Microsoft ISE เปิด playbook ใหม่ — ใช้ AGENTS.md + reusable Skills กับ GitHub Copilot CLI ยกระดับ AI coding จาก 'ad-hoc' เป็น team-wide capability

Microsoft ISE Developer Blog (Industry Solutions Engineering) เปิด playbook ที่ทีม ISE ใช้กับ customer engagement จริงเมื่อ 21 พฤษภาคม 2026 — เขียนโดย Jimmy Kurian และ Destiny Hillis — บทความเรื่อง “Coordinating AI-Assisted Development with AGENTS.md and Skills” อธิบาย pattern สำหรับ scale AI-assisted development จาก individual experimentation ไปเป็น team-wide capability

จุดที่น่าสนใจ — Microsoft กำลังตอบคำถามที่ developer team ในไทยและทั่วโลกถามมา 2 ปีว่า: “ทำไม engineer คนหนึ่งใช้ Copilot ได้ผลดี อีกคนหนึ่งใช้ไม่ได้?”

ปัญหา: ad-hoc AI usage ที่ไม่ scale

ในงาน ISE engagement กับลูกค้าระดับ SaaS ที่มี polyglot monorepo (Python FastAPI backend + Next.js/React frontend + Terraform infrastructure deploy บน Azure) — ทีมพบว่า engineer แต่ละคนใช้ GitHub Copilot CLI โดยไม่มี shared context ผลที่ตามมาคาดเดาได้:

• Scaffolded code ลงผิด directory
• Generated tests ไม่ตาม AAA pattern (Arrange-Act-Assert) ของทีม
• Import paths, naming conventions, dependency injection patterns ต่างกันระหว่าง engineer
• เสียเวลา rework มากกับ AI-generated output ที่ไม่ตรง standard

ปัญหาหลักไม่ใช่ AI tool — แต่คือ ทุก invocation ของ AI เริ่มจาก zero context AI ไม่รู้ว่าโปรเจคใช้ FastAPI, ไม่รู้ folder structure, ไม่รู้ test pattern ทำให้ output ดูเหมือนจะเกือบใช้ได้แต่ไม่ใช่

วิธีแก้: AGENTS.md + Skills

ทีม ISE ใช้ 2 pattern complementary กัน:

1. AGENTS.md — Project-level Context

AGENTS.md คือ single markdown file ที่ root ของ repo ที่ทำหน้าที่เป็น “AI’s onboarding guide” — เทียบเท่ากับการเดิน new engineer ผ่าน codebase

ส่วนสำคัญที่ต้องมี:

• Project overview — ทำอะไร ใครใช้ deploy ที่ไหน
• Architecture — folder structure ครบพร้อม annotation
• Tech stack — language, framework, version
• Coding conventions — naming, imports, error handling, test pattern

ตัวอย่างจากบทความ (ตัดให้สั้น):

# Project AI Agent Guidelines

> Instructions for GitHub Copilot and AI coding assistants.

## Project Overview
An environmental risk assessment platform. Next.js frontend,
Python FastAPI backend, Terraform infrastructure on Azure.

## Architecture
project-root/
├── Frontend/      # Next.js 15 + React 19 + TypeScript (Turborepo)
├── Backend/       # Python 3.13 + FastAPI
│   └── src/
│       ├── routers/       # API route handlers
│       ├── services/      # Business logic (SRP)
│       ├── repositories/  # Data access (DIP)
└── Infrastructure/ # Terraform + Go (Terratest)

## Coding Conventions
- Testing: Follow AAA pattern with explicit section comments
- Architecture: SOLID — services depend on repository interfaces
- Imports: Use absolute imports from project root

เมื่อ engineer invoke Copilot CLI จากที่ใดก็ตามใน repo — มันจะอ่าน AGENTS.md ก่อน ทำให้ทุก AI interaction เริ่มจาก shared understanding

2. Skills — Task-level Instructions

Skills คือ reusable step-by-step instruction files ที่อยู่ใน .github/skills/ แต่ละ skill บอก AI ว่าจะ scaffold task ประเภทใดประเภทหนึ่งอย่างไร

ในโปรเจคนี้ทีม ISE สร้าง 4 skills:

• create-api-endpoint — สร้าง REST endpoint ใหม่
• create-langgraph-graph — สร้าง LangGraph workflow
• create-langgraph-tool — สร้าง tool สำหรับ LangGraph
• create-terraform-module — สร้าง Terraform module ใหม่

แต่ละ skill file มี:

1. When to use — describe task ที่ skill นี้ครอบคลุม
2. Prerequisites — อะไรต้องมีก่อน (domain model, config entry, etc.)
3. Step-by-step instructions — ลำดับ file ที่ต้องสร้าง, directory, pattern
4. Template code — skeleton ที่ match convention ของโปรเจค
5. Test generation — instructions สำหรับ test file ที่ต้องสร้างคู่กัน

ตัวอย่างจาก “Create API Endpoint” skill (ตัดให้สั้น):

# Create API Endpoint

## When to Use
Use when creating a new REST endpoint in the backend.

## Steps
1. Create Pydantic schema in src/schemas/{entity}.py
2. Create repository interface in src/repositories/interfaces/
3. Create SQL implementation in src/repositories/implementations/
4. Create service in src/services/{entity}_service.py
   - Constructor accepts repository interfaces (DIP)
5. Create router in src/routers/{entity}_v2.py
   - Use FastAPI Depends() for DI
6. Register router in src/main.py
7. Create unit tests (mirror source, AAA pattern, mock repositories)
8. Create integration tests via Testcontainers

