บริการเขียนภาษาอังกฤษ EncBird ที่เคยโพสต์แนะนำไปครั้งหนึ่งก่อนหน้านี้ ได้ผ่านการรับฟีดแบ็กจากผู้ใช้อย่างทั้งทางตรงและทางอ้อมตลอดช่วงที่ผ่านมา จนกลายเป็นบริการที่แตกต่างไปจากเดิมอย่างสิ้นเชิง เลยอยากนำมาแชร์อีกครั้ง
เป็นบริการสำหรับใคร?
EncBird เป็นบริการที่สร้างมาโดยมุ่งเป้าไปที่คนทำงานวัย 20–40 ปี และเหมาะกับกรณีต่อไปนี้
- อยากเรียนภาษาอังกฤษในช่วงเวลา 2–10 นาที ระหว่างการเดินทางไป-กลับที่ทำงาน
- อยากเรียนรู้และนำไปใช้กับสำนวนใหม่ ๆ ผ่าน ไดอารีภาษาอังกฤษ
อยากแก้ปัญหาอะไร?
ปัญหาที่ผมอยากแก้คือ "อยากเขียนไดอารีภาษาอังกฤษไปพร้อมกับเรียนรู้สำนวนใหม่ ๆ อย่างต่อเนื่อง"
- ในฐานะคนที่ทำงานบริษัทเหมือนกัน ผมต้องอ่านเอกสารภาษาอังกฤษทุกวัน แต่กลับยังเขียนและพูดได้ไม่อย่างอิสระ ความอึดอัดนี้เองที่ทำให้ผมสร้างมันขึ้นมา
- ผมลองใช้มาหลายบริการ แต่ถ้าไม่มีอินพุตที่มีความหมาย สุดท้ายก็จะพูดแต่เรื่องเดิม ๆ และถึงจะได้รับเอกสารตรวจแก้มา ถ้าผมไม่อ่านเอง ต่อให้ฟีดแบ็กดีแค่ไหนก็ไม่มีประโยชน์
- ถ้าอยากพูดและเขียนให้เป็นธรรมชาติมากขึ้น สุดท้ายก็ต้องลงมือเขียนด้วยตัวเอง และวิธีที่ดีที่สุดก็คือการเขียนไดอารี
- แต่ไดอารีภาษาอังกฤษก็มีปัญหาเหมือนกัน พอจะนั่งเขียนจริง ๆ ก็มัก ไม่รู้จะเขียนอะไรดี แม้การเขียนกับ ChatGPT จะดีที่สุด แต่หลังเขียนเสร็จก็มักเผลอถามต่อไปเรื่อย ๆ จน ภายหลังค้นบันทึกย้อนหลังได้ยาก
- แม้จะมีบริการดี ๆ อย่าง Speak หรือ Malhaeboka มากมาย แต่การพูดระหว่างเดินทางไป-กลับที่ทำงานแทบเป็นไปไม่ได้ และผมก็รู้สึกว่าประสบการณ์ที่ได้โฟกัสกับการเขียนอย่างเดียวในบริการแบบนั้นยังไม่ค่อยสะดวกนัก
ตั้งใจจะแก้ปัญหาอย่างไร?
