How to Work with AI Coding Agents

What Happens to QA When AI Writes 100% of the Code?

Khi các công cụ sinh mã AI có thể tạo ra 100 % mã nguồn, quy trình phát triển phần mềm bắt đầu chuyển sang một mô hình mà hầu hết các dòng code được tạo tự động mà không cần can thiệp trực tiếp của lập trình viên. Nguyên nhân kỹ thuật nằm ở việc các mô hình ngôn ngữ lớn được huấn luyện trên kho mã nguồn mở và được tích hợp vào IDE hoặc pipeline CI/CD để xuất ra mã ngay khi cần. Mặc dù mã được sinh ra có thể chạy, các công cụ kiểm thử tự động hỗ trợ bởi AI chỉ có thể phát hiện lỗi dựa trên các trường hợp test đã được xác định trước và không thể thay đổi được bối cảnh nghiệp vụ phức tạp. Do đó, việc xác thực của con người vẫn là bước không thể thiếu để đảm bảo tính đúng đắn, bảo mật và sự phù hợp với yêu cầu thực tế. Bài học chính là: dù AI có thể tự động hoá cả việc viết mã và kiểm thử, nhóm QA vẫn cần duy trì vai trò đánh giá, bổ sung các kịch bản kiểm thử khám phá và đưa ra quyết định cuối cùng dựa trên sự hiểu biết sâu về sản phẩm.

Bài viết giúp bạn hiểu vai trò và triển vọng của QA trong kỷ nguyên AI tự động hóa hoàn toàn mã nguồn.

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 …

Harness creates source code management for agent-ready development

Harness nhận thấy việc áp dụng các AI coding agent vẫn gặp nhiều trở ngại về quản lý mã nguồn và chất lượng review. Để giải quyết, họ vừa ra mắt một kho mã nguồn mới được thiết kế đặc biệt cho các agent, kèm theo công cụ review mã tích hợp sẵn. Kho mã này cung cấp API chuẩn để agent có thể push, pull và tracking thay đổi mà không cần can thiệp thủ công. Công cụ review tự động phân tích pull request do agent tạo ra, đưa ra phản hồi về lỗi cú pháp, bảo mật và tuân thủ quy tắc coding. Từ đó, Harness hy vọng giảm thiểu rào cản kỹ thuật và tăng tốc độ chấp nhận AI agent trong quy trình phát triển phần mềm. bài học là khi triển khai AI trong dev, cần có nền tảng quản lý mã và review được tối ưu hóa cho tự động hóa.

Harness tạo ra công cụ quản lý mã nguồn và kiểm tra code mới giúp lập trình viên giải quyết thách thức khi làm việc với các AI coding agent.

Agentic Code Quality

Bối cảnh: Sự tăng trưởng của các AI agent như GitHub Copilot, Amazon CodeWhisperer đang …

Introducing mirrord Chaos Testing

Khi phát triển dịch vụ microservice, việc kiểm tra khả năng chịu lỗi thường đòi hỏi môi trường staging riêng và có thể ảnh hưởng đến các team khác. mirrord Chaos Testing cung cấp công cụ cho phép desenvol viên inject lỗi kết nối tới bất kỳ dependency nào (database, API, message queue…) chỉ bằng một lệnh hoặc cấu hình đơn giản. Công việc này diễn ra trong quá trình chạy local hoặc trong container dev, không cần triển khai môi trường riêng và không làm gián đoạn việc làm việc của các thành viên khác. Nhờ đó,团队 có thể quan sát ngay cách mã nguồn phản hồi khi kết nối bị ngắt, timeout hoặc trả về lỗi, từ đó phát hiện các đường đi xử lý ngoại lệ chưa được покрыть. Kết quả là có thể cải thiện độ tin cậy của dịch vụ mà không tốn chi phí cho môi trường test phức tạp, và áp dụng được ngay trong quy trình CI/CD nếu muốn.

mirrord Chaos Testing giúp bạn phát hiện điểm yếu trong hệ thống của mình một cách an toàn và tiện lợi bằng cách mô phỏng các sự cố kết nối trong môi trường thực tế.

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.