หัวใจของปัญหา AI Coding Agents ไม่ใช่โมเดล แต่คือสถาปัตยกรรม
AI coding agents oversight คือแนวคิดว่าการปล่อยให้เอเจนต์ AI เขียนโค้ดเองไม่ได้หมายความว่าวิศวกรหมดหน้าที่ แต่หมายถึงต้องออกแบบสถาปัตยกรรม กติกา และกระบวนการตรวจสอบให้เอเจนต์ทำงานในกรอบที่ชัดเจน ลดข้อผิดพลาดจากการไม่มีบริบทครบถ้วน และทำให้โค้ดที่ผลิตได้สามารถนำไปใช้จริงในระดับ production โดยไม่สร้างหนี้เทคนิคสะสมหรือพังระบบเดิม เมื่อโค้ดและโมดูลในโครงสร้างเติบโตขึ้น การพัฒนาแอปด้วย AI เริ่มกลายเป็นเรื่องยากมาก หลายทีมโทษโมเดลว่าแย่หรือต้นทุนสูง แต่ประสบการณ์จากโปรเจกต์ขนาดใหญ่บอกอีกเรื่องหนึ่ง ปัญหาไม่ใช่ LLM มีข้อจำกัด แต่คือสถาปัตยกรรมไม่เอื้อต่อเอเจนต์ AI เอเจนต์จึงเขียน PR ที่จัดการ state ไม่เหมือนส่วนอื่น สร้างฟังก์ชันซ้ำ ดึงแพ็กเกจแปลกเข้ามา และมองข้าม config ดีไซน์ของโปรเจกต์ งานวิจัยบางชุดชี้ว่าหลังโหลดบริบทประมาณ 3,000 tokens คุณภาพการให้เหตุผลของโมเดลจะลดลงอย่างเห็นได้ชัด นั่นหมายความว่าถ้าเราปล่อยให้เอเจนต์แบกบริบทมั่วๆ โดยไม่มีสถาปัตยกรรมช่วยจัด โค้ดจะพังแม้โมเดลเก่งแค่ไหน
Monorepo และกฎแบบแบ่งชั้น ทำให้บริบทสะอาดและผลิตภาพเพิ่มเท่าตัว
คำตอบหนึ่งที่เริ่มพิสูจน์แล้วว่าทำงานได้คือการออกแบบ monorepo architecture ให้เป็นยุทธศาสตร์จัดการบริบทของเอเจนต์ โดยเอาทุกอย่างมาอยู่ใต้หลังคาเดียวกันแต่มีขอบเขตชัดเจน เช่น apps เป็น shell และ micro frontend แยกตัวเองออกจากกัน ส่วน packages เป็น ui utils analytics และ config พร้อม turborepo และ pnpm workspaces คอยจัดโครงสร้าง ข้อดีคือเมื่อสั่งเอเจนต์ให้แก้ module หนึ่ง มันไม่ต้องสแกนทั้ง repo แต่เข้าถึงเฉพาะ packages ที่อิงอยู่ผ่าน workspace references ผลคือบริบทไม่บวม เหตุผลไม่หลุด และเอเจนต์เดินโค้ดในโครงสร้างที่เราวางไว้ได้คล่องขึ้น เมื่อจับคู่ monorepo กับ micro frontends ที่เป็นอิสระและมี boundaries แข็งแรง และใส่เอกสารแบบ tiered AGENTS.md เพื่อกำชับ convention สถาปัตยกรรม และรูปแบบการทดสอบให้เป็นลำดับชั้น เอเจนต์จะมีบริบทสะอาดและไม่หลงทางในโค้ดเบส ทำให้ผลิตภาพเพิ่มขึ้นได้อย่างมีนัยสำคัญ โดยไม่ต้องพึ่ง prompt ยาวหรือโมเดลรุ่นใหม่ตลอดเวลา การใช้ strict linters และการแยก packages ภายในไม่ให้ผูกกันแน่น เป็น engineering quality gates ที่ทำให้เอเจนต์โดน feedback ทันทีเมื่อละเมิดกฎ ลดโอกาสที่การแก้ helper เดียวจะพังทั้งระบบ
จากรีวิวโค้ดเป็นศูนย์กลาง สู่การรีวิวผลลัพธ์และ pipeline แบบโปร่งใส
