วิวัฒนาการของ AI Coding: จาก Copilot สู่ Agent Swarms
การเขียนโค้ดด้วย AI กำลังก้าวไปอย่างรวดเร็ว ผมได้เฝ้าดูความก้าวหน้าตั้งแต่การแนะนำโค้ดแบบง่ายๆ ไปจนถึงเอเจนต์ที่ทำงานได้ด้วยตัวเอง
นี่คือลำดับเหตุการณ์:
2021: GitHub Copilot มันช่วยเติมโค้ดอัตโนมัติแบบบรรทัดเดียว มันทำงานได้ดีกับรูปแบบมาตรฐาน แต่ล้มเหลวเมื่อต้องจัดการกับตรรกะที่ปรับแต่งเอง (custom logic) และมันไม่รู้จัก codebase ทั้งหมดของคุณ
2023: การเขียนโค้ดผ่านแชท คุณอธิบายงานที่ต้องการแล้วจะได้ฟังก์ชันออกมา แต่คุณยังต้องเป็นคนให้บริบท (context) ทั้งหมดด้วยตัวเอง
2024: การรับรู้ข้อมูลหลายไฟล์ เครื่องมืออย่าง Cursor และ Aider สามารถประสานการเปลี่ยนแปลงข้ามไฟล์จำนวนมากได้ ทำให้การทำ refactor ขนาดใหญ่เป็นเรื่องที่เป็นไปได้แล้ว
2025: เอเจนต์ที่เข้าใจ codebase ทั้งหมด เครื่องมืออย่าง Claude Code และ Devin ทำงานตามเป้าหมาย คุณแค่ตั้งเป้าหมายแล้วคอยตรวจสอบผลงาน โดย Claude Code สามารถแก้ปัญหาจริงบน GitHub ได้ถึง 9 ใน 10 รายการ
2026: ทีมเอเจนต์ (Agent teams) เซสชัน AI หลายตัวทำงานร่วมกัน โดยมีตัวหลักหนึ่งตัวคอยจัดการเพื่อนร่วมทีมที่มีความเชี่ยวชาญเฉพาะด้าน พวกมันสื่อสารกันแบบเรียลไทม์เพื่อแก้ไขข้อขัดแย้ง
OpenClaw คือผู้เล่นหน้าใหม่ในวงการนี้ มันเติบโตจากโปรเจกต์เล็กๆ จนมี GitHub stars ถึง 250,000 ดวงภายในเวลาเพียงสี่เดือน
มันทำงานแตกต่างออกไป มันไม่ได้อยู่ใน IDE ของคุณ แต่มันรันบนเครื่องของคุณเอง คุณสามารถคุยกับมันผ่าน WhatsApp, Telegram หรือ Discord
คุณส่งข้อความตอนห้าทุ่มเพื่อให้มันแก้ test ที่พัง พอตื่นเช้ามา คุณก็จะได้ Pull Request ที่เสร็จสมบูรณ์ มันพร้อมใช้งานเสมอโดยที่คุณไม่ต้องเปิด terminal เลย
พลังที่ยิ่งใหญ่มาพร้อมกับความเสี่ยง คุณต้องระวังคำตอบที่ผิดแต่ดูมั่นใจ
AI สร้างโค้ดที่ดูเหมือนจะถูกต้อง มันคอมไพล์ผ่านและผ่านการทดสอบ แต่กลับล้มเหลวเมื่อใช้งานจริง (production) เพราะมันพลาดตรรกะทางธุรกิจ (business logic) เฉพาะของคุณไป
ควรเฝ้าระวังพื้นที่เหล่านี้อย่างใกล้ชิด:
- ขอบเขตความปลอดภัย (Security boundaries)
- การเชื่อมต่อกับ External API
- ตรรกะเฉพาะทางของโดเมน (Domain-specific logic)
- โค้ดที่ต้องพึ่งพาความรู้ภายในองค์กรที่ไม่ได้ถูกบันทึกไว้ (unwritten institutional knowledge)
เชื่อมั่นในรูปแบบมาตรฐาน (standard patterns) แต่จงตรวจสอบส่วนที่เป็นขอบเขต (edges) อย่างละเอียด
พรุ่งนี้ผมจะมาพูดถึงขั้นตอน upstream ซึ่งทีมส่วนใหญ่มักจะพลาดวิธีที่ดีที่สุดในการใช้ประโยชน์จาก AI ในขั้นตอนนี้