ใช้ GPT เขียนโค้ด: ใส่บริบทให้ครบ แล้วตรวจสอบทุกครั้ง

GPT ช่วยอ่านข้อผิดพลาด ร่างฟังก์ชัน อธิบายโค้ดแปลกๆ และแนะนำเทสต์ได้ แต่มันเห็นแค่สิ่งที่คุณแปะ และอาจตอบผิดอย่างมั่นใจ คู่มือนี้จะบอกสิ่งที่ควรส่ง คำถามที่ควรถาม และจุดที่ต้องตรวจทาน

ใช้เวลาอ่าน 15 นาทีอัปเดตเมื่อ

GPT เป็นผู้ช่วยที่ยอดเยี่ยมสำหรับงานเขียนโค้ด: มันอ่าน stack trace ได้อย่างไม่บ่น ร่างส่วนที่น่าเบื่อของฟังก์ชันได้ อธิบาย regular expression เก่าๆ ที่คุณได้รับช่วงต่อมา และช่วยแนะนำ test case ที่คุณอาจนึกไม่ถึง แต่บางครั้งมันก็แต่งฟังก์ชันที่ไม่มีจริงขึ้นมา ตกหล่นกรณี edge cases หรือเขียนโค้ดที่ดูเผินๆ เหมือนจะถูกแต่กลับพังตั้งแต่ input ที่สอง วิธีที่จะได้ประโยชน์สูงสุดโดยไม่เจอปัญหาเหล่านี้ คือการให้บริบทที่ชัดเจนและตรวจสอบโค้ดที่ได้กลับมาเสมอ คู่มือนี้จะแนะนำวิธีทำทั้งสองอย่างใน แชท GPT ฟรีของเรา

สิ่งที่ GPT ทำได้ดี และจุดที่มักจะพลาด

โมเดลภาษาผ่านการเทรนด้วยโค้ดสาธารณะและเอกสารประกอบจำนวนมหาศาล จึงเชี่ยวชาญรูปแบบโค้ดทั่วไปในภาษายอดนิยม ตัวอย่างการใช้งานที่ดี:

  • อธิบายการทำงานของโค้ดแบบทีละบรรทัด
  • วิเคราะห์ข้อความแจ้งเตือนข้อผิดพลาด (error message) ออกมาเป็นสาเหตุที่เป็นไปได้
  • เขียนฟังก์ชันขนาดเล็ก สคริปต์ หรือคำสั่ง SQL ที่จบในตัว
  • ร่าง unit test จากโค้ดที่คุณวาง
  • แปลงโค้ดข้ามภาษา หรืออัปเกรดเวอร์ชันของไลบรารี
  • รีวิว diff เพื่อหาจุดบกพร่อง ตรวจสอบการตั้งชื่อ และความอ่านง่าย

ส่วนจุดอ่อนก็คาดเดาได้ไม่ยาก โมเดลจะเห็นเฉพาะสิ่งที่คุณส่งเข้าไปเท่านั้น จึงต้องคาดเดาส่วนที่เหลือของโปรเจกต์เอง ข้อมูลความรู้จะสิ้นสุดตามรอบการเทรน (training cut-off) ไลบรารีเวอร์ชันใหม่มากๆ จึงอาจยังไม่รองรับ และที่สำคัญคือมันไม่สามารถรันโค้ดของคุณได้: ในแชทของเราไม่มีเทอร์มินัลและไม่สามารถเชื่อมต่ออินเทอร์เน็ตได้ ทุกคำตอบที่บอกว่า "โค้ดนี้ใช้งานได้" จึงเป็นเพียงการคาดคะเน ไม่ใช่ผลจากการทดสอบจริง

ใส่บริบทที่เพื่อนร่วมงานจำเป็นต้องใช้

ก่อนจะขอความช่วยเหลือเรื่องแก้บั๊ก ให้เตรียมข้อมูลแบบเดียวกับที่ผู้ตรวจโค้ดต้องการเห็น:

  1. ภาษา เฟรมเวิร์ก และเวอร์ชันที่ใช้ เช่น "Python 3.12, Django 5"
  2. ตัดโค้ดมาเฉพาะส่วนที่สั้นที่สุดที่ทำให้เกิดปัญหา ไม่จำเป็นต้องยกมาทั้ง repository
  3. คัดลอกข้อความ error และ stack trace มาแบบตรงๆ ไม่ควรพิมพ์ใหม่เอง
  4. ระบุผลลัพธ์ที่คาดหวัง สิ่งที่เกิดขึ้นจริง และสิ่งที่คุณได้ลองแก้ไปแล้ว
แบบที่ไม่ดี:
โค้ดใช้งานไม่ได้ ช่วยแก้ให้หน่อย

