เวลาใช้งาน Claude Code นักพัฒนาส่วนใหญ่มักเริ่มด้วยวิธีที่คุ้นเคย คือพิมพ์สั่งงานสั้นๆ แค่บรรทัดเดียว เช่น "แก้บั๊กตรงนี้ให้หน่อย" แล้วนั่งลุ้นว่า AI จะเดาใจถูกไหม เมื่อผลลัพธ์ออกมาไม่ตรงกับที่คิด ก็ต้องมานั่งไล่แก้ทีละบรรทัด สั่งใหม่ และวนลูปแก้งานไปเรื่อยๆ จนเสียเวลา

Will Jones นักพัฒนาที่ใช้งาน Claude Code เป็นประจำทุกวันในการพัฒนาโปรเจกต์ฐานข้อมูล Lance ได้สรุปบทเรียนสำคัญว่า สิ่งที่เราควรทำมากขึ้นไม่ใช่การนั่งตรวจโค้ดยาวๆ ที่ AI พ่นออกมา แต่คือการ คุยกับ Agent ให้มากขึ้นตั้งแต่ต้น เพราะ AI ไม่สามารถอ่านใจเราได้ การโยนพรอมต์สั้นๆ แล้วปล่อยให้ AI ลุยเองมักจบลงด้วยการรื้อโค้ดใหม่ แต่หากเราใช้เวลาพูดคุยปรับความเข้าใจกันก่อน ผลลัพธ์ที่ได้จะตรงเป้าและลดการแก้งานลงไปได้อย่างมาก

ปัญหาไม่ได้อยู่ที่ AI ไม่เก่ง แต่อยู่ที่มันไม่รู้บริบทในหัวเรา

ลองนึกภาพเวลาเรามอบหมายงานให้เพื่อนร่วมทีมด้วยคำสั่งสั้นๆ เพียงประโยคเดียว โดยไม่บอกเบื้องหลัง ไม่บอกเงื่อนไข และไม่บอกเหตุผล ต่อให้เพื่อนคนนั้นมีความสามารถสูงแค่ไหน ก็มีโอกาสสูงมากที่จะทำงานออกมาไม่ตรงกับที่เราคาดหวัง ไม่ใช่เพราะเขาไม่มีฝีมือ แต่เพราะเขาไม่มีทางรู้บริบทที่อยู่ในหัวเรา

Claude Code ก็เช่นเดียวกัน ความรู้ด้านการเขียนโค้ดของโมเดลอาจแน่นมาก แต่มันไม่รู้ว่าเป้าหมายที่แท้จริงของงานนี้คืออะไร มีโค้ดส่วนไหนที่ห้ามแตะ หรือมีข้อจำกัดทางสถาปัตยกรรมอะไรซ่อนอยู่ เมื่อข้อมูลไม่ครบ AI จึงต้อง "เดา" และการเดานั้นมักจะดูน่าเชื่อถือในตอนแรก จนเราเผลอนำไปใช้งานแล้วมารู้ทีหลังว่าผิดทาง

การพูดคุยให้มากขึ้นจึงเป็นวิธีที่ได้ผลดีที่สุด เพราะเป็นการถ่ายทอดบริบทและภาพในหัวของเราออกไปทีละชั้น เพื่อให้ทั้งสองฝ่ายเห็นภาพตรงกันอย่างสมบูรณ์ก่อนลงมือเขียนโค้ด

Workflow 5 จังหวะ เน้นลงแรงช่วงต้นกับช่วงท้าย

แนวทางที่ Will Jones นำมาใช้ไม่ใช่สูตรลับซับซ้อน แต่เป็นการปรับการลงแรงให้ถูกจุด โดยเน้นใช้เวลากับ "ช่วงคุยตั้งโจทย์ตอนต้น" และ "ช่วงรีวิวโค้ดตอนท้าย" แล้วปล่อยให้ช่วงตรงกลางเป็นหน้าที่ของ Agent ซึ่งแบ่งออกเป็น 5 จังหวะ:

