#fastapi

Python SQLAlchemy AsyncSession Shared Across Tasks Quietly Exhausted Our Pool

Một phiên bản AsyncSession của SQLAlchemy chia sẻ giữa các tác vụ nền (background tasks) đã vô tình làm cạn kiệt connection pool của Postgres, dù ứng dụng FastAPI vẫn hoạt động bình thường.

Lập trình viên nên đọc để tránh tình trạng sử dụng cùng một `AsyncSession` trong nhiều task đồng thời, dẫn đến sự cạn kiệt pool kết nối database và gây lỗi hiệu suất, thời gian chờ hoặc thậm chí crash ứng dụng ngay cả khi không có lỗi báo cáo.

JWT Authentication Without the Confusion

Bài viết giải thích cách triển khai JWT Authentication một cách rõ ràng, khắc phục lỗi 401 Unauthorized thường gặp khi sử dụng API. Tác giả chia sẻ kinh nghiệm cá nhân về những khó khăn khi tìm hiểu cơ chế này.

Làm rõ cách JWT hoạt động và tránh lỗi cơ bản như 401 Unauthorized sẽ giúp bạn tiết kiệm thời gian debug và xây dựng hệ thống API an toàn hơn.

Renewable Project Finance Should Be an API

Dự án tài chính năng lượng tái tạo nên được xây dựng dưới dạng API, với việc tác giả chuyển đổi các phương trình tài chính cốt lõi từ NREL SAM thành một dịch vụ Python mã nguồn mở.

Lập trình viên nên đọc bài này để khám phá cách chuyển đổi các công thức tài chính của dự án năng lượng tái tạo thành một API mở nguồn Python, giúp tự động hóa và tích hợp dễ dàng các tính toán tài chính phức tạp vào các ứng dụng công nghệ.

PyCoder’s Weekly

Bản tin PyCoder’s Weekly cập nhật giao diện PyPI, cách tìm lớp bằng Garbage Collector (GC), định dạng mới pylock.toml cùng nhiều nội dung khác.

Một lập trình viên Python nên đọc PyCoder’s Weekly vì bài viết này tổng hợp những công cụ và kiến thức mới nhất về quản lý bộ nhớ, hiệu suất mã nguồn, và các công nghệ hiện đại như pylock.toml, giúp nâng cao hiệu quả và chất lượng phát triển dự án.

Python Development vs PHP in 2026: Which One Should You Choose?

Cuộc tranh luận giữa Python và PHP vẫn tiếp diễn sau hơn 20 năm, nhưng đến năm 2026, sự lựa chọn không còn đơn giản là ngôn ngữ nào tốt hơn mà phụ thuộc vào mục tiêu phát triển cụ thể.

Lập trình viên nên đọc bài này để hiểu cách Python và PHP phát triển tương đối khác nhau trong tương lai gần, giúp bạn lựa chọn ngôn ngữ phù hợp với dự án hiện tại và tương lai, đặc biệt khi thị trường công nghệ đang chuyển hướng mạnh về các ứng dụng AI, tự động hóa và hệ thống mở rộng.

Two Places at Once

Bài viết giới thiệu bước 5 trong loạt series "Zero to Shipped" với tính năng "Two Places at Once", bao gồm màn hình cài đặt chỉnh sửa hồ sơ người dùng mà không để lại bản cũ, đồng thời hỗ trợ xóa tài khoản vĩnh viễn.

Là người phát triển, bài viết này giúp bạn hiểu cách thiết kế hệ thống quản lý tài khoản hiệu quả, tránh tình trạng dữ liệu cũ bám dính và tối ưu hóa trải nghiệm người dùng trong ứng dụng.

Day 32 Part 2: Root ARCHITECTURE.md Done, All 8 ADRs Written, Diagrams Starting

Hoàn thành Phase 1: root ARCHITECTURE.md đã được viết, sơ đồ tổng quan hệ thống (Diagram 1) xong, cùng 8 ADRs đã hoàn thiện. Bước tiếp theo là bắt đầu vẽ biểu đồ.

Một lập trình viên nên đọc bài này để hiểu cách xây dựng và tổ chức kiến trúc hệ thống rõ ràng, từ bản đồ tổng quan đến các quyết định thiết kế chi tiết (ADRs), giúp tránh rắc rối về quy mô và bảo trì trong tương lai.

