adam bien's blog

The Untaught Lessons of RAG Retrieval: Cosine Is Not the Foundation

Các pipeline RAG phổ biến thường sử dụng cosine similarity trên các embedding, nhưng cách này bỏ qua cấu trúc tài liệu và không thể chứng minh sự vắng mặt thông tin. Bài viết đề xuất sáu bài học: truy xuất nên hoạt động như SQL (lọc trên bảng cấu trúc), từ khóa ưu tiên vì rẻ và có thể trả về kết quả trống, mục lục tài liệu là tín hiệu quan trọng bắt lỗi paraphrase. Embedding chỉ là phương án dự phòng khi từ vựng không khớp, không phải nền tảng. Co-occurrence vượt trội so với BM25 trên dữ liệu doanh nghiệp hẹp, và cần tách biệt anchor (khớp chính xác) với context (phạm vi xung quanh). Một lần chạy LLM trên mục lục có thể giải quyết paraphrase hiệu quả, tạo thành pipeline ba tín hiệu (từ khóa + TOC + embedding) với ưu điểm về chi phí và khả năng kiểm toán.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa hệ thống RAG bằng cách kết hợp các phương pháp truyền thống và tiên tiến—tránh sai lầm đơn giản như chỉ dùng cosine similarity mà bỏ qua cấu trúc văn bản và hiệu quả của các signal như từ khóa, TOC, và embeddings để cải thiện chất lượng và hiệu suất của hệ thống.

Red Hat build of Quarkus 3.33: Stability & performance for enterprise Java

Bản phát hành LTS mới Red Hat build of Quarkus 3.33 mang đến nhiều cải tiến quan trọng như nâng cấp Hibernate ORM 7.2, Reactive 3.2, Search 8.2, hỗ trợ Java 25 đầy đủ, kiểm soát bảo mật OIDC chi tiết hơn, cùng công nghệ AOT caching (dưới dạng preview) để giảm thời gian khởi động JVM. Ngoài ra, phiên bản này còn bổ sung tích hợp Jakarta Data, mặc định TLS 1.3, băm credential SHA-512, và cải thiện trải nghiệm nhà phát triển với nhiều backend cache, vòng đời đóng gói Maven mới, cũng như hỗ trợ Kafka request-reply (dưới dạng preview).

Lập trình viên phát triển ứng dụng Java doanh nghiệp nên đọc để cập nhật về Quarkus 3.33 LTS, từ đó tối ưu hiệu suất, ổn định và tính bảo mật cho dự án với các tính năng mới như Java 25, TLS 1.3, và cải tiến ORM/Hibernate, đồng thời khám phá các công nghệ tiên tiến như AOT và Kafka SmallRye để nâng cao hiệu suất và kinh nghiệm phát triển.

I ditched my database app after Obsidian added one feature, and I'm not paying for separate tools anymore

Tính năng Bases mới của Obsidian biến các ghi chú markdown thành cơ sở dữ liệu có thể sắp …

New Features in Java 26

Java 26 bổ sung nhiều cải tiến về hiệu năng, bảo mật và tính năng ngôn ngữ. …

Astro 7.0

Phiên bản Astro 7.0 tập trung tối ưu hiệu suất với tốc độ build nhanh hơn 15–61%, nhờ compiler Rust mới thay thế Go cũ, pipeline Markdown/MDX bằng Sätteri (Rust), Vite 8 + Rolldown (nhanh gấp 10–30 lần Rollup), cùng cơ chế rendering hàng đợi ổn định. Tính năng Routing nâng cấp với src/fetch.ts, hỗ trợ middleware Hono, cache CDN từ Netlify/Vercel/Cloudflare, và cải tiến AI agent với chế độ dev nền, phát hiện tự động cùng logging JSON có cấu trúc.

Lập trình viên phát triển web nên đọc bài này vì Astro 7.0 mang đến những cải tiến công nghệ như Rust-based compiler và Vite 8 + Rolldown, giúp tối ưu hóa hiệu suất build và giao diện người dùng, đồng thời mở rộng khả năng quản lý lưu trữ và xử lý AI, giúp xây dựng ứng dụng web nhanh hơn và hiệu quả hơn.

Context vs. Memory Engineering in Agentic AI Systems

Kỹ thuật ngữ cảnh (context engineering) và kỹ thuật bộ nhớ (memory engineering) là hai lĩnh vực riêng biệt nhưng bổ trợ trong hệ thống AI tác nhân (agentic AI). Kỹ thuật ngữ cảnh quản lý thông tin đầu vào cho mỗi lần suy luận, bao gồm lựa chọn, sắp xếp, nén và phân bổ token, trong khi kỹ thuật bộ nhớ quản lý dữ liệu lưu trữ xuyên suốt các phiên làm việc, từ chính sách ghi, lựa chọn lớp lưu trữ đến chiến lược truy xuất và bảo trì. Hai lĩnh vực gặp nhau ở ranh giới truy xuất, nơi dễ xảy ra lỗi như đưa bộ nhớ truy xuất vào mà không cân nhắc ngân sách ngữ cảnh hoặc đặt nội dung ở vùng ít chú ý trong cửa sổ ngữ cảnh.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa hiệu suất và độ tin cậy của hệ thống AI agent bằng cách kiểm soát và quản lý thông tin context và bộ nhớ một cách hiệu quả, từ việc chọn lọc dữ liệu đến quản lý chi phí token và lưu trữ.

Prettier 3.9: New Parser Foundations and Formatting Improvements · Prettier

Prettier 3.9 nâng cấp parser cho nhiều ngôn ngữ: Markdown chuyển sang micromark v4, YAML lên yaml v2, GraphQL hỗ trợ GraphQL.js v17, Flow dùng parser Rust mới nhanh hơn 40%. Phiên bản này cũng sửa hàng chục lỗi định dạng JavaScript/TypeScript, cải thiện CSS, SCSS, HTML, Angular, JSON cùng các fix cho CLI và EditorConfig.

Lập trình viên nên đọc bài này vì Prettier 3.9 cải thiện đáng kể hiệu suất và chính xác cho nhiều ngôn ngữ, đặc biệt là TypeScript (parser Rust nhanh hơn) và Markdown (tuân thủ chuẩn CommonMark), giúp tiết kiệm thời gian và tránh lỗi định dạng trong dự án.