Replit AI จาก Prototype สู่ Production

จากโจทย์ของท่านประธาน คุณ Phuetsapha Phoummasak ที่เข้าใจและนำ AI มาใช้งานได้เป็นอย่างดี โดยเฉพาะ Replit ท่านได้สร้าง Prototype สำหรับ Mobile Application ขึ้นมา เพื่อทดลองไอเดียของงานวิ่งที่อยากให้คนลาว โดยเฉพาะคนเมือง ตระหนักถึงภัยจากการเผาป่า ซึ่งเป็นสาเหตุสำคัญของปัญหาฝุ่น PM2.5 รวมถึงตอบโจทย์หน่วยงานภาครัฐที่ต้องการเพิ่มพื้นที่ป่าไม้ให้มากขึ้น

และนี่จึงเป็นจุดเริ่มต้นของงาน Run for our forest

ท่านได้ทำ App Prototype มา Demo ให้เห็นภาพว่า นอกจากฟีเจอร์เกี่ยวกับงานวิ่งแล้ว ยังสามารถมีกิจกรรมอะไรเพิ่มเติมได้บ้าง และผู้เข้าร่วมสามารถลงทะเบียนผ่าน Mobile App ได้ทันที

แน่นอนว่า หลังจากนั้นทีม Tech และทีม BD ก็ต้องเข้ามาสานต่อ ทั้งในมุม Business และ Technology ให้ครบถ้วน ภายใต้เวลาที่เหลือไม่ถึงหนึ่งเดือน

https://www.facebook.com/share/p/1Gwb7Z1sXz/

เริ่มจาก Prototype ก่อน แล้วค่อยต่อยอด

ทีม BD จะใช้ Replit Prompt เพื่อสร้าง Prototype ขึ้นมาก่อน ให้สามารถทดลองใช้งานแต่ละฟังก์ชันได้ครบทุก Flow

หลังจากนั้น ทีม Tech จะเข้ามาปรับปรุงต่อ ไม่ว่าจะเป็น

• ออกแบบ Database Schema
• ปรับ Code Structure
• วาง Design System
• จัดระเบียบโค้ดให้เป็นไปตาม Best Practice

ฝั่ง Web ใช้ React + Node.js Express ส่วน Mobile App ใช้ React Native (iOS, Android)

การทำงานจะใช้ทั้งการ Prompt บน Replit และ Integrate เข้ากับ GitLab เพื่อทำ Vibe Coding ร่วมกัน โดยเฉพาะฝั่ง Mobile App เพราะการ Debug บน Simulator หรือ Device จริง ให้ผลแม่นยำกว่าการ Simulate บน Web ของ Replit มาก

หลายครั้งปัญหาจะเกิดขึ้นเฉพาะบนเครื่องจริงเท่านั้น

เมื่อมีหลายคนทำงานร่วมกัน เราจะแบ่งงานเป็น Sub-agent แต่ละคนรับผิดชอบคนละส่วน พอเสร็จแล้วจึง Merge กลับเข้า Main Branch ทำให้สามารถทำงานแบบ Parallel ได้ ไม่ต้องรอให้ Prompt ของคนอื่นทำงานเสร็จก่อน

แต่สิ่งสำคัญคือ เราต้องมั่นใจว่าโค้ดที่ Merge เข้า Main แล้วจะยังทำงานได้ปกติและไม่สร้าง Bug ใหม่

อีกเรื่องที่สำคัญคือการเลือก Agent Model

• งานที่มีความซับซ้อนสูง จะเลือกใช้ Power
• งานทั่วไปที่ไม่ซับซ้อนมาก จะใช้ Economy

และควรเลือก Plan Mode เสมอ เพื่อให้ AI ช่วยวางแผนก่อนลงมือเขียนโค้ด

แต่ถ้าผลลัพธ์ที่ได้ไม่ตรงตามต้องการ ก็ยังสามารถย้อนกลับไปยัง Checkpoint ก่อนหน้าและ Rollback ได้

Replit Work Space

Deploy อย่างไรไม่ให้ Production พัง

Replit มีการแบ่ง Environment ระหว่าง Development และ Production

การ Publish ครั้งแรก จะมีตัวเลือกให้ Copy Data ไปด้วย ซึ่งสะดวกมาก

แต่หลังจากระบบเริ่มใช้งานจริงแล้ว การ Republish ครั้งต่อไปไม่ควรใช้วิธี Copy Data อีก เพราะข้อมูลใน Production อาจถูกทับและหายไปได้

