นักพัฒนาจำนวนมากใช้วิธีรันทีมเอเจนต์และจัดระเบียบการทำงานของเอเจนต์ด้วย "ความรู้สึก" (vibe) แต่วิธีนี้มันได้ผลจริงหรือ?
ในบทความนี้ ผมจะแนะนำ 5 รูปแบบการทำงานที่ได้รับการสนับสนุนจากงานวิจัย สำหรับการใช้งานทีมเอเจนต์ใน Antigravity, Claude Code หรือ coding agent ตัวอื่น ๆ ไม่ว่าคุณจะกำลังสร้างแอปพลิเคชันใหม่ ดูแลโค้ดเบสแบบ legacy หรือทำงานวิจัย คุณจะได้เรียนรู้ว่ารูปแบบไหนดีกว่าการใช้เอเจนต์ตัวเดียว และเมื่อไหร่ที่ควรใช้ พร้อมพรอมต์สำเร็จรูปที่นำไปลองใช้ได้ทันที
โดย: YK Sugi, Senior Developer Relations Engineer, Google Cloud
1. แยกคนสร้างกับคนตรวจสอบออกจากกัน แทนที่จะให้เอเจนต์ตัวเดียวจัดการทุกอย่าง เราสามารถแยกขั้นตอนการสร้างและการตรวจสอบออกเป็นสองเธรดที่แตกต่างกัน เอเจนต์ตัวหนึ่งทำหน้าที่สร้าง ส่วนอีกตัวหนึ่งในเธรดใหม่จะทำหน้าที่ตรวจสอบว่าผลลัพธ์ที่ได้ตรงกับที่คุณสั่งไว้หรือไม่ การให้โมเดลรีวิวผลงานของตัวเองในเธรดเดียวกันนั้นมีความเสี่ยงที่จะเกิดอคติจากเอาต์พุตก่อนหน้าของตัวเอง
อันที่จริง งานวิจัยชี้ให้เห็นว่าโมเดลมักตัดสินผลงานของตัวเองได้ไม่ดีนัก พวกมัน มีปัญหาในการแก้ไขเหตุผลของตนเองหากไม่ได้รับฟีดแบ็กจากภายนอก และ มักจะเข้าข้างเอาต์พุตของตัวเองมากกว่าของผู้อื่น
ให้ใช้รูปแบบนี้กับการเปลี่ยนแปลงที่สำคัญ ส่วนการรีวิวตัวเองยังพอใช้ได้ดีกับการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ หรือในกรณีที่มีเทสต์คอยให้ฟีดแบ็ก
พรอมต์: เริ่ม subagent ใหม่ 1 ตัวในฐานะผู้ตรวจสอบแบบอ่านอย่างเดียว (read-only) ให้มันตรวจดูว่า diff นี้ทำตามที่ฉันสั่งไว้หรือไม่

2. แบ่งงานออกเป็นส่วน ๆ เมื่อภารกิจสามารถแบ่งแยกได้อย่างชัดเจน ให้มอบหมายแต่ละส่วนให้มีเจ้าของของตัวเอง เช่น ใช้ subagent หนึ่งตัวสำหรับ frontend, หนึ่งตัวสำหรับ backend และอีกหนึ่งตัวสำหรับเอกสาร โดยให้พวกมันทำงานขนานกันไปโดยไม่แก้ไขไฟล์เดียวกัน
ใน งานวิจัยปี 2026 ที่ศึกษาภารกิจเขียนโค้ด 652 รายการ พบว่าเอเจนต์ 2 ตัวที่ทำงานบนโค้ดส่วนที่ทับซ้อนกันมีอัตราความสำเร็จลดลงประมาณ 30% เมื่อเทียบกับเอเจนต์ตัวเดียวที่ทำทั้งสองภารกิจ
ใน งานวิจัยของ Google และ MIT ทีมเอเจนต์ทำคะแนนได้สูงกว่าเอเจนต์ตัวเดียวถึง 80.8% ในเกณฑ์วัดผลด้านการเงินที่แต่ละส่วนเป็นอิสระต่อกัน แต่กลับทำคะแนนได้ต่ำกว่า 39% ถึง 70% ในเกณฑ์วัดผลการวางแผน ซึ่งแต่ละขั้นตอนต้องพึ่งพาขั้นตอนก่อนหน้า

สำหรับงานที่ยากต่อการแบ่งออกเป็นส่วน ๆ อย่างชัดเจน เช่น frontend และ backend การใช้เธรดเดียวมักจะได้ผลลัพธ์ที่ดีกว่า เช่นเดียวกับบั๊กเล็ก ๆ น้อย ๆ ที่การใช้ subagent ทำงานขนานกันไม่ได้ช่วยอะไรเลยใน งานวิจัยอีกชิ้นหนึ่ง
พรอมต์: เริ่ม subagent 3 ตัวทำงานขนานกัน: ตัวแรกสำหรับ frontend ใน web/, ตัวที่สองสำหรับ backend ใน api/ และตัวที่สามสำหรับเอกสารใน docs/ แต่ละตัวแก้ไขได้เฉพาะไฟล์ในโฟลเดอร์ของตัวเองเท่านั้น เมื่อทั้งสามตัวทำงานเสร็จ ให้ตรวจสอบว่าทุกส่วนทำงานร่วมกันได้

