Java News Roundup: TornadoVM, A2A Java, Open Liberty, Open J Proxy, Gradle, EclipseStore

How Netflix Uses AI Agents for Performance Engineering

The Netflix engineering team has developed an autonomous performance agent system. In this article, we’ll be learning more about it.

How to Automate Testing of a Java Swing Application

Java Swing testing for real installed apps, with plain-language steps instead of component names.

Announcing Tauri 2.12

Tauri 2.12 ra mắt như giải pháp cross-platform toolkit giúp xây dựng ứng dụng hiệu quả hơn. Phiên bản này tối ưu hóa FFI (Foreign Function Interface) và Rust runtime, giảm 30% kích thước binary so với bản 2.11. Hệ quả là ứng dụng chạy nhanh hơn và tiêu thụ ít bộ nhớ hơn đáng kể, đặc biệt với các ứng dụng sử dụng nhiều tính năng native. Điều đáng học là Tauri kết hợp Rust cho core security với JavaScript framework cho giao diện, tạo ra giải pháp hiệu quả mà không cần sacrifice trải nghiệm người dùng.

Bài viết này cung cấp những cải tiến quan trọng giúp lập trình viên xây dựng ứng dụng đa nền tảng hiệu quả hơn với Tauri.

Streaming Large File Uploads in Java Without Killing Your Server

Spring's @RequestPart cannot stream multipart uploads — not even FilePart. The API that actually does, and the tests that prove it.

Why AI is Replacing Junior Developers and How Mid-Level Engineers Can Survive

AI đang thay thế các nhiệm vụ cơ bản, khiến lập trình viên mới khó tìm việc. Các công ty giờ cần kỹ sư cấp cao để sửa lỗi code do AI sinh ra. Lập trình viên nên dùng AI hỗ trợ giải quyết vấn đề thay vì viết code trực tiếp, đồng thời nắm vững công việc của mình để cải thiện thiết kế hệ thống và xử lý vấn đề tương lai.

Là một lập trình viên, đọc bài này giúp bạn hiểu cách AI không thay thế kỹ năng sáng tạo và quản lý dự án của bạn mà chỉ là công cụ hỗ trợ, giúp bạn nâng cao vị trí và hiệu suất trong công việc.

dukehoff-decide: Typed, Calibrated Decisions from Small Language Models

Many LLM calls in Java apps are multiple choice. dukehoff-decide answers them with a small local model and returns a typed value with calibrated probabilities.

What I Learned Building an AI Code Reviewer with Java and Spring Boot

Tác giả chia sẻ kinh nghiệm xây dựng hệ thống AI code reviewer tích hợp với GitHub Pull Request sử dụng Java và Spring Boot. Điểm cốt lận là việc kết hợp nhiều AI providers (OpenAI, Anthropic, Google) để tăng độ chính xác và giảm hạn chế của từng nền tảng riêng lẻ. Hệ thống xử lý khoảng 500 PRs/tuần với thời gian phản hồi trung bình 12 giây, đạt độ chính xác 85% trong phát hiện lỗi. Bài học quan trọng là phải implement fallback mechanism khi một provider gặp sự cố, cùng với việc thiết kế prompt engineering để tối ưu hóa output từ các model khác nhau.

Bài chia sẻ này giúp lập trình viên hiểu cách tích hợp AI vào quy trình kiểm tra code với GitHub Pull Requests, Spring Boot và các nhà cung cấp AI đa dạng.

Stop Using Java When Kotlin Exists

Kotlin tương thích hoàn toàn với Java, biên dịch ra cùng bytecode và tạo ra các file .class giống hệt như Java. Lý do kỹ thuật là Kotlin được thiết kế để hoạt động trên JVM (Java Virtual Machine) mà không cần thay đổi cơ bản của nền tảng. Hệ quả là các dự án có thể chuyển đổi dần từ Java sang Kotlin mà không cần viết lại hoàn toàn, đồng thời tận dụng các tính năng an toàn hơn như null-safety. Điều đáng học là Kotlin giảm thiểu tới 40% lượng code cần viết so với Java theo khảo sát của Jetbrains, nhờ cú pháp ngắn gọn hơn mà vẫn giữ được hiệu năng tương đương.

Kotlin cho phép bạn giữ lại mã Java hiện có trong khi tận dụng những cải tiến về cú pháp và an toàn kiểu dữ liệu.