I built my husband a vim trainer with a Gemma coach that runs in the browser

The Terminal Is an Art

Tác giả trải nghiệm gần 30 năm sử dụng Unix và Linux, dành phần lớn thời gian làm việc trong terminal không vì bắt buộc mà vì nó mang lại trải nghiệm hiệu quả nhất. Nguyên nhân kỹ thuật là terminal cung cấp giao diện dòng lệnh (CLI) trực tiếp với hệ thống, giảm thiểu lớp trừu tượng và tăng tốc độ tương tác. Hệ quả là tác giả có thể hoàn thành công việc nhanh hơn so với sử dụng giao diện đồ họa (GUI), đặc biệt với các tác vụ lặp đi lặp lại hoặc quản lý hệ thống từ xa. Bài viết đáng học hỏi ở chỗ nó trình bày terminal không chỉ là công cụ mà còn là một nghệ thuật, giúp lập trình viên tối ưu hóa workflow và nâng cao năng suất công việc.

Bài này giúp bạn hiểu tại sao terminal là công cụ mạnh mẽ và nghệ thuật mà lập trình viên nên thành thạo.

The Real Reason I Like niri and Vim — Nick Janetakis

Bài viết chia sẻ lý do tại sao tác giả thích cả niri và Vim mặc dù chúng là hai công cụ hoàn toàn khác nhau. Cả hai đều cho phép thực hiện một tác vụ bằng nhiều cách khác nhau, từ việc cấu hình layout trong niri cho tới việc chuyển đổi giữa các mode và sử dụng plugin trong Vim. Nhờ tính linh hoạt này, tác giả có thể thay đổi phong cách làm việc mà không cần học công cụ mới, từ đó tiết kiệm thời gian và giảm sự khó khăn khi chuyển đổi môi trường. Điều này cũng giúp ông phát hiện ra các giải pháp thay thế khi một phương pháp gặp hạn chế, tăng cường khả năng giải quyết vấn đề trong phát triển phần mềm. Bài học chính là khi chọn công cụ, ưu tiên những gì cung cấp nhiều lựa chọn làm việc thay vì chỉ tập trung vào một cách duyệt đơn, vì nó làm tăng khả năng thích ứng và hiệu suất lâu dài.

Bài viết này giúp lập trình viên khám phá cách tiếp cận linh hoạt trong công cụ thông qua sự so sánh giữa niri và Vim.

Building an Infinite Liquid Glass Grid with Three.js, WebGPU, and TSL

Bối cảnh bài viết khám phá việc xây dựng một lưới kính lỏng vô hạn với các công nghệ hiện đại. Nguyên nhân kỹ thuật là sử dụng Three.js kết hợp với WebGPU và TSL (Shading Language) để tạo hiệu ứng kính lỏng và khúc xạ video. Hệ quả là một hệ thống render hiệu suất cao với khả năng hiển thị lưới vô hạn và hiệu ứng chất lỏng phức tạp. Điều đáng học là cách tối ưu hóa shader và tận dụng sức mạnh xử lý song song của WebGPU. Kỹ thuật này có thể áp dụng cho các dự án cần hiệu ứng hình ảnh thực tế cao như trình diễn sản phẩm hoặc ứng dụng nghệ thuật kỹ thuật số.

Bài viết này giúp lập trình viên tạo hiệu ứng lưới thủy tinh chất lỏng vô hạn với công nghệ Three.js, WebGPU và TSL tiên tiến.

I stopped downloading bigger local models and started running two small ones at once

Bạn đang cân nhắc đọc bài vì nó đề cập đến việc thay thế một local model 8GB bằng cách chạy song song hai local models 2GB trên cùng một máy. Nguyên nhân kỹ thuật nằm ở việc giảm áp lực rememory khi mỗi mô hình vừa đủ để chứa trọng số và gradient, khiến việc load và inference nhanh hơn. Hệ quả là tổng thời gian xử lý giảm đáng kể và tiêu thụ bộ nhớ thấp hơn so với việc duy trì một local model lớn. Kết luận là việc dùng nhiều local models nhỏ có thể hiệu quả hơn một local model to khi tài nguyên bị giới hạn. Bạn nên đọc bài nếu muốn hiểu cách tối ưu hoá inference bằng cách chia tải cho nhiều mô hình nhỏ thay vì cố gắng nâng cấp bộ nhớ.

