Note: This post was partially edited with AI assistance to improve clarity and readability.

ในยุค AI ที่เครื่องมือช่วยทำงานได้มากขึ้น ความสามารถที่แท้จริงอาจไม่ได้วัดจากปริญญาเพียงอย่างเดียว แต่จากระดับของการใช้ความรู้และประสบการณ์ให้เกิดค่าอย่างชัดเจน

เมื่อมองจากมุมนี้ เราอาจสรุปได้ว่าแต่ละระดับการศึกษาไม่ได้แปลว่าผ่านพ้นการเรียนรู้แล้วจบ แต่กำลังสะท้อนถึงลักษณะของการสร้างคุณค่าในโลกที่ AI เข้ามาแทนงานซ้ำซากได้มากขึ้น

ลอง SDD ทั้ง Claude Code(CC) และ GitHub Spec Kit เพื่อขึ้นระบบร้านดื่มกินมาสักพัก

1. ทั้งคู่ ใช้ Context Engineering โดยมองว่า PROMPT (Specs/Intents/Idea) เป็น the (shared) source of truth ที่ต้องทำ change tracking ทำให้ source code กลายเป็น artifacts
2. CC ใช้แนวทาง bottom-up เพื่อจัดการกับ non-deterministic features เหมาะกับ software PRODUCT ที่ต้อง release บ่อยๆ มี domain experts, tester และ end-user คือคนเดียวกัน คอยรีวิว
3. Spec Kit ใช้แนวทาง top-down เพื่อจัดการกับ deterministic requirements เหมาะกับ software PROJECT ที่ใช้ CMMI/Waterfall ผู้มีส่วนได้ส่วนเสียไม่มีเวลามาพบกัน
4. เริ่มแรก input token น้อยกว่า output token แต่พอผ่านไปสักพัก เพื่อให้ model มี context aware เจ้า input token มากกว่า output token จนชน hourly/daily limit
5. วิธีประหยัด token เช่นเปลี่ยน provider/agent ซึ่ง CC ทำได้ยากลำบากมาก ต้องเปลี่ยนไปใช้ Open Code ดีที่ได้ MiniMax กับ GLM ช่วยประหยัดได้เยอะเลย
6. ประเด็นคือ พอจะสลับใช้ทั้ง CC และ SpecKit ก็ไม่ได้ เพราะแนวทางต่างกัน การ initial project ไม่เหมือนกัน
7. ฉะนั้นจงใช้ token ให้คุ้มค่า แต่ถ้ารับงานราคาหลักหมื่น หรือทุกคนในทีมต้องใช้ แทบมองไม่เห็นความคุ้ม
8. เริ่มหวั่นใจและเข้าใจว่าทำไมเกิด Great Lay-off
9. เพราะด้วยแนวทางแบบนี้ product team สำหรับ startups เล็กๆ ต้องการสมาชิกแค่ 4 คน
   • Business/PO/Domain expert
   • UX/UI designer
   • System Analyst/Software engineer/Full-stack developer
   • Sales/AE/customer success
10. ส่วน project ใน corporate/enterprise ก็อาจเพิ่ม QA หรือ Mobile developer มา
11. ไม่มีตำแหน่งว่างสำหรับเด็กจบใหม่อีกต่อไป หรือแม้แต่ Junior ที่เป็นงานแค่หน้าเดียว
12. Tech talents ที่เหลือ โชคดีหน่อยก็อาจจะได้ย้ายไปอยู่ platform team หรือ data team แต่ถ้าดวงดีก็รับซองกลับบ้าน
13. มีโอกาสเกิดสงครามราคา เหมือนที่เคยเกิดกับวงการรับงานถ่ายภาพ เพราะใครมีกล้องก็รับงานได้

ขั้นตอนการพัฒนาซอฟต์แวร์ตามแนวทาง Spec-driven Development ด้วย GitHub Spec Kit และ Copilot

Data is processed into Information.
Information is analyzed to gain Knowledge or Insight.
Knowledge is repeatedly applied and crystallized into Wisdom.

The OpenTelemetry Demo และ
Awesome Compose : (Official web)
เป็น Git(Hub) repo ที่อยากแนะนำให้คนสาย IT อย่าง Solution Architect, Software Developer/Engineer, DevOps ไว้ศึกษาเป็นกรณีตัวอย่าง และลองเอาไปปรับใช้

Day-0 : define, design, modelling (i.e. Design Thinking)
Day-1 : development, installation, configuration, deployment (i.e. CI/CD)
Day-2 : re-configuration, update, backup, failover, restore, etc. (Conflict-needs phase, i.e. extensibility but efficiency and reliability)
IMHO, instead of so called Day, it should be Phase in terms of project management life cycle.
Further reading : What are Day-0, Day-1, and Day-2 Operations?.

วิศวกรผู้เชี่ยวชาญมักเสียเวลาไปกับการแก้ไขปัญหาที่ไม่ซับซ้อนเนื่องจากพวกเขาตกอยู่ใน กับดักทางความคิด ที่ทำให้ดำดิ่งลงไปในรายละเอียดลึกเกินไป แทนที่จะมองภาพกว้าง ปัญหานี้ไม่ได้เกิดจากความไร้ความสามารถ แต่เป็นข้อผิดพลาดทางปัญญาที่เกิดขึ้นได้กับทุกคน
บทความ "The Debug Trap: Why Smart Engineers Waste Hours on Trivial Problems" จาก CNCF กล่าวถึงปัญหาที่วิศวกรผู้เชี่ยวชาญมักใช้เวลาหลายชั่วโมงในการแก้ไขข้อผิดพลาดเล็กน้อย เนื่องจากพวกเขา

Small Language Models คือ โมเดลภาษาขนาดเล็กที่เหมาะเอาไปรันในสภาพแวดล้อมที่มีทรัพยากรจำกัด (compute, memory, storage, battery)เช่น โน้ตบุ้ค, สมาร์ทโฟน, อุปกรณ์ IoT

• Llama3.2-1B
• Qwen2.5-1.5B
• DeepSeek-R1-1.5B
• SmolLM2-1.7B
• Phi-3.5-Mini-3.8B
• Gemma3-4B
  หมายเหตุ : ข้อมูล ณ 22-02-2025

ตัวอย่างการประยุกต์ใช้งาน​

Cloud Foundry เดิมทีเป็น self-service internal developer platform(IDP) framework
ไว้จัดการ workloads ที่เป็น virtual machines (VM) ยอมรับเลยว่าแนวคิดดีมาก นักพัฒนาโฟกัสแค่โค้ด (application-centric) ที่เหลือโยนงาน software packaging และงาน deploy ออกไปให้มัน
น่าเสียดาย ของดีที่สร้าง ecosystem ไม่ได้ พันธมิตรค่อยๆหายไปทีละราย

Korifi เป็นโปรเจกต์ลูกที่ปรับปรุงเพื่อจัดการ workloads ที่อยู่ใน Kubernetes
ส่วน trade-offs สรุปคร่าวๆ ได้ดังนี้