Still Confused About Embeddings? Start Here.

No, We Can't Harden Node.js Against Prototype Pollution

Lỗ hổng prototype pollution không phải lỗi của Node.js hay thư viện, mà phụ thuộc vào cách …

Building Memory That Can Change Its Mind (Part 1 of 4)

Bài viết mở đầu loạt bài 4 phần về thiết kế trợ lý nghiên cứu với bộ nhớ hoạt động giống con người hơn là ghi chép thụ động.

Những kiến thức về thiết kế hệ thống trí nhớ thông minh như trong bài giúp lập trình viên hiểu cách xây dựng AI có khả năng tự điều chỉnh và học từ trải nghiệm, thay vì chỉ là bộ nhớ ghi lại dữ liệu tĩnh—điều này quan trọng để phát triển các ứng dụng thông minh, từ chatbot đến hệ thống hỗ trợ chuyên môn.

Building MindCache: Designing an Agentic Memory System for Long-Term AI

Bài viết giới thiệu MindCache, một hệ thống bộ nhớ agentic (agentic memory system) nhằm hỗ trợ AI duy trì thông tin dài hạn. Hệ thống này được thiết kế để cải thiện khả năng ghi nhớ và xử lý ngữ cảnh theo thời gian cho các mô hình AI.

Lập trình viên phát triển hệ thống AI nên đọc bài này để hiểu cách thiết kế một bộ nhớ thông minh cho các agent AI, giúp giải quyết vấn đề mất trí nhớ dài hạn và cải thiện khả năng phản ứng tự động trong ứng dụng AI phức tạp.

Build a Fully Local Voice Assistant With Whisper and Ollama

Xây dựng trợ lý giọng nói hoàn toàn cục bộ bằng Whisper (để nhận dạng giọng nói) và Ollama (để xử lý ngôn ngữ) thay vì phụ thuộc vào máy chủ của bên thứ ba.

Nếu bạn muốn tự tạo một hệ thống trợ lý giọng nói hoàn toàn tự chủ, không phụ thuộc vào các nền tảng trung gian và bảo vệ dữ liệu nói chuyện của riêng mình, bài này sẽ hướng dẫn cách xây dựng một giải pháp hiệu quả với Ollama và Whisper.

I Built Real Projects on an Old RX 580 Using Midnight Coder + MidnightCoder-30B

Tác giả chia sẻ kinh nghiệm sử dụng Midnight Coder cùng model MidnightCoder-30B trên chiếc card đồ họa cũ RX 580 để xây dựng các dự án thực tế, nhấn mạnh hiệu suất cao nhưng cũng thừa nhận những hạn chế đi kèm.

Nếu bạn đang tìm kiếm cách tối ưu hiệu suất và hiệu quả của mô hình AI trên thiết bị có hạn chế tài nguyên, bài viết này sẽ cho bạn cách sử dụng các công cụ như Midnight Coder để tạo ra dự án thực tế mà không cần thiết bị mạnh mẽ.

Types of RAG #1

RAG (Retrieval-Augmented Generation) là phương pháp kết hợp kiến thức tĩnh của LLM (Large Language Model) với dữ liệu thời gian thực thông qua quá trình truy xuất (retrieval) nhằm nâng cao độ chính xác và cập nhật thông tin.

Làm việc với RAG giúp bạn hiểu cách tối ưu hóa hiệu suất mô hình AI bằng cách kết hợp kiến thức thực tế từ dữ liệu ngoài, thay vì chỉ dựa vào dữ liệu huấn luyện cố định, giúp giải quyết vấn đề sai sót và hạn chế của các mô hình truyền thống.

Node.js — Node.js 26.5.0 (Current)

Node.js 26.5.0 bổ sung các tính năng mới như blob.textStream() trên buffer API, cờ --experimental-import-text cho ESM, cải tiến giám sát độ trễ vòng lặp sự kiện trong perf_hooks, và hỗ trợ báo cáo nhóm TLS. Bản phát hành cũng khắc phục nhiều lỗi trong HTTP, crypto, streams, VFS cùng cập nhật dependencies quan trọng.

Lập trình viên Node.js nên đọc bài này để cập nhật về các tính năng mới như blob.textStream() và --experimental-import-text cho ESM, cũng như cải tiến về hiệu suất, an toàn TLS và bug fix trong các module quan trọng như HTTP, crypto và streams, giúp nâng cao hiệu năng và bảo mật ứng dụng của họ.