1. คุยเพื่อตั้งโจทย์ก่อน อย่าเพิ่งรีบสั่งทำ: นำบริบทของปัญหามาวางให้ครบ ไม่ว่าจะเป็นรายละเอียดของบั๊ก ข้อความที่คุยค้างไว้กับทีม หรือแนวคิดเบื้องต้น แล้วเปิดบทสนทนาเพื่อแลกเปลี่ยน ไม่ใช่สั่งให้เขียนโค้ดทันที
2. ให้ Agent สรุปบทสนทนาออกมาเป็นแผนงาน: เมื่อคุยจนตกผลึกแล้ว ให้ Agent สรุปสิ่งที่คุยกันเป็นแผนงาน หากเป็นงานเดี่ยวก็จดเป็นบันทึกสรุป หากเป็นงานหลายส่วนก็ให้แตกเป็นรายการ Issue บน GitHub
3. เปิด Agent ตัวใหม่เพื่อลงมือทำตามแผน: เมื่อมีแผนงานที่นิ่งแล้ว ให้เปิดเซสชันใหม่เพื่อรับงานไปทำโดยเฉพาะ หากมีหลายงานย่อยสามารถเปิด Agent หลายตัวเพื่อทำงานคู่ขนานกันในพื้นที่แยกส่วน
4. ให้ Agent ร่างโค้ดและขัดเกลาให้เรียบร้อย: ให้ Agent เขียนโค้ดตามแผนและใช้ skill ช่วยขัดเกลาโค้ดรอบสุดท้าย ลบส่วนที่ไม่ได้ใช้งาน ตรวจสอบ test coverage และจัดระเบียบให้อ่านง่าย
5. รีวิวโค้ดเหมือนตรวจงานเพื่อนร่วมทีม: อ่านโค้ดที่แก้ไขและให้ feedback อย่างตรงจุด จากนั้นสั่งให้ Agent แก้ไขตามคอมเมนต์ หากเป็นการปรับแก้ขนาดใหญ่จึงค่อยวนกลับไปทำตามจังหวะที่ 4

จุดที่น่าสนใจคือ เขาไม่เสียเวลานั่งอ่านแผนงานยาวๆ และไม่นั่งเฝ้าหน้าจอตอน AI กำลังพิมพ์โค้ด เพราะหากคุยกันจนเข้าใจตรงกันตั้งแต่ต้นแล้ว แผนงานและโค้ดก็คือผลลัพธ์ที่เป็นไปตามข้อตกลง การลงแรงจึงไปอยู่ที่การคุยช่วงต้นกับการตรวจงานช่วงท้าย ซึ่งเป็นส่วนที่มนุษย์ตัดสินใจได้ดีที่สุด

ทำไมเขาถึงเลิกใช้ Plan Mode แบบเดิม

ในช่วงแรก เขาเคยใช้ Plan Mode เป็นประจำ คือบอกความต้องการ ให้ AI ถามกลับนิดหน่อย แล้วรออ่านเอกสารแผนงานขนาดยาว แต่ปัญหาคือเมื่อสั่งแก้นิดหน่อย AI ก็จะสร้างแผนใหม่ทั้งก้อนมาให้อ่านซ้ำ จนกลายเป็นการเสียเวลาอ่านเอกสารที่ไม่จำเป็น

ปัญหาที่แท้จริงของ Plan Mode คือการรีบร้อนกระโดดไปหาคำตอบเร็วเกินไป ทั้งที่สิ่งที่ต้องการในตอนนั้นคือการให้ AI ช่วยตรวจเช็กสมมติฐาน และช่วยหาจุดบกพร่องของแนวคิด เมื่อเราเผลอตกลงรับข้อเสนอแรกที่ AI ยื่นมา สุดท้ายมักจบลงด้วยการต้องมารื้อทิศทางใหม่ทั้งหมด

การคุยกันอย่างเปิดกว้างช่วยให้สองฝ่ายแลกเปลี่ยนจุดแข็งซึ่งกันและกัน แทนที่จะให้ AI วางแผนแบบยึดตามตัวอักษรของพรอมต์แรกเพียงอย่างเดียว

พลังของการสนทนาแบบสองทาง

ลองดูตัวอย่างจริงจากงานของเขา เมื่อเจอบั๊กเรื่องประสิทธิภาพในระบบค้นหาข้อความ ซึ่งเกิดจากการที่ระบบต้องอ่านไฟล์ขนาด 20 ไบต์หลายพันครั้งจนทำให้การทำงานช้า เขาจึงเกิดไอเดียที่จะรวมข้อมูลเข้าเป็นบล็อกขนาด 4KB เขาได้นำไอเดียนี้ไปคุยกับ Agent พร้อมระบุข้อจำกัดชัดเจน 2 ข้อ คือห้ามเปลี่ยนรูปแบบไฟล์บนดิสก์จนไม่รองรับของเดิม และห้ามเพิ่ม overhead ในการอ่านข้อมูล