แบบที่ดี:
Node 22, Express 5 เส้นทาง (route) นี้ควรคืนค่าผู้ใช้เป็น JSON
แต่ request ค้างและไม่มีการตอบกลับเลย ไม่มี error ขึ้นในคอนโซล
นี่คือโค้ด route และ middleware ที่ใช้งาน:
[วางโค้ดที่นี่]
ช่วยอธิบายสาเหตุก่อน แล้วค่อยแสดงเฉพาะโค้ด route ที่แก้ไขแล้ว

คำสั่งแบบที่ดีจะช่วยชี้เป้าให้โมเดลรู้ว่าต้องดูตรงไหน จุดไหนคือผลลัพธ์ที่ถูกต้อง และต้องการให้ตอบกลับมารูปแบบใด การขอคำอธิบายก่อนโค้ดยังช่วยให้คุณตรวจสอบได้ทันทีว่าโมเดลวิเคราะห์ปัญหาถูกจุดหรือไม่

ชุดคำสั่ง (Prompts) สำหรับงานเขียนโค้ดทั่วไป

นี่คือตัวอย่างเทมเพลตที่คุณสามารถนำไปปรับใช้ได้ เพียงเปลี่ยนข้อความในวงเล็บเหลี่ยมให้ตรงกับงานของคุณ

  • อธิบายโค้ด: "อธิบายฟังก์ชัน [ภาษา] นี้ให้คนที่เข้าใจพื้นฐานการเขียนโปรแกรมแต่ไม่คุ้นเคยกับไลบรารีนี้ฟัง ชี้ให้เห็นจุดที่ควรระวังด้วย"
  • เขียน Test: "เขียน unit test ด้วย [เฟรมเวิร์ก] สำหรับฟังก์ชันนี้ ครอบคลุมทั้ง input ทั่วไป, ค่าว่าง, input ขนาดใหญ่มาก และประเภทข้อมูลที่ไม่ถูกต้อง โดยไม่ต้องแก้ไขฟังก์ชันเดิม"
  • รีแฟกเตอร์: "ปรับปรุงโค้ดให้อ่านง่ายขึ้น (refactor) โดยไม่เปลี่ยนพฤติกรรมการทำงาน คงชื่อ public function เดิมไว้ทั้งหมด พร้อมสรุปการเปลี่ยนแปลงที่ทำ"
  • รีวิวโค้ด: "รีวิว diff นี้ในฐานะ senior developer ที่เข้มงวด รายงานจุดบกพร่อง (bugs) ก่อน ตามด้วยแพตเทิร์นที่มีความเสี่ยง และรูปแบบการเขียน พร้อมอ้างอิงเลขบรรทัดในแต่ละจุด"
  • Regex: "เขียน regular expression ที่ตรงกับ [รูปแบบที่ต้องการ] แต่ไม่รวม [ตัวอย่างที่ไม่ต้องการ] พร้อมแสดงตัวอย่างข้อความที่ match 5 ตัวอย่าง และที่ไม่ match อีก 5 ตัวอย่าง"

ลองเริ่มใช้งานได้เลย: ขอให้เขียนฟังก์ชันพร้อมชุดทดสอบ หรือดูเพิ่มเติมที่หน้า coding prompts และเลือกใช้ตัวช่วยสำเร็จรูปได้ที่ assistants

เขียนโค้ดควรเลือก Luna หรือ Terra?

แชทของเรามีโมเดลให้เลือกสองตัว GPT-6 Luna ซึ่งเป็นโมเดลเริ่มต้น จะตอบสนองอย่างรวดเร็ว เหมาะสำหรับการอธิบายโค้ด ฟังก์ชันขนาดเล็ก โค้ด boilerplate ทั่วไป หรือการแก้โค้ดบรรทัดสั้นๆ แต่หากเป็นงานที่ต้องไล่โค้ดอย่างละเอียด แนะนำให้เปิดโหมด Think: เพื่อสลับไปใช้ GPT-6.1 Terra ซึ่งจะใช้เวลาคิดวิเคราะห์อย่างเป็นขั้นตอนก่อนตอบ OpenAI ระบุว่า Terra พัฒนาขึ้นอย่างก้าวกระโดดจากรุ่นก่อนหน้าสำหรับงานด้านวิศวกรรมซอฟต์แวร์ และเสริมว่าสำหรับงานเขียนโค้ดที่ซับซ้อนระดับสูง โมเดลขนาดใหญ่กว่าอย่าง GPT-6.1 Sol และ GPT-6 Astra ก็ยังคงเป็นตัวเลือกที่ดีที่สุด ซึ่งโมเดลเหล่านั้นไม่ได้เปิดให้บริการบน gpt.me ทั้งนี้คุณสามารถใช้งาน GPT-6 Sol ได้ในแอป AI Chat ของเราเมื่อสมัครสมาชิก Pro

