LLMs belong in your backend

Sixteen Locks Ought to Be Enough for Anybody

Mỗi truy vấn PostgreSQL chiếm 16 slot khóa (AccessShareLock) trong mảng fast-path, nhưng nếu bảng có hơn 16 quan hệ (bảng + indexes), các khóa dư sẽ chuyển sang bảng khóa chia sẻ tốn kém, gây ùn tắc LWLock:LockManager và tăng CPU khi tải truy vấn cao. PostgreSQL 18 bỏ giới hạn 16 slot này bằng cách điều chỉnh kích thước mảng từ max_locks_per_transaction (mặc định 64), trong khi các prepared statements (đã khắc phục lỗi tương thích với PgBouncer 1.21) vẫn tránh được vấn đề này nhưng không tương thích với RDS Proxy. Khuyến cáo vẫn là hạn chế tạo quá nhiều indexes cho bảng.

Lập trình viên nên đọc bài này để hiểu cách PostgreSQL 18 cải thiện hiệu suất truy vấn bằng cách loại bỏ giới hạn 16 slot lock cố định, giúp giảm chậm trễ và tốn CPU khi có nhiều bảng và chỉ số, đặc biệt khi sử dụng connection pooler như PgBouncer.

What AI Engineering Actually Looks Like in Production

AI engineering là lĩnh vực xây dựng các hệ thống sản xuất dựa trên foundation models, bao gồm các công việc như retrieval, context engineering, đánh giá (evals), guardrails, tối ưu chi phí và độ trễ, cùng LLMOps – những yếu tố biến các bản demo thành hệ thống hoạt động ổn định dưới lưu lượng truy cập thực tế.

Lập trình viên AI nên đọc bài này để hiểu rõ cách chuyển từ các mô hình demo đẹp từ phòng thí nghiệm sang hệ thống thực tế chịu áp lực, từ đó tối ưu hóa hiệu suất, an toàn và kinh tế trong việc triển khai sản phẩm.

Why use ORMs if LLMs write code?

ORMs vẫn cần thiết vì chúng cung cấp lớp trừu tượng an toàn, hiệu quả để tương tác với cơ …

Tool Calling & Structured Output in PHP: AI Integration Guide – Nette Blog

Bài viết hướng dẫn tích hợp AI vào ứng dụng PHP thông qua Tool Calling (Function Calling) và Structured Output, giúp ngăn chặn lỗi ảo giác (hallucinations) của LLM, áp dụng schema JSON chặt chẽ và thực thi code an toàn bằng thư viện AI Access.

Lập trình viên PHP cần đọc bài này để khám phá cách tích hợp Tool Calling và output định dạng cấu trúc vào ứng dụng của mình, giúp tối ưu hóa hiệu suất, giảm sai số từ LLM và bảo vệ an toàn dữ liệu bằng cách áp dụng JSON schema chặt chẽ.

All Your GUCs in a Row: jit_above_cost, jit_inline_above_cost, and jit_optimize_above_cost

Hệ thống JIT của PostgreSQL sử dụng ba tham số GUC (jit_above_cost, jit_inline_above_cost, jit_optimize_above_cost) dựa trên chi phí ước tính của planner, nhưng thường kích hoạt không cần thiết do chi phí này phụ thuộc vào khối lượng dữ liệu thay vì độ phức tạp biểu thức. Việc giảm ngưỡng kích hoạt JIT không được khuyến nghị; thay vào đó, nên bật/tắt JIT ở cấp cơ sở dữ liệu và theo dõi thông qua pg_stat_statements.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa hiệu suất PostgreSQL bằng cách điều chỉnh các tham số JIT dựa trên chi phí thực tế của các truy vấn, tránh tình trạng recompile liên tục gây lãng phí tài nguyên mà không mang lại lợi ích thực tế.

Does anyone run Postgres without PgBouncer?

Hầu hết các nhà cung cấp Postgres lớn (AWS RDS, Azure, Google Cloud SQL, Supabase …

Doltgres is as Fast as MySQL is Slow

Doltgres đã đạt hiệu suất tương đương MySQL nhờ những tối ưu hóa gần đây.

Lập trình viên muốn tối ưu ứng dụng database cho hiệu suất cao và khả năng mở rộng nhanh chóng nên đọc bài này để khám phá cách Doltgres vượt trội so với MySQL trong các trường hợp sử dụng thực tế.

How to Use AI With Your Brain – Think Like a Tester

Hướng dẫn dành cho tester về tư duy phản biện khi sử dụng công cụ AI, nhấn mạnh những sai lầm phổ biến như ảo tưởng sức mạnh (LLM không thực sự thông minh mà chỉ dự đoán dựa trên dữ liệu huấn luyện), đưa ra câu trả lời sai nhưng tự tin, phiên bản trả phí nghiên cứu kỹ hơn miễn phí, ảo giác (hallucination) tạo ra câu trả lời bịa nhưng thuyết phục, xu hướng đồng thuận vô điều kiện, văn bản/code dư thừa (workslop), và nguy cơ các tác nhân AI (AI agents) thực hiện hành động ngoài ý muốn. Lời khuyên chính là luôn xác minh đầu ra của AI thay vì tin tưởng mù quáng.

Lập trình viên nên đọc bài này để học cách phân biệt giữa sự hữu ích và rủi ro khi sử dụng AI—tránh bị lừa bởi những kết quả giả tạo, từ đó xây dựng mã và giải pháp kỹ thuật chính xác và hiệu quả hơn.