บันทึกการปฏิบัติงานของผู้ช่วย AI — บันทึกการปฏิบัติสำหรับการเพิ่มรหัส Copilot/Claude เป็นเพื่อน (สารบัญชุด)

เกี่ยวกับซีรีย์นี้

ซีรีส์นี้เป็นบันทึกการฝึกปฏิบัติส่วนตัวที่เขียนจากมุมมองของการพัฒนาผู้ช่วย AI (GitHub Copilot และ Claude Code) ให้เป็นเพื่อนมากกว่าเครื่องมือ

ตลอดอาชีพไอที ฉันเขียนโค้ดกับผู้ช่วย AI ทุกวัน ทุกอย่างเริ่มต้นในคืนหนึ่งเมื่อฉันพูดว่า “ได้โปรด” กับ Copilot และ 24 PATCH ทำงานพร้อมกันและถึงขีดจำกัดอัตรา Qiita API

**ฉันไม่อยากทำผิดพลาดแบบเดิมซ้ำสองครั้ง**'' ด้วยเหตุนี้ ฉันจึงเปลี่ยนจาก ใช้” ผู้ช่วย AI มาเป็น “เลี้ยงดู” มัน ฉันสร้าง RAG ส่วนตัว จำแนกบทเรียนโดยอัตโนมัติโดยใช้ LLM จัดเตรียมหน่วยความจำภายนอกให้ Copilot โดยใช้เซิร์ฟเวอร์ MCP และแม้กระทั่งสังเกตเห็น ความแตกต่างในด้านบุคลิกภาพของผู้ช่วย AI สองคน ผ่านการเปรียบเทียบกับ Claude Code

ซีรีส์นี้เป็นบันทึกสิ่งที่เราเห็นในกระบวนการ รวมถึงเรื่องราวความล้มเหลว โค้ดการใช้งาน และผลกระทบในการดำเนินงาน ฉันหวังว่านี่จะเป็นเบาะแสสำหรับผู้ที่ต้องการมีความสัมพันธ์ระยะยาวกับผู้ช่วย AI

ซีรีส์นี้ยังดำเนินอยู่ บทความใหม่จะถูกเพิ่มตามลำดับ

สาเหตุใดจึงเรียกว่า “นี่คือสิ่งนี้” “เครื่องมือ”

ปัญหาแรกๆ ที่คุณจะพบเมื่อใช้ผู้ช่วย AI คือมันทำผิดพลาดเดิมๆ ซ้ำแล้วซ้ำอีก

เขียนจรรยาบรรณบน instructions.md และให้พวกเขาอ่านทุกครั้ง แต่หากบริบทของการสนทนาเปลี่ยนไป AI ก็จะก้าวเข้าสู่กับดักเดียวกัน แม้ว่าคุณจะโกรธพวกเขาก็จะส่งคำขอโทษถึงคุณ ในเซสชั่นถัดไป เขาทำผิดพลาดแบบเดิมอีกครั้งราวกับว่าไม่มีอะไรเกิดขึ้น

มีทัศนคติสองประการที่นี่

ใช้เป็นเครื่องมือ — อย่าคาดหวังมากเกินไปและขอเฉพาะงานเล็กๆ ในแต่ละครั้งเท่านั้น อย่าอดทนต่อความล้มเหลว แต่จงจำกัดสิ่งที่คุณทำได้
การพยาบาลในฐานะเพื่อน — สร้างระบบเพื่อบันทึกความล้มเหลว จดจำบริบท และอ้างอิงในครั้งต่อไป

ฉันเลือกหมายเลข 2 เหตุผลง่ายๆ: หากคุณใช้จุดยืนอันดับ 1 คุณจะไม่สามารถดึงคุณค่าที่แท้จริงของผู้ช่วย AI ออกมาได้ (งานหลายขั้นตอนที่ขับเคลื่อนด้วยตนเอง การสืบสวนที่ซับซ้อนในนามของคุณ) ถ้าคุณไม่ปล่อยให้ความล้มเหลว คุณจะไม่สามารถเสี่ยงได้