แนวทางการเลือกใช้เบื้องต้น:

  • Luna: คำถามประเภท "โค้ดนี้ทำอะไร", สอบถาม syntax, แปลงโค้ดตัวอย่างสั้นๆ, หรือการเขียน docstring
  • Terra: บั๊กประเภท off-by-one, ปัญหาเรื่อง concurrency, การออกแบบอัลกอริทึม, หรือการทบทวนตรรกะในฟังก์ชันที่มีความยาว

ดูรายละเอียดความแตกต่างเพิ่มเติมได้ที่ การเปรียบเทียบ Luna กับ Terra

ขั้นตอนการทำงานโดยเน้นการตรวจสอบโค้ด

ให้มองคำตอบที่ได้เหมือนเป็น pull request จากโปรแกรมเมอร์ระดับจูเนียร์ที่ทำงานรวดเร็วมาก แต่ไม่เคยรันเทสต์เองเลย

  1. อ่านคำอธิบายก่อนเสมอ หากสาเหตุที่แจ้งมาไม่ตรงกับอาการที่คุณพบ ให้แจ้งโมเดลทันทีก่อนที่จะเริ่มอ่านโค้ด
  2. ดูที่ diff ไม่ใช่แค่ดูผลลัพธ์สุดท้าย หากโมเดลเขียนโค้ดใหม่ทั้งหมด ให้สั่งว่า "แสดงเฉพาะบรรทัดที่มีการเปลี่ยนแปลง"
  3. นำไปรันในเครื่องของคุณเอง พร้อมรันชุดทดสอบ รวมถึง input ที่เคยทำให้ระบบพัง
  4. ส่งผลลัพธ์กลับไปแจ้ง หากมีข้อผิดพลาดใหม่หรือรันเทสต์ไม่ผ่าน ให้วาง error กลับไป การสนทนาต่อเนื่องในลูปนี้คือจุดที่ทำให้แชทเกิดประโยชน์สูงสุด

ระบบแชทของเรามีฟังก์ชันที่ออกแบบมาเพื่อช่วยขั้นตอนนี้โดยเฉพาะ เช่น โค้ดจะแสดงในกล่องข้อความที่มีปุ่มกดคัดลอก เพื่อป้องกันไม่ให้ติดอักขระแปลกปลอม และเมื่อคุณกดสร้างคำตอบใหม่ (regenerate) คำตอบเดิมจะยังคงถูกบันทึกไว้เป็นเวอร์ชันต่างๆ คุณจึงสามารถเปรียบเทียบสองแนวทางในการแก้ปัญหาเดียวกันแบบเคียงข้างกันได้ เพื่อเลือกวิธีที่ดีที่สุด

ข้อควรระวังเพื่อความปลอดภัยเมื่อใช้โค้ดจาก AI

  • ห้ามวางข้อมูลลับโดยเด็ดขาด เปลี่ยน API keys, รหัสผ่าน, tokens และ connection strings ให้เป็นข้อความสมมุติ เช่น YOUR_KEY ก่อนส่งเสมอ
  • ตรวจสอบว่าแพ็กเกจมีอยู่จริง บางครั้งโมเดลอาจสร้างชื่อไลบรารีหรือฟังก์ชันที่ฟังดูสมเหตุสมผลแต่ไม่มีอยู่จริง ควรค้นหาในระบบลงทะเบียนแพ็กเกจอย่างเป็นทางการ (package registry) ก่อนติดตั้งเสมอ
  • ระวังคำสั่ง shell script อ่านคำสั่งที่เกี่ยวข้องกับการลบ การย้ายไฟล์ หรือการเปลี่ยนสิทธิ์การเข้าถึงอย่างละเอียดก่อนรัน และอย่ารันคำสั่งด้วยสิทธิ์ administrator เพียงเพราะแชทแนะนำ
  • คำนึงถึงความปลอดภัยพื้นฐาน ควรถามเจาะจงเรื่อง SQL injection, การตรวจสอบความถูกต้องของข้อมูล (input validation) และการจัดการข้อผิดพลาดเสมอ เพราะโค้ดร่างรอบแรกมักจะมองข้ามจุดเหล่านี้
  • ปฏิบัติตามสัญญาอนุญาต (license) และนโยบายขององค์กร เกี่ยวกับการแชร์โค้ดภายในบริษัทไปยังบริการภายนอก
ตัดทอนโค้ดก่อนวาง: การสละเวลาสองสามนาทีเพื่อย่นย่อโค้ดให้เหลือเพียงส่วนที่สั้นที่สุดที่ยังเกิดบั๊กอยู่ มักจะทำให้คุณมองเห็นสาเหตุได้ด้วยตนเอง หรือหากยังไม่พบ โมเดลก็จะได้รับโจทย์ที่ตรงจุดแทนที่จะต้องอ่านโค้ดจำนวนมหาศาล

