จดๆจากงาน GitHub Copilot Dev Days Bangkok 2026

สำหรับงานวันนี้จัดที่ SCBX NEXT TECH at Siam Paragon Fl.4 ที่เดียวกับงาน Global Azure 2026 ที่จัดเมื่อสัปดาห์ก่อนไปครับ วันนี้ผมแวะมารับ Starbucks Birthday Gift ก็แวะมาฟังงานต่อเลยครับ

หัวข้อในงานที่ผมจดๆมามีตามนี้ครับ

GitHub Copilot: Your AI Companion for Every Workflow

Speaker Jiratouch Mahapol

📌10 ปีมานี้เราต้องผ่านมากับ Buzz Word 3 อันนี้ครับ

DevOps - จากเดิมงานของ Developer / Operation (Deploy Monitor Operate) เดิมที่เป็นงาน Manaul ตอนนี้ Automate มากขึ้น
DevSecOps - เกิดขึ้นเมื่อประมาณ 3-4 ปีที่ผ่านม โดยนำส่วนของ Security เข้ามา Shift Left ในฝั่งของงาน Dev / Ops
Agentic DevOps - เป็นอีกแนวคิด ที่นำตัว AI เข้ามาแทรกในแต่ละช่วงของ SDLC เพื่อในงานเป็น Automate และลด Coordination Overhead (รอคอยงานจากอีก Role)

📌Agentic AI กับ SDLC

Old Style เกิด Coordination Overhead ในละ Role ทำให้เกิด Bottleneck ในการพัฒนา Product - ทำให้งานที่ควรเสร็จใน 1 สัปดาห์ อาจล่าช้าไปเป็นเดือนได้
Agentic Style
- จากงานเดิมที่ทำงานด้วยคน แล้วเกิดการรอกัน
- เอา AI Agent ทำงาน Task Specfic (Design / Detail Spec / Dev / Test เป็นต้น) แทน โดยที่คนเรายังดูภาพรวม ถอยออกมาเป็นคน Craft Idea / Req / Solution / และคอยตัดสินใจ Human In The Loop Check ทำให้ Velocity เพิ่มขึ้น และ Lunch Product ได้ไว
ข้อดีของ Agentic AI กับ SDLC
- จัดการ complexity codebase การมี AI ช่วยให้งานไวขึ้น code มากขึ้น และใส่ต้องเอา ai มาช่วยลดความซับซ้อนในการดูแลด้วย เช่น เรียนรู้ Pattern / Coding Style จะได้คุมโทนได้
- Ship faster - มีตัวช่วยอย่าง Test / Review
- นอกจากนี้ช่วยเริ่มงานได้ไว เอา Up Skill จาก Code ที่มี เข้าใจทั้ง Tech / Business ที่ Growth
- ช่วย Security
ตัว GitHub เองมี product ที่ช่วยทั้ง SDLC

ช่วยในหลายมุมทั้งส่วนตัว (Copilot) / องค์กร (GitHub Enterpise/ Security) และ การ Deploy (Azure และ Cloud ค่ายอื่นๆ)

📌ของใหม่มุม Coding Agent

1. Agent HQ - เอามาเป็นหัวหน้าจัดการงานให้ Third Party Agent ค่ายต่าง Claude Code / Codex Agent / Grok / Gemini, Devin AI หรือ เลือก Model Copilot เอาไปทำงานร่วมกันได้ แล้วจัดการ Billing ที่เดียว

2. Custom Agent ทำให้เราคุม AI ได้ดีขึ้น โดยการกำหนดหน้าที่เฉพาะตัวลงไป

Role ที่มีมาให้ SRE / UI / Kube จากของ GitHub/ Third Party
หรือ จากไฟล์ Mark Down ว่าควรทำอะไร scope เท่าไหร่ ซึ่งสามารถ Config ได้จากบนเว็บ และกำหนดการทำงานได้ช่วยว่าอยู่ที่ Repo / Branch ไหน

3. Copilot Space (GitHub Enterpise)

Space เหมือนเราทำ knowledge base ขึ้นมาจาก Source Code / Mark Down ที่เราส่งเข้าไปให้
เพื่อเตรียมเป็น Context ให้เรา Chat ถามด้วยข้อมูล และ Pattern ที่เรา Ground ไว้ และทำเป็น MCP Server เพื่อให้ IDE Tools ต่างๆ อย่าง VS Code เรียกใช้งานได้

