นี่คือบทความสรุปแนวทางการทำงานร่วมกับ AI ที่ผมได้ประสบด้วยตัวเองจากการมีส่วนร่วมในฐานะ collaborator ของ rhwp ตลอด 3 เดือน
บทความนี้พิจารณาว่าเหตุใด AI ที่ทำงานได้ดีใน vibe coding จึงมักประสบความยากลำบากเมื่อนำไปใช้กับโปรเจกต์เดิมหรือ codebase ของบริษัท โดยมองจากมุมของ “การขาดบริบทของโปรเจกต์ที่สั่งสมไว้” มากกว่าประสิทธิภาพของโมเดลเพียงอย่างเดียว
ผ่าน Hyper-Waterfall นั้น rhwp ทำให้บริบทที่เกิดขึ้นระหว่างการทำงานถูกทำให้อยู่ภายนอกได้ดังนี้
- ในภาพรวม จะบันทึกความรู้ระยะยาวที่หลายงานต้องใช้ร่วมกันไว้ใน
mydocs/manual,mydocs/techเป็นต้น - ในระดับย่อย จะบันทึกการตัดสินใจ ผลการตรวจสอบ และเหตุผลของความสำเร็จและความล้มเหลวไว้ในเอกสารแผนการทำและแผนการดำเนินงานของแต่ละงาน รายงานรายขั้น และรายงานสุดท้าย
- commit เอกสารเหล่านี้ลงใน repository พร้อมกับโค้ด เพื่อให้ผู้มีส่วนร่วม เซสชัน เอเจนต์ และโมเดลอื่น ๆ สามารถใช้บริบทเดียวกันต่อเนื่องได้
ในกรณีจริง เอกสารออกแบบที่ถูกเขียนไว้ก่อนที่ผมจะรู้จักโปรเจกต์ ได้ถูกค้นพบอีกครั้งในงานใหม่ราว 5 เดือนให้หลัง จากสิ่งนี้ ผู้มีส่วนร่วมใหม่และ AI สามารถทำความเข้าใจปัญหาที่ maintainer หลักเคยพิจารณาไว้ ทิศทางการออกแบบ และสิ่งที่ตัดสินใจไปแล้วได้อีกครั้ง
ผมไม่ได้อ้างว่า Hyper-Waterfall เป็นเครื่องมือสารพัดประโยชน์ที่เหมาะกับทุกโปรเจกต์ แต่ขอแนะนำวิธีเก็บบริบทชั่วคราวของเซสชันให้กลายเป็น “ความทรงจำของโปรเจกต์” ที่ตรวจสอบและนำกลับมาใช้ซ้ำได้ในโปรเจกต์ซับซ้อนที่ดำเนินต่อเนื่องยาวนาน รวมถึงวิธีนำแนวทางนี้ไปใช้กับ repository อื่น ๆ
ยังไม่มีความคิดเห็น