Vibe Coding with Confidence: ทำไม CLI ถึงเป็นอนาคตใหม่ของการพัฒนาโค้ดด้วย AI

ในยุคที่ AI เริ่มเข้ามามีบทบาทสำคัญในการพัฒนาโปรแกรมเมอร์หลายคนคงเคยได้ยินคำว่า “Vibe Coding” หรือการเขียนโค้ดแบบลื่นไหลด้วย AI ที่ช่วยเติมเต็มไอเดียและลดภาระการเขียนโค้ดซ้ำๆ แต่จริงๆ แล้วเราจะสร้างความมั่นใจในโค้ดที่สร้างขึ้นได้อย่างไร? และเครื่องมือแบบไหนที่จะช่วยให้เราพัฒนาได้รวดเร็วและแม่นยำมากขึ้น? เรื่องนี้ได้รับการถ่ายทอดผ่านมุมมองของ Itamar Friedman ซีอีโอและผู้ร่วมก่อตั้งของ Kodo ที่ได้พูดถึงวิวัฒนาการของ AI ในวงการพัฒนาโปรแกรม และชี้ให้เห็นว่า CLI หรือ Command Line Interface อาจจะกลายเป็นเครื่องมือหลักที่ช่วยพลิกโฉมการทำงานของนักพัฒนาในอนาคตได้อย่างน่าตื่นเต้น

วิวัฒนาการของ AI ในวงการพัฒนาโปรแกรม

เมื่อย้อนกลับไปดูวิวัฒนาการของ AI ที่เข้ามาช่วยนักพัฒนา สามารถแบ่งออกเป็น 3 เจนเนอเรชันหลักๆ ที่มีความเปลี่ยนแปลงชัดเจน เริ่มจาก Gen 1.0 คือยุคของ Auto Complete ที่ AI ช่วยเติมคำสั่งโค้ดหรือบรรทัดโค้ดถัดไปให้ เราชอบเครื่องมือนี้เพราะมันช่วยประหยัดเวลา แต่ข้อจำกัดคือยังต้องเป็นนักพัฒนาที่มีความรู้พื้นฐานอยู่แล้วถึงจะใช้ได้ดี

ต่อมา Gen 2.0 คือยุคของ Agentic Chat หรือการโต้ตอบกับ AI ผ่านหน้าต่างแชท ที่ช่วยให้แม้แต่โปรแกรมเมอร์มือใหม่ก็สามารถเขียนโค้ดได้มากขึ้น แต่ปัญหาสำคัญคือโค้ดที่ได้มักต้องใช้เวลาตรวจสอบมากขึ้นและบางครั้งคุณภาพไม่สูงเท่าที่ควร ทำให้เกิดความกังวลเรื่องความน่าเชื่อถือของ AI ในการช่วยเขียนโค้ด

แล้ว Gen 3.0 ที่กำลังจะมาถึง คือยุคของการใช้ CLI เป็นอินเทอร์เฟซหลักเพื่อสั่งงาน AI Agents ให้ทำงานแบบ end-to-end workflow หรือการทำงานต่อเนื่องครบวงจรในกระบวนการพัฒนา ซึ่งไม่เพียงแค่ช่วยเขียนโค้ด แต่ยังรวมถึงการทดสอบ การรีวิว และกระบวนการอื่นๆ ที่เกี่ยวข้องในวงจรชีวิตของซอฟต์แวร์ (SDLC) ด้วย

CLI คืออะไร และทำไมถึงสำคัญ?

CLI หรือ Command Line Interface คือเครื่องมือที่ให้นักพัฒนาสามารถสั่งงานผ่านข้อความคำสั่งได้โดยตรง ต่างจาก IDE ที่เน้นอินเทอร์เฟซกราฟิก CLI มีความยืดหยุ่นสูง สามารถนำไปใช้ใน workflow ที่ซับซ้อนและเชื่อมต่อกับเครื่องมืออื่นๆ ได้ง่าย เช่น การ pipeline งานต่างๆ หรือการเรียกใช้งาน AI agents หลายตัวพร้อมกันเพื่อทำงานร่วมกัน นี่คือจุดเด่นที่ทำให้ CLI กลายเป็นอินเทอร์เฟซที่เหมาะสมสำหรับยุคของ AI ที่ต้องการความรวดเร็วและความแม่นยำในงานพัฒนา

