ถ้าบทความก่อนเล่าว่า ใคร สร้างบล็อกนี้ (Muse Code) บทความนี้จะเล่าว่า วิธีคิด ที่คุมมันชื่ออะไร คำตอบคือปลั๊กอินชื่อ 8-habit-ai-dev สโลแกนของมันคือ "Stop vibe coding" คือหยุดพฤติกรรมสั่ง AI เขียนโค้ดเลยโดยไม่คิด ด้วย 24 skills 7 ขั้นตอน และ 8 habits จากหลักการของ Covey ดูโปรเจกต์ได้ที่ pitimon/8-habit-ai-dev

ปัญหาที่มันแก้

Vibe coding คือการกระโดดเข้าโค้ดทันทีโดยไม่นิยามว่าเสร็จคืออะไร ไม่ค้นคว้าก่อน ไม่รีวิวก่อน commit ไม่วางแผน deploy แล้วไปจ่ายต้นทุนทีหลังตอนแก้บั๊กกับ rollback ปลั๊กอินนี้แก้ด้วยการผูกแต่ละขั้นตอนเป็น skill โดยแต่ละ skill จะบอกว่าต้องการอะไรจากขั้นก่อน และส่งอะไรให้ขั้นต่อไป

7 ขั้นตอนมีอะไรบ้าง

ขั้นSkillใจความ
0researchศึกษาก่อนกำหนด ห้ามนิยาม requirement ลอยๆ
1requirementsนิยามว่า done คืออะไรก่อนแตะโค้ด
2designตัดสินใจสถาปัตยกรรม (คนตัดสิน AI เสนอ)
3breakdownแตกงานเป็นชิ้นเล็กพร้อม dependency
4build-briefเตรียมบริบทก่อนเขียนโค้ดแต่ละชิ้น
5review-aiตรวจโค้ดที่ AI เขียนก่อน commit (ห้ามข้าม)
6deploy-guideวางแผน deploy แบบ staging-first พร้อม rollback
7monitor-setupตรวจสุขภาพ alerting และ error tracking

กฎที่ชอบที่สุดคือ honest skip rule ถ้าอธิบายออกเสียงได้ว่าทำไมถึงข้ามขั้นนั้น ก็ข้ามได้ แต่ถ้าอธิบายไม่ได้ก็ต้องรัน งานแก้บั๊กบรรทัดเดียวไม่ต้องลากทั้ง 7 ขั้น แต่ห้ามข้าม review-ai เด็ดขาด

8 habits คืออะไร

ตัวเลข 8 มาจาก habits ของ Covey แต่ละข้อถูกตีความใหม่เพื่องาน AI:

  • H1 Be Proactive โฟกัสสิ่งที่คุมได้ แก้บั๊กแล้วไล่ทุก caller ไม่ใช่แค่จุดที่แจ้ง
  • H2 Begin with the End นิยามว่าเสร็จคืออะไรก่อนเริ่ม
  • H3 First Things First จัดลำดับก่อนลงมือ
  • H4 Think Win-Win ทุกอย่างที่ผลิตคือฝากหรือถอนกับคนถัดไป ปิด issue พร้อมเหตุผลคือฝาก ปิดว่า fixed เฉยๆ คือถอน
  • H5 Seek First to Understand อ่านโค้ดเดิมก่อนเขียนใหม่ เพราะบั๊กของ AI ส่วนใหญ่ไม่ใช่โค้ดผิด แต่ถูกโดดเดี่ยวผิดบริบท
  • H6 Synergize ผสานความเห็นต่างให้ได้ของที่ดีกว่าเดิม
  • H7 Sharpen the Saw ลงทุนในความสามารถในการผลิต (CI test deploy monitoring) ไม่ใช่แค่ผลผลิต
  • H8 Find Your Voice จากมีประสิทธิภาพสู่มีความหมาย เอาความรู้ไปแบ่งปัน — ซึ่งก็คือสิ่งที่บล็อกนี้กำลังทำ

รายละเอียดเต็มอยู่ใน Habits-Reference ของ wiki

vibe coding กับแบบมีโครงต่างกันอย่างไร

wiki ของปลั๊กอินมีตารางเทียบไว้ชัด พร้อมประโยคเด็ดว่า "ทำเสร็จ ≠ ทำดี":

ด้านvibe codingแบบมีโครง
นิยามปัญหาprompt ก่อนrequirements ก่อน
เจอเรื่องใหม่เดาresearch
สถาปัตยกรรมโมเดลเลือกเองเงียบๆdesign โดยคนตัดสิน
รีวิว"ดูดีแล้ว"review-ai พร้อมเช็กลิสต์
deploypush แล้วลุ้นdeploy-guide พร้อม rollback
บทเรียนจบงานก็หายreflect กับ post-mortem

wiki ยังซื่อสัตย์ว่างานเบาๆ อย่าง script ใช้แล้วทิ้งหรืองานจัด format ไม่ต้องขนชุดใหญ่ (Vibe-Coding-vs-Structured) ซึ่งตรงกับ honest skip rule ข้างบนพอดี

เราเอามาใช้ตรงไหนบ้าง

บล็อกนี้คือหลักฐานการใช้งานจริง งาน jevgrep เริ่มด้วย research จนได้ research brief พร้อมแหล่งอ้างอิงก่อนเขียนบทความ งาน deploy ทุกครั้งเดินตาม deploy-guide คือ preview ก่อน verify แล้วค่อย prod พร้อมแผน rollback ทุกครั้ง

ส่วนบันทึก retrospective หลังงาน Vercel ก็คือหัวใจของ reflect และธรรมเนียม CHANGES.log ใน repo ก็คือวินัยเดียวกับ ai-dev-log ที่ปลั๊กอินสอน

ผลที่รู้สึกได้คือ AI ถามกลับเมื่อ requirement ไม่ชัด เสนอแผนก่อนลงมือ และตรวจงานตัวเองด้วยหลักฐานแทนความมั่นใจ

ชวนมาลอง

ถ้าคุณสั่ง AI เขียนโค้ดแล้วได้ของที่ต้องแก้ซ้ำ หรือกลัวว่ายิ่งสั่งยิ่งเละ ให้เริ่มจาก skill เดียวก็พอ งานใหม่เริ่มที่ research ส่วนงานที่เขียนเสร็จแล้วเริ่มที่ review-ai

ไม่ต้องใช้ทั้ง 24 ตัว (เจ้าของปลั๊กอินเองบอกว่าใช้หมดทุกงานคือ theater) แค่ขั้นเดียวก็เห็นความต่างแล้ว ที่เหลือค่อยเพิ่มตามขนาดงาน