แนวทางที่ถูกต้องคือ

• ใช้ Migration สำหรับปรับโครงสร้างฐานข้อมูล
• ใช้ Seed Data สำหรับข้อมูลตั้งต้น

บางครั้งการ Deploy ก็ไม่ได้ราบรื่นเสมอไป บาง SQL Statement ไม่สามารถรันผ่านระบบได้ จำเป็นต้องนำ SQL ไป Execute บน Database Production เอง ซึ่ง Replit ก็มี UI ให้เข้าไปจัดการได้

ส่วน Domain สามารถซื้อผ่าน Replit ได้เลย หรือจะซื้อจากผู้ให้บริการภายนอกแล้ว Config ให้ชี้มายัง Replit ก็ได้เช่นกัน

และอย่าลืม Verify Domain ผ่านอีเมลหลังจากซื้อเสร็จด้วย

Republish Run for our forest

เชื่อมต่อ External Service ได้เร็วเกินคาด

การเชื่อมต่อระบบชำระเงิน เช่น QR Code หรือ Credit Card ของ BCEL One ทำได้ง่ายกว่าที่คิด

เพียงนำคู่มือ API ให้ Replit อ่านและทำความเข้าใจ จากนั้นให้ช่วยเขียนโค้ดเชื่อมต่อให้

แน่นอนว่า ก่อนใช้งานจริง ต้องทดสอบบน Development Environment ให้เรียบร้อย

งานส่วนนี้ใช้เวลาพัฒนาและทดสอบเพียงประมาณ 1 วัน

และสิ่งที่สำคัญมากคือ Credential หรือ API Key ต่าง ๆ ต้องเก็บไว้ใน Secrets ของ Replit เท่านั้น

จัดเก็บไฟล์และค้นหารูปนักวิ่งด้วย AI

ไฟล์ทั้งหมด รวมถึงรูปภาพของนักวิ่ง จะถูกจัดเก็บบน App Storage ของ Replit

ส่วนระบบค้นหารูปนักวิ่ง เราศึกษาหลายแนวทาง ก่อนจะเลือกใช้

Face Search

• RetinaFace SCRFD สำหรับตรวจจับใบหน้า พร้อม 5-point Landmark
• ArcFace MobileFaceNet สำหรับแปลงใบหน้าเป็น Descriptor Vector ขนาด 512 มิติ
• จัดเก็บ Vector Embedding ลง PostgreSQL ผ่าน pgvector
• ใช้ HNSW เพื่อค้นหาใบหน้าที่ใกล้เคียงที่สุด

ค้นหาด้วยเลข BIB

ใช้ OCR ผ่าน Gemini 2.5 Flash โดย Prompt ให้ตรวจจับเฉพาะเลขบนป้ายวิ่งเท่านั้น และไม่สนใจตัวเลขจากป้ายโฆษณาหรือสิ่งรบกวนอื่น ๆ

ผลลัพธ์ของการค้นหาด้วยใบหน้าอาจยังไม่แม่นยำเท่ากับการค้นหาด้วย Action หรือ BIB แต่ก็ถือว่าใช้งานได้ในระดับที่น่าพอใจ

Find My Race Phostos

Autoscale และ Monitoring

Replit รองรับ Autoscale Deployment แบบ Horizontal Scaling

เมื่อมี Request เพิ่มขึ้น ระบบจะเพิ่ม Instance ขึ้นมารองรับโหลดโดยอัตโนมัติ

เมื่อ Traffic ลดลง ก็จะลดจำนวน Instance ลงเอง

ด้าน Monitoring จะมีอยู่ 2 ส่วนหลัก

Application Monitoring

ใช้ดูว่า

• มี Request เข้ามาเท่าไร
• HTTP Status เป็นอย่างไร
• Request Duration ใช้เวลานานแค่ไหน
• มี Error ผิดปกติหรือไม่

รวมถึงสามารถดู Log เพิ่มเติมเพื่อวิเคราะห์ปัญหาเชิงลึกได้

Run for our forest user request

Infrastructure Monitoring

ใช้ติดตามการใช้งาน

• CPU
• Memory

เพื่อประเมินว่าระบบยังสามารถรองรับจำนวนผู้ใช้งานได้หรือไม่

Automation Test ก็สำคัญ แต่ QA ยังสำคัญกว่า

แม้ว่า Replit จะมี App Testing ที่ช่วยทำ Automated Test ทุกครั้งหลัง Prompt เสร็จ และพยายามแก้ Bug ให้อัตโนมัติ

