสนิยมก็ยิ่งสูงขึ้น"
• ในยุคที่ 80% กลายเป็นของล้น ความแตกต่างจะมาจากอีก 20% ที่เหลือ

ส่งท้าย

• สิ่งที่จบไปคือการพิมพ์ ไม่ใช่งานวิศวกรรม
• ทั้ง 9 ข้อนี้คือสิ่งที่วิศวกรที่ดีมีอยู่แล้วตั้งแต่ก่อนยุค AI
• พลังทดของการออกแบบที่ดีเพิ่มขึ้นก็จริง แต่ความเสียหายจากการออกแบบที่แย่ก็ใหญ่ขึ้นเช่นกัน
• ตัวเอกของโชว์นี้ไม่ใช่ AI แต่คือวิศวกรที่ใช้ AI ได้อย่างเชี่ยวชาญ

[armila]

ถ้ารักษา SSoT ให้ดี ก็ช่วยลดอาการหลอนได้เยอะเลย แถมยังประหยัดโทเคนด้วย

[tsboard]

"สิ่งที่จบไปแล้วคือการพิมพ์ ไม่ใช่วิศวกรรม"

เห็นด้วยครับ 555

[yangeok]

ขอบคุณครับ เดิมทีผมแอบกังวลเพราะมี cowork ที่แค่เปิดพีซีทิ้งไว้ก็ทำหน้าที่เป็นเซิร์ฟเวอร์ได้แล้ว แต่ตอนนี้ก็โล่งใจขึ้นหน่อย และพอจะนึกภาพออกแล้วว่าจากนี้ไป จะเปลี่ยนไปอย่างไร 555