Itamar เน้นว่า CLI ไม่ใช่แค่เครื่องมือที่ล้าสมัย แต่จะกลายเป็นผู้นำในการเปลี่ยนแปลงวิธีการทำงานของนักพัฒนา เพราะมันช่วยให้เราสามารถสร้าง “multi-agent workflows” หรือการทำงานประสานกันของ AI Agents หลายตัวที่ทำงานเฉพาะด้านและช่วยกันแก้ไขปัญหาในกระบวนการพัฒนาซอฟต์แวร์ได้อย่างสมบูรณ์แบบ

AI Across the Software Development Life Cycle (SDLC)

การพัฒนาโปรแกรมไม่ได้มีแค่การเขียนโค้ดเท่านั้น แต่ยังรวมถึงหลายกระบวนการที่สำคัญ เช่น การวางแผน การทดสอบ การรีวิวโค้ด การแก้บั๊ก และการปรับปรุงฟีเจอร์ ซึ่งแต่ละขั้นตอนต้องการความละเอียดและความแม่นยำสูง

Itamar แบ่งงานของนักพัฒนาออกเป็น 4 ส่วนหลักๆ ที่มักถูกมองข้ามในบริบทของ AI coding tools ที่เน้นแค่การเขียนโค้ดอย่างรวดเร็ว (vibe coding) ซึ่งในซอฟต์แวร์ระดับองค์กรหรือ “heavy duty software” การทำงานเหล่านี้ล้วนสำคัญและต้องการการบริหารจัดการขั้นสูง โดยเฉพาะการทำงานร่วมกับ AI ที่ต้องการความน่าเชื่อถือและคุณภาพสูง

การนำ AI มาใช้ในแต่ละขั้นตอนของ SDLC จึงไม่ใช่แค่เรื่องการเขียนโค้ดเร็วๆ แต่เป็นการสร้าง workflow ที่เชื่อมโยง AI agents ที่มีความเชี่ยวชาญเฉพาะด้าน เช่น agent สำหรับรีวิวโค้ด agent สำหรับเพิ่ม coverage ของเทส หรือ agent ที่ช่วยวิเคราะห์บั๊ก เพื่อให้ได้โค้ดที่มีคุณภาพสูงและพร้อมใช้งานจริง

Vibe Coding with Confidence คืออะไร?

“Vibe Coding” คือแนวคิดการเขียนโค้ดแบบลื่นไหล รวดเร็ว โดยใช้ AI ช่วยเติมเต็มและสร้างโค้ดตามที่ต้องการ แต่ความท้าทายคือการสร้างความมั่นใจว่าโค้ดที่ได้มีคุณภาพและสอดคล้องกับมาตรฐานของทีมพัฒนา

Itamar ชี้ว่า การทำให้เกิด “confidence” ในการ vibe coding ต้องอาศัยการนำ context หรือบริบทของโปรเจกต์เข้ามาช่วย และการสร้าง workflow ที่เชื่อมโยงขั้นตอนต่างๆ ของ SDLC ผ่าน AI agents ที่ทำงานร่วมกันอย่างมีประสิทธิภาพ เช่น การรีวิวโค้ดตาม best practices ขององค์กร การทดสอบที่ครอบคลุม และการจัดการกับบั๊กอย่างรวดเร็ว

นี่คือจุดที่ทำให้ CLI และ multi-agent workflows มีบทบาทสำคัญ เพราะสามารถจัดการกับ workflow เหล่านี้ได้อย่างคล่องตัวและต่อเนื่อง ช่วยให้ vibe coding ไม่ใช่แค่การเขียนโค้ดเร็วๆ แต่เป็นการพัฒนาซอฟต์แวร์ที่มีคุณภาพและตรวจสอบได้ในทุกขั้นตอน

ทำไม CLI ถึงเป็นอนาคตของ AI ในการพัฒนาโปรแกรม

หลายคนอาจคิดว่า IDE คือเครื่องมือหลักของนักพัฒนาในยุคนี้ แต่การพูดถึง CLI ในฐานะ “อินเทอร์เฟซแห่งอนาคต” เป็นเรื่องที่ควรตั้งใจฟัง เพราะ CLI มีข้อได้เปรียบที่สำคัญหลายประการ

