ใช้ ChatGPT ช่วยเขียนโค้ดยังไง? จากไอเดียถึงโค้ดที่ทดสอบได้

คำถามว่า ChatGPT เขียนโค้ดได้ไหม ควรตอบว่าได้ในฐานะผู้ช่วย แต่ไม่ใช่ผู้รับผิดชอบความถูกต้องแทนเรา โค้ดที่ดูดีอาจมี bug ใช้ library ผิดเวอร์ชัน หรือเปิดช่องโหว่ได้ ดังนั้นต้องให้ AI ช่วยคิด แล้วรันและตรวจผลจริง

บทความนี้ใช้คำว่า ChatGPT สำหรับผู้ช่วยสนทนา ส่วนงานที่ต้องอ่าน repository หลายไฟล์และแก้เป็นชุดอาจเหมาะกับ Codex มากกว่า ความสามารถอาจต่างตามแผนและเวลา

ChatGPT ช่วยงานเขียนโค้ดอะไรได้บ้าง

• อธิบายโค้ด: วางโค้ดส่วนสั้น ๆ แล้วขอคำอธิบายหรือจุดเสี่ยง
• แตกโจทย์: เปลี่ยน requirement ให้เป็น input, output, เงื่อนไข และ edge cases
• สร้างตัวอย่าง: ระบุภาษา runtime และ dependency ที่อนุญาต
• เขียน test: ขอ unit tests ก่อนรับ implementation
• แก้ error: ส่ง error และขั้นตอนทำซ้ำ โดยลบข้อมูลลับก่อน
• refactor: กำหนดว่าพฤติกรรมและ public contract ต้องไม่เปลี่ยน

สูตร prompt ที่ทำให้โค้ดตรวจง่าย

อย่าขอแค่ว่า “เขียนระบบ login” ให้บอกบริบท ขอบเขต และรูปแบบผลลัพธ์ เช่น:

คุณเป็น senior TypeScript developer
โจทย์: เขียน validateEmail
เงื่อนไข: ไม่เพิ่ม dependency และคืน { valid: boolean }
กรณีทดสอบ: ค่าว่าง ช่องว่าง unicode และอีเมลปกติ
ขอ: implementation, unit tests และข้อจำกัด

ถ้าข้อมูลไม่พอ ให้ AI ถามกลับก่อนเขียนแทนการเดา

Workflow 5 รอบจากไอเดียถึงโค้ดที่ merge ได้

1. ทำความเข้าใจ: สรุป requirement และถามข้อมูลที่ขาด
2. ออกแบบ: เปรียบเทียบทางเลือก trade-off โครงสร้างไฟล์ และ edge cases
3. ลงมือ: แก้ทีละไฟล์หรือ function พร้อมบอกสัญญาที่ห้ามเปลี่ยน
4. ทดสอบ: รัน test, formatter, linter และ type check บนเครื่องจริง
5. รีวิว: อ่าน diff ด้าน correctness, security, performance และ compatibility ก่อน merge

ส่ง error อย่างปลอดภัย

ตัด token, cookie, API key, ข้อมูลลูกค้า และข้อมูลส่วนตัวออกจาก trace ระบุ OS, runtime, package version, คำสั่ง และผลที่คาดหวัง อย่าวางไฟล์ config production ทั้งไฟล์ลงในแชต

ChatGPT กับ Codex ต่างกันอย่างไร

ChatGPT เหมาะกับการถาม อธิบาย และสร้างตัวอย่างในบทสนทนา ส่วน Codex เป็น coding agent ที่ทำงานกับ repository และสร้าง diff เป็นชุดได้ แต่ทั้งสองแบบต้องอ่านผล รัน test และให้คนอนุมัติ

Checklist ก่อนใช้จริง

• โค้ดตรง requirement และมี test สำหรับกรณีปกติและ edge case
• ตรวจ dependency และ license ที่เพิ่ม
• ค้นหา secret ที่หลุดใน diff และ log
• ตรวจ input validation, authorization และ error handling
• ให้คนอื่น review งานสำคัญ
• บันทึก prompt และข้อสมมติเพื่อทำซ้ำได้

สรุป

แบ่งงานเป็น เข้าใจโจทย์ ออกแบบ เขียน ทดสอบ และรีวิว ให้ AI เร่งงานซ้ำ ๆ แต่ให้การรันจริงและการตัดสินใจด้านความปลอดภัยอยู่กับทีมเสมอ