หนึ่งในกฎแรกที่ผมใส่ไว้ใน Kasidit คือ AI coding agent ต้องปฏิเสธ scope ที่คลุมเครือ ฟังดูขัดกับความรู้สึก เพราะเราอยากได้ผู้ช่วยที่ "ทำให้เลย" แต่จากประสบการณ์ใช้ Claude Code ทุกวัน ผมพบว่างานที่เสียเวลาที่สุดไม่ใช่งานยาก แต่เป็นงานที่เริ่มจากคำสั่งที่ไม่ชัด แล้ว agent เดาเองว่าเราต้องการอะไร
ปัญหาของ agent ที่ "ช่วยเกินไป"
model สมัยนี้เก่งพอจะเดาความต้องการได้ค่อนข้างแม่น ปัญหาคือ "ค่อนข้างแม่น" ไม่พอสำหรับ production code เมื่อคำสั่งคลุมเครือ agent มักทำหนึ่งในสามอย่างนี้:
- แก้เกิน เห็นโค้ดข้าง ๆ ไม่สวยก็ refactor ไปด้วย diff ใหญ่ขึ้น review ยากขึ้น และเสี่ยงพังสิ่งที่ทำงานอยู่
- แก้ผิดจุด แก้อาการแทนที่จะแก้สาเหตุ เช่น ใส่ null check ปิดปัญหา ทั้งที่ข้อมูลต้นทางผิด
- แต่งบริบทเอง สมมติว่ามีฟังก์ชันหรือ config ที่ไม่มีอยู่จริง แล้วสร้างการแก้ไขบนสมมติฐานนั้น
ทั้งสามอย่างจบที่จุดเดียวกัน คือเราต้องเสียเวลารีวิวและย้อนแก้มากกว่าเวลาที่ agent ช่วยประหยัด
Mission ที่ชัดหน้าตาเป็นอย่างไร
ใน Kasidit ทุกงานเริ่มจาก mission สั้น ๆ ที่มีห้าส่วน:
GOAL: ผลลัพธ์ที่ต้องการ วัดได้หรือตรวจได้
CONTEXT: ไฟล์ / endpoint / หน้าจอที่เกี่ยวข้อง
IN SCOPE: สิ่งที่อนุญาตให้แก้
OUT SCOPE: สิ่งที่ห้ามแตะ
DONE WHEN: เงื่อนไขที่ถือว่าเสร็จ (test ผ่าน, ผลลัพธ์ที่เห็น)
ถ้า agent เติมช่องใดช่องหนึ่งไม่ได้จากคำสั่งและโค้ดที่อ่าน มันต้องถามกลับ ไม่ใช่เดา นี่คือความหมายของ "ปฏิเสธ scope ที่คลุมเครือ" มันไม่ได้ปฏิเสธงาน แต่ปฏิเสธการเริ่มงานโดยไม่มีเป้าหมายที่ตรวจได้
ตัวอย่าง: คำสั่งคลุมเครือ vs คำสั่งที่ชัด
ตัวอย่างที่ 1: bug
- คลุมเครือ: "หน้า orders มันช้า ช่วยดูหน่อย"
- ชัด: "หน้า
/ordersใช้เวลาโหลดหลายวินาทีเมื่อมี filter ตามวันที่ ให้หาว่าเป็นที่ query หรือที่ frontend แก้เฉพาะOrderController@indexและ query ที่เกี่ยวข้อง ห้ามเปลี่ยน response format เสร็จเมื่อ query ที่ช้าใช้ index และ test ของ controller ผ่าน"
ตัวอย่างที่ 2: feature
- คลุมเครือ: "เพิ่ม export Excel ให้หน่อย"
- ชัด: "เพิ่มปุ่ม export รายการ
usersเป็น.xlsxในหน้า admin ใช้ library ที่โปรเจกต์มีอยู่แล้ว คอลัมน์: ชื่อ, email, แผนก, วันที่สร้าง เคารพ filter ที่ใช้อยู่ในหน้า ไม่ต้องทำ export แบบ background job"