CLI ช่วยให้สามารถรันคำสั่งต่างๆ แบบอัตโนมัติและเชื่อมโยงกับเครื่องมืออื่นๆ ได้ง่าย เช่น การ pipeline AI agents หลายตัวพร้อมกัน การตั้ง workflow ที่ซับซ้อน หรือการเรียกใช้งาน agent เฉพาะทางได้อย่างรวดเร็วและยืดหยุ่น อีกทั้งยังสามารถสร้าง interface เฉพาะงาน เช่น interface สำหรับรีวิวโค้ดที่เหมาะสมกับแต่ละภารกิจ

Itamar ยังยกตัวอย่างการใช้ CLI ในงานสาธิต ที่แสดงให้เห็นว่าแม้แต่การสาธิตแบบมืออาชีพ ก็ไม่จำเป็นต้องเปิด IDE แต่สามารถทำได้ทั้งหมดผ่าน CLI ซึ่งสะท้อนถึงพลังและความคล่องตัวของเครื่องมือนี้ในยุค AI

Multi-Agent Architecture ของ Kodo

Kodo ได้พัฒนา multi-agent architecture ที่เน้นการทำงานร่วมกันของ AI agents หลายตัว ซึ่งแต่ละตัวจะมีหน้าที่เฉพาะ เช่น agent ที่ทำหน้าที่ “deep research” เพื่อค้นหาข้อมูลเชิงลึกในโค้ด, agent สำหรับรีวิวโค้ด (code review) ที่ชื่อว่า Code Merge และ agent ที่ช่วย shift left การทดสอบและรีวิวใน IDE เพื่อให้มั่นใจว่าโค้ดที่เขียนออกมามีคุณภาพสูงตามมาตรฐานองค์กร

ความพิเศษคือ AI agents เหล่านี้ไม่เพียงแค่ทำงานแยกกัน แต่สามารถเชื่อมต่อและสื่อสารกันได้ผ่าน CLI และ workflow ที่ตั้งขึ้น ทำให้กระบวนการพัฒนาซอฟต์แวร์กลายเป็นระบบอัตโนมัติที่ครบวงจรและเชื่อถือได้มากขึ้น

นอกจากนี้ Kodo ยังเปิดตัว CLI tool ที่พร้อมให้ทดลองใช้งานแบบ soft launch ซึ่งเป็นก้าวสำคัญที่ช่วยให้นักพัฒนาสามารถเข้าถึง workflow และ AI agents เหล่านี้ได้สะดวกและรวดเร็ว

การทำงานแบบ Workflow และ Agentic Workflow

Workflow ในที่นี้หมายถึงการจัดลำดับขั้นตอนการทำงานของ AI agents ให้ทำงานร่วมกันอย่างมีประสิทธิภาพ เพื่อปิดงานในแต่ละส่วนของ SDLC อย่างครบถ้วนและมีคุณภาพ

Itamar เน้นว่า agentic workflow ไม่ใช่แค่ agent ตัวเดียวทำงาน แต่เป็นการประสานงานกันของหลาย agent ที่เชี่ยวชาญในหน้าที่เฉพาะ เช่น agent สำหรับเขียนโค้ด, agent สำหรับทดสอบ, agent สำหรับรีวิว และ agent สำหรับเพิ่ม coverage ของเทส ซึ่งทำให้ workflow เหล่านี้ทำงานประสานกันและตอบโจทย์การพัฒนาโปรแกรมแบบครบวงจร

ด้วย CLI นักพัฒนาสามารถสร้าง pipeline ที่เชื่อมต่อ agent เหล่านี้เข้าด้วยกันได้อย่างยืดหยุ่น เช่น การส่งผลลัพธ์จากการเขียนโค้ดไปยัง agent ที่ช่วยเพิ่ม coverage และส่งต่อไปยัง agent ที่รีวิวโค้ด ทำให้กระบวนการพัฒนาเป็นไปอย่างต่อเนื่องและมีประสิทธิผล

ความสำคัญของ Trust ใน AI Workflow

หนึ่งในความท้าทายใหญ่ของการใช้ AI ในการพัฒนาซอฟต์แวร์คือการสร้างความเชื่อถือ (trust) ในผลลัพธ์ที่ได้ เพราะนักพัฒนาไม่ใช่แค่ต้องการโค้ดที่เร็ว แต่ต้องการโค้ดที่มีคุณภาพสูงและสอดคล้องกับมาตรฐานองค์กร