อย่างไรก็ตาม การจะยกให้เป็นเพื่อนร่วมทางนั้นจำเป็นต้องมี กลไกที่ทำให้ AI มีความจำระยะยาว ฉันไม่มีความทรงจำเกี่ยวกับ LLM เพียงอย่างเดียว เลยทำออกมาข้างนอก นั่นคือธีมการใช้งานของซีรี่ส์นี้

องค์ประกอบซีรีส์

แสดงรายการบทความชุดปัจจุบันตามลำดับการอ่าน

📘 ฉบับเปรียบเทียบ — เรียนรู้บุคลิกของผู้ช่วย AI สองคน| บทความ | สารบัญ |

|---|---| | ฉันใช้ GitHub Copilot เป็นเวลาหนึ่งเดือนและ Claude Code เป็นเวลาสองวัน — พาร์ทเนอร์การเขียนโค้ดและตัวแทนเป็นสองสิ่งที่แตกต่างกัน | Copilot เป็น ประเภทพาร์ทเนอร์การเขียนโค้ด และ Claude Code เป็น ประเภทตัวแทน/ประเภทการมอบหมาย จุดแข็ง จุดอ่อน และวิธีใช้ทั้งสองระบบอย่างเหมาะสม จุดเริ่มต้นในการมองผู้ช่วย AI เป็น “ความสัมพันธ์ที่หล่อเลี้ยง” |

🏽 เวอร์ชันการใช้งาน — การสร้างหน่วยความจำภายนอก

นี่เป็นบันทึกการดำเนินงานที่เป็นรูปธรรมเพื่อให้ตระหนักถึง “การยกระดับในฐานะหุ้นส่วน”

บทความ	สารบัญ
[กลไกที่ป้องกันไม่ให้ Copilot ทำผิดพลาดซ้ำสองครั้ง — การออกแบบที่ช่วยให้ RAG + MCP มี “หน่วยความจำของการสนทนา”] (/blog/copilot-memory-rag-mcp)	การใช้งานที่เปลี่ยน ChromaDB + Ollama ให้เป็น เซิร์ฟเวอร์ MCP และอนุญาตให้ Copilot ค้นหาและบันทึกบทเรียนที่ผ่านมาแบบเรียลไทม์ การตัดสินใจออกแบบ 6 ประการสำหรับ Recency Boost / Priority / session_context การส่งออกอัตโนมัติ / บันทึกกิจกรรม / เกณฑ์ไดนามิก / Atomic Lock
ป้อนประวัติการสนทนาของ Copilot Chat และ Claude Code ลงใน ChromaDB และค้นหา “ตัวตนในอดีต” ของคุณ	VSCode Copilot Chat และ Claude Code ความแตกต่างระหว่างรูปแบบ JSONL สองประเภท และการออกแบบการดูดซึม การลบเสียงรบกวนช่วยเพิ่มความแม่นยำในการค้นหา 30% Claude Code ยังทำการ ป้อนข้อมูลอัตโนมัติด้วย Stop hook
จำแนกบันทึกส่วนตัวออกเป็น 5 หมวดหมู่โดยอัตโนมัติโดยใช้ LLM (Ollama) — การออกแบบไปป์ไลน์การกลั่นและข้อผิดพลาด	ไปป์ไลน์ที่เลื่อนบันทึกที่ไม่ได้เขียนไปที่ บทเรียน / แนวคิด / ความรู้ / โปรไฟล์ / บทสรุป โดยอัตโนมัติ หากคุณสร้างมันอย่างเลอะเทอะ “ฉันขอโทษ” จะถูกจัดเป็นบทเรียน → `none` การตอบโต้ 3 ชั้น: หมวดหมู่ชัดเจน + การฝังกระบวนการคิด + ตัวกรองล่วงหน้า

