ให้สเปกมาก่อนโค้ด
Elephant-Goldfish Model หรือ EGM คือปลั๊กอินโอเพนซอร์สที่เพิ่มขั้นตอนออกแบบและตรวจทานให้ AI coding agent โดยกำหนดให้จัดทำสเปกให้เสร็จก่อนเริ่มเขียนโค้ดจริง เพื่อให้คนตรวจและแก้ความเข้าใจผิดได้ตั้งแต่ยังเป็นเอกสาร Google เปิดตัวปลั๊กอินนี้สำหรับงาน AI เขียนโค้ด โดยวางบทบาทเป็นชั้นกำกับกระบวนการ ไม่ใช่โมเดลภาษาตัวใหม่ แนวคิดนี้ตอบปัญหาที่เห็นได้ชัดในงานพัฒนา: คำสั่งที่คลุมเครือหรือสมมติฐานผิดมักถูกส่งต่อไปเป็นโค้ด ก่อนจะโผล่ขึ้นมาให้แก้เอาตอนรีวิวคำขอรวมโค้ด การเขียนสเปกโค้ดไว้ก่อนจึงไม่ใช่งานเอกสารเพื่อความเป็นระเบียบ แต่เป็นจุดตรวจที่ช่วยถามว่าเรากำลังสร้างสิ่งที่ผู้ใช้ต้องการหรือไม่ หากคำตอบยังไม่ชัด การชะลอการเขียนโค้ดคือทางเลือกที่ประหยัดความผิดพลาดกว่า
ช้างเก็บบริบท ปลาทองตรวจแบบเป็นอิสระ
เวิร์กโฟลว์ของ EGM แยกงานเป็นสองบทบาท Elephant เป็นเซสชันระยะยาวที่จดจำบริบทโครงการและการตัดสินใจก่อนหน้า เพื่อระดมความคิดและร่างสเปกโดยไม่แตะโค้ด ส่วน Goldfish คือซับเอเจนต์ไร้บริบท อ่านเฉพาะเอกสารออกแบบกับไฟล์อ้างอิง แล้วตรวจหาสิ่งที่ผู้ร่างอาจมองข้าม ความแยกขาดนี้คือหัวใจของปลั๊กอิน Google เพราะผู้รีวิวที่ไม่ได้อยู่ในบทสนทนาเดิมมีโอกาสทักท้วงสมมติฐานได้มากกว่าผู้ช่วยที่รับกรอบคิดเดียวกันมาตลอด ระบบมี 7 ทักษะ ผู้รีวิว 9 บทบาท และมุมมองระดมสมอง 6 แบบ ตั้งแต่ความจำเป็นของฟีเจอร์ไปจนถึงประสบการณ์ผู้ใช้และหนี้ทางเทคนิค โดยอาศัยโมเดลที่ผู้ใช้มีอยู่แล้ว ไม่ได้แถมน้ำหนักโมเดลมาให้
รีวิวห้าด่านก่อนอนุมัติให้สร้าง
การตรวจของ Goldfish เดินตามห้าขั้น ตั้งแต่มองภาพรวม ทดสอบว่าผู้อ่านเข้าใจแบบตรงกันหรือไม่ ส่งผู้รีวิวเฉพาะด้านค้นหาช่องโหว่และกรณีขอบ จากนั้นตรวจสถาปัตยกรรมซ้ำหลังแก้ไข ก่อนประเมินความพร้อมของเส้นทางไฟล์และโครงสร้างข้อมูล ระบบจัดผลเป็นระดับที่ต้องหยุดแก้ ระดับสำคัญ และข้อสังเกตเล็กน้อย พร้อมจำกัดการตรวจซ้ำในแต่ละด่าน แนวทางนี้มีเหตุผล เพราะข้อบกพร่องเชิงออกแบบแก้ในเอกสารได้ง่ายกว่าการไล่รื้อโค้ดหลังพัฒนาแล้ว แต่มีเงื่อนไขสำคัญ: หากแพลตฟอร์มแยกบริบทของซับเอเจนต์ไม่ได้ EGM จะหยุดทำงาน แทนที่จะยอมให้การรีวิวที่ปนเปื้อนบริบทเดิมผ่านไป จุดยืนนี้ถูกต้องในเชิงหลักการ แม้จะทำให้ประสบการณ์ใช้งานขึ้นกับความสามารถของระบบโฮสต์
ลดความเสี่ยงได้ แต่ไม่ใช่ทางลัดไร้ต้นทุน
ความจำเป็นของขั้นตอนเหล่านี้ไม่ได้มาจากความเชื่อว่า AI ทำงานไม่ได้ แต่มาจากช่องว่างระหว่างการทำงานให้ดูเหมือนสำเร็จกับการส่งมอบผลลัพธ์ที่ครบจริง นักวิจัยสร้างชุดทดสอบจากคำขอเปลี่ยนแปลงงานจริง และพบว่า GPT-6 Astra ทำตามข้อกำหนดพื้นฐานได้เฉลี่ย 70% แต่ทำงานถูกต้องสมบูรณ์เพียง 26.4% จาก 10 โมเดลที่ทดสอบ ตัวเลขนี้ช่วยอธิบายว่าทำไมการมีผู้รีวิวสเปกก่อนเขียนโค้ดจึงมีคุณค่า แต่ EGM ยังไม่ใช่หลักประกันว่าโค้ดจะไร้ข้อผิดพลาด อีกทั้งการเรียกผู้รีวิวหลายรายใช้โทเคนมาก และการแยกบริบทก็ยังมีปัญหาในบางระบบ ผลทดสอบที่รายงานยังไม่ใช่เกณฑ์วัดความแม่นยำอย่างเป็นทางการ จึงควรมองปลั๊กอินนี้เป็นวินัยการทำงานที่น่าทดลอง ไม่ใช่คำรับรองคุณภาพ
หลังเขียนโค้ดแล้ว ผู้ใช้ยังสั่งรายงานการเบี่ยงเบนจากสเปกเป็นรายสัปดาห์ เพื่อตรวจว่าสิ่งที่สร้างขึ้นยังตรงกับแบบที่อนุมัติหรือไม่ นี่เป็นส่วนต่อเนื่องที่สำคัญ เพราะสเปกจะมีประโยชน์ก็ต่อเมื่อทีมกลับมาใช้มันตรวจงานจริง บทสรุปจึงชัดเจน: การให้ AI เขียนสเปกและผ่านการรีวิวอิสระก่อนลงมือ เป็นวิธีลดความผิดพลาดจากการออกแบบที่สมเหตุผล โดยเฉพาะงานซับซ้อน แต่ผู้พัฒนายังต้องกำกับการตัดสินใจ ตรวจผลลัพธ์ และยอมรับต้นทุนการใช้งานที่เพิ่มขึ้น