ดังนั้น AI agents ที่เข้ามาช่วยใน workflow ต้องมีความสามารถในการรีวิวโค้ด ตรวจสอบคุณภาพ และทดสอบอย่างละเอียด เพื่อให้มั่นใจว่าโค้ดที่ผลิตออกมานั้นมีความน่าเชื่อถือสูง และสามารถนำไปใช้จริงได้โดยไม่ต้องเสียเวลามากกับการแก้ไขบั๊กที่เกิดจากโค้ดคุณภาพต่ำ

Kodo จึงเน้นการพัฒนา AI agents ที่ทำหน้าที่เป็น “red team” หรือทีมตรวจสอบคุณภาพที่เข้มงวด ซึ่งช่วยสร้างความมั่นใจและลดความเสี่ยงจากโค้ดที่ไม่ผ่านมาตรฐาน

บทบาทของ Context และ Best Practices ในการ Vibe Coding

การทำให้ AI ช่วยเขียนโค้ดได้อย่างมั่นใจ ไม่ใช่แค่การให้ AI สร้างโค้ดตามคำสั่ง แต่ต้องมีการนำ context หรือบริบทของโปรเจกต์เข้ามาช่วย เช่น การเข้าใจโครงสร้างโค้ดเดิม แนวทางการออกแบบ และมาตรฐานขององค์กร เพื่อให้ AI สามารถสร้างโค้ดที่สอดคล้องและสามารถบูรณาการเข้ากับโค้ดเบสได้อย่างราบรื่น

Itamar ยังอ้างถึงความคิดเห็นของ Andrej Karpathy ที่เคยพูดถึงปัญหาของ AI coding tools ที่มีประสิทธิภาพน้อยลงในโปรเจกต์โค้ดขนาดใหญ่ที่มีบริบทซับซ้อน ต่างจากโปรเจกต์ greenfield ที่ AI สามารถสร้างโค้ดได้ง่ายและรวดเร็วกว่า

ดังนั้น การนำ AI มาใช้ในองค์กรใหญ่จึงต้องมีการจัดการ context และ best practices อย่างเป็นระบบ เช่น การเก็บรวบรวมแนวทางปฏิบัติที่ดีที่สุด (best practices) และการเชื่อมโยง AI agents กับฐานข้อมูลความรู้เหล่านี้ เพื่อช่วยให้ AI สร้างโค้ดที่มีคุณภาพและเหมาะสมกับงานจริง

การสร้าง Agent และ Workflow ด้วย CLI

หนึ่งในฟีเจอร์สำคัญของ Kodo CLI คือการสร้าง AI agents และ workflow ได้ด้วยคำสั่งง่ายๆ ผ่าน command line นักพัฒนาสามารถกำหนดเป้าหมายของ agent เช่น สร้าง agent สำหรับรีวิวโค้ด หรือ agent ที่ช่วยเพิ่ม coverage ของเทส จากนั้น agent จะเริ่มทำงานโดยอัตโนมัติและรายงานผลลัพธ์กลับมา

สิ่งนี้ช่วยลดเวลาที่ต้องใช้ในการตั้งค่าและบริหารจัดการ workflow ซ้ำๆ และเปิดโอกาสให้นักพัฒนาสามารถโฟกัสกับงานที่ต้องการความคิดสร้างสรรค์มากขึ้น

นอกจากนี้ CLI ยังช่วยให้เราสามารถเชื่อมต่อ agent หลายตัวเข้าด้วยกันในรูปแบบ pipeline หรือแม้แต่การสื่อสารระหว่าง agent (Agent-to-Agent หรือ A2A) เพื่อให้ workflow มีความยืดหยุ่นและตอบสนองความต้องการซับซ้อนของโปรเจกต์ได้ดียิ่งขึ้น

อนาคตของการพัฒนาโปรแกรม: Swarm of Agents

Itamar มองว่าอนาคตของการพัฒนาโปรแกรมจะเป็นยุคของ “swarm of agents” หรือฝูง AI agents ที่ทำงานร่วมกันอย่างชาญฉลาดและมีความเชี่ยวชาญเฉพาะด้านแตกต่างกันไป เช่น agent สำหรับเขียนโค้ด, agent สำหรับรีวิว, agent สำหรับทดสอบ, agent สำหรับวางแผน และอื่นๆ อีกมากมาย