I Thought I Was Learning FastAPI

Mỗi nhà phát triển đều bắt đầu từ con số 0. Hành trình học tập của tác giả không bắt đầu ngay với FastAPI mà từ những kiến thức nền tảng khác, với nhận định ban đầu rằng học một framework đồng nghĩa với việc học cách sử dụng nó.

Đọc bài này để hiểu cách FastAPI không chỉ là một công cụ xây dựng API nhanh mà còn là cách nó xây dựng trên những nguyên tắc thiết kế đơn giản, hiệu quả và tối ưu hóa tự động, giúp bạn tránh những sai lầm cơ bản trong việc phát triển backend.

Medium

Xây dựng hệ thống đặt trước thức ăn thông minh cho 65+ căng tin đại học bằng Python, FastAPI và Google Gemini nhằm giải quyết tình trạng xếp hàng dài.

Lập trình viên muốn phát triển hệ thống tự động hóa quản lý đặt trước đồ ăn cho sinh viên cao tuổi tại nhà hàng trường đại học nên tìm hiểu bài này để hiểu cách tối ưu hóa API với Python và FastAPI, kết hợp với Google Gemini để tạo ra giải pháp thông minh, tiết kiệm thời gian và chi phí cho cả nhà hàng và người dùng.

Building Flight Software from Scratch: Lessons from Designing a Real-Time Rocket Ground Station

Building Flight Software from Scratch: Lessons from Designing a Real-Time Rocket Ground Station An engineering case study on telemetry, real-time systems, and learning beyond my comfort zone Project …

Medium

Một framework "Fast" mới thứ ba vừa gia nhập hệ sinh thái Python, không phải ngẫu nhiên mà là xu hướng. Bài viết phân tích chức năng của FastMCP, so sánh điểm tương đồng và khác biệt với FastAPI, đồng thời đưa ra những yếu tố cần lưu ý.

Lập trình viên nên đọc bài này để hiểu cách FastMCP (giống FastAPI) tối ưu hóa hiệu suất API Python bằng cách phân tích điểm tương đồng và khác biệt so với FastAPI, giúp bạn lựa chọn công cụ phù hợp với dự án của mình.

5 Lines of Code Turned My FastAPI App Into Dozens of AI-Agent Tools

Chỉ với 5 dòng code, tác giả đã tích hợp giao thức MCP vào ứng dụng FastAPI, tự động biến toàn bộ API dự đoán thành hàng loạt công cụ AI-Agent sẵn sàng sử dụng, đồng thời kế thừa cơ chế xác thực hiện có.

Bạn nên đọc bài này để khám phá cách nhanh chóng chuyển đổi một ứng dụng FastAPI thành nhiều công cụ AI-agent thông qua các giải pháp mở rộng mã nguồn đơn giản, tiết kiệm thời gian và công sức phát triển.

Our FastAPI async def Route Froze Every Other Request for 90 Seconds

Một route sử dụng async def trong FastAPI đột ngột đóng băng mọi request khác trong 90 giây do một lời gọi đồng bộ (synchronous) nằm trong handler async, khiến bốn worker uvicorn bị treo.

Lập trình viên cần đọc bài này để hiểu cách synchronous call trong async handler có thể làm gián đoạn hiệu suất của ứng dụng FastAPI, dẫn đến tình trạng "freeze" liên tục và làm suy yếu cả hệ thống server khi không được quản lý đúng cách.

A small step

A small step This is the project that i have done is for the practice of me doing project and to improve the coding experience. The main idea behind this project for me is to learn the backend and …

Building A Network Incident Autopilot Agent with Qwen Cloud

Building A Network Incident Autopilot Agent with Qwen Cloud An Agentic application aiming to save millions of dollars of enterprise Background The motivation why we build this application is we …

From HTTP Retries to Kafka Redelivery: Building End-to-End Idempotency with FastAPI

Bài viết thảo luận về cách xây dựng tính idempotency toàn diện trong hệ thống FastAPI thông qua các cơ chế như idempotency keys, transactional outbox, consumer deduplication, database transactions, retries và DLQs.