ผลลัพธ์: output match convention ตั้งแต่ generation แรก

ทีม ISE รายงานว่า — AGENTS.md eliminates “blank slate” interactions ทุกครั้งที่เรียก Copilot CLI เริ่มจาก full project context และ skill encodes institutional knowledge ที่ถูก version control เปลี่ยนคนใหม่ที่ join ทีมก็ใช้ Copilot ได้ output คุณภาพดีตั้งแต่วันแรก

ตัวอย่างจาก worked example ในบทความ — engineer พิมพ์เพียงคำสั่งสั้น ๆ:

gh copilot suggest "Create a new API endpoint for environmental reports"

แล้ว Copilot CLI ก็ generate ครบ 7 files (schemas, repositories, services, router, tests) ที่ match convention โดย engineer ไม่ต้องระบุรายละเอียดเพิ่ม

ส่วนที่ขาดไม่ได้: Verification Layer

ทีม ISE เน้นว่า — “speed without safety is a liability” ทุก AI-assisted change ต้องผ่าน verification layer ก่อน merge:

• Targeted CI with job filtering — frontend change ไม่ trigger infrastructure tests
• Full testing pyramid — unit + integration (Testcontainers) + E2E (Playwright)
• Static analysis — Ruff, Prettier, Checkov
• CodeQL — security analysis ที่เคยช่วยลด security findings เป็น 0

หลักการคือ: “Accelerate with AI, then verify through engineering rigor”

Skill Lifecycle และ Governance

ทีม ISE ระบุ best practice สำหรับ scale skill catalog:

• Naming — ใช้ action-oriented เช่น create-api-endpoint ไม่ใช่ generic label
• Ownership — treat skill เหมือน production code มี owner ที่รับผิดชอบ update
• Review process — update AGENTS.md หรือ skill ต้องผ่าน PR review เหมือน code
• Version alongside codebase — ไม่เก็บใน external wiki เพื่อหลีกเลี่ยง drift
• Deprecate ไม่ลบ — ถ้า skill ล้าสมัย mark deprecated ก่อน

Anti-patterns ที่ต้องหลีกเลี่ยง:

• Scope กว้างไป — skill ที่พยายาม “build entire microservice” ไม่ work; ต้อง narrow ที่ task เดียว
• Brittle assumption — hardcode file path หรือ magic name ทำให้ skill เปราะ
• Missing tests — skill ที่ไม่พูดถึง test จะ produce untested code
• Mixed concerns — รวม infra/backend/frontend ในที่เดียวยาก maintain

มุมมอง AI Curator

นี่คือ มาตรฐานการทำงานใหม่ของทีมพัฒนาในยุค AI — ไม่ใช่ “คนใช้ Copilot/Claude เป็นรายบุคคล” อีกต่อไป แต่คือ “ทีมที่ encode standard ลงใน AGENTS.md และ skill เพื่อให้ทั้งคนและ AI agent ทำงานในรูปแบบเดียวกัน”

จุดที่น่าสนใจคือ pattern นี้ converge กับสิ่งที่ Anthropic ทำกับ Claude Code มาก — Claude มี CLAUDE.md (project-level context) และ .claude/skills/ (task-level instructions) ที่หน้าที่เกือบเหมือนกันกับ AGENTS.md + Skills ของ Copilot CLI ดูเหมือนว่าทั้งวงการ AI coding กำลัง converge ที่ architecture เดียวกัน — โดยไม่ได้ตกลงกันก่อน เพราะมันคือ pattern ที่ work จริง

สำหรับ ทีมพัฒนาในไทย บทเรียนสำคัญ:

1. AGENTS.md กลายเป็น living document ที่สำคัญที่สุดใน repo — สำคัญกว่า README สำหรับ AI; ทีมที่ยังไม่มีควรเริ่มเขียนทันที (เริ่มจาก 30 บรรทัด ก็ดีกว่าไม่มี)
2. Skill catalog เป็น competitive advantage — บริษัทที่มี skill ครบสำหรับ task ที่ทำซ้ำ (CRUD, API endpoint, test scaffolding, deployment) จะ scale ทีมได้เร็วกว่าคู่แข่งหลายเท่า
3. Verification layer สำคัญพอ ๆ กับ AI tool — บริษัทที่ “ใช้ Copilot/Claude แต่ไม่มี CI ครบ” จะมี security incident ในอีก 6-12 เดือน
4. Onboarding accelerate — new engineer ที่ join บริษัทที่มี AGENTS.md + skill ครบ จะ productive ใน 2 สัปดาห์แทนที่จะเป็น 2 เดือน

สำหรับ บริษัทไทยที่ใช้ Copilot Business หรือ Copilot Enterprise อยู่แล้ว — playbook นี้แนะนำได้ทันที AGENTS.md ใช้กับ Copilot CLI ได้ตาม spec ของ GitHub, และ skill ใช้ผ่าน .github/skills/ ที่ Copilot CLI consume อัตโนมัติ ลองเริ่มจาก 1 skill ที่ทีมทำซ้ำที่สุด แล้ว iterate

อีกเรื่องที่อยากให้คิด — AI development pattern กำลังกลายเป็น engineering culture ทีมที่ยัง treat AI เป็น “personal productivity tool” จะเสียเปรียบทีมที่ treat เป็น “team collaboration platform” อย่างชัดเจน บทบาทของ tech lead, engineering manager, CTO กำลังเปลี่ยนจาก “review code ของคน” เป็น “design system ที่ทั้งคนและ AI agent ทำงานร่วมกันได้”

แหล่งข่าว

• Coordinating AI-Assisted Development with AGENTS.md and Skills — ISE Developer Blog
• AGENTS.md — A Simple, Open Format for Guiding Coding Agents
• GitHub Copilot CLI Documentation
• Creating agent skills for GitHub Copilot CLI