Hai mô hình nhỏ 2GB chạy đồng thời mang lại hiệu quả vượt trội hơn một mô hình lớn 8GB.

This open-source Google app turned my phone into a fully local AI lab

Nhiều nhà phát triển muốn thử nghiệm AI trên thiết bị mà không phải gửi dữ liệu lên đám mây vì lo ngại về quyền riêng tư và độ trễ. Ứng dụng mã nguồn mở của Google tích hợp TensorFlow Lite, MediaPipe và các delegate NNAPI để chuyển đổi mô hình thành phiên bản chạy hoàn toàn trên thiết bị. Nhờ tối ưu hóa mô hình như MobileNetV2 và PoseNet, app đạt tốc độ suy diễn dưới 30 ms trên chip Snapdragon 8 Gen 2 và sử dụng ít hơn 10 MB RAM cho mỗi nhiệm vụ. Điều này cho phép thực hiện phân loại hình ảnh

Ứng dụng mã nguồn mở này biến điện thoại thành phòng thí nghiệm AI toàn địa phương, mang lại trải nghiệm trí tuệ nhân tạo riêng tư ngay trong tay bạn.

I replaced Grammarly with a local LLM, and none of my writing leaves my laptop anymore

Bối cảnh là tác giả đã tìm giải pháp thay thế Grammarly bằng local LLM để bảo mật dữ liệu văn bản. Nguyên nhân kỹ thuật là các công cụ kiểm tra ngữ pháp đám mây như Grammarly gửi nội dung người dùng lên server, trong khi local LLM như GPT4All hoặc Llama.cpp chạy hoàn toàn trên máy. Hệ quả là không có dữ liệu văn bản nào rời khỏi laptop của tác giả, giải quyết lo ngại về quyền riêng tư. Điều đáng học là các local LLM hiện nay đạt chất lượng đủ tốt cho việc kiểm tra ngữ pháp và sửa lỗi cơ bản, với model nhỏ chỉ cần 4GB RAM và CPU hiện đại.

Bài viết này giúp bạn hiểu cách triển khai mô hình ngôn ngữ lớn cục bộ để bảo vệ dữ liệu cá nhân trong khi vẫn duy trì chất lượng viết lách.

Still: From Akira to Ink Wash, Building a Generative Garden in WebGPU

A technical deep dive into Still, exploring how WebGPU, procedural systems, and Japanese art influences come together to create a living generative garden.

Fine-Tuning Gemma 4 with QLoRA for Tool-Aware Support Agents

Bối cảnh là việc xây dựng agent hỗ trợ khách hàng có khả năng gọi tool và xử lý yêu cầu phức tạp. Nguyên nhân kỹ thuật là sử dụng phương pháp QLoRA để fine-tune mô hình Gemma 4, giúp tối ưu hóa hiệu suất với chi phí tính toán thấp hơn. Hệ quả là agent có khả năng tự động xử lý các chi tiết bị thiếu và đưa ra phản hồi phù hợp với các truy vấn đa chiều. Điều đáng học là kỹ thuật QLoRA cho phép tinh chỉnh các mô hình lớn như Gemma 4 mà không cần yêu cầu tài nguyên GPU quá cao, phù hợp với nhiều dự án thực tế.

Bài viết này hướng dẫn bạn tinh chỉnh Gemma 4 với QLoRA để tạo trợ lý hỗ trợ khách hàng có khả năng gọi công cụ và xử lý yêu cầu phức tạp.