กรณีศึกษา: เว็บไซต์นี้
เว็บไซต์ที่คุณกำลังอ่านอยู่ทำงานบนระเบียบวิธีที่มันบันทึกไว้เอง มัน dogfood Deep Work Plan ทั้ง skill เดียวกัน ขั้นตอน /init เดียวกัน และแผน .dwp/ เดียวกับที่ repository อื่นจะใช้ นี่คือเรื่องเล่าจริง ไม่ใช่กรณีสมมติ
ก่อนหน้า
เช่นเดียวกับ repository ส่วนใหญ่ repo นี้ไม่ได้ถูกสร้างมาเพื่อ agent บริบทอยู่ในหัวคนและบันทึกที่กระจัดกระจาย ไม่มีแหล่งข้อมูลความจริงเดียวที่ agent อ่านได้ และการ onboard agent ใหม่หมายถึงต้องอธิบายโครงการซ้ำทุกเซสชัน งานระยะยาวจึงค่อย ๆ ลื่นไถลออกจากเส้นทาง
การนำ DWP มาใช้
repository นี้กลายเป็น AI-first ด้วย Deep Work Plan เพียงแผนเดียว ซึ่งถูกแยกย่อยออกเป็น atomic task พร้อม validation gate ดังนี้
- ติดตั้ง skill ของ Deep Work Plan แบบ reference install โดยตรึงเวอร์ชันด้วย
skills-lock.json - รัน onboarding เพื่อสร้าง
AGENTS.mdที่ผ่านการให้เหตุผล โครงสร้างdocs/และเอกสารราย module จากสแตกจริงของ repository - สร้างชุดเครื่องมือ
.agents/แบบข้าม agent ทั้งตัวส่งต่อคำสั่งdwp-*แบบบาง ๆ และแคตตาล็อกที่ตรงกับสิ่งที่อยู่บนดิสก์ - สร้างโครง workspace
.dwp/ที่ถูก gitignore สำหรับแผนและฉบับร่าง - ตรวจสอบความสอดคล้องด้วย
/dwp-verify
แต่ละ task ถูกตรวจสอบกับ gate จริงของ repository ทั้ง biome, astro:check, ชุดทดสอบ การ build ระดับ production และการตรวจ parity ของ agent endpoint ก่อนจะถูกทำเครื่องหมายว่าเสร็จ
หลังจากนั้น
ตอนนี้ repository เป็น AI-first ตามข้อกำหนดของตัวมันเอง ทั้ง AGENTS.md ที่ผ่านการให้เหตุผล โครงสร้าง docs/ ที่จัดหมวดหมู่ ชุดเครื่องมือ .agents/ แบบข้าม agent และ workspace .dwp/ ที่ถูก gitignore agent ใด ๆ ไม่ว่าจะเป็น Claude Code, Cursor, Codex, Gemini หรือ Copilot ก็เปิดมันขึ้นมา อ่าน harness และดำเนินแผนระยะยาวได้โดยไม่ต้องประคองทีละเซสชัน
ผลลัพธ์
ระเบียบวิธีพิสูจน์ตัวเองบนซอร์สของมันเอง เว็บไซต์นี้ถูกสร้างและดูแลด้วยวิธีเดียวกับที่มันบอกให้คุณสร้างของคุณ นั่นคือการทำตาม /init.md หากมาตรฐานนี้ใช้ได้ที่นี่ ในระดับ production มันก็ใช้ได้กับ repository ของคุณเช่นกัน