5 ways SRE AI agents are set to augment human capabilities

WWW Ep249 With Joel Hooks · July 23, 2026

Tập 249 của WWW có sự tham gia của Joel Hooks, thảo luận về các chủ đề như Pi, OpenClaw, JoelClaw, YOLO mode, AGI, harness tùy chỉnh cùng những chia sẻ khác.

Là người phát triển, bạn nên theo dõi cuộc trò chuyện này để khám phá cách Joel Hooks ứng dụng sáng tạo OpenClaw và JoelClaw trong xây dựng hệ thống AI hiệu quả, từ đó học cách tối ưu hóa mô hình AI cho các dự án thực tế của riêng mình.

How to Efficiently Prompt Claude Code

Để prompting Claude Code và các AI coding agent hiệu quả hơn, hãy sử dụng công cụ chuyển giọng thành văn bản để cung cấp ngữ cảnh phong phú nhanh chóng, chỉ định rõ cách thức kiểm thử triển khai, thảo luận lặp đi lặp lại trước khi code để giải quyết các mơ hồ, và tạo báo cáo HTML để xem xét quyết định cùng kết quả kiểm thử dưới dạng tương tác có cấu trúc.

Lập trình viên nên đọc bài này để học cách tối ưu hóa cách giao tiếp với AI hỗ trợ lập trình, giúp giảm thời gian phát triển, tránh sai sót và tăng hiệu quả khi giải quyết vấn đề kỹ thuật bằng cách sử dụng các kỹ thuật giao diện hiệu quả và kiểm thử rõ ràng.

How to Give an LLM Agent a Browser

Bài viết hướng dẫn xây dựng một tác nhân LLM (Large Language Model) có khả năng điều khiển trình duyệt bằng OpenAI Agents SDK và Playwright MCP. Nó giải thích vòng lặp quan sát-quyết định-hành động (observe-decide-act) của tác nhân, hai kênh giao tiếp chính (quan sát qua ảnh chụp nhanh accessibility và hành động qua lệnh nhắm mục tiêu phần tử), cùng ví dụ thực tế về cách tác nhân xử lý yêu cầu hỗ trợ khách hàng trên giao diện web.

Lập trình viên muốn tự động hóa tác vụ phức tạp trên web—như xử lý ticket hỗ trợ khách hàng—thường gặp khó khăn khi kết hợp trí tuệ nhân tạo với giao diện người dùng, nhưng bài này cung cấp cách đơn giản, cụ thể để xây dựng một agent thông minh có thể "nhìn" và "chạm" vào trang web như con người, từ cơ sở hạ tầng đến ví dụ thực tế.

Onboarding Agent from Scratch. Part 7: Teaching an Agent to Search Instead of Read Everything

Bài viết giới thiệu cách huấn luyện một agent (tác nhân AI) sử dụng kỹ thuật search (tìm kiếm) thay vì đọc toàn bộ dữ liệu, giúp tối ưu hiệu suất khi trả lời các câu hỏi đơn giản như "tôi được nghỉ phép bao nhiêu ngày".

Bài viết này giúp bạn hiểu cách xây dựng một agent thông minh có thể tìm kiếm thông tin hiệu quả thay vì đọc toàn bộ dữ liệu, giúp tiết kiệm thời gian và cải thiện độ chính xác trong ứng dụng thực tế.

Onboarding Agent from Scratch. Part 8: When Retrieved Documents Start Giving Orders

Tại giai đoạn 7, agent onboard đã có thể truy vấn cơ sở tri thức thực tế và trả lời câu hỏi của nhân viên.

Lập trình viên nên đọc bài này để hiểu cách quản lý và kiểm soát hành vi của hệ thống khi dữ liệu được sử dụng như một "người đại diện" để tránh rủi ro về sai lệch logic, sai phạm đạo đức hoặc hành vi tự động hóa không mong muốn trong ứng dụng AI.

The Difference Between Knowing Kubernetes and Understanding Kubernetes

Sau một tuần học, tôi có thể thuộc lòng sơ đồ kiến trúc Kubernetes, nhưng phải trải qua sự …

The 5 Levels of an AI-Ready Design System

Hầu hết các nhóm đều đánh giá hệ thống thiết kế của mình cao hơn thực tế. …

I put a crowd-sourced firewall in front of my exposed homelab, and it started blocking attacks on day one

Tác giả triển khai một firewall crowdsourced (do cộng đồng đóng góp) phía trước homelab của mình và ngay lập tức nó đã chặn được các cuộc tấn công, dù ban đầu firewall còn thiếu sót.

Bạn nên đọc bài này để hiểu cách tận dụng công nghệ cộng đồng để bảo vệ hệ thống của mình hiệu quả hơn bằng cách không chỉ phụ thuộc vào các giải pháp truyền thống mà còn tích hợp các kiến thức từ cộng đồng chuyên gia và cộng đồng người dùng trong việc phòng ngự mạng.