ในยุคที่ AI เริ่มเข้ามามีบทบาทสำคัญในการพัฒนาโปรแกรมเมอร์หลายคนคงเคยได้ยินคำว่า “Vibe Coding” หรือการเขียนโค้ดแบบลื่นไหลด้วย AI ที่ช่วยเติมเต็มไอเดียและลดภาระการเขียนโค้ดซ้ำๆ แต่จริงๆ แล้วเราจะสร้างความมั่นใจในโค้ดที่สร้างขึ้นได้อย่างไร? และเครื่องมือแบบไหนที่จะช่วยให้เราพัฒนาได้รวดเร็วและแม่นยำมากขึ้น? เรื่องนี้ได้รับการถ่ายทอดผ่านมุมมองของ Itamar Friedman ซีอีโอและผู้ร่วมก่อตั้งของ Kodo ที่ได้พูดถึงวิวัฒนาการของ AI ในวงการพัฒนาโปรแกรม และชี้ให้เห็นว่า CLI หรือ Command Line Interface อาจจะกลายเป็นเครื่องมือหลักที่ช่วยพลิกโฉมการทำงานของนักพัฒนาในอนาคตได้อย่างน่าตื่นเต้น
THE BREAKDOWN
SECTION 01
วิวัฒนาการของ AI ในวงการพัฒนาโปรแกรม
เมื่อย้อนกลับไปดูวิวัฒนาการของ AI ที่เข้ามาช่วยนักพัฒนา สามารถแบ่งออกเป็น 3 เจนเนอเรชันหลักๆ ที่มีความเปลี่ยนแปลงชัดเจน เริ่มจาก Gen 1.0 คือยุคของ Auto Complete ที่ AI ช่วยเติมคำสั่งโค้ดหรือบรรทัดโค้ดถัดไปให้ เราชอบเครื่องมือนี้เพราะมันช่วยประหยัดเวลา แต่ข้อจำกัดคือยังต้องเป็นนักพัฒนาที่มีความรู้พื้นฐานอยู่แล้วถึงจะใช้ได้ดี
ต่อมา Gen 2.0 คือยุคของ Agentic Chat หรือการโต้ตอบกับ AI ผ่านหน้าต่างแชท ที่ช่วยให้แม้แต่โปรแกรมเมอร์มือใหม่ก็สามารถเขียนโค้ดได้มากขึ้น แต่ปัญหาสำคัญคือโค้ดที่ได้มักต้องใช้เวลาตรวจสอบมากขึ้นและบางครั้งคุณภาพไม่สูงเท่าที่ควร ทำให้เกิดความกังวลเรื่องความน่าเชื่อถือของ AI ในการช่วยเขียนโค้ด
แล้ว Gen 3.0 ที่กำลังจะมาถึง คือยุคของการใช้ CLI เป็นอินเทอร์เฟซหลักเพื่อสั่งงาน AI Agents ให้ทำงานแบบ end-to-end workflow หรือการทำงานต่อเนื่องครบวงจรในกระบวนการพัฒนา ซึ่งไม่เพียงแค่ช่วยเขียนโค้ด แต่ยังรวมถึงการทดสอบ การรีวิว และกระบวนการอื่นๆ ที่เกี่ยวข้องในวงจรชีวิตของซอฟต์แวร์ (SDLC) ด้วย
CLI คืออะไร และทำไมถึงสำคัญ?
CLI หรือ Command Line Interface คือเครื่องมือที่ให้นักพัฒนาสามารถสั่งงานผ่านข้อความคำสั่งได้โดยตรง ต่างจาก IDE ที่เน้นอินเทอร์เฟซกราฟิก CLI มีความยืดหยุ่นสูง สามารถนำไปใช้ใน workflow ที่ซับซ้อนและเชื่อมต่อกับเครื่องมืออื่นๆ ได้ง่าย เช่น การ pipeline งานต่างๆ หรือการเรียกใช้งาน AI agents หลายตัวพร้อมกันเพื่อทำงานร่วมกัน นี่คือจุดเด่นที่ทำให้ CLI กลายเป็นอินเทอร์เฟซที่เหมาะสมสำหรับยุคของ AI ที่ต้องการความรวดเร็วและความแม่นยำในงานพัฒนา
Itamar เน้นว่า CLI ไม่ใช่แค่เครื่องมือที่ล้าสมัย แต่จะกลายเป็นผู้นำในการเปลี่ยนแปลงวิธีการทำงานของนักพัฒนา เพราะมันช่วยให้เราสามารถสร้าง “multi-agent workflows” หรือการทำงานประสานกันของ AI Agents หลายตัวที่ทำงานเฉพาะด้านและช่วยกันแก้ไขปัญหาในกระบวนการพัฒนาซอฟต์แวร์ได้อย่างสมบูรณ์แบบ