Structured Agentic Development on a Real Codebase

Agentic Autonomy Levels

Addy Osmani proposes a two-axis framework for understanding AI agent autonomy in software engineering: agency (how far a single agent operates independently) and orchestration (how many agents are coordinated simultaneously). The framework defines six levels from Level 0 (assist/autocomplete) through Level 5 (managed-by-exception orchestration with agent factories). Key insights include: high autonomy is about shifting humans from doing every step to deciding direction; every agent run should be preceded by a contract defining goal, scope, non-goals, tools, stopping conditions, evidence, escalation, and budget. The post identifies four anti-patterns (autonomy as status, permission laundering, summary substitution, fleet cosplay) and recommends specific metrics to track per autonomy level. References Anthropic research showing humans make ~70% of planning decisions while Claude handles ~80% of execution across ~400K sessions.

I ditched my productivity stack for Claude Code, and it does everything paid tools used to do

Claude Code có thể thay thế toàn bộ bộ công cụ năng suất cho người dùng không chuyên bằng cách truy cập vào thư mục chứa file văn bản thuần túy và Markdown. Với file CLAUDE.md hướng dẫn, nó quản lý ghi chú, tác vụ, bảng biểu và hệ thống lưu bài đọc sau, thay thế các công cụ trả phí như Notion, Instapaper hay Readwise Reader. Tác giả chia sẻ cách thiết lập thư mục con cho ghi chú/tác vụ, hệ thống queue.md cho bài đọc sau với thẻ inline và tóm tắt do AI tạo, đồng thời tận dụng khả năng đọc file của Claude để tham chiếu chéo giữa các thư mục.

Lập trình viên nên đọc bài này để khám phá cách sử dụng AI như Claude Code để tự động hóa quản lý công việc, notes và lưu trữ thông tin một cách hiệu quả, thay thế nhiều công cụ chuyên dụng mà không cần phụ thuộc vào các nền tảng ngoài.

Next.js 16.3: AI Improvements

Next.js 16.3 bổ sung cải tiến AI nhằm nâng cao trải nghiệm nhà phát triển, bao gồm cập nhật tự động file AGENTS.md, ba Skills mới hỗ trợ workflow đa bước, phiên bản agent-browser 0.27 tích hợp React DevTools, lỗi có thể hành động kèm nút copy-as-prompt, MCP server tinh gọn hơn cho chẩn đoán biên dịch, và hỗ trợ docs-as-Markdown qua .md URL suffix cùng llms.txt.

Lập trình viên Next.js nên đọc bài này để khám phá cách AI tự động tối ưu hóa công cụ phát triển, từ việc cập nhật tự động tài liệu cho các bot lập trình đến các công cụ mới giúp debug và tối ưu hóa nhanh chóng trong dự án.

AI SDK 7 is now available

Vercel ra mắt AI SDK 7, bản cập nhật lớn cho TypeScript SDK hỗ trợ xây dựng ứng dụng và agent AI. SDK bổ sung tính năng kiểm soát lý luận chuẩn hóa, upload file/provider skill, hỗ trợ MCP Apps, giao diện UI terminal, WorkflowAgent bền vững, cấu hình timeout chi tiết, cùng nhiều cải tiến khác. Quá trình di chuyển từ v6 được tự động hóa qua codemod.

Lập trình viên phát triển ứng dụng AI sẽ tìm hiểu SDK mới này để tối ưu hóa hiệu suất, giảm thiểu chi phí và mở rộng khả năng tích hợp với các công cụ AI hiện đại mà không cần phải viết lại mã từ đầu.

I automated my job (and it made me a better leader)

Một giám đốc cấp cao tại GitHub chia sẻ cách cô ấy xây dựng 40 quy trình tự động hóa bằng ứng dụng GitHub Copilot trên desktop để quản lý khối lượng công việc vô hình của vai trò lãnh đạo cấp cao. Những tự động hóa này kết nối với lịch, email, Slack và kho lưu trữ GitHub thông qua tích hợp MCP để xử lý chuẩn bị họp, sàng lọc hàng ngày, theo dõi triển khai, phát hiện PR cũ và nhật ký sự nghiệp. Cô coi tự động hóa như một công cụ hỗ trợ khả năng tiếp cận cho người mắc AuDHD, thu hẹp khoảng cách giữa những ngày có chức năng điều hành tốt và kém.

Lập trình viên nên đọc bài này để hiểu cách áp dụng tự động hóa công cụ AI như Copilot không chỉ tiết kiệm thời gian mà còn nâng cao hiệu quả làm việc và quản lý dự án thông qua cách tiếp cận thiết thực, từ nhỏ đến lớn.

Write code not specs

Một nhà phát triển lập luận rằng nên viết code và test thay vì duy trì các bản đặc tả bằng tiếng Anh khi làm việc với các tác nhân lập trình AI. Code chính xác và tự tài liệu hóa, trong khi đặc tả không chính xác và gây gánh nặng bảo trì kép; test đóng vai trò yêu cầu khả thi, giúp xây dựng "bề mặt niềm tin mở rộng dần" cho phép AI hoạt động tự chủ hơn ở những khu vực đã được kiểm chứng.

Lập trình viên nên đọc bài này để hiểu cách chuyển đổi từ văn bản không chính xác sang hành động thực tế—giúp giảm thiểu rủi ro và tăng hiệu quả khi làm việc với các hệ thống AI thông minh.

ACP vs MCP: What's the difference for agentic coding?

ACP và MCP là hai giao thức mở hỗ trợ workflow coding thông minh, trong đó ACP chuẩn hóa kết nối giữa trình soạn thảo code (editor) và agent AI, tương tự LSP cho công cụ ngôn ngữ, còn MCP chuẩn hóa giao tiếp giữa agent với các công cụ và nguồn dữ liệu (CI, database). ACP quản lý phiên làm việc, prompt, diffs, quyền truy cập, trong khi MCP xử lý lệnh gọi tool và truy xuất tài nguyên.

Lập trình viên nên đọc bài này để hiểu cách hai giao thức ACP và MCP mở rộng khả năng tích hợp AI vào quá trình phát triển mã, giúp tối ưu hóa hiệu suất và linh hoạt khi làm việc với các công cụ và môi trường khác nhau.