แผนการเรียนรู้
/

SolarCorp Workshop: Day 1

ภาคปฏิบัติ: การวางรากฐานโครงการและออกแบบสถาปัตยกรรมด้วย AI-Native Workflow

ช่วงบ่าย | ภาคปฏิบัติการสร้างรากฐานระบบ

เป้าหมายของเวิร์กชอปวันนี้

✅ การตั้งค่า Workspace และเชื่อมต่อ GitHub Repository

✅ การเปลี่ยน SRS เป็น Technical Spec ที่ AI เข้าใจ 100%

✅ การออกแบบ Database Schema สำหรับระบบโซลาร์เซลล์

✅ การทำ API Contract เบื้องต้นระหว่าง Django และ React

วิสัยทัศน์โครงการ: SolarCorp

"เพิ่มขีดความสามารถในการแข่งขันผ่านระบบรับคำสั่งซื้ออัตโนมัติ และการจัดการ Lead อัจฉริยะ"

เป้าหมายหลักคือการลดระยะเวลาและต้นทุนด้วย AI-Native Workflow เพื่อสร้างเว็บไซต์ที่แนะนำแพ็กเกจโซลาร์เซลล์ได้ตามค่าไฟจริงของลูกค้า

ขอบเขตงานที่เราจะเริ่มสร้างวันนี้

1. Sales Automation

ระบบนำเสนอแพ็กเกจ 3kW, 5kW, 10kW และการประเมินราคาอัตโนมัติ

2. Lead Management

การจัดเก็บข้อมูลผู้สนใจ ประวัติการติดต่อ และแหล่งที่มาของแคมเปญ

เทคโนโลยีที่เราจะใช้ (The Stack)

🐍

Backend: Django (Python) จัดการผ่าน uv

⚛️

Frontend: React + Tailwind CSS (Component-based)

🐘

Database: SQLite (Dev) / PostgreSQL (Prod)

คุณคือวาทยกร (Orchestrator)

"AI คือเครื่องดนตรีที่ทรงพลัง แต่คุณคือคนคุมจังหวะและทิศทางทั้งหมด"

✍️

เขียน Spec

➡️
🤖

AI วางแผน

➡️
🧐

มนุษย์อนุมัติ

ความลับของ Spec ที่แม่นยำ 100%

เราจะใช้ Technical Spec 7 องค์ประกอบเพื่อลดหนี้ทางเทคนิค:

1. บทบาท (Persona)

2. บริบท (Context)

3. งาน (Task)

4. รูปแบบ (Format)

5. กฎเกณฑ์ (Constraints)

6. ตรรกะ (Logic)

7. การทดสอบ (Verification)

เริ่มการตั้งค่า Workspace

เปิด Google Antigravity และทำตามขั้นตอนดังนี้:

🎯 1. สร้างโฟลเดอร์ใหม่ชื่อ solarcorp-project

🎯 2. เลือกโฟลเดอร์นี้เป็น Active Workspace ใน Antigravity

🎯 3. เชื่อมต่อกับ GitHub เพื่อเก็บประวัติการแก้ไขโค้ด

ความเร็วคือหัวใจ (NFR-2)

เราจะใช้ `uv` เพื่อให้ AI ติดตั้งระบบได้รวดเร็วระดับวินาที

> uv init
> uv add django djangorestframework
# สังเกตความเร็วที่เหนือกว่า pip ธรรมดา 10-100 เท่า

การบรีฟงานให้ AI Agent

ส่งคำสั่งแรกใน Agent Manager:

"อ้างอิงจาก SRS.md ฉันต้องการเริ่มต้นโครงการ SolarCorp ช่วยสรุปขั้นตอนการวางโครงสร้างโปรเจกต์ (Implementation Plan) และเตรียมไฟล์ที่จำเป็นสำหรับระบบจัดการสมาชิกเบื้องต้น"

จุดตรวจสอบ: แผนการปฏิบัติงาน

ห้ามให้ AI เขียนโค้ดจนกว่าแผนจะผ่านการตรวจ!

สิ่งที่ต้องตรวจในแผน (Plan Review):

  • มีการแยกโฟลเดอร์ Backend และ Frontend หรือไม่?
  • มีการเตรียมไฟล์สำหรับการเก็บข้อมูล Lead (FR-1.1) หรือยัง?
  • แผนการติดตั้งฐานข้อมูล SQLite สำหรับช่วงพัฒนาถูกต้องไหม?

การออกแบบข้อมูล: Member & Lead

อ้างอิงจาก FR-1.1 และ FR-1.3

Lead Model

- Name, Phone, Email

- Monthly Bill (float)

- UTM Source (string)

Member Model

- User (OneToOne)

- Registration Date

- Marketing Consent (PDPA)

การออกแบบข้อมูล: Products & Orders

Package Model (FR-2.1)

  • - Capacity (3kW, 5kW, 10kW)
  • - Price, Description
  • - Is Promo Active?