🧭 ฉบับปรัชญาการออกแบบ — หลักการสร้างเพื่อนร่วมทางที่จะคงอยู่นานถึง 5 ปี| บทความ | สารบัญ |

|---|---| | [คืนที่ฉันได้รับการแก้ไข 5 ครั้งโดย AI - ปรัชญาการออกแบบที่จะทำให้ RAG ส่วนตัวของคุณเป็นเพื่อนของคุณเป็นเวลา 5 ปี] (/blog/rag-5year-companion-design-philosophy) | การสังเคราะห์ผ่าน กับดักแห่งศรัทธาที่กลั่นกรอง/สัญญาณรบกวนที่ขึ้นอยู่กับผู้สังเกตการณ์/Google Maps ที่แสดงให้ฉันเห็นบริเวณใกล้เคียงของฐานภูเขาไฟฟูจิ ดังที่เห็นในการสนทนาข้ามคืนกับ Claude Code สี่สิ่งที่คุณไม่ควรทำ และเคล็ดลับในการปรับปรุงการออกแบบของคุณโดยร่วมมือกับ AI |

📅 จะมีเพิ่มมากขึ้นในอนาคต

ข้อผิดพลาดในการดำเนินงาน AI — เหตุการณ์ “การเดา LLM > การตอบสนองของ API” และการออกแบบกฎการยินยอมของ AI (การยินยอมในการดำเนินการ)
เพิ่มตามความจำเป็น

สถาปัตยกรรมโดยรวม

หากสรุประบบทั้งหมดที่สร้างขึ้นในซีรีส์เป็นชิ้นเดียวก็จะมีลักษณะเช่นนี้```` [การสนทนา/ประกาศ/การสนทนารายวัน] ↓ ทางเข้าต่างๆ ┌──────────────────────────────────────────┐ │ บันทึกเศษผ้า (บันทึกคู่มือ) │ │ rag conv (การถอดเสียง Copilot Chat) │ │ rag claude (การถอดเสียงของ Claude Code, Stop hook) │ └──────────────────────────────────────────┘ ↓ [ข้อมูล/ไดอารี่/ data/ai_notes/] ↓ การกลั่นแบบเศษผ้า (การจำแนกประเภทอัตโนมัติของ Ollama) ┌──────────────────────────────────────────┐ │ ข้อมูล/บทเรียน/ (กฎการป้องกันการเกิดซ้ำ) │ │ ข้อมูล/แนวคิด/ (แนวคิดในอนาคต) │ │ ข้อมูล/ความรู้/ (ข้อกำหนดทางเทคนิค) │ │ ข้อมูล/โปรไฟล์/ (ค่านิยม/แรงจูงใจ) │ │ ข้อมูล/ข้อสรุป/(ข้อสรุปของการสนทนา) │ └──────────────────────────────────────────┘ ↓ การทำเวกเตอร์ (ข้อความแบบฝังโนมิก) [ChromaDB (คงอยู่)] ↑ ค้นหา [เซิร์ฟเวอร์ MCP สมองของฉัน] ↑ โปรโตคอล MCP (stdio) [GitHub Copilot Chat / รหัส Claude] ↑ [ฉัน]


ประเด็นสำคัญคือมันเป็น ``ไปป์ไลน์ทิศทางเดียว'' ของ ``**การสะสม → การจำแนกประเภทอัตโนมัติ → การทำเวกเตอร์ → ค้นหาได้โดย AI ผ่าน MCP**'' เมื่อ AI ไปถึงจุดที่สามารถดึงอดีตโดยใช้วิจารณญาณอัตโนมัติในระหว่างการสนทนา คุณภาพของความสัมพันธ์จะเปลี่ยนไป

