AI Development Workflow

Development Operations · AI Collaboration

การนำ Hermes มาใช้ใน Workflow การพัฒนา

End-to-end flow

จากคำสั่ง
สู่ความรู้ที่ใช้ซ้ำได้

แต่ละเครื่องมือรับผิดชอบบริบทคนละส่วน และส่งต่อข้อมูลให้ขั้นตอนถัดไปโดยไม่ทำให้ทีมต้องเริ่มอธิบายใหม่ทุกครั้ง

  1. HermesOrchestrate ทีม AI
  2. Git Worktreeแยกพื้นที่ Feature
  3. Graphifyทำความเข้าใจ Code Context
  4. Planeเก็บ Task และหลักฐาน
  5. Cloudflare Pagesเผยแพร่รายงาน
  6. Memory & Skillsเรียนรู้และนำกลับมาใช้
01

AI Agents ทำงานร่วมกันเป็นทีม

ใช้ Codex เป็น Agent หลัก และใช้ Claude Code เป็น Sub-agent สำหรับงานพัฒนา โดย Hermes ทำหน้าที่แบ่งงาน ส่งบริบท และประสาน AI หลายตัวให้ทำงานร่วมกันตามเป้าหมายเดียวกัน

HermesCodexClaude Code
02

พัฒนา Feature คู่ขนานด้วย Git Worktree

แยกพื้นที่ทำงานของแต่ละ Feature ด้วย Git Worktree ผ่าน Hermes ทำให้ทีมพัฒนาหลาย Feature พร้อมกันได้โดยไม่ต้องสลับ Branch ไปมา และช่วยลดความเสี่ยงที่ไฟล์หรือสถานะงานจะชนกัน

one featureone worktreeparallel delivery
03

เข้าใจโครงสร้างโค้ดก่อนลงมือ

ใช้ Graphify สร้างแผนผังโครงสร้างและความสัมพันธ์ของโค้ด เพื่อให้ AI มองเห็น Logic และส่วนประกอบของแต่ละ Repository ก่อนเริ่มวางแผน แก้ไข หรือพัฒนา Feature

code structurerelationshipsrepository logic
04

เก็บ Task และความรู้การ Deploy ใน Plane

ใช้ Plane จัดการ Task และบันทึกข้อมูลสำคัญของ Project เช่น ขั้นตอน Deploy, Environment Variables ที่ต้องตั้งค่า, Migration ที่ต้องรัน และหลักฐานการทดสอบ เพื่อให้ทั้งคนและ AI กลับมาทำงานต่อได้โดยไม่สูญเสียบริบท

tasksdeploy stepsenvmigrationtest evidence
05

เปลี่ยนรายงานเป็นลิงก์ที่แชร์ได้

ใช้ Cloudflare Pages เผยแพร่รายงาน HTML สรุปผลการทดสอบ และคู่มือ ทำให้ทีมงานหรือผู้เกี่ยวข้องเปิดดูข้อมูลล่าสุดผ่านลิงก์ได้สะดวก โดยไม่ต้องส่งไฟล์แยกกันหลายรอบ

HTML reportstest summariesguidesshareable URL
06

เรียนรู้จาก Workflow ที่สำเร็จ

Hermes สะสมความรู้ที่จำเป็นจากงานที่ทำสำเร็จ และอัปเดต Skills ที่นำกลับมาใช้ซ้ำได้ ช่วยลดการตั้งค่าและการลองผิดลองถูกซ้ำ เมื่อต้องทำงานประเภทเดิมในครั้งต่อไป

durable memoryreusable skillscontinuous learning

Outcome

Workflow ที่ต่อเนื่อง แม้เปลี่ยน Feature หรือ Session

แนวทางนี้ช่วยให้การพัฒนาหลาย Feature พร้อมกันเป็นระบบมากขึ้น AI เข้าใจบริบทของโค้ดได้เร็วขึ้น ลดการตั้งค่าซ้ำ และรักษาข้อมูลสำคัญของงานไว้ข้าม Session