Order Model (FR-3.1)

  • - Customer, Package
  • - Status (Pending, Confirmed)
  • - Installation Location

กิจกรรม: สร้างผังข้อมูลอัจฉริยะ

1. เปิดไฟล์ SRS.md และ Copy ส่วน Functional Requirements

2. สั่ง AI: "ช่วยออกแบบ ER Diagram และ Django Models สำหรับโครงการ SolarCorp ตามข้อกำหนดนี้"

3. ตรวจสอบความสัมพันธ์แบบ ForeignKey ระหว่าง Order และ Package

สัญญาข้อมูล (API Contract)

"ตกลงกันก่อน ว่าจะส่งอะไรให้กัน"

ตัวอย่าง JSON สำหรับ Lead (POST):

              {
              "name": "Somsak",
              "phone": "0812345678",
              "monthly_bill": 3500,
              "pdpa_consent": true
              }

การกำหนดกฎเหล็ก (.clinerules)

กฎที่เราต้องใส่เพื่อให้ AI ทำงานสอดคล้องกับ SRS:

  • - ทุก Model ต้องมี created_at และ updated_at
  • - ต้องมี Docstring อธิบายการทำงานของทุกคลาส
  • - ห้ามใช้ฟังก์ชันคำนวณที่หน้า Frontend ให้เรียกจาก Backend เท่านั้น (FR-2.3)

ระวังหนี้ทางเทคนิค (Code Smells)

สถิติพบว่าโค้ดที่ AI สร้างอาจมีปัญหาแฝงถึง 89.1%

❌ Unused Variables
❌ Duplicated Logic
❌ Insecure Hardcoding
❌ Inconsistent Naming

"เราจะใช้คำสั่ง /verify เพื่อแสกนหาจุดเหล่านี้ทันทีที่เริ่มสร้างฟีเจอร์"

กิจกรรม: ร่าง Project Brief

"จงเขียนเป้าหมาย 3 อย่างที่คุณต้องการให้ AI ทำสำเร็จในเย็นวันนี้"

  • 1. สร้างฐานข้อมูล SolarCorp เบื้องต้น
  • 2. เปิดหน้า Admin Dashboard ให้แอดมินเข้าไปกรอกแพ็กเกจได้
  • 3. เตรียม API Endpoint สำหรับรับข้อมูลผู้สนใจ

หลักฐานความสำเร็จ (Artifacts)

Antigravity จะสร้างไฟล์ยืนยันการทำงานมาให้คุณ:

🎥 **Walkthrough:** วิดีโอบันทึกการทดสอบฟีเจอร์โดย AI

📋 **Task List:** รายการงานที่ทำเสร็จแล้วและสถานะปัจจุบัน

📁

การบริหารงบประมาณสมอง (Tokens)

"ห้ามส่งโค้ดทั้งโปรเจกต์ให้ AI ทุกครั้ง"

ใช้ความสามารถในการจัดการ Context ของ Antigravity:

  • ส่งเฉพาะไฟล์ที่เกี่ยวข้องโดยใช้เครื่องหมาย @filename
  • ใช้คำสั่ง /compact เพื่อยุบบริบทที่ยาวเกินไป
  • แยกงานเป็นชิ้นเล็ก (Small Units) เพื่อลดความสับสน

กฎความปลอดภัย: PDPA Consent

"ต้องมีช่องติ๊กยอมรับการเก็บข้อมูลในทุกแบบฟอร์มลงทะเบียน"

คำสั่งที่ Orchestrator ต้องใช้:

"ตรวจสอบว่าฟอร์มลงทะเบียน SolarCorp มีการส่งค่า pdpa_accepted: true และจัดเก็บวันที่ที่กดยอมรับลงฐานข้อมูลด้วย"

เกราะป้องกัน: /security-scan

เรียกใช้ Security Subagent เพื่อแสกนโค้ดทั้งโปรเจกต์

> /security-scan SolarCorp/backend/
...Scanning for SQLi, XSS, Secret Leaks...
🛡️

ลงมือ: สร้างระบบหลังบ้านขั้นต้น

1. เปิด Antigravity Chat และใช้คำสั่ง /cook

2. ให้ AI สร้าง Django Project และเปิดใช้งาน Django Admin

3. สั่งให้ AI เพิ่มข้อมูลแพ็กเกจโซลาร์เซลล์ตัวอย่าง 3 ขนาดลงไป

4. รันคำสั่ง uv run manage.py runserver และตรวจสอบผล

เมื่อเกิดข้อผิดพลาด...

"อย่าพยายามแก้โค้ดเองในจุดที่คุณยังไม่เข้าใจ"

ใช้คำสั่งวิเคราะห์บั๊ก:

> /debug วิเคราะห์ Log การ Migration ที่ล้มเหลว

"AI จะค้นหาสาเหตุและเสนอแผนการซ่อมแซมให้คุณทันที"

นิยามของคำว่า "เสร็จ" วันที่ 1

✅ Workspace & GitHub พร้อม
✅ Database Models ถูกสร้างครบ
✅ Admin Panel จัดการข้อมูลได้จริง
✅ มีแผนปฏิบัติงานสำหรับวันพรุ่งนี้

ช่วงถาม-ตอบ (Q&A)

"มีอุปสรรคในการสั่ง AI ออกแบบฐานข้อมูลไหมครับ?"

🤔❓

สรุปภาพรวมวันนี้

เข้าใจกลไก AI Agent
เขียน Spec แม่นยำ
วางรากฐาน SolarCorp สำเร็จ

"คุณได้ก้าวเข้าสู่ยุค Agentic Software Engineering อย่างเต็มตัวแล้ว!"

ยินดีด้วยกับความสำเร็จวันนี้

พักผ่อนให้เต็มที่ เพื่อกลับมาลุย
**Fullstack Development ในวันพรุ่งนี้!**

ขอบคุณสำหรับการทำงานร่วมกันครับ
👋🚀