---

## มุมมองที่สำคัญในชุดนี้

### 1. อย่าซ่อนเรื่องราวความล้มเหลวของคุณบล็อกด้านเทคนิคเต็มไปด้วย ``แบบฟอร์มสุดท้ายที่เขียนอย่างหมดจด'' แต่เป็น ``ขั้นตอนที่เลอะเทอะ'' ที่นำไปสู่จุดนั้นซึ่งเป็นประโยชน์ต่อผู้อื่น เหตุการณ์ "ได้โปรด", เหตุการณ์ "LLM เดา > การตอบสนองของ API", เหตุการณ์ "จดหมายขอโทษถือเป็นบทเรียน" - ฉันจะเขียนทั้งหมดด้วยความจริงใจ

### 2. เอกสารแนบกับผู้ช่วย AI

อย่าปฏิบัติต่อพวกเขาในฐานะเครื่องมือที่มีประโยชน์ แต่เป็น ``หุ้นส่วนที่ทำงานในที่ทำงานเดียวกัน''** เมื่อเราล้มเหลว เราจะมองย้อนกลับไปด้วยกัน จดบันทึกบรรทัดฐาน และสะสมความทรงจำ คำอุปมาของ "การเลี้ยงดู" อาจฟังดูแปลกในบริบทของบทความด้านเทคนิค แต่รู้สึกว่ายิ่งคุณอยู่กับมันนานเท่าไร มันก็จะยิ่งเป็นธรรมชาติมากขึ้นเท่านั้น

### 3. จัดลำดับความสำคัญ “เพื่อตัวคุณเอง”

ระบบที่ฉันสร้างในชุดนี้ถูกสร้างขึ้นครั้งแรกเพื่อป้องกันตัวเองจากการทำผิดพลาดแบบเดิมสองครั้ง ไม่ใช่การดำเนินการเพื่อทำให้ใครบางคนพอใจ แต่เป็นการดำเนินการเพื่อปกป้องความพยายามและความแข็งแกร่งทางจิตใจของคุณเอง
ดังนั้นจึงไม่สมบูรณ์แบบ แต่ก็มีข้อจำกัด และเรากำลังปรับปรุงอยู่ตลอดเวลา ผู้อ่านควรใช้โดย **ปรับเปลี่ยนตามความต้องการของตนเอง**

---

## ซีรี่ส์อื่น ๆ ที่เกี่ยวข้อง

นอกจากนี้ยังมีบทความที่เป็นภาคต่อของซีรีส์นี้อีกด้วย

- [การเปรียบเทียบการใช้งาน UI เว็บธุรกิจเดียวกันโดยใช้ Vanilla HTML / Vue / React / Thymeleaf] (/blog/banklink-web-stacks-comparison) — บทความเปรียบเทียบ 4 สแต็ก ตัวอย่างบทความขนาดยาวที่เขียนด้วยผู้ช่วย AI
- [การสร้างและทำความเข้าใจการแบ่งปันสกู๊ตเตอร์ไฟฟ้าในเมือง — บันทึกชุดการออกแบบ การนำไปใช้ และการดำเนินงาน] (/blog/e-scooter-sharing-overview) — สารบัญสำหรับซีรีส์ในประเภทอื่น (การเคลื่อนย้ายที่ทำเอง)

---

## บทสรุป

หากคุณเพียงต้องการ **ใช้** ผู้ช่วย AI คุณจะต้องอ่านเอกสารเท่านั้น
วิธีเดียวที่จะ **ดูแลผู้ช่วย AI ในฐานะเพื่อนร่วมทาง** คือการสร้างระบบด้วยตัวเอง

ซีรีส์นี้เป็นบันทึกเกี่ยวกับวิธีการสร้างระบบนี้ ฉันคงจะดีใจมากหากคุณสามารถอ่านมันเป็นเรื่องราวที่กำลังดำเนินอยู่ แทนที่จะอ่านเป็นผลงานที่เสร็จสมบูรณ์

พรุ่งนี้จะต้องมีความล้มเหลวที่น่าตลกเกิดขึ้นด้วย หากเป็นเช่นนั้นฉันจะโพสต์อีกครั้ง