ดังนั้นผมจึงยึดแกนหลักไว้ที่ "ไดอารีภาษาอังกฤษที่เขียนเหมือนคุยกับโค้ช AI" และค่อย ๆ ลบต้นตอของความอึดอัดที่พูดถึงข้างต้นออกไปทีละข้อ
- "นึกไม่ออกว่าจะเขียนอะไร" → ไม่ได้เริ่มจากหน้าว่างเปล่า โค้ช AI จะเริ่มถามเป็นภาษาเกาหลีก่อน ("วันนี้ที่บริษัทมีเรื่องอะไรเกิดขึ้นบ้าง?") แล้วผมก็แค่ตอบเป็นภาษาอังกฤษพอ ต่อให้ไวยากรณ์ผิดหรือนึกคำไม่ออก ก็เขียนเท่าที่รู้ได้เลย (และยังแนะนำให้ผสมเกาหลี-อังกฤษด้วย)
- "ChatGPT ดีแต่บันทึกกระจัดกระจาย" → แทนที่จะเป็นการคุยแบบเปิดปลาย(open-ended chat) จะจบเป็นหน่วยงานเขียนที่สมบูรณ์หนึ่งชิ้นคือไดอารีหนึ่งตอน ไม่ใช่บทสนทนาที่ยืดไปได้ไม่สิ้นสุด แต่เมื่อจบแล้วจะเหลือผลลัพธ์แบบมีโครงสร้างไว้หนึ่งชิ้น
- "มีอินพุตแต่ถ้าไม่อ่านก็ไม่มีประโยชน์" → ไม่ได้แค่แสดงการแก้ไขครั้งเดียวแล้วจบ แต่จะปรับทุกประโยคที่ฟังไม่เป็นธรรมชาติให้เป็นสำนวนที่ลื่นไหลกว่า และถ้าถูกใจสำนวนไหน ก็เพิ่มเข้าไปในพจนานุกรมสำนวนของฉันได้ด้วยการคลิกครั้งเดียว
- "เก็บไว้เฉย ๆ เดี๋ยวก็ไม่กลับมาดูอีก" → ตรงนี้คือหัวใจหลัก สำนวนที่เข้าไปในพจนานุกรมแล้วจะถูกนำกลับเข้าคิวอีกครั้งหลังจากผ่านไปหลายวันตามตาราง SRS(การทบทวนแบบเว้นระยะ) ในรูปแบบแฟลชการ์ด แบบฝึกหัดแต่งประโยคภาษาอังกฤษ และรีวิวแนวเกม ไม่ปล่อยให้การทบทวนขึ้นอยู่กับความตั้งใจล้วน ๆ แต่เป็นโครงสร้างที่ระบบจะพากลับมาเจออีกครั้งเอง
- "ช่วงเดินทางพูดไม่ได้" → ที่นี่ให้ความสำคัญกับการเขียนเป็น first-class citizen ไม่ใช่เสียงพูด ใช้เวลาแค่วันละ 10 นาที มีแค่มือถือเครื่องเดียวก็ทำได้แม้อยู่บนรถไฟใต้ดินที่แน่นมาก
สิ่งที่ให้ความสำคัญมากที่สุดในภาพรวมของบริการคือ GenAI flywheel ทุกครั้งที่จบเซสชัน personal memory จะอัปเดตโดยอัตโนมัติ และเนื้อหานั้นจะถูกสะท้อนในทุกแอ็กชันหลังจากนั้น
ตัวอย่างเช่น ถ้าใน diary chat วันอาทิตย์ที่แล้วคุณบอกว่าได้ไปโบสถ์มา สัปดาห์นี้โค้ชก็จะถามว่า "ไปโบสถ์มาแล้วเป็นอย่างไรบ้าง?" นอกจากนี้ยังรู้ล่วงหน้าถึงสำนวนที่เพิ่งลงทะเบียนล่าสุด และชวนให้คุณฝึกใช้สำนวนนั้นด้วย เราออกแบบให้สิ่งที่ระบบเรียนรู้เกี่ยวกับผู้ใช้ถูกนำกลับมาใช้ซ้ำกับการเรียนให้ได้มากที่สุด ยิ่งเขียนมากเท่าไร ก็ยิ่งปรับเข้ากับคุณมากขึ้นเท่านั้น
ดูการทำงานจริงได้ที่นี่ทันที → encbird.com/guide/diary
ทำงานอย่างไร? (เรื่องทางเทคนิค)
ผมเคยทำสตาร์ทอัพแล้วล้มเหลวมาแล้วครั้งหนึ่ง เพราะอย่างนั้น เกณฑ์การออกแบบลำดับแรกของครั้งนี้ไม่ใช่ "ความสำเร็จ" แต่คือ "perpetuate(อยู่รอดต่อไปโดยไม่ล้ม)" เกณฑ์การตัดสินใจก็ชัดเจนมาก — "ต่อให้ DAU ลดลงเหลือเลขหลักเดียวและผมเลิกจับมันไปแล้ว บริการนี้จะยังเดินต่อไปได้โดยไม่มีหนี้หรือไม่?"
