พูดถึงปัญหาที่เมื่อผู้วางแผนใช้งาน AI แม้จะทำให้การวางแผนระดับบนเป็นอัตโนมัติได้ดี แต่ในขั้นวางแผนรายละเอียดก็ยังต้องลำบากกับงานที่ต้องทำด้วยมืออยู่ดี
เนื้อหาเน้นกรณีศึกษาที่นำแนวคิด 'Planning Harness' มาใช้เพื่อแก้ปัญหานี้ จากคำแนะนำของนักพัฒนารอบตัว
Planning Harness คืออะไร?
. ระบบที่ควบคุมให้ AI ทำงานภายใต้กฎและคอนเท็กซ์ที่สม่ำเสมอเมื่อเขียนเอกสารแผนงาน
. ต่างจากวิธีแบบหลวม ๆ ที่แค่แนบเอกสารแล้วขอให้ “ช่วยอ้างอิง” โดยตั้งค่าไฟล์กฎ (CLAUDE.md) ไว้ในโฟลเดอร์โลคัล
. บังคับให้ AI รับรู้กฎเหล่านั้นตลอดเวลาในระหว่างการวางแผน
• องค์ประกอบหลัก:
คอนเท็กซ์ (ตรึงนโยบายหลักของบริการ), การกำหนดเครื่องมือ (ใช้เฉพาะคำสั่ง/สกิลเฉพาะทาง), การ์ดเรล (ตั้งกฎความเสี่ยง), การตรวจสอบอัตโนมัติ (ตรวจทานผลลัพธ์)
• ความแตกต่างจากการพรอมป์แบบทั่วไป:
ไม่ใช่การขอแบบครั้งเดียวที่ต้องป้อนข้อมูลให้เองทุกครั้ง แต่เป็นไปป์ไลน์ที่พร้อมรอทำงานตลอดเวลา
AI สามารถแก้ไขไฟล์โลคัลได้โดยตรงด้วยสิทธิ์ File I/O และบันทึกลง GitHub เพื่อให้ทั้งทีมแชร์ร่วมกันได้
• วิธีสร้างระบบ (10 นาที):
สร้างโฟลเดอร์ → เขียนไฟล์กฎ CLAUDE.md → กำหนดสกิล (เช่น sequence diagram, user flow)
→ ใส่เอกสารแผนงานระดับบน → เลือก deploy ไปยัง GitHub ได้
• ตัวอย่างสกิลอัตโนมัติ:
/search-documents(ค้นหานโยบาย),
/split-requirements(แยกย่อยความต้องการ),
/sequence_diagram(แสดงภาพลอจิกฝั่งแบ็กเอนด์),
/user-flow(โฟลว์ผู้ใช้),
/logic-check(สร้างเคสข้อยกเว้น),
/release-note(สรุปสำหรับแชร์ใน Slack),
/deploy-jira(แปลงเป็นงานใน JIRA)
จากกรณีจริงของแอปจดบันทึก ได้พิสูจน์ว่าเมื่อต้องเพิ่มฟีเจอร์คอมเมนต์ ก็สามารถสร้าง sequence diagram, user flowchart และเผยแพร่ HTML แบบอัตโนมัติได้ด้วยคำขอเพียงบรรทัดเดียว
. คาดว่าในอนาคตจะขยายไปสู่การทำ wireframe อัตโนมัติได้ด้วยการผสานเครื่องมือภาพอย่าง Claude Design และ Figma MCP
. สิ่งนี้คาดว่าจะช่วยแก้ปัญหาการกระจัดกระจายของเอกสารแผนงาน-ดีไซน์ และเปลี่ยนกระบวนทัศน์การทำงานของผู้วางแผนอย่างถึงราก
ยังไม่มีความคิดเห็น