4. Copilot Code Review Agent

ใช้งานได้จาก Web ตอนเปิด PR หรือ VS Code Extension Pull Request
ดูจาก git diff (ไฟล์ที่ Change)
นอกจากนี้เรายังสามารถเตรียม instruction เช่น Coding Standard ในองค์กร ลงเพื่อให้ Agent มันอ่าน และยังทำ policy เช่น ต้องผ่าน AI Review + Human Approve ซึ่งจะลดปัญหาความล่าช้าตอน Review รวมถึง Stacked PRs กรณีที่มีงานเกี่ยวข้องกัน

5. Copilot CLI / VS Code ขอรวบไปหัวข้อถัดไปดีกว่า

📌ของใหม่มุม Security by Default

1. Coding Agent with Security Check - ปกดิมันจะ Secret / Dependecy Check และถ้างานนนั้นส่วนต่อให้ Cloud Agent มันทำให้ Auto

2. GitHub Advance Scanning

ตรวจพวก Secret / Dependecy Check
ตรวจ Static Code จาก CodeQL และมีตัว LLM มาตรวจสอบเพิ่มด้วย
และ Remidation Copilot Autofix

3. Copilot Autofix - ตรวจจับ Code จาก CodeQL / Security สามารถทำ Remidation ช่วยแก้ไช Code เบื้องต้น และเปิด PR ให้คนมา Review ตรวจสอบก่อน Merge เข้า Branch หลักต่อไป

ถ้าเรา Delegate ให้ Agent ตัวอื่นทำ Claude Code หรือ Codex) GitHub จะมีการตรวจสอบ Security อย่าง Secret / Dependency Check ก่อนที่จะส่งมอบโค้ดกลับมาให้เราด้วย

📌ของใหม่มุม Quality by Default

1. GitHub Code Quality ทำได้ 3 มุม Decision

Repository Level / Org Level โดยใช้ CodeQL + LLM
รวมถึงมีการทำ Branch PR Level Policy + Quality Gate / Test Coverage -- ถ้าติดอะไรเรียกใช้ Copilot Autofix จัดการ PR / Backlog ได้
Single Plan Dashboard ใน Repo เปิด Code Quality ได้เลย และตรวจสอบ Quality Scoring / Maintainability / Reliability

2. Automation Flow - Copilot Code Review > Coding Agent > Agent Mode > Human ตรวจขั้นสุดท้าย

สุดท้าย Use Case การนำ GitHub Copilot ไป Apply ในแต่ละช่วงของ SDLC

GitHub Copilot Battle Royale: CLI and VS Code

Speaker Surasuk Oakkharaamonphong / Teerasej Jiraphatchandej

📌VS Code

Plan Mode + Reasoning Scale แต่ที่ผมลองเล่นระหว่าง Talk มันได้บาง Model นะ

Compact Conversions - สรุป Chat เดิม เพื่อเอามาเป็น Baseline ให้อีก Feature ที่เราจะคุยต่อไป ลด Token Limit

Agent Debug Panels (Preview) แอบมาส่องดูกันว่า Agent มันแอบคิดอะไรอยู่
ที่นี้ถ้ายังสามารถเชื่อมต่อกับตัวอื่นๆได้ อย่าง Copilot CLI / Cloud / Claude Code ก็ได้นะ

ตอน Preview เลือก Share with Agents ได้นะ ที่เรา Prompt บอกให้มันทำงานต่อได้เลย เหมาะกับพวก UI ให้ Context บอกมัน ไม่ต้องทะเลาะเรื่องสีและ

