Share packages across your workspace with internal packages

Introducing Harness Agent DLC: New Capabilities for the AI Agent Development Lifecycle

Harness, công ty nền tảng cung cấp phần mềm AI, vừa mở rộng nền tảng của mình để bao phủ toàn bộ vòng đời phát triển AI Agent.

Lập trình viên phát triển AI nên đọc bài này vì nó giới thiệu Harness Agent DLC – công cụ tự động hóa và mở rộng quy trình phát triển các AI Agent, giúp tiết kiệm thời gian, giảm lỗi và tối ưu hóa hiệu suất từ giai đoạn thiết kế đến triển khai, đặc biệt quan trọng khi phát triển các hệ thống thông minh phức tạp.

Why "It Worked on My Machine" Still Happens in 2026

Mặc dù là câu nói đùa quen thuộc trong ngành phần mềm, "Nó chạy trên máy tôi" vẫn xảy ra …

GitOps in the age of AI — 4

Phần 4 của loạt bài về GitOps trong kỷ nguyên AI, sau những lý thuyết ở phần 2 và 3, giờ đây sẽ áp dụng vào một trường hợp thực tế bằng cách thiết lập stack phù hợp, đảm bảo hoạt động ổn định và kiểm tra các add-on cần thiết.

Lập trình viên nên đọc bài này để hiểu cách áp dụng GitOps kết hợp với AI để tự động hóa triển khai, quản lý và tối ưu hóa hệ thống infrastructure một cách chính xác, hiệu quả và an toàn trong thực tế.

Deployments vs ReplicaSets vs StatefulSets vs DaemonSets: What’s the Difference?

Ba khái niệm Deployments, ReplicaSets, StatefulSets và DaemonSets đều tạo ra pods trong Kubernetes, nhưng chúng phục vụ các mục đích khác nhau: Deployments quản lý triển khai ứng dụng có khả năng mở rộng, ReplicaSets đảm bảo số lượng pods ổn định, StatefulSets hỗ trợ ứng dụng có trạng thái (stateful), còn DaemonSets triển khai pods trên tất cả (hoặc một tập con) các node.

Lập trình viên cần đọc bài này để hiểu cách chọn và cấu hình các đối tượng Kubernetes phù hợp với từng trường hợp triển khai ứng dụng, từ đơn giản đến phức tạp, để tối ưu hóa độ bền, khả năng mở rộng và quản lý tài nguyên hiệu quả.

Migrating a Claude Code skill from WebFetch to the new CircleCI CLI: lessons learned about tool and API design

Nhà phát triển đã chuyển đổi một kỹ năng Claude Code từ WebFetch (gọi API REST trực tiếp) sang CLI mới của CircleCI chỉ bằng một dòng prompt, nhờ đó khám phá tự động các lệnh phù hợp. Những cải tiến chính gồm thay thế vòng lặp polling bằng circleci run watch (lệnh chặn với mã thoát có ý nghĩa), loại bỏ các thủ thuật phá cache, và sử dụng flag --condensed để lọc output nhiễu cho LLM. Ngoài ra, circleci testresult list giúp xác định test lỗi nhanh hơn. Bài học rút ra: ưu tiên CLI thân thiện với AI hơn API thô, tối ưu hóa output cho ngữ cảnh LLM.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa việc tích hợp công cụ CI/CD như CircleCI với các agent AI bằng cách chọn lựa thiết kế CLI hiệu quả hơn là API trực tiếp, tránh rắc rối khi xử lý lỗi và tối thiểu hóa chi phí token trong các ứng dụng tự động hóa.

DNS TTL Was Still 300. We Rolled Back in Forty Seconds. Clients Hit Dead Pods for Five Minutes

Việc triển khai (deploy) diễn ra suôn sẻ, nhưng bộ nhớ đệm resolver vẫn giữ TTL DNS là 300 giây. Do đó, khi rollback nhanh chóng trong 40 giây, người dùng vẫn tiếp tục truy cập vào các pods chết trong năm phút.

Những lỗi về thời gian sống DNS (TTL) cao như trong bài này có thể gây ra sự chậm trễ nghiêm trọng trong deploy, khiến ứng dụng bị "tắt" trong thời gian dài cho người dùng, dù thực tế hệ thống đã hoạt động ổn định.

Keeping vLLM Production Quality: A Look Inside CI, Benchmarking, and the Release Process

vLLM duy trì chất lượng sản xuất nhờ hệ thống CI đa dạng trên nhiều accelerator, benchmark hiệu năng và đánh giá độ chính xác hàng đêm, cùng quy trình phát hành hai tuần một lần.

Lập trình viên phát triển mô hình AI hoặc tích hợp vLLM vào sản phẩm nên đọc bài này để hiểu cách hệ thống này đảm bảo hiệu suất và độ chính xác ổn định trên nhiều thiết bị khác nhau thông qua quy trình CI/CD và đánh giá định kỳ.