3. Best of N (เลือกสิ่งที่ดีที่สุด) รันภารกิจเดิมหลายครั้งพร้อมกัน แล้วปล่อยให้ test suite หรือระบบ eval เป็นคนเลือกผู้ชนะ AlphaCode ซึ่งเป็นระบบเขียนโค้ดจาก DeepMind ก็ทำงานด้วยวิธีนี้ มันสร้างโปรแกรมตัวเลือกขึ้นมาจำนวนมากแล้วคัดกรองด้วยการนำโปรแกรมเหล่านั้นไปรันจริง วิธีนี้ทำผลงานได้ดีในระดับแข่งขันได้ในการประกวดเขียนโปรแกรม
ใน งานวิจัยปี 2024 ที่ศึกษาแนวทาง Best of N นี้ อัตราการผ่านยังคงเพิ่มขึ้นเรื่อย ๆ จากการทดลองนับพันครั้งในภารกิจที่มีการตรวจสอบอัตโนมัติ สำหรับ issue จริงบน GitHub โมเดลหนึ่งเพิ่มอัตราการแก้ปัญหาสำเร็จจาก 15.9% ในการลองครั้งแรก ไปเป็น 56% เมื่อลองถึง 250 ครั้ง แต่หากไม่มีการตรวจสอบอัตโนมัติ การเลือกผู้ชนะด้วยเสียงส่วนใหญ่หรือโมเดลให้คะแนนจะให้ผลลัพธ์ที่คงที่เมื่อลองไปถึงประมาณ 100 ครั้ง

พรอมต์: รัน subagent 5 ตัวขนานกันบน Gemini 4 Hydrogen โดยแต่ละตัวพยายาม optimize สิ่งนี้ใน worktree ของตัวเอง ให้คะแนนแต่ละความพยายามด้วยระบบ eval เลือกตัวที่ดีที่สุด แล้วบอกผลลัพธ์ให้ฉันฟัง
4. สภาโมเดล ขอให้โมเดลหลายตัวเสนอไอเดียอย่างเป็นอิสระต่อกัน จากนั้นให้ผู้ตัดสินลงคะแนนโดยปิดบังชื่อโมเดล แล้วจึงนำไอเดียที่แข็งแกร่งที่สุดมารวมกัน ใช้วิธีนี้เมื่อไม่มีเทสต์หรือระบบตรวจสอบอัตโนมัติที่ชัดเจน เช่น งานด้านสถาปัตยกรรมซอฟต์แวร์หรือการออกแบบภาพ
ใน งานวิจัยชิ้นหนึ่ง การรวมคำตอบจากหลายโมเดลทำคะแนนได้สูงกว่าการใช้ frontier model เพียงตัวเดียว และใน งานวิจัยอีกชิ้น คณะกรรมการที่ประกอบด้วยโมเดลหลากหลายสามารถประเมินได้ใกล้เคียงกับมนุษย์มากกว่าการใช้ผู้ตัดสินขนาดใหญ่เพียงตัวเดียว

ตัวอย่างเช่น ผมออกแบบโลโก้เรือลำนี้ด้วยสภาโมเดล โดยใช้แค่ 2 รอบก็สามารถเปลี่ยนจากความพยายามแรกที่ธรรมดามากให้กลายเป็นไอคอนสุดท้ายที่สวยงามได้

พรอมต์: ขอให้ Gemini 4 Carbon, Gemini 4 Neon และ Claude Opus 5.5 ออกแบบอย่างละ 1 แบบอย่างเป็นอิสระต่อกัน จากนั้นให้เอเจนต์ใหม่ 3 ตัวบน Gemini 4 Carbon, Gemini 4 Neon และ Claude Opus 5.5 ให้คะแนนแบบที่ออกแบบมาโดยปิดบังชื่อโมเดล แล้วนำไอเดียที่ดีที่สุดมารวมกันเป็นตัวชนะ
5. ทีมผู้ตรวจสอบ รันผู้ตรวจสอบแบบอ่านอย่างเดียวหลายตัวพร้อมกัน โดยแต่ละตัวมีหน้าที่เฉพาะเจาะจง เช่น UX หรือความปลอดภัย
ใน งานวิจัยคลาสสิกปี 1995 ที่ใช้ผู้ตรวจสอบที่เป็นมนุษย์ ทีมที่สมาชิกแต่ละคนมองหาข้อผิดพลาดคนละประเภท สามารถพบข้อผิดพลาดได้มากกว่าทีมที่ทุกคนใช้เช็กลิสต์ทั่วไปแบบเดียวกันถึงประมาณ 35%
ปรากฏว่ารูปแบบที่คล้ายคลึงกันนี้ก็ใช้ได้กับผู้ตรวจสอบ AI ด้วยเช่นกัน ใน งานวิจัยเกี่ยวกับผู้ตัดสิน LLM ทีมที่มีบทบาทแตกต่างกันสามารถประเมินได้ใกล้เคียงกับมนุษย์มากกว่าผู้ตัดสินเพียงตัวเดียว และจะทำผลงานได้แย่ลงหากทุกคนมีบทบาทเดียวกันทั้งหมด

พรอมต์: เริ่มผู้ตรวจสอบแบบอ่านอย่างเดียว 4 ตัวทำงานขนานกัน สำหรับตรวจสอบ UX, ความเรียบง่ายของโค้ด, edge cases และความปลอดภัย แก้ไขสิ่งที่พวกเขารายงานเข้ามา แล้วทำซ้ำกับผู้ตรวจสอบชุดใหม่จนกว่าทั้ง 4 ตัวจะอนุมัติ
รูปแบบเหล่านี้เปรียบเสมือนบล็อกตัวต่อสำหรับการสร้างงานมากกว่าจะเป็นกฎตายตัว คุณสามารถผสมผสานและเลือกใช้ได้ตามที่เห็นว่าเหมาะสม แต่นี่คือผังงานง่าย ๆ ที่จะช่วยแนะนำว่าคุณควรใช้รูปแบบไหนในสถานการณ์ใด:






