Peter Steinberger ผู้สร้าง OpenClaw มีความคิดเห็นเดียวที่ถูกดูมากกว่า 2.5 ล้านครั้ง
"หยุดพิมพ์พรอมต์ใส่ AI ที่เขียนโค้ด ให้ออกแบบ 'ลูป' ที่พิมพ์พรอมต์ให้ AI แทน" นี่คือสิ่งที่เขาหมายถึง
ยิ่งไปกว่านั้น Peter ตอบกลับว่า "ไม่ต้องห่วง อีกสามเดือน วิศวกรรมลูปจะมา"
ครึ่งนึงเป็นเรื่องตลก แต่ทิศทางนั้นค่อนข้างแม่นยำ
ผมทำงานที่บริษัทชื่อ YourBright ซึ่งเราผสาน AI เข้ากับการดำเนินธุรกิจ สิ่งที่ผมเห็นทุกวันก็คือ คนที่สร้างระบบที่ AI ลองทำและแก้ไขเองได้นั้นเติบโตเร็วกว่าคนที่เก่งแค่ขอให้ AI ทำอะไรให้อย่างเห็นได้ชัด
การใช้ AI พัฒนาไปสี่ขั้น
ก่อนจะคิดมาก ผมอยากแชร์ภาพหนึ่ง ในโลกที่ใช้ภาษาอังกฤษ วิวัฒนาการของการใช้ AI โดยทั่วไปจัดเรียงแบบนี้:
- Prompt Engineering: การเขียนคำสั่งเดี่ยว ๆ ให้ดี (ดาวเด่นของปี 2023–2024)
- Context Engineering: การจัดระเบียบข้อมูลที่แสดงให้ AI ดู
- Harness Engineering: การสร้างเครื่องมือ ราวกั้น และสภาพแวดล้อมรอบ ๆ AI
- Loop Engineering: การออกแบบระบบที่ AI วนซ้ำผ่านการค้นหา การดำเนินการ การตรวจสอบ และการแก้ไขซ้ำ ๆ (ปัจจุบัน)
พูดคร่าว ๆ จุดสนใจขยับออกไปทีละขั้นจาก "การเขียนประโยคที่ดี" สู่ "การสร้างระบบที่ดี"
Loop Engineering อยู่แนวหน้าของการเปลี่ยนแปลงนี้
องค์ประกอบของ Loop Engineering — 6 ส่วน
ถึงแม้คำนี้จะใหม่ แต่เนื้อหาเป็นรูปธรรม Addy Osmani จาก Google ได้รวบรวมองค์ประกอบของลูปที่มีประสิทธิภาพไว้อย่างเป็นระเบียบ ซึ่งสอดคล้องกับประสบการณ์ภาคสนามของผมเกือบสมบูรณ์
- Automations: ทริกเกอร์ที่เรียกใช้ลูปเป็นระยะ เช่น "ตรวจสอบ CI ล้มเหลวทุกเช้า"
- Worktrees: การแยกพื้นที่ทำงานเพื่อให้ AI หลายตัวทำงานพร้อมกันโดยไม่ชนกัน
- Sub-agents: การแยกบทบาทของผู้สร้างออกจากผู้ตรวจสอบ อย่าให้ AI ให้คะแนนคำตอบตัวเองแบบผ่อนปรนเกินไป
- Skills: การเขียนความรู้เฉพาะโปรเจ็กต์ลงในไฟล์ภายนอก เช่น SKILL.md เพื่อนำกลับมาใช้ใหม่
- Memory: AI ลืมบทสนทนา ดังนั้นควรเก็บความคืบหน้าไว้ภายนอกใน Markdown หรือ Linear
- /goal: ใน Claude Code หรือ Codex เมื่อคุณประกาศ "อะไรคือความสำเร็จ" AI จะผลัดกันทำงานต่อไปจนกว่าเงื่อนไขจะสำเร็จ
พูดสั้น ๆ มันหมายถึงการย้ายคำสั่ง "ต้องทำอะไรต่อไป" ที่มนุษย์เคยป้อนด้วยตนเอง เข้าไปในระบบ
มนุษย์ไม่พิมพ์พรอมต์ให้ AI "ระบบพิมพ์พรอมต์ให้ AI" ผมเชื่อว่าการพลิกบทบาทนายกับบ่าวนี้คือแก่นแท้ของ loop engineering
ตอนนี้ผมมอบหมายงานให้ AI โดยการรันลูป
นี่คือตัวอย่างหนึ่งของผม
ที่เว็บไซต์สื่อ "Mikata for Foreign Talent" ซึ่งดำเนินการโดย YourBright หน้ารายการบทความหนักมาก ดังนั้นผมจึงให้ลูปสำหรับการวัดและปรับปรุงซ้ำ ๆ แก่ /loop ของ Claude Code และปล่อยให้มันทำงานโดยแทบไม่ต้องดูแล
ใน 5 ชั่วโมง มีการปรับปรุง 9 รายการโดยอัตโนมัติ ปริมาณการถ่ายโอนข้อมูลของหน้ารายการบทความลดลงกว่า 90% จาก 2,723KB เหลือ 101KB LCP ก็ลดลงจาก 6.4 วินาทีเหลือ 1.8 วินาที ในรอบเดียว รูปภาพเดียวจาก PNG 957KB กลายเป็น AVIF 11KB
AI จัดการทุกอย่าง สิ่งที่ผมทำคือตัดสินใจที่จุดแยก: แก้ไข production URL, ตัดสินใจเพิ่มเลเยอร์แปลงรูปภาพ และเลือกทิศทาง
สิ่งที่น่าสนใจคือ หนึ่งในการปรับปรุงทั้งเก้ารายการล้มเหลว การแก้ไขที่ AI ทำไปกลับทำให้อีกเมตริกแย่ลง AI ตัดสินเองว่ามัน "แย่ลง" เลยย้อนกลับการเปลี่ยนแปลง และทิ้งบันทึกเกี่ยวกับความล้มเหลวไว้
จำนวน PR นั้นมหาศาลถึง 20 รายการ จำนวนลูปคือ 23 ตราบใดที่เกณฑ์การประเมินถูกต้อง AI ก็จะทำงานต่อไปโดยไม่ต้องมีมนุษย์干预
ผมว่านี่คือความรู้สึกที่จับต้องได้ของ loop engineering AI เป็นคนรันมัน มันรันรวมถึงความล้มเหลวด้วย มนุษย์ตัดสินใจว่าจะหยุดตรงไหนและจะเชื่อถือมาตรฐานไหน
ทำไมตอนนี้ และทำไม 3 เดือน?
"3 เดือน" แน่นอนว่าเป็นการยั่วยุ ไม่ใช่ทุกคนที่จะถูกแทนที่ในสามเดือน
แต่ตัวเลขสนับสนุนทิศทางนี้ Anthropic ประกาศว่า ณ เดือนพฤษภาคม 2026 Claude เขียนโค้ดกว่า 80% ที่ถูกผสานเข้าสู่ระบบ production ตอนที่ Claude Code ถูกปล่อยในเดือนกุมภาพันธ์ 2025 มันมีแค่ไม่กี่เปอร์เซ็นต์ ดังนั้นมันมาถึงจุดนี้ในเวลากว่าปีเดียว ปริมาณโค้ดที่ถูกผสานต่อวิศวกรก็กล่าวว่าสูงกว่าในปี 2024 ถึงแปดเท่า
สิ่งที่เกิดขึ้นที่นี่ไม่ใช่เรื่องของ "ปริมาณที่มนุษย์เขียนลดลง" แต่มันเป็นเรื่องที่งานของมนุษย์เปลี่ยนจาก "การเขียน" ไปสู่ "การออกแบบลูปและการตัดสินใจครั้งสุดท้าย"
แม้แต่มองงานเดียวกัน กรอบความคิดก็เปลี่ยนไป คนที่ขออะไรทีเดียวมักคิดถึง "จะถามยังไงให้ได้คำตอบที่ถูกต้อง" คนที่สร้างลูปคิดถึง "จะมองหาอะไรเพื่อยืนยันความสำเร็จ จะกลับไปตรงไหนถ้าพลาด และจะหยุดการทำงานที่อันตรายตรงไหน"
ความแตกต่างนี้จะเห็นได้ชัดภายในเวลาเพียงสามเดือน นั่นคือสิ่งที่ผมรู้สึก
ด้านกลับของความสะดวก — โค้ดที่เข้าใจยากและการละทิ้งความคิด
มันไม่ใช่ข่าวดีทั้งหมด ลูปมีปัญหาอยู่
หนึ่งคือเรื่องเงิน ถ้าลูปทำงานมากเกินไป ค่า token จะพุ่งสูง ดังนั้นต้องกำหนดเงื่อนไขการหยุดและข้อจำกัดตั้งแต่เริ่ม
อีกเรื่องคือความเข้าใจโค้ด ซึ่งเป็นประเด็นถกเถียงเมื่อเร็ว ๆ นี้ AI เขียนมัน, AI แก้มัน, และการทดสอบผ่าน มันใช้งานได้ แต่ไม่มีใครเข้าใจเนื้อหา มันจะกลายเป็นความฝันที่มนุษย์จะตรวจสอบโค้ดทั้งหมด
ยิ่งไปกว่านั้น AI แบบปฏิบัติการสามารถส่งอีเมล รันคำสั่ง shell และใช้เบราว์เซอร์ สะดวกแค่ไหน ขอบเขตที่กว้างก็ยิ่งเพิ่มพื้นที่ผิวสำหรับอุบัติเหตุ
Loop engineering ไม่ใช่เทคโนโลยีสำหรับเชื่อใจ AI มันเป็นเทคโนโลยีที่ตั้งอยู่บนสมมติฐานที่ว่า AI ทำผิดพลาด และสร้างเส้นทางให้กลับมาได้แม้จะล้มเหลว
สรุป
วิศวกรที่พิมพ์พรอมต์จะไม่กลายเป็นสิ่งจำเป็นในวันพรุ่งนี้
แต่จุดศูนย์ถ่วงของคุณค่ากำลังเคลื่อนย้ายอย่างแน่นอน คนที่จะแข็งแกร่งในอนาคตไม่ใช่คนที่เก่งในการขอ AI แต่คือคนที่สร้างลูปที่ AI ลองทำ ล้มเหลว แก้ไข และมนุษย์สามารถตัดสินใจครั้งสุดท้ายได้
ตราบใดที่คุณยังพอใจกับการพิมพ์พรอมต์เพียงบรรทัดเดียว คุณก็อาจจะถูกทิ้งไว้ข้างหลังทีละน้อย เริ่มตั้งแต่วันนี้ มาสร้างสภาพแวดล้อมที่ AI ขยับไปเรื่อย ๆ กันเถอะ
เรากำลังสร้างชุมชนการใช้งาน AI!
เราได้เปิดชุมชน Discord ชื่อ "AI Business Labs" เพื่อศึกษาเกี่ยวกับการใช้ AI ในธุรกิจ ทุกคนสามารถถามคำถามหรือปรึกษาเกี่ยวกับ AI ได้ เราอยาก deepen การเรียนรู้ไปพร้อมกับสมาชิกในชุมชน ดังนั้นมาเข้าร่วมกับเรานะครับ
