A cynical, satirical breakdown of the unspoken tactics used by corporate climbers — dubbed 'rats' — to advance their careers through politics rather than competence. The post outlines eight concrete 'rat skills': talking without saying anything, finding scapegoats, reading between the lines, inventing obstacles, identifying resource owners, making friends at all costs, abandoning self-respect, and embracing incompetence. The author argues that genuine technical talent is a liability in large organizations, and that the path to the top requires fully committing to political maneuvering and betrayal — or accepting you'll be used as a stepping stone by those who do.
Nguồn: https://www.yegor256.com/2026/07/12/rats-skills.html. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
DHH nhận định phương Tây đã mất đi tham vọng và khả năng thực hiện các dự án quy mô lớn, lấy ví dụ từ chương trình điện hạt nhân của Pháp những năm 1980. Ông vận dụng thuyết "Fourth Turning" của Strauss và Howe để lập luận rằng các nền văn minh tuần hoàn qua các giai đoạn: High, Awakening, Unraveling và Crisis, dự đoán sự suy thoái hiện tại sẽ nhường chỗ cho một thế hệ anh hùng mới đủ khả năng hành động quyết đoán, dù quá trình chuyển đổi có thể gian nan.
Những lập trình viên muốn hiểu cách xây dựng hệ thống quy mô lớn và chiến lược phát triển công nghệ dài hạn nên tham khảo để tìm hiểu về động lực và thời cơ trong các giai đoạn phát triển xã hội, từ đó tối ưu hóa dự án của mình trong bối cảnh thay đổi nhanh chóng.
Kỹ sư có kinh nghiệm thường mắc sai lầm khi chia dự án thành các lớp ngang (models → API → UI → tests) thay vì lớp dọc (vertical slices) để giao sản phẩm có giá trị người dùng ngay từ bước đầu. Phương pháp lớp dọc giúp triển khai sản phẩm nhanh, thu thập phản hồi sớm và điều chỉnh kịp thời, tránh lãng phí thời gian vào hướng đi sai.
Lập trình viên nên đọc bài này để tránh rơi vào thói quen phân chia công việc theo các thành phần riêng lẻ mà thực sự làm chậm tiến độ và gây ra những rắc rối khi giao tiếp giữa các bộ phận trong dự án.
Bài viết chỉ trích "AI Confidence Theater" – xu hướng thổi phồng khả năng và quy trình AI trên mạng xã hội lẫn trong doanh nghiệp, gây hại bằng cách bóp méo kỳ vọng, tạo FOMO, khó khăn trong tuyển dụng và áp lực giả vờ thành thạo AI. Tác giả đề xuất thay đổi bằng cách chia sẻ kết quả thực tế, thừa nhận giới hạn và tập trung vào công việc duy trì hệ thống AI vốn ít hào nhoáng nhưng mang lại giá trị thực.
Nếu bạn đang tìm hiểu về cách xây dựng dự án AI thực tế và tránh bị lừa bởi hype không có cơ sở, bài viết này giúp bạn phân biệt giữa tuyên bố hype và kiến thức thực sự để đưa ra quyết định sáng suốt về việc đầu tư thời gian và nguồn lực.
Adam Bender, kỹ sư phần mềm chính tại Google, cho rằng cuộc tranh luận về AI coding quá tập trung vào tốc độ và sinh code, bỏ qua những thách thức kỹ thuật rộng lớn hơn. Ông phân biệt lập trình (một cá nhân viết code) với kỹ thuật phần mềm (duy trì code sống, tích hợp và dễ bảo trì trong nhiều năm), nhấn mạnh AI thúc đẩy phần trước nhưng hầu như không ảnh hưởng đến phần sau. Những lo ngại chính bao gồm hệ sinh thái nhà phát triển như một hệ thống thích ứng phức tạp, nguy cơ mất kiểm soát trí tuệ khi codebase phát triển nhanh hơn khả năng hiểu của con người, lỗ hổng kiểm thử tích hợp khi AI tạo ra quá nhiều unit test, các API nội bộ trở nên công khai vô tình do AI bỏ qua ranh giới không chính thức, và khó khăn trong việc dạy phán đoán kỹ thuật cho lập trình viên mới sử dụng AI. Ông khuyến nghị bắt đầu bằng cách xác định chất lượng phù hợp với doanh nghiệp, sau đó lập bản đồ toàn bộ hệ sinh thái nhà phát triển để dự đoán hậu quả cấp hai và cấp ba từ việc tăng đột ngột sản lượng code.