- เพราะอย่างนั้นจึงเขียนทุกอย่างแบบ serverless (ฟรอนต์ Vue/Nuxt + Go on Lambda + แบ็กเอนด์แบบ event-driven, และ IaC ใช้ CDK) เพื่อให้ ต้นทุนตอน idle เข้าใกล้ 0 ถ้า traffic เป็น 0 บิลก็แทบเป็น 0 และถ้าพุ่งขึ้นก็สเกลเองอัตโนมัติ
แนวทางการพัฒนาก็อยู่ในบริบทเดียวกัน ถ้าจะให้การดูแลโดยคนเดียวทำได้อย่างยั่งยืน ก็จำเป็นต้องดัน productivity ในการผลิตโค้ดไปให้ถึงขีดสุด
- โค้ด เขียนโดย AI agent 100% และผมจะทำแค่ code review ด้วยตัวเอง
- แต่ใน software lifecycle สัดส่วนที่เป็นการเขียนโค้ดจริง ๆ นั้นเล็กกว่าที่คิดมาก ส่วนที่ใหญ่กว่ามากคือ การนิยามปัญหา การวางแผน การตัดสินใจด้านสถาปัตยกรรม และการตรวจสอบความถูกต้อง และถ้าไม่อยากให้ agent หลงทาง สุดท้ายเลเยอร์ด้านบนเหล่านี้ก็ต้องชัดเจน
- เพราะแบบนั้นจึงไม่ใช่แค่เขียน prompt ให้เก่ง แต่ผมออกแบบสภาพแวดล้อมที่ครอบ agent เอาไว้เองด้วย (harness) ทุกฟีเจอร์จะไล่ลงมาตามลำดับ PRD → ADR(บันทึกการตัดสินใจด้านสถาปัตยกรรม) → code แล้ว agent ก็จะอ่าน ADR นั้นเพื่อไปลงมือทำจริง จุดที่มนุษย์เข้าไปแตะจึงถูกยกระดับจากโค้ดไปเป็น การตัดสินใจ
- แกนหลักของกระบวนการนี้คือ ALPS PRD Writer ที่ผมสร้างขึ้นเอง ตอนนี้ก็ยังใช้งานจริงกับโปรเจกต์ส่วนตัวหลายตัวและปรับแก้มันต่อเนื่องอยู่ และก้าวต่อไป ผมก็กำลังทดลองรันโปรเจกต์ที่มอบหมายแม้แต่ code review ให้ AI ไปจัดการด้วย
ตอนนี้ EncBird กำลังรับมือกับ codebase ที่เกิน 120,000 บรรทัด (ถ้ารวม context และอื่น ๆ ทั้งหมดก็ราว 180,000) ด้วยการทำให้เป็นอัตโนมัติมากที่สุด เนื่องจากพัฒนาและดูแลคนเดียว ปัญหาการปฏิบัติการส่วนใหญ่จึงจัดการโดยใช้ ทักษะแบบ agent-based ให้เต็มที่ แทนการสร้าง back office ขึ้นมา
ยังมีอีกโปรเจกต์เชิงทดลองที่ทำแยกอยู่หนึ่งตัว ขนาดประมาณ 80,000 บรรทัด และตัวนี้กำลังพัฒนาแบบ อัตโนมัติเต็มรูปแบบ (กำลังทดสอบอยู่ว่าจะไม่เป็นไรจริงไหมถ้าไม่รู้เลยว่าโค้ดทำงานอย่างไร)
แค่ล็อกอินด้วย Google ก็ลองใช้ได้ทันที และ ตอนสมัครครั้งแรกจะให้ 15 เครดิตพร้อมโควตาใช้งานฟรี ถ้าไม่ถูกใจก็ถอนสมาชิกได้ง่าย ลองได้แบบไม่ต้องกังวล (แต่สมัครใหม่อีกครั้งไม่ได้นะ...)
ยังไม่มีความคิดเห็น