Build-to-own AI: Agentic Development for Humans

Create Scalable AI Automations with n8n

Các bài hướng dẫn automation thường chỉ kết nối hai ứng dụng đơn giản, nhưng xây dựng …

Total Annihilation, rebuilt for modern computers

Total Annihilation, tựa game chiến thuật thời gian thực kinh điển, giờ đã được tái tạo cho máy tính hiện đại thông qua Nanolathe - một engine game 2.5D mã nguồn mở. Dự án này cho phép chơi bản demo gốc ngay trên trình duyệt mà không cần cài đặt đầy đủ. Nguyên nhân kỹ thuật là do nhóm phát triển đã reverse-engineer engine TA gốc để tái tạo các core mechanic, đồng thời thêm vào tính năng chơi online đa người. Hệ quả là game thủ có thể trải nghiệm lại tác phẩm kinh điển này với đồ họa được cải thiện nhưng vẫn giữ nguyên gameplay đặc trưng. Điều đáng học hỏi là cách tiếp cận "chơi trong trình duyệt" giúp tiếp cận rộng rãi cộng đồng modder và người chơi mới mà không rào cản cài đặt phức tạp.

Bài này giúp bạn trải nghiệm lại tựa game chiến thuật kinh điển Total Annihilation với công nghệ hiện đại và cơ hội phát triển engine mã nguồn mở.

Sidequest: A 100% Offline Vision-Language Scavenger Hunt Where the Screen Is the Shortest Part of the Walk

Sidequest là một dự án mã nguồn mở tham gia Hacktoberfest AI Challenge, tổ chức các cuộc săn tìm bằng công nghệ Vision-Language 100% offline. Dự án sử dụng mô hình OpenAI CLIP và các API AR của Android/iOS để nhận diện vật thể thực tế mà không cần kết nối internet. Người dùng phải đi bộ và tìm kiếm các vật thể theo mô tả, với thời gian di chuyển chiếm phần lớn trải nghiệm thay vì nhìn màn hình hình. Đây là ví dụ thú vị về ứng dụng AI thực tế, kết hợp xử lý hình ảnh ngôn ngữ với hoạt động thể chất ngoài trời.

Bài giới thiệu dự án Sidequest cho thấy cách AI có thể kết hợp với thế giới thực để tạo ra trải nghiệm công nghệ độc đáo và khuyến khích người dùng tương tác với môi trường xung quanh.

12 things I miss since coding died

Bối cảnh hiện nay nhiều lập trình viên cảm thấy mất đi niềm vui khi coding trở nên quá tập …

A 29MB AI model is the most useful thing I've run on my Raspberry Pi 5, and it doesn't need an AI HAT

Tác giả đã chạy một AI model kích thước chỉ 29MB trên Raspberry Pi 5 mà không cần thiết bị hỗ trợ phần cứng AI HAT. Mô hình này đủ nhỏ để xử lý trực tiếp trên con single-board computer này mà không gặp vấn đề về hiệu năng. Tác giả cho thấy đây là ứng dụng AI hữu ích nhất mà họ từng triển khai trên thiết bị này, chứng tỏ Raspberry Pi 5 có khả năng xử lý AI tốt hơn các thế hệ trước. Điều này mở ra cơ hội cho các dự án AI phân quyền và tiết kiệm chi phí, khi không cần đầu tư vào thiết bị chuyên dụng hay cloud computing.

Bài viết này cho thấy cách chạy AI mô hình nhỏ hiệu quả trên Raspberry Pi 5 mà không cần phần cứng chuyên dụng.

Build and Train a 25M Parameter LLM From Scratch on Your CPU

Bối cảnh: Bạn không cần cụm GPU khổng lồ để học cách AI hiện đại hoạt động. …

How Netflix Taught an LLM to Recommend Movies So That You Keep Watching

Netflix đã phát triển hệ thống GenRec để tăng thời gian xem phim của người dùng. …

How to read code

Việc đọc code không giống như đọc sách tuyến tính từ trên xuống dưới. Nguyên nhân kỹ thuật là do code có cấu trúc phân cấp, phụ thuộc và luồng điều phức tạp. Hệ quả là lập trình viên cần phương pháp tiếp cận có hệ thống như đọc từng function, module, sau đó mới hiểu mối quan hệ giữa chúng. Điều đáng học là áp dụng kỹ thuật "top-down reading" - bắt đầu từ hàm main hoặc điểm entry function, sau đó đi sâu vào các thành phần phụ. Bài viết gốc chỉ ra rằng việc hiểu dependency graph trước khi đọc chi tiết từng phần giúp tăng hiệu quả up đến 40%.

Bài viết này giúp lập trình viên nâng cao kỹ năng đọc code hiệu quả hơn bằng cách áp dụng các phương pháp tiếp cận có hệ thống.