Documenting Form Parameters With Spring REST Docs

Java and Kotlin by IntelliJ IDEA: The LSP-Based Extension Reaches Release Candidate

IntelliJ IDEA đã phát triển extension Java và Kotlin dựa trên LSP, đưa sức mạnh xử lý ngôn ngữ Java và Kotlin sang các editor thứ ba như VS Code. Extension này đang trong giai đoạn Release Candidate sau hai tháng kể từ bản preview. Dự án sử dụng Language Server Protocol (LSP) để đồng bộ hóa các tính năng phân tích code phức tạp từ IntelliJ IDEA. Điều này cho thấy LSP đang trở thành tiêu chuẩn thực tế để chia sẻ các engine phân tích code cross-platform. Nếu bạn làm việc với Java/Kotlin trên nhiều editor, extension này đáng để cân nhắc để duy trì trải nghiệm lập trình nhất quán.

Lập trình viên nên đọc bài này để hiểu cách mở rộng khả năng hỗ trợ Java và Kotlin từ IntelliJ IDEA sang các trình soạn thảo khác qua công nghệ LSP.

gRPC vs REST Is the Wrong Question · Buf

Bối cảnh: Câu trả lời truyền thống thường khuyên sử dụng REST cho public APIs và gRPC cho …

Why your coding agent shouldn't be your QA system

Claude Code và Codex có thể tạo test cho Playwright, nhưng QA thực tế cần hơn thế mỗi tuần với hàng trăm pull request. Hệ thống QA cần cơ ra quyết định về độ coverage, quản lý fleet test và chạy agent tự động chứ không chỉ đơn thuần tạo test. Sự khác biệt này cho thấy AI coding assistant chưa thay thế hoàn toàn được QA system do thiếu khả năng ra quyết định chiến lược. Các đội nên sử dụng kết hợp AI cho tự động hóa test nhưng vẫn giữ vai trò giám sát của con người để đảm bảo chất lượng sản phẩm.

Các công cụ lập trình như Claude Code và Codex không thể thay thế hệ thống QA vì chúng thiếu khả năng đưa ra quyết định về phạm vi kiểm tra và chạy kiểm thử tự động.

We reviewed 50,000+ deploys. The AI coding boom doesn’t show a bug boom.

Trong suốt 21 tháng theo dõi 50,000+ pull requests (PRs) do AI tạo ra, các khách hàng đã tăng tần suất triển khai lên khoảng 30%. Số lượng lỗi (bugs) báo cáo giảm 20%, trong khi tỷ lệ lỗi trên mỗi lần triển khai giảm hơn một phần ba. Kết quả này cho thấy việc sử dụng AI coding tools không gây ra "bùng nổ lỗi" như lo ngại. Đây là dữ liệu thực tế cho thấy AI coding có thể cải thiện chất lượng và tốc độ phát triển phần mềm.

Nghiên cứu này chứng minh rằng AI coding không gây ra sự gia tăng lỗi như lo ngại mà ngược lại giúp giảm lỗi và tăng hiệu suất triển khai.

Announcing DuckDB 1.5.6

DuckDB phiên bản 1.5.6 vừa được ra mắt với các bản vá lỗi và cải thiện hiệu năng. Bản cập nhật này tập trung vào tối ưu hóa truy vấn SQL và cải thiện hiệu suất khi xử lý lượng lớn dữ liệu. Phiên bản mới này sửa lỗi liên quan đến window functions và cải thiện hiệu suất khi sử dụng JOIN operation. Các nhà phát triển làm việc với analytical workloads sẽ thấy hiệu năng cải thiện đáng kể, đặc biệt khi xử lý data partitioning. Nếu bạn đang sử dụng DuckDB cho xử lý dữ liệu offline hoặc embedded analytics, bản cập nhật này đáng để xem xét nâng cấp.

Phiên bản DuckDB 1.5.6 mang lại những cải tiến hiệu năng và sửa lỗi quan trọng mà lập trình viên cần biết để tối ưu hóa hệ thống cơ sở dữ liệu của họ.

Everyone's learning to prompt better. That's the wrong skill.

Công nghệ AI đang tạo ra áp lực lớn để mọi người cải thiện kỹ năng prompt engineering với hàng loạt hướng dẫn như "12 prompt giúp tăng hiệu suất 10x". Nguyên nhân sâu xa xuất phát từ giới hạn của các language model hiện tại cần prompt chính xác để tạo ra kết quả chất lượng. Hệ quả là người dùng lãng phí thời gian vào việc tối ưu prompt thay vì tập trung vào giải pháp cốt lõi của vấn đề. Điều đáng học là thay vì đầu tư quá nhiều vào prompting, lập trình viên nên phát triển tư duy hệ thống để xây dựng các giải pháp AI hiệu quả và bền vững hơn.

Đọc bài này giúp lập trình viên tập trung vào năng lực cốt lõi thay vì chỉ chăm chăm vào kỹ năng prompt AI.

Akka Tests Spec-Driven AI Delivery Across 65 Open Source Projects

Akka đã thực nghiệm với 65 du án nguồn mở để nghiên cứu cấu trúc specification, ngữ cảnh, lựa chọn model, validation tự động và guardrails delivery ảnh hưởng đến việc port phần mềm hỗ trợ AI. Kết quả cho thấy specification có cấu trúc rõ ràng giúp giảm 70% lỗi trong quá trình port code. Các model embedding như OpenAI Embeddings và text embedding trong Pinecone tạo ra kết quả chính xác hơn khi được validate tự động. Điều đáng học là việc kết hợp guardrails và validation tự động trong quy trình CI/CD giúp tăng tốc độ delivery mà không giảm chất lượng.

Bài viết này cung cấp hiểu nghiệm quý giá về cách tích hợp AI vào quy trình phát triển phần mềm thông qua thử nghiệm thực tế trên 65 dự án nguồn mở.