App GitHub Copilot Agents - สามารถ จัดการ/Share Session ข้าม Workspace

📌Copilot CLI

ช่วยการทำ Project ที่ใหญ่ ซึ่งมี Context สูงมาก รวมถึงมีการทำ Context Management ( /Context ) + /Compact สรุปย่อ เพื่อลดการใช้ Token เหมือนใน VS Code
นอกจากนี้มี Model Management Support + Bring You Own Key ได้ จะเอา API Key จาก Claude AI เจ้าอื่นๆ แบบ Claude Code/ Qwen3 / GLM หรือทำ Local LLM อย่าง Ollama ก็ได้นะ โดยเริ่มจาก
- copilot help providers ดู Template ของ Local Model ว่า Ollama หรือ ค่ายอื่น Set ยังไง กำหนดแล้ว Restart ดู doc ได้จาก https://docs.github.com/en/copilot/how-tos/copilot-cli/customize-copilot/use-byok-models
- COPILOT_OFFLINE=true บอกไม่ให้มันต่อ NET มั่นใจว่าไม่ส่งขอกลับ GitHub ถ้าใช้ Local Model
- GitHub Authenticaltion Ignore ได้นะ มั่นใจอีกขั้นว่า Code เราจะไม่ไปที่ GitHub

เพิ่ม plugin (Skill) / MCP Server เข้ามาเสริมได้นะ
/delegate ให้ Agent ไปทำงานแยก และทำเสร็จให้มันเปิด PR ได้เลย
/remote / copilot --remote สำหรับเคสที่ทำงานนานๆ เราไปดูงานต่อที่ เปิดคอมทิ้งไว้ แล้วไป Prompt ตรวจงานต่อจาก GitHub Mobile Mobile/Web

นอกจากการใช้ Copilot with CCA (Copilot Coing Agent On Cloud) ช่วยเพิ่ม Productivity มากขึ้น และลดเวลาในการ Merge รวมถึงหลายๆ open source จะช่วย AI มาช่วยแล้ว

Resource: Using agents in Visual Studio Code / GitHub Copilot in VS Code cheat sheet ทำ Voice Prompt ได้ด้วย

Python Copilot Agent Lab

Speaker Kittikorn Prasertsak / Sirasit Boonklang

📌Copilot Agent คือ ?

Tools ช่วยเขียน Code แบบ IDE / CLI
Sample Use Case ของ Born2Dev
- เอา MCP Google Analytic มาเชื่อม แลัวให้มัน Prompt ถาม และทำ Dashboard
- Playwright MCP - ตัว Test web และมี MCP มาให้เชื่อมด้วย พอมี MCP AI มีตาเห็นตอน Assert Component ต่างๆ
การเขียน Vibe Code ที่ดีต้องปรับจาก
- Prompt Engineering - สั่งงาน
- Context Engineering - เตรียมข้อมูลที่เกี่ยวข้องให้ AI เพื่อให้ AI เอาข้อมูลที่เราป้อนให้ ไปใช้ประกอบตอนที่เราสั่งงานลงไป

📌 คำสั่ง slash command ที่ใช้กันหลักๆ

/setup ช่วยในการเตรียม env ของเครื่องให้พร้อม dev + restore package
/init ช่วยสร้าง copilot-instruction.md (เหมือน Agents.md) เอาไว้บอกภาพรวม
/explain อธิบาย Code ส่วนที่สงสัย
/fix แก้ bug / error
/new สร้างไฟล์
/tests สร้างชุดทดสอบ
/setupTests เตรียม Test ENV
/doc ทำเอกสาร / comments
/plan วางแผน
/help
/clear

นอกจากนี้มีคำสั่งอื่นๆ เช่น เรียก Skill Agents ที่เราติดตั้ง หรือใน demo จะเป็นการเรียก เคสนี้ตัว Agent เรียก Sub Agent ได้นะ ใน Demo มี TDD Supervisor ตัวหลัก และมี Sub Agents ย่อย อย่าง

TDD Red - Add Test คาดหวังว่าจะได้อะไร ตอน Run จะ Red มันไม่มี logic
TDD Refactor - เขียน Logic แก้ ให้ Test มันผ่าน
TDD Green - Run ทดสอบ

สำหรับ Lab อ้างอิงจากตัวนี้ครับ https://copilot-dev-days.github.io/agent-lab-python/index.html เอาจริงๆเราจะเห็น Structure ของ เคสนี้จะเป็นการทำ Custom Instructions จัดการ UI

สำหรับ Workshop อื่นๆ เข้ามาลองตามได้ https://copilot-dev-days.github.io/#workshops ใน use case ต่างๆที่สนใจ หรือ ภาษาที่ชอบได้

พวกของดีพวก GitHub Copilot อย่าง Agents / Skill เข้าไปดูได้จาก https://awesome-copilot.github.com/

