Azure Cosmos DB in the Agentic Era: Data Tools for Developers and AI Agents

Quick thoughts on GitHub’s Sept 23 incident

Vào ngày 23 tháng 9, GitHub đã gặp sự cố với tỷ lệ lỗi 500 và 404 tăng cao trên nhiều trang ứng dụng, bắt đầu từ 07:57 UTC. Nguyên nhân kỹ thuật được cho đến từ vấn đề về routing và phân phối tải (traffic routing) dẫn đến việc không thể định tuyến đúng đến các trang cụ thể. Sự cố này gây ra các trang hiển thị lỗi 404 và lỗi 500 trên nhiều tính năng của GitHub, ảnh hưởng đến trải nghiệm người dùng. Điều đáng học hỏi là ngay cả các nền tảng lớn như GitHub cũng có thể gặp sự cố về routing traffic, nhấn mạnh tầm quan trọng của hệ thống giám sát và dự phòng.

Bài viết cung cấp phân tích ngắn gọn về sự cố GitHub ngày 23/9 giúp lập trình viên hiểu rõ nguyên nhân và bài học từ sự cố này.

MCP’s Biggest Update Made AI Agents Scale. It Also Turned a Prompt Into a Password.

Bối cảnh: Microsoft Cognitive Services (MCP) vừa phát bản cập nhật lớn giúp AI agents có khả năng mở rộng đáng kể. Nguyên nhân kỹ thuật: Bản cập nhật này giới thiệu cơ chế ký handle để ngăn chặn gian lận, nhưng không bảo vệ khỏi tình trạng đánh cắp thông tin. Hệ quả: Một prompt có thể bị biến thành password nếu không được kiểm soát chặt chẽ. Điều đáng học: Mỗi MCP server hiện phải thực hiện bốn bước kiểm tra bảo mật để đảm bảo an toàn cho hệ thống, đặc biệt khi xử lý các prompt nhạy cảm.

Bài viết giải thích cách cập nhật mới của MCP giúp mở rộng khả năng AI agents đồng thời cũng chỉ ra lỗ bảo mật nguy hiểm khi chuyển prompt thành password.

gRPC vs REST Is the Wrong Question · Buf

Bối cảnh: Câu trả lời truyền thống thường khuyên sử dụng REST cho public APIs và gRPC cho …

DESIGN.md vs. Design System MCP: Which Does What?

DESIGN.md mang lại tài liệu thiết kế có thể hoạt động trên mọi công nghệ stack, trong khi Design System MCP (Model Context Protocol) cung cấp API thực tế của component cho các agents. Sự kết hợp giữa DESIGN.md và Design System MCP giúp giải quyết vấn đề đồng bộ giữa tài liệu thiết kế và implementation thực tế. Khi kết hợp cả hai, DESIGN.md cung cấp bối cảnh tổng quan, còn Design System MCP đảm bảo các agent có thể truy cập chính xác thông tin API để implement chính xác component. Điều này tạo ra một hệ sinh thái mà ở đó thiết kế và development tự động đồng bộ, giảm thiểu sai lệch giữa tài liệu và code.

Bài viết này giúp lập trình viên hiểu rõ sự khác biệt và vai trò bổ trợ giữa DESIGN.md và Design System MCP để cải thiện quy trình phát triển và hệ thống component.

Meet the developers rejecting AI

Bối cảnh ngày càng nhiều nhà phát triển từ chối AI dù điều này có thể làm mất khách hàng, cơ hội việc làm và cả sự nghiệp. Nguyên nhân kỹ thuật xuất phát từ lo ngại về bảo mật code, chất lượng mã nguồn và vấn đề bản quyền khi sử dụng công cụ AI như GitHub Copilot. Hệ quả là các lập trình viên này phải đối mặt với áp lực từ doanh nghiệp và thị trường lao động đang ngày càng ưu tiên AI. Điều đáng học là việc từ chối AI không chỉ là quan điểm cá nhân mà còn phản ánh cuộc tranh luận sâu sắc về đạo đức và trách nhiệm trong ngành công nghệ phần mềm.

Bài viết tiết lộ lý do sâu xa khiến các lập trình viên sẵn sàng hy sinh sự nghiệp để phản đối AI.

Headless AI will make every product a platform. Here’s what to consider when designing for this.

Headless AI đang biến mọi sản phẩm thành nền tảng mở, với chat chỉ còn là giao diện đơn thuần. Agents hoạt động khác biệt, nơi thiết kế trọng tâm chuyển sang thiết lập contract giữa người dùng và hệ thống. Thiết kế cho Headless AI đòi hỏi kiến thức về API-first architecture và event-driven processing. Các nền tảng như Shopify và Contentful đã triển khai thành công mô hình này với tỷ lệ tương tác tăng 40% nhờ cho phép tùy biến linh hoạt. Lập trình viên nên cân nhắc triển khai headless architecture để chuẩn bị cho tương lai AI-native, tập trung vào thiết kế system contracts thay vì UI truyền thống.

Bài viết này giúp lập trình viên hiểu cách thiết kế cho kỷ nguyên AI không đầu, nơi mọi sản phẩm sẽ trở thành nền tảng.

Announcing DuckDB 1.5.6

DuckDB phiên bản 1.5.6 vừa được ra mắt với các bản vá lỗi và cải thiện hiệu năng. …

AI Hallucinated a Table That Was Never There

Khi AI tạo ra một bảng không tồn tại trong database và viết truy vấn hoàn chỉnh cho bảng ảo này, hiện tượng AI hallucination đang xảy ra trong ứng dụng RAG. Nguyên nhân kỹ thuật là do layer retriever trong kiến trúc RAG không xác thực được thông tin trước khi tạo câu trả lời, dẫn đến mô hình language model tạo ra dữ liệu bịa đặt. Hệ quả nghiêm trọng là ứng dụng có thể trả về kết quả truy vấn dựa trên cấu trúc dữ liệu không tồn tại, gây sai lệch thông tin. Để ngăn chặn vấn đề này, lập trình viên nên implement thêm validation layer sau khi retriever và trước khi language model, sử dụng kỹ thuật query validation để đảm bảo truy vấn chỉ thực thi trên các schema đã được xác thực.

Bài này giúp lập trình viên hiểu và ngăn chặn hiện tượng AI tạo ra dữ liệu không tồn tại và truy vấn sai.