Là người phát triển API với FastAPI, bạn cần hiểu cách thiết kế idempotency từ HTTP retry đến Kafka redelivery để tránh lỗi lặp lại, đảm bảo hệ thống hoạt động ổn định và không bị rò rỉ dữ liệu trong các trường hợp thất bại.

Escaping the N+1 Trap: How I Fixed My FastAPI App’s Silent Performance Killer

Escaping the N+1 Trap: How I Fixed My FastAPI App’s Silent Performance Killer There is a specific feeling of dread that every developer knows. It happens right after you deploy what you thought was …

FastAPI: Python API Development With Light Speed (Learning Path) – Real Python

Learn FastAPI from the ground up. Build REST APIs, serve web pages with Jinja2 templates, and create a complete URL shortener project in Python.

Medium

Khái niệm Concurrency và async/await là nền tảng quan trọng trước khi học FastAPI, giúp xử lý nhiều tác vụ song song hiệu quả.

Nếu bạn đang học FastAPI, hiểu về đồng thời hóa (concurrency) và async/await sẽ giúp bạn tối ưu hiệu suất ứng dụng, tránh chặn thread và xử lý nhiều yêu cầu đồng thời hiệu quả.

I Got Tired of Slow Webhook Testers — So I Built a 24-Tool Developer Toolkit

Tác giả xây dựng bộ công cụ 24 tiện ích dành cho nhà phát triển để thay thế các công cụ kiểm thử webhook chậm chạp, tập trung vào kiểm tra thời gian thực, chẩn đoán DNS, tiện ích trình duyệt và các cân nhắc kỹ thuật.

Lập trình viên cần đọc bài này để khám phá cách tối ưu hóa và tự động hóa các công cụ phát triển webhook, từ đó tiết kiệm thời gian debug và nâng cao hiệu suất trong việc xử lý các giao thức thực thời.

How I Built an AI Agent Using Python, FastAPI, and OpenAI

How I Built an AI Agent Using Python, FastAPI, and OpenAI From idea to production-ready API Artificial Intelligence has progressed from plain chatbots to intelligent agents that can reason, call for …

One Language, Every Job: How Python Powers AI, Backends, and Data Science

One Language, Every Job: How Python Powers AI, Backends, and Data Science The Hook: Why Does One Language Run Almost Everything? Here’s something strange if you stop and think about it: the same …

Signed, Sealed, Delivered

Signed, Sealed, Delivered Zero to Shipped · 04. The app learns who you are: Clerk sign-in, JWKS-verified tokens, and a user record the client is never allowed to create. Who’s allowed to create a …

How I Built a Deep Research Engine with Reasoning Models

Adil Shamim chia sẻ quá trình xây dựng một công cụ nghiên cứu chuyên sâu tích hợp các mô hình reasoning (lập luận) tiên tiến.

Lập trình viên chuyên về AI hoặc muốn nâng cao kỹ năng xây dựng hệ thống thông minh nên đọc bài này để hiểu cách kết hợp mô hình lý luận với các công cụ nghiên cứu để tạo ra các hệ thống thông minh, từ đó tối ưu hóa khả năng xử lý vấn đề phức tạp và ứng dụng trong các dự án thực tế.

I Gave 4 Local Coding Models the Same FastAPI Bug. The Fastest One Broke Its Own Fix.

Bài viết thử nghiệm 4 mô hình lập trình cục bộ sửa cùng một lỗi trên FastAPI, trong đó mô hình nhanh nhất lại tự phá vỡ chính bản sửa của mình. Tốc độ không đảm bảo an toàn, chỉ có tính chính xác mới đem lại sản phẩm ổn định.

Lập trình viên nên đọc bài này để hiểu cách trung thực về hiệu suất vs chính xác trong phát triển API, tránh rơi vào nhầm lẫn khi tối ưu hóa quá mức mà bỏ qua lỗi cơ bản có thể phá hủy tính ổn định của ứng dụng.

How to Serve a Multi-User AI Agent with FastAPI and Streamlit

Bài hướng dẫn cách triển khai một AI agent đa người dùng dưới dạng REST API bằng FastAPI, sau đó bổ sung giao diện Streamlit nhẹ nhàng. Giải pháp tập trung vào việc phục vụ agent cục bộ thay vì tương tác qua terminal.

