avdi.codes

Is AI going to steal my job as a design engineer?

Thiết kế sản phẩm đang trải qua sự can thiệp của AI qua các công cụ agent tự động hoá các tác vụ lặp lại. Những mô hình sinh hình và hệ thống agent có thể tạo ra bản phác thảo, bố cục và các thành phần UI dựa trên mô tả tự nhiên, giảm công việc scaffolding. Vì vậy, các kỹ sư thiết kế sẽ dành ít thời gian hơn để vẽ khung, nhưng cần tập trung hơn vào việc định hướng thẩm mỹ, kiểm soát độ phức tạp và hoàn thiện chi tiết visual. Điều đáng học là khi AI xử lý phần “scaffold”, giá trị thực của nhà thiết kế nằm ở vị giác sản phẩm, sự tự chế và khả năng tạo ra những giao diện mịn màng, điều này không thể thay thế bằng thuật toán hiện tại. Do đó, đọc bài gốc giúp lập trình viên hiểu rõ vai trò mới của AI trong quy trình thiết kế và cách duy trì lợi thế cạnh tranh qua việc phát triển kỹ năng thẩm mỹ và quyết định.

Bài viết giúp bạn hiểu vị thế thiết kế kỹ thuật của mình trong kỷ nguyên AI, biết được đâu là giá trị mà AI không thể thay thế.

Agentic Code Quality

Bối cảnh: Sự tăng trưởng của các AI agent như GitHub Copilot, Amazon CodeWhisperer đang thay đổi quy trình viết và đánh giá mã nguồn. Nguyên nhân kỹ thuật: Chất lượng mã hiện nay không chỉ do mô hình ngôn ngữ lớn quyết định mà còn do các ràng buộc được đặt xung quanh agent, bao gồm thiết kế prompt, bộ lọc output và các quy trình kiểm tra tự động. Hệ quả: Khi các ràng buộc này được áp dụng một cách nhất quán, nhóm phát triển quan sát được giảm đáng kể số lỗi logic và cảnh báo bảo mật; ngược lại, thiếu ràng buộc làm tăng nguy cơ đưa mã không an toàn vào sản xuất. Điều đáng học: Để duy trì chất lượng code trong môi trường agent‑driven, nhóm cần đầu tư vào xây dựng hệ thống ràng buộc rõ ràng và liên tục xem xét hiệu quả của chúng thay vì chỉ dựa vào sức mạnh của mô hình AI.

Đây là hướng dẫn thiết yếu để kiểm soát chất lượng code trong kỷ nguyên AI agents.

Fast and Hard Code

LLM đang thay đổi cách lập trình viên chọn ngôn ngữ khi viết code, vì chúng tạo ra đoạn mã …

Stop burning tokens on code review

Tác giả chia sẻ cách xây dựng hệ thống giúp con người và AI triển khai sản phẩm nhanh chóng nhưng an toàn bằng cách sử dụng custom linters.

Lập trình viên nên đọc bài này để khám phá cách tối ưu hóa quá trình code review bằng cách sử dụng các công cụ linter cá nhân, giúp giảm thiểu việc tiêu thụ token (vốn AI) không cần thiết và tăng hiệu suất phát triển an toàn.

Extreme Programming 1999->2026

Phương pháp Extreme Programming (XP) ra đời từ năm 1999 vẫn là kim chỉ nam hiệu quả cho việc phát triển phần mềm sau 30 năm.

Lập trình viên nên đọc bài này để hiểu cách Extreme Programming không chỉ là một phương pháp phát triển hiệu quả mà còn là một tư duy agile lâu dài, giúp tối ưu hóa chất lượng, linh hoạt và sự hài lòng của khách hàng ngay từ những năm đầu tiên phát triển.

Slop Debt

Bài viết bắt đầu bằng việc xác định rằng công nợ kỹ thuật (tech debt) có quy tắc rõ ràng …

"A" for "Average"

Bài viết bắt đầu từ quan sát rằng nhiều lập trình viên cảm thấy ngạc nhiên khi thấy AI tạo ra mã trong ngôn ngữ họ không quen thuộc. Tác giả chỉ ra rằng phản ứng này phản ánh nhiều hơn sự thiếu hiểu biết của người đọc về lĩnh vực đó hơn là khả năng thực sự của mô hình. Nguyên nhân kỹ thuật là LLMs sinh ra token bằng cách chọn xác suất cao nhất tiếp theo, vì vậy đầu ra luôn là giá trị trung bình thống kê, không phải xuất sắc. Do đó, sự ngưỡng mộ ở ngôn ngữ lạ tương tự như bị lừa bởi một trò ma thuật mà không biết nguyên lý, trong khi cùng mức chất lượng trong ngôn ngữ quen thuộc chỉ được đánh giá là đủ. Bài học là trước khi khen ngợi mã AI, cần kiểm tra kiến thức własn của mình và hiểu rằng "trung bình" là đặc điểm thiết kế của mô hình, không phải dấu hiệu của sự vượt trội.

Bài viết giúp bạn hiểu thực chất chất lượng trung bình của AI và tránh đánh giá sai năng lực công nghệ.

I Read the AI Policies of 120 Open Source Projects. Here Is What They Actually Say.

Tác giả đã đọc qua chính sách sử dụng AI của 120 dự án mã nguồn mở phổ biến để hiểu cách họ xử lý mã được tạo bởi công cụ AI. Các chính sách này không đồng nhất: một số dự án yêu cầu contributors phải thêm một thẻ cụ thể (ví dụ: [AI‑generated]) vào thông điệp commit, trong khi những dự án khác cấu hình bot CI để tự động từ chối bất kỳ pull request nào chứa mã AI‑generated mà không báo trước. Sự thiếu sự nhất quán này khiến desenvol viên không biết liệu việc chỉ thêm thẻ có đủ hay PR của họ sẽ bị từ chối ngay lập tức, dẫn tới thời gian lãng phí và bất ngờ khi bị từ chối. Bài học là các dự án cần đưa ra một quy tắc rõ ràng và được công khai—chẳng hạn như bắt buộc thẻ trong thông điệp commit hoặc quy tắc CI được ghi lại—để mọi người đều biết chính xác yêu cầu gì và tránh được sự nhầm lẫn.

Bài viết giúp bạn hiểu rõ các chính sách AI của 120 dự án nguồn mở, tránh lỗi khi đóng góp và bảo vệ công việc của mình.