Cursor Automations
Cursor Automations — ฟีเจอร์ใหม่ที่เปลี่ยน AI จาก “ผู้ช่วยเขียนโค้ด” ให้กลายเป็น “วิศวกรที่ทำงานเองตลอดเวลา”
เมื่อก่อน AI ในโลกโปรแกรมเมอร์ส่วนใหญ่ทำงานแบบนี้: เราสั่ง → AI ช่วยเขียนโค้ด → จบงาน แต่ Cursor เพิ่งเปิดตัวฟีเจอร์ใหม่ชื่อ Automations ที่เปลี่ยนโมเดลนี้เลย เพราะมันให้คุณสร้าง AI agent ที่ทำงานเองตลอดเวลา คอยดูแล codebase แทนมนุษย์ได้
แนวคิดง่าย ๆ คือ แทนที่จะให้ AI รอคำสั่ง เราตั้ง trigger ให้มัน เช่น ทุกเช้า ทุกครั้งที่มี pull request หรือเวลามี incident จาก PagerDuty พอ trigger เกิดขึ้น AI จะสร้าง sandbox บน cloud ขึ้นมา รันคำสั่ง ตรวจโค้ด วิเคราะห์ log และเสนอ fix หรือสร้าง PR ให้เลย
ตัวอย่างที่ทีม Cursor ใช้จริง เช่น ทุกครั้งที่ push โค้ดเข้า main branch agent จะตรวจ security vulnerability ถ้าเจอความเสี่ยงสูงก็แจ้ง Slack ทันที หรือถ้ามี PagerDuty incident agent จะดึง log จาก Datadog วิเคราะห์ codebase แล้วสร้าง pull request แก้ปัญหาให้ทีม on-call ดู
อีก use case ที่ผมว่าโหดคือ automation งานจุกจิก เช่น ทุกเช้า agent วิ่งหาโค้ดที่ไม่มี test แล้วเขียน test เพิ่มให้ หรือทุกสัปดาห์สรุปว่า repo นี้มี PR สำคัญอะไรบ้าง bug อะไรถูกแก้ technical debt เพิ่มตรงไหน แล้วโพสต์สรุปลง Slack
สิ่งที่ทำให้มันต่างจาก AI coding tools ทั่วไปคือมันเป็น always-on agent ไม่ใช่เครื่องมือที่คุณต้องมานั่งพิมพ์ prompt ทีละครั้ง มันเหมือนมี robot dev คอยเฝ้า codebase อยู่ตลอดเวลา
เทียบกับตัวดังในตลาดก็จะเห็นภาพชัดขึ้น Copilot ของ GitHub เก่งเรื่องช่วยเขียนโค้ดหรือแปลง issue เป็น PR แต่ยังเป็นงานแบบสั่งครั้งเดียว ส่วน Replit Agent จะเก่งสร้างแอพใหม่จาก prompt มากกว่า แต่ไม่ได้ถูกออกแบบมาให้ดูแล codebase ระยะยาวแบบนี้
อีกตัวที่หลายคนชอบพูดถึงคือ Devin ที่พยายามเป็น AI engineer เต็มตัว แต่ตอนนี้ยังเข้าถึงยากและราคาแรง Cursor เลยพยายามวางตำแหน่งตัวเองเป็น AI layer ที่เชื่อม workflow ของ dev ทั้ง GitHub Slack Linear และ monitoring tools เข้าด้วยกัน
ราคาของ Cursor Automations จริง ๆ ไม่ได้คิดแยก แต่มันอยู่ในระบบ Cloud Agents ของ Cursor ถ้าใช้ฟรีจะใช้ได้จำกัด แต่ถ้าอยากใช้จริงต้องเริ่มที่แผน Pro ประมาณ 20 ดอลลาร์ต่อเดือน และถ้าจะใช้ agent หนัก ๆ ส่วนใหญ่ทีม dev จะไปที่ Pro+ ประมาณ 60 ดอลลาร์
รีแอคชันในชุมชนค่อนข้างสองฝั่ง ฝั่งที่ชอบบอกว่านี่คืออนาคตของ software engineering เพราะมันเปลี่ยนงาน routine ให้กลายเป็น background task ได้เลย หลายบริษัทบอกว่ามันช่วยลดเวลาทำ incident response และ code review ลงเยอะ
แต่ฝั่งที่กังวลก็มี เช่น บางคนแซวว่า “ดีเลย ต่อไปโค้ดจะพังเองตอนเราหลับ” เพราะยังกลัวว่า agent จะ hallucinate หรือแก้โค้ดผิด โดยเฉพาะใน codebase เก่า ๆ ที่ซับซ้อนมาก
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac