GitHub now allows enterprise administrators to centrally configure where GitHub Copilot sends OpenTelemetry telemetry data, eliminating the need for individual developers to set OTEL_* environment variables. Admins can control the OTLP export endpoint, transport protocol (HTTP or gRPC), service name, resource attributes, exporter headers (like auth tokens), and whether prompt/response content is captured. Managed settings take precedence over user settings and environment variables. Configuration can be delivered via MDM, server-managed settings, or a managed-settings.json file. Auth tokens in managed headers are kept secure and never passed to subprocess environments. This applies to both the Copilot Chat VS Code extension and the Copilot CLI agent host.
Nguồn: https://github.blog/changelog/2026-07-08-enterprise-managed-opentelemetry-export-for-vs-code-and-cli. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
GitHub's AI agent có lỗ hổng bảo mật 'GitLost' cho phép rò rỉ dữ liệu private repository khi được yêu cầu theo cách nhất định, hiện chưa có bản vá hay tài liệu chính thức từ GitHub.
Lập trình viên nên đọc bài này để hiểu về nguy cơ bảo mật mới trong GitHub, đặc biệt khi làm việc với các dự án riêng tư, và cách phòng tránh rủi ro khi sử dụng công cụ AI tích hợp trong hệ thống.
Trong vòng hai năm tới, 98% doanh nghiệp sẽ giao phân tích nguyên nhân gốc (RCA) cho các tác nhân AI, khi 85% tổ chức hiện đã sử dụng GenAI cho quan sát hệ thống. Các tác nhân AI có thể tự động giám sát telemetry (logs, traces, metrics), phân tích sự cố và điều chỉnh cấu hình ứng dụng, mở rộng khả năng quan sát cho cả nhóm phi kỹ thuật như tài chính, bán hàng và tuân thủ.
Là lập trình viên, bạn nên đọc bài này để hiểu cách AI tự động hóa phân tích nguyên nhân gốc rễ (RCA) sẽ thay đổi cách bạn và đội ngũ phát triển ứng dụng xử lý vấn đề kỹ thuật, từ việc tiết kiệm thời gian cho đến việc mở rộng khả năng sử dụng dữ liệu cho các nhóm không phải kỹ thuật.
GitHub Models sẽ ngừng hoạt động hoàn toàn vào ngày 30/7/2026, bao gồm playground, model catalog, inference API và BYOK endpoints. Các cảnh báo sớm sẽ diễn ra vào ngày 16/7 và 23/7. Người dùng được khuyến nghị chuyển sang Azure AI Foundry hoặc GitHub Copilot để tiếp tục truy cập model và workflow AI.
Lập trình viên nên theo dõi thông tin này để chuyển đổi nhanh chóng sang các giải pháp thay thế như Azure AI Foundry hoặc Copilot, tránh mất thời gian và hiệu suất trong việc phát triển AI khi dịch vụ bị ngừng hoạt động.
Trong một thử nghiệm A/B kéo dài hai tuần, nhóm VS Code và OpenAI đã tinh chỉnh prompt hệ thống của GPT-5.5 bằng cách chia thành các phần "trước/sau chỉnh sửa đầu tiên" (Treatment B), thay vì chỉ thêm lời nhắc tiết kiệm (Treatment A). Kết quả cho thấy Treatment B giảm 8,54% số lần gọi tool, 7,64% lượng token ở mức p95, tăng tốc 5,68% thời gian chỉnh sửa đầu tiên và 9,30% độ trễ p95, trong khi vẫn duy trì tỷ lệ sống sót code ổn định. Hiện nay, Treatment B đã trở thành prompt hệ thống mặc định của GPT-5.5 trong VS Code, và nhóm dự định tiếp tục tối ưu hóa tương tự cho các mô hình và cấu hình khác.
Là lập trình viên muốn tối ưu hiệu suất và chi phí khi sử dụng AI hỗ trợ phát triển, bài viết này giúp bạn hiểu cách cải thiện hiệu quả của các hệ thống AI thông qua prompt tuning để giảm thiểu chi phí tính toán và tăng tốc độ làm việc.