เมื่อ AI coding agents รับผิดชอบงานพัฒนาเพิ่มขึ้น กระบวนการ code review automation แบบเดิมเริ่มกลายเป็นคอขวด หลายคนยังติดนิสัยดู diff ทีละบรรทัดหลังจากเอเจนต์แก้โค้ด ทั้งที่แอปโตขึ้นจนฟีเจอร์เดียวอาจยุ่งกับ preprocessing inference postprocessing และ application logic พร้อมกัน ผลคือมนุษย์ใช้เวลาส่วนใหญ่ไปกับการตรวจ implementation แทนที่จะดูว่าแอปทำงานถูกต้องหรือไม่ เจ้าของประสบการณ์ยอมรับว่าเขากำลังพยายามควบคุมสิ่งที่ผิด เพราะไปโฟกัสที่ตัวโค้ดแทนที่จะดูผลลัพธ์ของระบบ จุดพลิกคือการย้ายจากการ review โค้ด เป็น review pipeline ให้เอเจนต์จัดองค์ประกอบแอปเป็นขั้นตอนที่มีความหมายและชัดเจน เช่น Pipeline ที่แยก Preprocess Inference Postprocess และ ApplicationLogic ออกจากกัน ทำให้เรามองเห็นว่าข้อมูลเดินทางอย่างไร โดยไม่ต้องไล่อ่านโค้ดพันบรรทัด ถึงอย่างนั้น code review ยังจำเป็นในกรณีที่รายละเอียด implementation มีผลต่อประสิทธิภาพ concurrency การใช้ทรัพยากร หรือความปลอดภัย แต่ไม่ควรเป็นด่านแรกเสมอไป เราต้องเปลี่ยนแนวคิดไปสู่ result centric development ที่ควบคุมผลลัพธ์ก่อน แล้วค่อยลงไปตรวจโค้ดเมื่อจุดเสี่ยงต้องการ
Cursor ประสานเอเจนต์ได้ แต่แผน สถาปัตยกรรม และวิจารณญาณมนุษย์ยังสำคัญที่สุด
เครื่องมืออย่าง Cursor ทำให้การทำงานกับ AI coding agents ก้าวไปอีกระดับ มันสามารถสำรวจ codebase เขียนฟีเจอร์ สร้างเทสต์ แก้บั๊ก เชื่อมโมดูล และยังแตกงานใหญ่ให้เป็น agents subagents และ workers โดยจัดการประสานเองได้มาก นี่ทำให้วิศวกรไม่ต้องคุมทุกขั้นตอนด้วยมืออีกต่อไป แต่ไม่ได้แปลว่ามนุษย์หมดความสำคัญ ข้อแม้สำคัญคือเรายังต้องรู้ชัดว่าต้องการสร้างอะไร และต้องวางกฎที่ดีให้โมเดลตีความ เช่น coding style สถาปัตยกรรม การทดสอบ ความปลอดภัย และการจัดองค์ประกอบของแอป กฎเหล่านี้ไม่ใช่เขียนครั้งเดียวแล้วจบ แต่ต้องปรับเปลี่ยนตามรูปแบบข้อผิดพลาดและทิศทางโปรเจกต์ เพราะเมื่อ Cursor ทำผิดซ้ำๆ นั่นคือสัญญาณว่าคำสั่งเรายังไม่ชัดเจนพอ จุดสำคัญคือ engineering judgment ยิ่งสำคัญขึ้นในอนาคต แม้การพัฒนาจะใช้เวลาพิมพ์โค้ดน้อยลงและใช้เอเจนต์จัดการเบื้องหลังมากขึ้น แต่มนุษย์ยังต้องตัดสินใจว่าเป้าหมายคืออะไร กฎไหนควรเพิ่มหรือลด และคุณภาพที่ยอมรับได้คือระดับไหน เครื่องมืออย่าง Cursor จะมีประโยชน์สูงสุดเมื่อเราเข้าใจสิ่งที่กำลังสร้าง แล้วให้ทิศทางชัดทั้งในระดับสถาปัตยกรรมและระดับกฎของเอเจนต์
