28/09/2026
AI Engineer တစ်ယောက်အတွက် အရေးကြီးဆုံး Skill တွေထဲမှာ Coding Agents ကို ကျွမ်းကျင်စွာ အသုံးချနိုင်ခြင်း က ပိုပြီးအရေးပါလာပါတယ်။
Coding Agent ဆိုတာ Code ရေးခိုင်းရုံတင်မဟုတ်ပါဘူး။
Claude Code, Codex, Cursor, OpenCode စတဲ့ Agent တွေကို အသုံးပြုပြီး
→ Software Architecture စဉ်းစားခြင်း
→ Existing Codebase ကို လေ့လာခြင်း
→ Requirements / Technical Spec ရေးခြင်း
→ Implementation Plan ချခြင်း
→ Code ရေးခြင်း
→ Testing & Verification လုပ်ခြင်း
→ Security / Architecture Review လုပ်ခြင်း
→ Deployment & CI/CD
→ Logs စောင့်ကြည့်ပြီး Production Issue ရှာခြင်း
အထိ Software Development Lifecycle တစ်ခုလုံးမှာ အသုံးချလာနိုင်ပါတယ်။
Andrew Ng ရဲ့ အမြင်အရ Coding Agent တွေနဲ့ Software တည်ဆောက်တဲ့ Workflow ကို အဓိကအားဖြင့် ၃ ပိုင်း ခွဲလို့ရပါတယ်။
1️⃣ Planning
အရင်လို Code တန်းရေးတာထက်
ဘာတည်ဆောက်မလဲ၊ ဘယ်လို Architecture သုံးမလဲ၊ Requirements ကဘာတွေလဲ ဆိုတာကို အရင်ဆုံးရှင်းအောင်လုပ်ဖို့ ပိုအရေးကြီးလာပါတယ်။
Research → Brainstorm → Understand Codebase → Write Spec → Architecture → Ex*****on Plan
ဆိုတဲ့ Flow နဲ့ သွားနိုင်ပါတယ်။
2️⃣ Ex*****on & Verification
Agent ကို Code ရေးခိုင်းပြီး ပြီးသွားပြီဆိုတာနဲ့ မလုံလောက်ပါဘူး။
AI ထုတ်ပေးတဲ့ Code က deterministic မဟုတ်တဲ့အတွက်
Build → Test → Verify → Review → Fix → Repeat
ဆိုတဲ့ Iterative Process လိုပါတယ်။
Unit Tests, Integration Tests, User Flow Tests, Screenshots, Evals, AI Code Review နဲ့ Security Audit တွေသုံးပြီး Agent ရဲ့ Output ကို verify လုပ်နိုင်ရပါမယ်။
3️⃣ Deployment & Monitoring
Agent ကို Production Deployment, CI/CD, Logs Analysis, Incident Detection နဲ့ Bug Fixing တွေအထိ အသုံးချနိုင်လာပါတယ်။
ဒါကြောင့် Developer ရဲ့ Role ကလည်း
“Code အများကြီး ကိုယ်တိုင်ရေးသူ”
ကနေ
“AI Agents တွေကို ဦးဆောင်ပြီး Software System တစ်ခုလုံးကို တည်ဆောက်နိုင်သူ”
ဘက်ကို တဖြည်းဖြည်း ပြောင်းလာပါတယ်။
⸻
Coding Agents ခေတ်မှာ အရေးကြီးလာမယ့် Skill ၅ ခုကတော့
① Directing the Workflow
ဘယ်အချိန် Planning လုပ်မလဲ၊ Agent ကို ဘယ်လောက် autonomy ပေးမလဲ၊ ဘယ်အချိန် Human က intervene လုပ်သင့်လဲဆိုတာ သိရပါမယ်။
② Enabling Agent Autonomy
Task ကြီးတစ်ခုလုံး Delegate လုပ်မလား၊ Interactive အနေနဲ့ အဆင့်လိုက်လုပ်မလား၊ Multiple Agents တွေ Parallel Run မလားဆိုတာ စီမံနိုင်ရပါမယ်။
③ Reviewing & Verification
Agent ရေးပေးတဲ့ Code ကို မျက်စိမှိတ်ယုံတာမဟုတ်ဘဲ Tests, Evals, Code Review နဲ့ Security Checks တွေကနေ verify လုပ်နိုင်ရပါမယ်။
④ Customizing Agents & Environment
CLAUDE.md, AGENTS.md, Skills, Plugins, MCP Servers, Hooks နဲ့ CI/CD တွေကို အသုံးချပြီး Agent အတွက် လိုအပ်တဲ့ Context နဲ့ Tools တွေကို စနစ်တကျ ပြင်ဆင်ပေးနိုင်ရပါမယ်။
⑤ Coding Agent Foundations
LLM Context Window ဘယ်လိုအလုပ်လုပ်လဲ၊ Codebase Search/Retrieval ဘယ်လိုလုပ်လဲ၊ Tools/MCP/Sub-agents တွေ ဘယ်လိုချိတ်ဆက်အလုပ်လုပ်လဲဆိုတာ နားလည်ထားဖို့လိုပါတယ်။
⸻
အရေးကြီးဆုံးအချက်ကတော့
“Agent ကို Prompt တစ်ခုပေးပြီး နာရီပေါင်းများစွာ Autonomous Run ခိုင်းနိုင်တာ” က Coding Agent ကျွမ်းကျင်မှုရဲ့ အဓိပ္ပါယ်မဟုတ်ပါဘူး။
လက်ရှိအချိန်မှာ ထိရောက်တဲ့ Coding Agent Workflow ဆိုတာ
Human Judgment + AI Agent Autonomy + Continuous Verification
ကို မှန်ကန်စွာ ပေါင်းစပ်အသုံးချနိုင်ခြင်း ဖြစ်ပါတယ်။
AI ခေတ်မှာ Developer တွေ Code မလိုတော့တာ မဟုတ်ပါဘူး။
Developer ရဲ့ Value က Code တစ်ကြောင်းချင်းစီ ရေးနိုင်မှု တစ်ခုတည်းကနေ
Architecture ချနိုင်မှု၊ Spec ရေးနိုင်မှု၊ Agents တွေကို ဦးဆောင်နိုင်မှု၊ Output ကို Verify လုပ်နိုင်မှုနဲ့ Production System တစ်ခုလုံးကို Ship လုပ်နိုင်မှု ဘက်ကို ပိုရွေ့လာတာပါ။
Coding Agent ကို သုံးတတ်ရုံနဲ့ မလုံလောက်ပါဘူး။
Coding Agent ကို Engineer တစ်ယောက်လို ဦးဆောင်တတ်ဖို့ လိုလာပါတယ်။
Credit: Andrew Ng ()
Co-Founder of Coursera | Stanford CS Adjunct Faculty | Former Head of Baidu AI Group / Google Brain