Ba công ty Cursor, GitLab và Zed đều nhận thấy GitHub đang gặp khó khăn trước khối lượng code do AI tạo ra, nhưng họ đề xuất các giải pháp khác nhau để tái xây dựng nền tảng này. Cursor giới thiệu Origin, tương thích Git nhưng tối ưu cho workload của agent; GitLab phát triển Project Switch với backend cải tiến nhằm tăng tốc độ xử lý lên 50 lần; còn Zed thay thế hoàn toàn mô hình commit bằng DeltaDB, theo dõi các thay đổi liên tục.
Những công cụ mới như Cursor, GitLab và Zed đang thay đổi cơ sở hạ tầng mã nguồn để phù hợp với thế giới AI, giúp lập trình viên hiểu cách tối ưu hóa hiệu suất, giảm chi phí và tương tác hiệu quả hơn với các công cụ tương tác tự động trong tương lai.
GitHub triển khai tính năng public monitoring cho Secret Scanning, giám sát toàn bộ bề mặt công khai của github.com (bao gồm nội dung git, pull request, issues) để phát hiện các bí mật doanh nghiệp bị rò rỉ theo thời gian thực, nhưng vẫn tồn tại những hạn chế như không phát hiện được bí mật bị đánh cắp tới hạ tầng kiểm soát của kẻ tấn công, không quét logs workflow, và chỉ phát hiện sau khi xảy ra sự cố. Doanh nghiệp nên kết hợp tính năng này với các biện pháp kiểm soát egress runtime (như Harden-Runner) để ngăn chặn rò rỉ bí mật ngay từ lớp mạng.
Lập trình viên nên đọc bài này để hiểu cách bảo mật các mã nguồn công khai trên GitHub bị lộ thông qua các công cụ mới và hạn chế của chúng, giúp họ xây dựng chiến lược phòng thủ đa lớp (layered defense) hiệu quả hơn.
Tempo 3.0, phiên bản mới của hệ thống truy vết phân tán mã nguồn mở, giới thiệu kiến trúc tương thích Kafka cho microservices, tách biệt đường đọc-ghi, giảm yêu cầu sao chép RF3 xuống RF1, và thay thế ingesters/compactors bằng block-builders, live-stores cùng scheduler. Tính năng TraceQL metrics giờ đã sẵn sàng, hỗ trợ truy vấn metric trực tiếp từ trace data cùng toán tử so sánh mới, cùng nhiều cải tiến khác như giới hạn cardinality theo label, tối ưu truy vấn TraceQL AST, và công cụ di chuyển từ phiên bản 2.x.
Lập trình viên phát triển ứng dụng microservices nên đọc vì Tempo 3.0 mang đến kiến trúc Kafka-compatible cải tiến, giúp tối ưu hóa quy mô, giảm chi phí vận hành và cung cấp công cụ TraceQL mạnh mẽ để phân tích hiệu suất trực tiếp từ dữ liệu theo dõi phân tán.
AWS tổ chức buổi webinar ngày 22/7 do Dotan Horovits và Rekha Thottan dẫn dắt, giới thiệu cách kết hợp OpenTelemetry và OpenSearch để giám sát và khắc phục sự cố cho hệ thống AI agent. Buổi demo trình bày luồng dữ liệu logs, metrics, traces trong pipeline OTel và giới thiệu framework mã nguồn mở Agent Health nhằm phát hiện sớm hành vi bất thường của agent trước khi triển khai sản xuất. Bài viết nhấn mạnh rằng các phương pháp quan sát truyền thống không đủ cho AI agent phi tất định, và các giải pháp mã nguồn mở giúp tránh silo dữ liệu, tối ưu hóa ROI cho AI.
Lập trình viên phát triển hệ thống AI nên đọc bài này để tìm hiểu cách áp dụng OpenTelemetry và OpenSearch để theo dõi và debug các hệ thống AI có tính chất hành động (agentic) một cách hiệu quả, tránh bị mắc kẹt trong các công cụ đóng gói và phân tán dữ liệu.