Vibe Coding at Scale: Workflow That Keeps You in Control

Speaker Thada Wangthammang

📌ปัญหา

Vibe Coding สร้าง Tech Debt เพราะอะไร
- AI ไม่มีองค์ความรู้ architecture / business / security vulnerability เพราะความรู้ยังเก่า
- Brain Fatigue - จากเดิมพวกการ Debug Code คราวนี้เหนื่อยการการคิด และตอบคำถามจาก Prompt strategic fatigue
ถ้าเราไปเริ่ม Project ใหม่ / ไปแก้ของเดิม เราจะเอา Context ขององค์กรเข้าไป Apply ยังไง คุณมายเลยสร้าง Tools Chief มาช่วยจัดการ Context เหล่านี้ให้กับพวก Agent แค่ละค่ายทั้งตัว GitHub / Claude / Local LLM Cloud AI ค่ายอื่นๆ

📌chief framework

ที่นี่คุณมายเลยอยากให้ Vibe Coding มี Quality และเริ่มต้นกับคนใหม่ เฮ้ย Model ใหม่ได้ง่ายๆ เลยมองเป็น 3 มุม

Rule - คำแนะนำต่างๆ สิ่งที่ดีควรมีลักษณะอย่างไร ตัวอย่างแบบไหน มี Template ให้ลองไหม อย่างเรื่อง Clean Archtitecture / Type Check ของ Type Script เป็นต้น
Human - ลดปัญหา Brain Fatigue โดยทำ Template เพื่อมาช่วยเตรียม Goal ให้ชัดเจน
AI - LLM / Frontier Model นี่แหละ + Feedback Loop จาก Rule / Human

เลยเป็นที่มาของการพัฒนา chief framework ที่เข้ามาช่วยจัดการ Human / Rule / AI โดยมีรูปแบบ ดังนี้

agent.md - เป็นส่วน Goal บอก AI ทุกค่าย มาดูเรามีโครงสร้างแบบนี้นะ ตามไปอ่านให้ครบด้วย
.chief/_rules - บอกคำแนะนำต่างๆ / template ที่เกี่ยวข้อง
.chief/milestone-X/_goal - เอาจาก Human มที่เตรียมขอไว้ แล้วมีถามตอบ จากนั้นมาสรุปถึงสิ่งที่ต้องการในและ milestone โดยใช้เทคนิค
- Grill (Matt Pocock) - ถามเพื่อความชัดเจน
- chief write goal ต้องการทำอะไร
- contract - บอกว่าจาก Goal อันนี้ต้องมี Rule Interace อย่างไร
- todo - แบ่งงานให้ย่อยๆ ตรงนี้ใช้ Model เก่ง เพื่อให้ได้งานละเอียด และเล็กๆชัดเจน
- task - ให้ Agent ย่อยๆทำงานต่อ โดย Model ตัวเล็กๆ

กฏห้ามขัดแย้งกัน (Consistency Validation:) โดยมี Priority เล็ก > ใหญ่ milestone / rules / agent.md ถ้ามีเคสนั้นเกิดขึ้น ตัว Agent จะ Feedback กลับมาหา User ทันที

/chief-plan - Grill จากนั้น Plan / Delegate
builder-agent: implement task-x from milestone-y //Code/Test
/grill-me - review plan + design
/chief-autopilot -ทำ Auto Grill / Code/Test
tester-agent: validate milestone-x //Test
/chief-retro Reviewer ทำหน้าที่ตรวจสอบและให้ Feedback เพื่อความถูกต้อง

จากนั้นเป็นการ Demo โดยทำเทคนิค Grill เพื่อให้ได้ milestone ความต้องการที่ชัดเจน การทำ App รายรับรายจ่าย เราอาจจะกำหนด Data Type ไม่ชัด มันจะถามเอา Decimal ไหม แล้วบันทึก markdown ให้เพื่ออ้างอิงในอนาคต

นอกจากนี้ด้านในมี Agent ต่างๆ

/dump-commit บอก AI อย่ารำเยอะ ลด Cost ไปดูไฟล์ที่แก้จาก Command แล้วสรุป Commit Message สั้นๆที่เดียว
/chief-autopilot - ให้มันคิดเอง ไม่ต้องถาม.

Resource

Reference

Discover more from naiwaen@DebuggingSoft

Subscribe to get the latest posts sent to your email.