ตัวอย่างที่ 3: refactor
- คลุมเครือ: "clean up โค้ดส่วน payment"
- ชัด: "แยก logic คำนวณส่วนลดออกจาก
CheckoutControllerเป็น classDiscountCalculatorพฤติกรรมต้องเหมือนเดิมทุกกรณี ห้ามแก้ไฟล์อื่นนอกจากสองไฟล์นี้และ test เขียน unit test ครอบคลุมกรณีที่มีอยู่ก่อนย้าย"
สังเกตว่าคำสั่งที่ชัดไม่ได้ยาวมาก แต่ทุกคำสั่งตอบได้ว่า "เสร็จ" หน้าตาเป็นอย่างไร และ "ห้ามแตะ" อะไร
วิธีเขียน mission ให้เร็ว
หลายคนบอกว่าเขียน mission เสียเวลา ผมเข้าใจ แต่มีทางลัด:
- เริ่มจาก DONE WHEN ถ้าคุณตอบไม่ได้ว่าเสร็จแปลว่าอะไร คุณเองก็ยังไม่รู้ว่าต้องการอะไร ซึ่งเป็นข้อมูลที่มีค่ามาก
- OUT SCOPE คือส่วนที่คุ้มที่สุด บรรทัดเดียวอย่าง "ห้ามแก้ migration เก่า" ป้องกันความเสียหายได้มากกว่าคำอธิบายยาว ๆ
- ให้ agent ร่าง mission ก่อน บอกเป้าหมายคร่าว ๆ แล้วให้ agent อ่านโค้ดและเสนอ mission กลับมา เราแค่ตรวจและแก้ เร็วกว่าเขียนเองทั้งหมด
- แบ่งงานใหญ่ ถ้า IN SCOPE ยาวเกินห้าบรรทัด มักแปลว่าควรแยกเป็นหลาย mission
Agent ควรถามกลับอย่างไร
การ "ปฏิเสธ" ที่ดีไม่ใช่การตอบว่า "ไม่ชัด ทำไม่ได้" แต่คือการถามกลับแบบที่ตอบง่าย ตัวอย่างคำตอบที่ผมอยากได้จาก agent เมื่อเจอคำสั่ง "หน้า orders มันช้า":
- ช้าตอนเปิดหน้าครั้งแรก หรือตอนกด filter
- ช้ากับผู้ใช้ทุกคน หรือเฉพาะคนที่มีข้อมูลเยอะ
- ผมอ่าน
OrderControllerแล้วเห็นสอง query ที่น่าสงสัย ให้เริ่มจากจุดนี้ได้ไหม
คำถามแบบนี้สั้น มีตัวเลือก และแสดงว่า agent อ่านโค้ดมาแล้ว ไม่ใช่โยนงานกลับมาให้คนคิดทั้งหมด
เมื่อไรที่ปล่อยให้ agent ตัดสินใจเองได้
ไม่ใช่ทุกงานต้องมี mission เต็มรูปแบบ งานที่เล็กและย้อนกลับง่าย เช่น แก้ typo เปลี่ยนชื่อตัวแปรในไฟล์เดียว หรือเขียน script ทิ้งเพื่อทดลอง ปล่อยให้ agent ทำได้เลย หลักของผมคือ ยิ่งงานกระทบหลายไฟล์ แตะข้อมูลจริง หรือย้อนกลับยาก ยิ่งต้องการ scope ที่ชัด
กฎข้อนี้คือหนึ่งในปัจจัยหลักที่ทำให้ Kasidit ได้ผลดีบน SWE-bench ซึ่งผมเล่าไว้ใน Kasidit บน SWE-bench: จาก 63% เป็น 75%
สรุป
AI coding agent ที่ดีไม่ใช่ตัวที่รับทุกคำสั่งแล้วทำทันที แต่เป็นตัวที่รู้ว่าเมื่อไรควรหยุดถาม ให้ทุกงานมี GOAL, CONTEXT, IN SCOPE, OUT SCOPE และ DONE WHEN ถ้ายังเติมไม่ได้ ให้ถามก่อน แล้วคุณจะเสียเวลารีวิวน้อยลง และได้ diff ที่เล็ก อ่านง่าย และไว้ใจได้มากขึ้น