Lập trình viên muốn xây dựng ứng dụng AI đa người dùng hiệu quả nên đọc bài để học cách kết hợp FastAPI và Streamlit để tạo API nhanh gọn và giao diện người dùng thân thiện, giúp tối ưu hóa thời gian phát triển và mở rộng khả năng tương tác cho các ứng dụng AI cá nhân.

Medium

Building grpcAPI: a FastAPI-Like Framework for gRPC: Part 2 — The Developer Experience In Part 1, I told the story of ctxinject — the dependency injection engine born from a simple frustration …

Medium

Keycloak: The Complete Guide to Open-Source Identity and Access Management (with FastAPI & Golang Examples) If you’ve ever built a web application, you know that authentication and authorization …

Starlette vs FastAPI: what FastAPI actually adds

FastAPI được xây dựng dựa trên Starlette nhưng bổ sung thêm các tính năng như validation dữ liệu tự động, OpenAPI/Swagger docs, async/await native, dependency injection và security utilities. Starlette cung cấp core routing, middleware, request/response handling, còn FastAPI tập trung vào trải nghiệm developer thân thiện và hiệu suất cao. Nên dùng FastAPI cho API phức tạp, còn Starlette phù hợp khi cần lightweight framework.

Những lập trình viên muốn tối ưu hóa hiệu suất, tính mở rộng và tính năng tự động hóa cho ứng dụng web API của mình sẽ tìm hiểu cách FastAPI bổ sung những tính năng mới so với cơ sở Starlette để quyết định lựa chọn phù hợp nhất.

Your Python Tests Are Passing. Your APIs Are Not Doing What They Say

Bộ kiểm thử Python thành công không đảm bảo API hoạt động đúng như mô tả.

Một lập trình viên nên đọc bài này để tránh tình trạng API của mình hoạt động đúng với mã nguồn nhưng không phản ánh đúng ý định thiết kế, gây ra lỗi không mong đợi khi ứng dụng thực tế sử dụng.

RAG Chat App with Your Own Data (Python)

Xây dựng ứng dụng chat AI tương tự ChatGPT bằng Python, sử dụng Azure Open AI và Azure AI Search để trả lời câu hỏi dựa trên dữ liệu riêng của bạn.

Lập trình viên muốn xây dựng ứng dụng tự động hóa hoặc chatbot chuyên dụng từ dữ liệu cá nhân của mình nên đọc để hiểu cách tích hợp RAG (Retrieval-Augmented Generation) với Azure OpenAI và Azure AI Search để tạo ra một hệ thống phản hồi chính xác và nhanh chóng từ tài liệu riêng.

Medium

Một nhóm phát triển đã xây dựng công cụ phân tích bất động sản thương mại bằng AI, sử dụng FastAPI, RAG và dữ liệu từ SEC EDGAR để xử lý hợp đồng thuê, tài liệu tài chính và danh mục đầu tư quy mô lớn.

Lập trình viên muốn tự động hóa phân tích tài sản thương mại bằng AI với công cụ mở rộng kiến thức (RAG) và dữ liệu công khai SEC EDGAR để tiết kiệm thời gian và cải thiện quyết định kinh doanh.

Beyond Search: Building Knowledge Nexus — The Future of AI-Powered Enterprise Intelligence

Họ đã phát triển một nền tảng RAG (Retrieval-Augmented Generation) cấp doanh nghiệp, biến các tài liệu PDF tĩnh thành hệ thống tri thức tương tác, mở ra tương lai cho trí thông minh doanh nghiệp được hỗ trợ bởi AI.

Lập trình viên nên đọc bài này để khám phá cách xây dựng nền tảng RAG (Retrieval-Augmented Generation) mạnh mẽ cho doanh nghiệp, giúp chuyển đổi các tài liệu PDF tĩnh thành hệ thống thông minh, tự động hóa và tích hợp AI vào các ứng dụng doanh nghiệp.

Building an AI-Powered Chrome Extension with FastAPI and Google’s Gemini API

Tác giả chia sẻ cách xây dựng một tiện ích mở rộng Chrome tích hợp AI bằng FastAPI và Google’s Gemini API, kết hợp kiến trúc LLM độc lập nhà cung cấp với backend Python.

