🕵️‍♂️ ปมคดีและที่มา: ทำไมการโยนทั้ง Repo ให้ AI ถึงเป็นหายนะ?

เมื่อนักพัฒนาเริ่มใช้ AI Coding Agents (Claude Code, Cursor, Copilot CLI) ในโปรเจกต์ขนาดใหญ่ สิ่งแรกที่มักทำคือการบอกให้ AI “ช่วยแก้โค้ดในโปรเจกต์นี้ที” แล้วปล่อยให้โมเดลพยายามอ่านไฟล์ทั้งหมดในโฟลเดอร์

สิ่งที่ตามมาคือ 3 ปัญหาคอขวดที่กลืนกินทั้งเวลาและเงิน:

1. Token Exhaustion: ยัดไฟล์ที่ไม่เกี่ยวข้องลงไปจนเต็ม Context Window ค่า API พุ่งพรวดหลักสิบดอลลาร์ในไม่กี่นาที
2. Context Pollution: โมเดลหลุดโฟกัสจากไฟล์เป้าหมาย เพราะถูกรบกวนด้วยไฟล์ Config, Node Modules หรือ Test เก่าที่ไม่ได้เกี่ยวข้อง
3. Loss of Agent Direction: เมื่อโมเดลอ่านมากเกินไป จะเกิดอาการสับสน ไม่รู้ว่าโค้ด Flow จริงเริ่มต้นที่จุดใด

โปรเจกต์ RepoPrompt Community Edition (CE) จึงถูกสร้างขึ้นมาเพื่อแก้ปัญหานี้โดยเฉพาะ ในฐานะ Native macOS Context Engineering & Agent Harness Platform

---

📊 ตารางเปรียบเทียบเชิงลึก: โยนโค้ดแบบเดิม vs RepoPrompt Context Engineering

มิติการเปรียบเทียบ	วิธีดั้งเดิม (Direct Prompting / Raw Folder)	RepoPrompt CE Architecture
การเลือกบริบทไฟล์	สุ่มเดาหรือยัดทั้ง Repo เข้าไปในพรอมต์	Context Builder: Agent สำรวจโครงสร้างและคัดเลือกเฉพาะไฟล์ที่ต้องใช้ตาม Token Budget
โครงสร้างโค้ด (Orientation)	อ่านโค้ดแบบแบน (Flat Text) ขาดความเข้าใจเชิงผัง	CodeMaps & Line Slices: ตัดเฉพาะฟังก์ชันที่เกี่ยวข้องพร้อมแผนผังความสัมพันธ์
การทดลองเขียนโค้ด (Safety)	แก้โค้ดลงบน Working Tree จริง เสี่ยงบัคและพัง	App-Managed Git Worktrees: โคลน Branch แยกอิสระผ่าน .worktreeinclude
การส่งต่อข้ามโมเดล (Handoff)	ก๊อปปี้ข้อความแชตข้ามไปข้ามมา ข้อมูลตกหล่น	Reviewable Handoffs: ตรวจสอบและ Re-package Prompt ก่อนส่งให้โมเดลหรือ Agent ถัดไป

---

🔍 แกะรอยสถาปัตยกรรมระบบ RepoPrompt CE (Architecture Breakdown)

สถาปัตยกรรมของ RepoPrompt CE ออกแบบตามหลัก Context Curation Pipeline ที่แยกกระบวนการเลือกไฟล์ออกจากกระบวนการรันโมเดล:

flowchart TD
    subgraph 📂 Workspace & Git Layer
        Repo["📁 Multi-Root Workspace<br/>(Repos, Docs, Packages)"] --> WorktreeMgr["🌿 Git Worktree Engine<br/>(.worktreeinclude Isolation)"]
    end

    subgraph ✂️ Context Engineering Engine
        WorktreeMgr --> Slicer["🧩 CodeMaps & Line Slicer<br/>(Extract Only Critical Signatures)"]
        Slicer --> CtxBuilder["🎯 Context Builder<br/>(Token-Budget Enforcer)"]
        CtxBuilder --> Composer["📝 Context Composer<br/>(Reviewable Model-Ready Prompt)"]
    end

    subgraph 🤖 Agent Harness & Execution
        Composer --> MCP_CLI["🔌 Native MCP Server & CLI"]
        MCP_CLI --> CodingAgents["🤖 AI Coding Agents<br/>(Claude Code / Cursor / Codex)"]
        CodingAgents --> Handoff["🔄 Reviewable Agent Handoff"]
    end

3 เสาหลักของการออกแบบระบบ (System Design Pillars):

1. Token-Budget Enforcer (Context Builder): Agent สามารถค้นหาไฟล์ในโปรเจกต์ได้ แต่จะถูกตีกรอบด้วย Token Budget ที่มนุษย์กำหนด ทำให้ AI ต้องเลือกเฉพาะไฟล์ที่ “จำเป็นต่อการตัดสินใจ” จริงๆ
2. App-Managed Git Worktrees: แก้ปัญหา Agent แย่งแก้ไฟล์เดียวกัน โดย RepoPrompt จะแตก Git Worktree ออกมาทำงานคู่ขนาน พร้อมคัดลอกไฟล์จำเป็นตามกฎ .worktreeinclude
3. MCP Integration Bridge: เชื่อมต่อเข้ากับ Model Context Protocol ทำให้เครื่องมือ CLI อื่นๆ สามารถเรียกขอบริบท (Context Query) จาก RepoPrompt ไปใช้ต่อได้ทันที

---

💻 ตัวอย่างการต่อยอดและใช้งานจริงผ่าน CLI & MCP

ตัวอย่างคำสั่งและการคอนฟิก RepoPrompt CLI เพื่อบีบอัด Context ก่อนส่งให้ Claude Code:

# 1. ติดตั้ง RepoPrompt CLI และเปิดใช้งานใน macOS
brew install repoprompt-ce

# 2. ให้ Agent สำรวจและบีบอัด Context ของโมดูล Authentication ในงบ 4,000 Tokens
repoprompt context build \
  --path ./src/auth \
  --token-budget 4000 \
  --include-codemaps \
  --output auth_context.prompt

# 3. ป้อน Prompt ที่ผ่านการ Curation ให้ Claude Code รันใน Git Worktree เฉพาะ
claude-code "Fix JWT token refresh race condition" < auth_context.prompt

---

💰 3 พิมพ์เขียวสร้างรายได้และโมเดลธุรกิจ

1. Developer Productivity Consulting (บริการวางระบบ AI Dev ในบริษัท):
   • หลายบริษัทซื้อ License Cursor หรือ Claude Code ให้ทีมแต่ไม่ได้ผล เพราะทีม Dev ยัดไฟล์มั่วจนกิน Token บานปลาย
   • รับวางระบบ Context Packaging และ Worktree Standards ค่าบริการ 80,000 - 150,000 บาทต่อทีม
2. Specialized Agent Harness Micro-SaaS:
   • พัฒนาเว็บแอปหรือ CLI สำหรับจัดระเบียบ Prompt ประจำองค์กร เช่น Audit Prompt, Bug Triage Generator
3. Internal Codebase Documentation as a Service:
   • ใช้ CodeMaps สร้างเอกสารสถาปัตยกรรมอัตโนมัติขายให้โปรเจกต์ Open Source หรือทีม Tech

---

💬 ร่วมสืบคดีและแลกเปลี่ยนความรู้ด้าน AI Engineering กับเราได้ที่เพจ Facebook: นักสืบอัลกอริทึม