กรณีที่แชทอาจไม่ใช่เครื่องมือที่เหมาะสม

หน้าต่างแชทจะประมวลผลจากสิ่งที่คุณวางลงไปเท่านั้น บทสนทนาที่ยาวมากจะถูกตัดทอนเพื่อให้โมเดลเห็นเฉพาะบริบทล่าสุด ซึ่งหมายความว่ามันอาจลืมไฟล์ที่คุณเคยวางไว้เมื่อชั่วโมงก่อนได้ สำหรับงานที่ต้องแก้ไขไฟล์จำนวนมากพร้อมกัน โปรแกรมแก้ไขโค้ด (editor) ที่มี AI ในตัว หรือ coding agent ที่สามารถเข้าถึงโปรเจกต์และรันเทสต์ได้จริงจะทำงานได้ดีกว่า แต่สำหรับงานฟังก์ชันเดี่ยว การตรวจสอบข้อความ error หรือการรีวิวแบบเร็วๆ การใช้แชทมักจะเป็นวิธีที่สะดวกและเร็วที่สุด นักพัฒนาสามารถอ่านข้อมูลเพิ่มเติมได้ที่หน้าสำหรับ นักพัฒนา และเครื่องมือ ผู้ช่วยเขียนโค้ด

คำถามที่พบบ่อย (FAQ)

GPT สามารถรันโค้ดของฉันในแชทนี้ได้หรือไม่?

ไม่ได้ ระบบแชทของเราไม่มีการรันโค้ดและไม่สามารถเชื่อมต่ออินเทอร์เน็ตได้ โมเดลจะอ่านโค้ดและคาดการณ์ผลลัพธ์เท่านั้น ดังนั้นคุณควรนำโค้ดไปรันและทดสอบด้วยตนเองเสมอ

โมเดลนี้รองรับภาษาโปรแกรมใดบ้าง?

รองรับภาษาหลักที่นิยมใช้ทั้งหมด เช่น Python, JavaScript, TypeScript, Java, C#, C, C++, Go, Rust, PHP, Ruby, Swift, Kotlin และ SQL ทั้งนี้ความแม่นยำอาจลดลงสำหรับภาษาที่ไม่ค่อยมีผู้ใช้งาน หรือไลบรารีเวอร์ชันใหม่มากๆ

การวางโค้ดของบริษัทปลอดภัยหรือไม่?

โปรดตรวจสอบนโยบายขององค์กรของคุณก่อน ข้อความจะถูกส่งผ่านเซิร์ฟเวอร์ของเราและ AI gateway ไปยังโมเดลของ OpenAI ทางเราไม่มีการบันทึกข้อความเก็บไว้ แต่คุณควรลบข้อมูลลับและข้อมูลที่เป็นความลับของบริษัทออกก่อนเสมอ ศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

ทำไมคำตอบถึงเรียกใช้ฟังก์ชันที่ไม่มีอยู่จริง?

เนื่องจากโมเดลใช้หลักการคาดเดาโค้ดที่น่าจะเป็นไปได้ จึงอาจสร้างชื่อฟังก์ชันที่ดูสมเหตุสมผลขึ้นมาเองแม้ไลบรารีนั้นจะไม่มีฟังก์ชันดังกล่าว วิธีแก้คือให้วางส่วนเอกสารคู่มือ (documentation) ที่เกี่ยวข้องลงไป แล้วสั่งให้โมเดลเลือกใช้เฉพาะสิ่งที่มีระบุไว้ในนั้นเท่านั้น

มีคำถามใช่ไหม? ถามได้เลยตอนนี้

ไม่ต้องสมัครบัญชี ไม่ต้องดาวน์โหลด เพียงเปิดแชตแล้วพิมพ์สิ่งที่สงสัย คำตอบจะปรากฏในเวลาเพียงไม่กี่วินาที

เริ่มแชตเลย