แต่ในการใช้งานจริง ระบบมักมีการเชื่อมต่อกับ External Service อยู่เสมอ

สุดท้ายแล้ว Manual Test โดยทีม QA ก็ยังเป็นด่านสุดท้ายที่สำคัญที่สุด เพื่อให้มั่นใจว่าทุกฟังก์ชันทำงานได้ถูกต้องจริง

ปัญหาและอุปสรรค

มีคนเคยบอกว่า

“ระบบที่ไม่มีบั๊ก คือระบบที่ไม่มีคนใช้”

แม้ Replit จะช่วยให้เราสร้างทั้ง Web และ Mobile App ได้เร็วมาก แต่การทดสอบระบบก็ยังเป็นสิ่งที่หลีกเลี่ยงไม่ได้

เพราะการทดสอบไม่ได้มีเป้าหมายแค่หาบั๊ก แต่เพื่อให้มั่นใจว่า User Experience จะราบรื่นที่สุด

ด้วยเวลาที่จำกัด ทำให้หลายส่วนทดสอบได้ไม่มากพอ ส่งผลให้มีบั๊กเกิดขึ้นอย่างต่อเนื่อง และบางกรณีก็ต้องเข้าไปแก้ไขข้อมูลบน Production ด้วยตนเอง เพื่อให้ระบบเดินหน้าต่อได้

App Review คืออีกด่านที่ต้องเผื่อเวลา

คำถามยอดฮิตคือ

“เมื่อไหร่แอปจะผ่าน Review?”

ซึ่งแม้แต่ Google Play ก็ยังตอบได้เพียงว่า “กำลังเข้าคิว”

ดังนั้นก่อนส่งขึ้น Store ต้องเตรียมข้อมูลด้าน Policy ให้ครบถ้วน เพื่อหลีกเลี่ยงการถูก Reject

และควรเผื่อเวลาในส่วนนี้ไว้เสมอ

หากมีเหตุจำเป็นเร่งด่วน สามารถเปิด Ticket พร้อมอธิบายเหตุผล เพื่อขอให้ Google Play พิจารณา Review แบบเร่งด่วนได้

AI ก็เหนื่อยเป็นเหมือนกัน

หลายครั้ง Replit ไม่ตอบสนอง

Production ยังทำงานได้ตามปกติ แต่ไม่สามารถ Prompt หรือ Republish ได้

โชคดีที่ส่วนใหญ่จะกลับมาใช้งานได้ภายใน 2–3 ชั่วโมง

ทุก Prompt มีต้นทุน

Replit เตรียมเครื่องมือแทบทุกอย่างที่ Developer ต้องการไว้ให้ครบ

จนแทบไม่ต้องออกไปใช้ Tools อื่นเลย

พูดง่าย ๆ คือ สามารถจบงานได้ในที่เดียว

แต่แน่นอนว่า ความสะดวกนั้นก็มาพร้อมกับค่าใช้จ่ายที่ค่อนข้างสูง

Tips & Tricks

ถ้าฟังก์ชันไหนมีความซับซ้อนสูง

อย่าลืมให้ Replit ช่วยเขียน Documentation เก็บเป็นไฟล์ .md ไว้ด้วย

เพราะเมื่อเวลาผ่านไป เราจะย้อนกลับมาอ่านเพื่อทำความเข้าใจระบบได้ง่ายขึ้นมาก

และสุดท้าย สิ่งที่ได้เรียนรู้จากโปรเจกต์นี้คือ

AI ไม่ได้เข้ามาแทนที่ Developer

แต่มันช่วยให้ทีมเดินได้เร็วขึ้นมาก

อย่างไรก็ตาม ความเข้าใจใน Business การออกแบบระบบ การทดสอบ และการตัดสินใจในสถานการณ์จริง ยังคงเป็นหน้าที่ของมนุษย์เสมอ

AI เป็นเหมือนผู้ช่วยที่เก่งมาก แต่คนที่ต้องรับผิดชอบผลลัพธ์สุดท้าย ก็ยังคงเป็นพวกเราอยู่ดี

Reference

runforourforest.com

https://play.google.com/store/apps/details?id=com.runforourforest.app

https://apps.apple.com/us/app/runforests/id6769345140

replit.com