การทำงานร่วมกันของ agent เหล่านี้จะช่วยสร้าง ecosystem ที่สมบูรณ์แบบสำหรับการพัฒนาซอฟต์แวร์ที่รวดเร็ว แม่นยำ และมีคุณภาพสูง นักพัฒนาจะไม่จำเป็นต้องพึ่งพาเครื่องมือเดียวหรือวิธีการทำงานแบบเดิมๆ อีกต่อไป แต่จะสามารถสร้างสรรค์ workflow ที่เหมาะสมกับแต่ละโปรเจกต์โดยใช้ CLI เป็นจุดศูนย์กลางในการควบคุมและสั่งงาน

แม้ว่าปัจจุบันการใช้งาน A2A ยังไม่แพร่หลายมากนัก แต่เทคโนโลยีกำลังพัฒนาอย่างรวดเร็ว และในอีกไม่กี่ปีข้างหน้าจะเห็นการเปลี่ยนแปลงครั้งใหญ่ในวงการนี้อย่างแน่นอน

บทสรุปส่งท้ายจากทีมงาน Insiderly

• Vibe Coding ต้องมาพร้อมกับความมั่นใจที่ได้จากการนำ context และ workflow ที่ชัดเจนมาช่วยสนับสนุน ไม่ใช่แค่การเขียนโค้ดเร็วแบบไร้การตรวจสอบ
• CLI จะกลายเป็นอินเทอร์เฟซหลักที่ช่วยให้การใช้ AI ในการพัฒนาซอฟต์แวร์มีความยืดหยุ่นและต่อเนื่องมากขึ้น ผ่านการทำงานร่วมกันของ multi-agent workflows
• การใช้ AI across SDLC คือการเปลี่ยนแปลงสำคัญที่จะช่วยให้ซอฟต์แวร์ระดับองค์กรพัฒนาด้วยคุณภาพสูงขึ้น ลดความเสี่ยงจากโค้ดที่ไม่ผ่านมาตรฐาน
• Multi-agent architecture ของ Kodo แสดงให้เห็นถึงอนาคตที่ AI agents หลายตัวจะทำงานร่วมกันประสานผลลัพธ์ เพื่อสร้างซอฟต์แวร์ที่มั่นใจได้
• การสร้าง agent และ workflow ด้วย CLI ช่วยลดภาระการจัดการและเปิดโอกาสให้นักพัฒนามุ่งเน้นงานที่ต้องใช้ความคิดสร้างสรรค์แทนงานซ้ำซาก
• อนาคตของวงการพัฒนาซอฟต์แวร์คือ swarm of agents ที่ทำงานร่วมกันอย่างชาญฉลาดและมีความเชี่ยวชาญเฉพาะทาง พร้อมพลิกโฉมวิธีการทำงานแบบดั้งเดิม

คำศัพท์เฉพาะทางเพิ่มเติม

• Vibe Coding: การเขียนโค้ดแบบลื่นไหลด้วย AI ที่ช่วยเติมเต็มไอเดียและสร้างโค้ดอย่างรวดเร็ว โดยไม่ต้องเขียนทุกบรรทัดด้วยตัวเอง
• CLI (Command Line Interface): อินเทอร์เฟซสำหรับสั่งงานด้วยข้อความคำสั่งที่มีความยืดหยุ่นสูง เหมาะกับการสร้าง workflow และการทำงานกับหลายเครื่องมือพร้อมกัน
• SDLC (Software Development Life Cycle): กระบวนการพัฒนาซอฟต์แวร์ตั้งแต่การวางแผน การเขียนโค้ด การทดสอบ การรีวิว ไปจนถึงการดูแลรักษา
• Agentic Workflow: การทำงานร่วมกันของ AI agents หลายตัวที่มีหน้าที่เฉพาะด้าน เพื่อดำเนินงานในกระบวนการพัฒนาซอฟต์แวร์อย่างครบวงจร
• MCP (Multi-Component Pipeline): แนวคิดการเชื่อมต่อหลายส่วนของ workflow เข้าด้วยกันเพื่อให้ AI agents หลายตัวทำงานร่วมกันอย่างมีประสิทธิผล
• A2A (Agent-to-Agent communication): การสื่อสารและประสานงานระหว่าง AI agents หลายตัว เพื่อแลกเปลี่ยนข้อมูลและทำงานร่วมกันอย่างมีประสิทธิภาพ