39 คะแนน โดย ragingwind 8 일 전 | 2 ความคิดเห็น | แชร์ทาง WhatsApp

นี่คือการบรรยายของ Eric นักวิจัยด้าน coding agent จาก Anthropic ว่าจะนำ vibe coding (แนวทางที่มอบหมายการเขียนโค้ดให้ AI เป็นหลักทั้งหมด) ไปใช้ในสภาพแวดล้อมบริการจริงอย่างปลอดภัยได้อย่างไร เขาอธิบายว่าการให้ AI สร้างโค้ดจำนวนมากกับ vibe coding ไม่ใช่เรื่องเดียวกัน และตามคำนิยามของ Andrej Karpathy แก่นสำคัญคือ "ลืมไปเลยว่าโค้ดมีอยู่" ปัญหาตั้งต้นคือ ในสถานการณ์ที่ขนาดของงานที่ AI จัดการได้เพิ่มเป็นสองเท่าทุก 7 เดือน หากใช้ประโยชน์จากกระแสนี้ไม่ได้ ก็เลี่ยงที่จะเสียเปรียบในการแข่งขันได้ยาก

ข้อโต้แย้งหลัก

  • หลักการของ vibe coding คือ "ลืมโค้ด แต่อย่าลืมผลิตภัณฑ์" เช่นเดียวกับที่เราไม่ได้อ่าน assembly ที่คอมไพเลอร์สร้างขึ้นทีละบรรทัด เขามองว่าควรโฟกัสที่การตรวจสอบคุณภาพและความถูกต้องของผลลัพธ์ มากกว่าตัวโค้ดที่ AI เขียนขึ้นเอง
  • บทบาทของนักพัฒนาควรเปลี่ยนจากผู้ลงมือ implement เอง ไปเป็น product manager (PM) ของ Claude เหมือนตอนที่มอบหมายงานให้วิศวกรมือใหม่ แม้การรวบรวม requirement บริบทของ codebase และข้อจำกัดต่างๆ เพื่อส่งต่อให้ AI จะใช้เวลามากกว่า 15~20 นาที แต่การลงทุนนี้ช่วยเพิ่มอัตราความสำเร็จได้มาก
  • vibe coding ควรโฟกัสที่ leaf node ของ codebase (ฟังก์ชันปลายทางที่ไม่มีโค้ดอื่นพึ่งพา) ส่วนโค้ดแกนหลักของสถาปัตยกรรมหรือโค้ดฐานรากที่โมดูลอื่นพึ่งพา ยังต้องให้มนุษย์เข้าใจอย่างลึกซึ้งและดูแลต่อไป
  • การออกแบบให้ตรวจสอบได้เป็นสิ่งจำเป็น จากกรณีภายใน Anthropic ที่ใช้ Claude เขียนโค้ด reinforcement learning ขนาด 22,000 บรรทัดแล้ว merge เข้าโปรดักชัน พวกเขาออกแบบ stress test และ checkpoint สำหรับการตรวจสอบตามอินพุต/เอาต์พุต เพื่อยืนยันเสถียรภาพและความถูกต้องได้โดยไม่ต้องอ่านโค้ดทั้งหมด

ข้อจำกัดในปัจจุบัน

  • หนี้ทางเทคนิค (tech debt) ยังไม่มีวิธีที่ดีพอในการวัดหรือยืนยันได้โดยไม่อ่านโค้ดโดยตรง นี่คือเหตุผลสำคัญที่สุดที่ทำให้ vibe coding ควรถูกจำกัดไว้กับ leaf node
  • การที่คนที่ไม่ใช่นักพัฒนาจะใช้ vibe coding สร้างระบบโปรดักชันครอบคลุมไปถึงพื้นที่อ่อนไหวอย่างความปลอดภัยหรือการชำระเงินนั้นมีความเสี่ยง ต้องมีวิจารณญาณเชิงเทคนิคที่เพียงพอในการตั้งคำถามที่ถูกต้องเป็นพื้นฐานก่อน

จุดที่แตกต่าง

  • สิ่งที่น่าสนใจคือเขาวางกรอบให้ vibe coding ไม่ใช่แค่กระแสชั่วคราว แต่เป็นการเปลี่ยนผ่านเชิงโครงสร้างของอุตสาหกรรมซอฟต์แวร์ และชี้ให้เห็นว่า "ปัญหาของการตรวจสอบผลลัพธ์โดยไม่ต้องรู้รายละเอียดการ implement" นั้นเป็นโจทย์ที่เก่าแก่พอๆ กับอารยธรรม ไม่ต่างจากกรณีที่ CTO บริหารผู้เชี่ยวชาญ หรือ CEO ตรวจสอบงานของนักบัญชี

นัยสำคัญ

  • ทักษะที่คาดหวังจากวิศวกรซอฟต์แวร์กำลังย้ายจากความสามารถในการเขียนโค้ดทีละบรรทัด ไปสู่ความสามารถในการนิยาม requirement อย่างแม่นยำและตรวจสอบผลลัพธ์อย่างเป็นระบบ เมื่อพิจารณาจากความเร็วในการพัฒนาประสิทธิภาพของเครื่องมือ AI ยิ่งปรับตัวกับการเปลี่ยนผ่านนี้ได้เร็ว ก็ยิ่งได้เปรียบ

2 ความคิดเห็น

 
iolothebard 8 일 전

อย่าไปพูดเรื่องนั้นกับนักพัฒนาระดับล่างเลย ไปพูดกับพวกผู้บริหารระดับ C โน่น~~~

 
supermaxi 7 일 전

ตอนนี้พวกเราทุกคนก็เป็น PM กันหมดแล้ว