GitHub Copilot Code Review for Azure Repos: AI vs Human Code Review

Domain-Driven Design matters more when AI writes your code

Mô hình miền (domain model) và Ngôn ngữ phổ quát (Ubiquitous Language) càng trở nên quan …

All roads lead to metered pricing

Kỷ nguyên của mô hình trợ giá cao và định giá đăng ký cố định đang kết thúc. …

Junior engineers are skipping straight to architect-level thinking

Các kỹ sư phần mềm junior ngày càng dựa vào công cụ tạo mã AI để tăng tốc độ phát hành sản phẩm. Họ tập trung vào việc sinh mã mà không đầu tư đủ thời gian để hiểu logic, kiểm tra lỗi hoặc đánh giá tác động lâu dài của mã đó. Khoảng cách giữa tốc độ sinh mã và khả năng đánh giá sở hữu dẫn đến nguy cơ tăng lỗi, nợ công nghệ và khó bảo trì trong dài hạn. Nhóm cần đưa ra chỉ số riêng để đo lường sự chênh lệch giữa lượng mã được tạo và mức độ sự hiểu judgment của tác giả, từ đó định hướng đào tạo và審查 mã. Việc đo lường khoảng cách này giúp quản lý quyết định đầu tư vào mentorship, review quy trình và các thực tiễn sở hữu mã trước khi mở rộng sử dụng AI.

Bài viết này giúp junior hiểu được sự khác biệt giữa việc viết code nhanh và xây dựng phán đoán kiến trúc để làm chủ sản phẩm của mình.

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.

Why Google stores billions of lines of code in a single repository (2016)

Google Piper là hệ thống kho mã nguồn tùy chỉnh mà hơn 25.000 nhà phát triển sử dụng, chứa khoảng một tỉ file, hai tỉ dòng code và 35 triệu commit. Mô hình phát triển dựa trên trunk cùng với quy trình làm việc CitC và các công cụ như Critique, Tricorder và Rosie giúp duy trì chất lượng mã nguồn trong kho này. Lợi ích bao gồm phiên bản thống nhất, thay đổi nguyên tử và tránh sự phụ thuộc hình kim cương, trong khi chi phí bao gồm khó khăn về mở rộng công cụ, tìm kiếm mã và sự lan tỏa của phụ thuộc. Google đã cân nhắc việc di chuyển sang Git nhưng cuối cùng quyết định không làm vậy, thay vào đó đang thử nghiệm một cách tiếp cận dựa trên Mercurial để cân bằng giữa quy mô và lợi thế của monorepo.

Bài viết này giúp lập trình viên hiểu cách Google quản lý kho mã nguồn khổng lồ với tỷ lệ tệp và dòng code cực cao qua mô hình trunk-based development và công cụ hỗ trợ đặc biệt.

Slop Debt

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

The AI Errors That Don’t Look Like Errors

Bài viết指出，AI thường tạo ra những lỗi không dễ phát hiện vì chúng không phải là trích dẫn hoàn toàn giả mạo mà là những nguồn thật nhưng có số trang, ngày tháng hoặc thống kê bị thay đổi nhẹ. Những lỗi này xảy ra khi mô hình truy xuất tài liệu thực sự rồi tự động chỉnh sửa lại chi tiết để phù hợp với ngữ cảnh mà nó đang tạo ra, dẫn tới những tham chiếu выглядят chính xác nhưng thực tế sai lệch. Khi vượt qua quá trình kiểm tra thường lệ, các sai số này có thể lọt vào bài báo, tài liệu kỹ thuật hoặc bài viết học thuật, gây nhầm lẫn và làm giảm độ tin cậy của nội dung được hỗ trợ bởi AI. Bài khuyên người đọc nên luôn xác thực từng trích dẫn bằng cách tra cứu nguồn gốc, kiểm tra lại các con số và sử dụng công cụ truy vết nguồn khi có thể. Việc xem đầu ra của AI như một bản nháp cần審閱而不是 kết luận cuối cùng là cách hiệu quả nhất để tránh những lỗi “không nhìn thấy là lỗi” này.

Bài viết này giúp lập trình viên nhận ra những sai lầm tinh vi của AI mà thông thường không thể phát hiện qua bình thường.