ใช้ Cursor AI เพื่อเพิ่มความเร็วในการเขียนโค้ด (โดยไม่ต้องเขียนโค้ดเพิ่ม)

บทความนี้จะสรุปวิธีการกำหนดค่า เพื่อให้ Cursor AI สามารถ ทำงานได้ดีขึ้นกัน

ถ้าเราใช้งานบ่อยๆ การกำหนดค่าต่างๆ เหล่านี้เป็นเรื่องปกติเลยก็ว่าได้

ทำไม Cursor AI ถึงแตกต่าง?

Cursor ไม่ใช่แค่ autocomplete engine มัน คือ คู่หู AI ในการเขียนโค้ดที่สามารถ:

• เข้าใจทั้ง codebase และสถาปัตยกรรมของเรา
• เขียน/รีแฟกเตอร์หลายไฟล์พร้อมกัน
• สนทนาเชิงบริบทเกี่ยวกับโปรเจกต์ของเราโดยเฉพาะ
• ปฏิบัติตามสไตล์การเขียนโค้ดของเรา (ถ้าเราฝึกมันอย่างถูกต้อง)

ความแตกต่างระหว่าง ผู้ใช้ทั่วไป กับ ผู้ใช้ที่ใช้งาน Cursor เป็น คือ อะไร?

• ผู้ใช้ทั่วไป: “เขียนฟังก์ชันสำหรับ parse JSON ให้หน่อย”
• ผู้ใช้งานเป็น: “ในโมดูล data_pipeline ของเรา ขยายขั้นตอน transform ให้รองรับ nested JSON, รักษา latency ให้น้อยกว่า 50ms และเขียนเทสต์ใน test_pipeline.py ด้วย”

การเปลี่ยนมุมมอง: โค้ด คือ การสนทนา

นักพัฒนาระดับท็อปมองว่า Cursor เป็นผู้ร่วมงาน ไม่ใช่ตู้กดน้ำอัตโนมัติ แทนที่จะสั่งงานแบบสั้น ๆ พวกเขาจะ:

• ให้บริบทล่วงหน้า — สถาปัตยกรรม, ข้อจำกัด, กฎการตั้งชื่อ
• ขอเหตุผล — “อธิบายแนวทางก่อนลงมือเขียนโค้ด”
• ทำงานแบบวนรอบเล็ก ๆ — ตรวจสอบ, ปรับแก้, สร้างใหม่

คิดซะว่าเป็นการ pair programming กับเด็กฝึกงานที่เร็วมาก — และเรา คือ พี่เลี้ยง

การตั้งค่าที่ชนะ

ก่อนจะเริ่มใช้ Cursor เขียนโค้ด:

1. สร้างโฟลเดอร์ PROMPTS/ ใน repo ของเรา → ตอนนี้ Cursor จะมี “คำสั่งอ้างอิง” ที่ยึดโยงเสมอ
   • architecture.md — ไดอะแกรมระบบระดับสูง, โมดูล, dependencies
   • guidelines.md — สไตล์การเขียนโค้ด, patterns ที่ควร/ไม่ควรใช้, กฎการจัดการ error
   • testing.md — กรอบการทดสอบ unit/integration, ความคาดหวังด้าน coverage
2. ใช้ “Codebase Chat”
   • ถามได้ว่าฟังก์ชันถูกใช้ที่ไหน
   • หา dependencies โดยไม่ต้อง grep
   • trace bug ได้เร็วขึ้น
3. สลับไปใช้โหมด Multi‑File
   • เวลารีแฟกเตอร์ ให้ generate ข้ามหลายไฟล์พร้อมกัน
   • เช่น: อัปเดต schema → Cursor จะอัปเดต migrations, models และ tests ไปพร้อมกัน

สร้าง Workflow 10× ในการใช้งานจริง

นี่ คือ ตัวอย่าง session ในใช้งาน Cursor:

• Step 1: กำหนดเป้าหมาย “เรากำลังเพิ่ม ‘draft mode’ ให้ blog posts ต้องบันทึกใน DB, มองเห็นได้เฉพาะเจ้าของ, และไม่ทำให้ flow การ publish ที่มีอยู่พัง”
• Step 2: ให้บริบท “อ้างอิง PostModel, PostController และpermissions.py ฐานข้อมูลเราใช้ PostgreSQL กับ SQLAlchemy ORM และให้ทำตาม pattern การจัดการ error ใน exceptions.py”
• Step 3: ขอแผนก่อน “ก่อนเขียนโค้ด ให้แผนการ implement แบบละเอียด พร้อมไฟล์, ฟังก์ชัน, และขั้นตอน migration”
• Step 4: อนุมัติ → Generate เมื่อแผนดูโอเคแล้ว ให้ Cursor สร้างโค้ด
• Step 5: ตรวจสอบอย่างเข้มงวด
  • ตรวจ logic mismatch
  • ตรวจความสม่ำเสมอของการตั้งชื่อ
  • ตรวจสอบสมมติฐานด้าน performance
• Step 6: สร้าง Auto‑Generate Tests “เขียน pytest tests สำหรับทุกฟังก์ชันใหม่ โดย mock DB calls ถ้าเป็นไปได้”