ผลปรากฏว่า Agent ได้ชี้ให้เห็นจุดบกพร่องที่เขามองข้าม นั่นคือข้อมูลตำแหน่งที่ต้องใช้จัดกลุ่มยังไม่ได้ถูกโหลดขึ้นมา หากจะดึงมาตรงๆ จะทำให้ระบบช้าลง แต่ Agent ได้เสนอทางออกที่ดีกว่า คือการเก็บเฉพาะตำแหน่งเริ่มต้นของแต่ละบล็อกแทน ซึ่งมีขนาดเล็กกว่ามาก นี่คือตัวอย่างที่แสดงให้เห็นว่าการคุยแลกเปลี่ยนกันช่วยปิดรอยรั่วที่อาจมองข้ามไปได้อย่างยอดเยี่ยม

เริ่มต้นง่ายๆ ด้วยการปรับพรอมต์แรก

เราสามารถนำแนวทางนี้ไปปรับใช้ได้ทันทีโดยไม่ต้องติดตั้งเครื่องมือใหม่ เพียงแค่เปลี่ยนรูปประโยคในพรอมต์แรก จากการสั่งให้ลงมือทำทันที มาเป็นการเปิดบทสนทนา:

• ช่วงที่ 1: เปิดด้วยประโยคชวนวิเคราะห์ เช่น "ช่วยอ่านโค้ดส่วนนี้แล้วบอกหน่อยว่ามีจุดไหนที่สงสัยหรือต้องถามเพิ่มบ้าง" พร้อมแนบบริบทของปัญหาให้ครบถ้วน
• ช่วงที่ 2: เมื่อ AI ถามกลับ ให้ตอบรายละเอียดทั้งเป้าหมายและข้อจำกัดให้ชัดเจน อะไรแตะต้องได้ อะไรห้ามเปลี่ยน เพื่อให้เห็นภาพตรงกัน
• ช่วงที่ 3: ก่อนเริ่มงาน ให้ถามปิดท้ายเสมอว่า "มีข้อสงสัยหรือจุดไหนที่ไม่ชัดเจนอีกไหมก่อนจะเริ่มลงมือเขียน"

สำหรับใครที่ต้องการให้ Agent ช่วยซักถามและเจาะลึกอย่างเข้มข้น มีสกิลโอเพนซอร์สชื่อ grill-me ที่สั่งให้ Agent สัมภาษณ์เราอย่างละเอียดจนกว่าจะเคลียร์ทุกแง่มุม ซึ่งสอดคล้องกับคำแนะนำอย่างเป็นทางการใน Claude Code Documentation

ข้อควรระวังและการนำไปใช้จริง

แน่นอนว่าการพูดคุยช่วงต้นต้องใช้เวลามากกว่าการพิมพ์สั่งเพียงบรรทัดเดียว สำหรับงานแก้ปัญหาเล็กๆ หรือสคริปต์สั้นๆ การสั่งงานตรงๆ ก็เพียงพอแล้ว แนวทางการคุยอย่างละเอียดนี้จะคุ้มค่าที่สุดกับงานที่มีความซับซ้อนและมีโอกาสหลงทิศทางได้ง่าย

อีกประเด็นคือเรื่องการใช้งานโหมดอัตโนมัติ (Auto Mode) แม้ Will Jones จะเปิดให้ Agent ทำงานได้ต่อเนื่องโดยไม่ต้องคอยกดยืนยันทุกขั้นตอน แต่นั่นเป็นเพราะเขาทำงานบนโปรเจกต์โอเพนซอร์ส สำหรับระบบงาน Production ที่มีความสำคัญสูง การคงจุดตรวจสอบและกดยืนยันด้วยตัวเองยังคงเป็นมาตรการที่ปลอดภัยกว่าเสมอ

ความเร็วในการพิมพ์คำสั่งสั้นๆ อาจทำให้รู้สึกว่าประหยัดเวลาในตอนแรก แต่เวลาที่เสียไปกับการแก้งานที่ผิดทิศทางในภายหลังมักสูงกว่าเสมอ การสละเวลาพูดคุยปรับความเข้าใจกันตั้งแต่ต้น จึงเป็นวิธีที่ช่วยให้ AI ทำงานแทนเราได้อย่างมีประสิทธิภาพและตรงเป้าหมายที่สุด

---

ที่มา: บทความ Talk more to your coding agents โดย Will Jones