Lập trình viên nên đọc bài này để hiểu cách AI không chỉ thay đổi cách viết code mà còn làm thay đổi toàn bộ quy trình và văn hóa của software engineering, từ việc quản lý codebase lớn đến việc đào tạo kỹ năng quyết định cho đội ngũ mới.
Bài viết bảo vệ quan điểm làm việc với hiểu biết không đầy đủ về codebase trong hệ thống phần mềm lớn, phản bác luận điểm "Lập trình như xây dựng lý thuyết" của Peter Naur khi cho rằng việc xây dựng lại toàn bộ hệ thống khi kiến thức nhóm bị mất là không khả thi ở quy mô lớn. Các kỹ sư hiện đại phải đưa ra quyết định tự tin dù hiểu biết không hoàn chỉnh, đồng thời xem "duy trì lý thuyết về codebase" chỉ là một giá trị kỹ thuật trong số nhiều giá trị khác.
Những lập trình viên làm việc trong hệ thống lớn sẽ hiểu rằng không thể duy trì sự hiểu toàn bộ mã nguồn từ đầu, nhưng vẫn cần làm việc hiệu quả khi thiếu kiến thức chi tiết—điều này giúp họ tránh rơi vào rắc rối khi phải "xóa và viết lại" mã như một số quan điểm cổ điển đề xuất.

Bài viết bàn về nguy cơ "messy reasoning horizons" (các tầng lý luận lộn xộn) trong code khi sử dụng AI coding harnesses và LLMs, nơi những lớp lý luận sai lầm tích tụ dẫn đến quyết định thảm khốc. Tác giả chia sẻ trường hợp suýt sửa một vấn đề không tồn tại do đầu ra LLM không được xác thực, đồng thời đề xuất 5 biện pháp: không đưa ra giả định nào về ngữ cảnh lý luận, tác giả phải là người đầu tiên xem xét lại output của mình, ưu tiên các quy ước phần mềm mang tính xác định, tách biệt thử nghiệm khỏi sản xuất, và cấu trúc việc sử dụng LLM nhằm khám phá, tinh chỉnh thay vì đưa ra kết luận trực tiếp.
Lập trình viên nên đọc bài này để tránh rủi ro từ những quyết định sai lầm do messy reasoning—kết hợp sai lầm logic từ các tầng code—nên gây thiệt hại lớn hơn khi AI và LLM đưa ra kết luận không được kiểm chứng.
Fidji Simo, CEO phụ trách ứng dụng và là nhân viên cấp cao thứ hai của OpenAI, rời vị trí toàn thời gian do nghỉ dưỡng y tế kéo dài liên quan đến bệnh lý thần kinh miễn dịch tái phát, nhưng sẽ chuyển sang vai trò tư vấn bán thời gian. Việc Simo ra đi xảy ra vào thời điểm quan trọng khi OpenAI chuẩn bị IPO và cạnh tranh với Anthropic.
Bài này quan trọng vì nó cho thấy OpenAI đang đối mặt với những thay đổi cấp bách trong đội ngũ lãnh đạo, đặc biệt khi chuẩn bị cho IPO và cạnh tranh với Anthropic, giúp bạn hiểu rõ hơn về xu hướng cạnh tranh công nghệ và cách các công ty lớn quản lý sự thay đổi trong thời kỳ phát triển nhanh chóng.
Khi tuyển dụng, kỹ sư thường giải quyết vấn đề theo chuyên môn của họ—backend developer sẽ tập trung vào backend, frontend developer vào frontend. Bài viết minh họa qua hai ví dụ thực tế về dashboard logistics, cho thấy quyết định tuyển dụng ảnh hưởng trực tiếp đến định hướng kỹ thuật sản phẩm. Do đó, việc phân công đúng người phù hợp với yêu cầu là yếu tố quan trọng quyết định kết quả cuối cùng.
Lập trình viên nên đọc bài này để hiểu cách quyết định đội ngũ kỹ thuật sẽ quyết định hướng phát triển kỹ thuật của dự án, từ đó giúp họ có thể chọn người phù hợp nhất cho từng vấn đề để tối ưu hóa kết quả.