Lập trình viên muốn tự xây dựng giải pháp tích hợp AI vào ứng dụng web nhanh chóng và hiệu quả, đặc biệt khi cần kết hợp công nghệ mở (open-source) với API mạnh mẽ của Google để tạo ra sản phẩm có tính ứng dụng thực tế cao.

Top 10 Backend Frameworks for Enterprise Development in 2026

Năm 2026, các framework backend phổ biến cho phát triển doanh nghiệp gồm Spring Boot (Java), Quarkus (Java), FastAPI (Python), Django (Python), ASP.NET Core (C#) và NestJS (TypeScript). Chúng được đánh giá dựa trên hiệu suất, khả năng mở rộng và tích hợp cloud.

Lập trình viên backend nên đọc bài này để so sánh các framework như Spring Boot và Quarkus, giúp họ lựa chọn giải pháp phù hợp với quy mô doanh nghiệp, yêu cầu hiệu suất và tương thích với các tiêu chuẩn công nghiệp trong năm 2026.

How Python Development Services Speed Up Your MVP Launch

Python's clean syntax, pre-built frameworks (Django, Flask, FastAPI), and extensive library ecosystem make it well-suited for rapid MVP development. A typical Python MVP takes 6–10 weeks across discovery, design, development, testing, and launch phases. Key accelerators include reusing libraries for common features like auth and payments, choosing the right framework for the use case, automating testing and deployment pipelines early, and leveraging AI tools for boilerplate and scaffolding. Common pitfalls that slow MVPs include feature creep, perfectionism, and lack of automation. The post also promotes hiring a Python development company as an alternative to in-house builds.

My App Was Broken — And the Data Was Fine All Along

A Technical Product Manager shares a debugging story where a feature appeared broken due to missing data, but the real cause was DuckDB failing to download its required extensions (httpfs and azure) at runtime because a corporate firewall blocked outbound internet access. The data in Azure storage was intact and accessible; the issue was in the middleware layer. Three fixes were evaluated: pre-installing extensions during Docker image build, allowlisting the extension server, or bundling extensions manually. The team chose option one — baking extensions into the Docker image at build time. Key takeaways include mapping all layers between data and user, treating runtime internet dependencies as invisible risks, and the value of thorough root cause analysis.

Choosing the Right Language & Framework for an AI-Integrated Application

A deep technical comparison of Java and Python for building AI-integrated applications — the orchestration layer that calls LLMs, tools, and databases. Covers JVM memory model, garbage collection, Python's GIL (with a thorough read-modify-write race condition explanation), and how each framework handles the split I/O-bound/CPU-bound workload. Spring MVC, WebFlux, Java 21 Virtual Threads, and FastAPI/AsyncIO are all analyzed. Virtual Threads emerge as the technical winner (simple code + I/O concurrency + true CPU parallelism), while FastAPI wins on AI ecosystem richness. A hybrid architecture — Python for AI orchestration, Java for CPU-heavy processing — is recommended for serious production systems.

Building FinGuard AI: What “Almost Done” Actually Meant

Xây dựng FinGuard AI, ứng dụng dự đoán vỡ nợ khoản vay, mất nhiều công sức vào việc gỡ lỗi các bất cập trong tiền xử lý, xung đột schema FastAPI, lỗi trạng thái frontend và tích hợp SHAP lẫn Gemini, chứ không chỉ huấn luyện mô hình ML. Quá trình "sắp xong" thực tế đòi hỏi xử lý toàn bộ kết nối giữa các thành phần, chứ không đơn thuần là sản phẩm ML.

Lập trình viên nên đọc bài này để hiểu rõ rằng thành công của một dự án AI không phụ thuộc vào mô hình ML hoàn hảo mà là vào việc khắc phục những lỗi kỹ thuật nhỏ nhưng quan trọng trong việc kết nối, xử lý dữ liệu và tối ưu hóa toàn bộ hệ thống, chứ không chỉ là phần code mô hình.

One Core, Two Interfaces, No Rewrites

A walkthrough of building a shared functional core that powers both a CLI and a FastAPI web app without duplicating logic. Key patterns covered include pure functions as the shared spine, using Python's @cache decorator for memoized library loading, FastAPI's lifespan context for pre-warming the vector matrix and PyTorch model before the first request, and lazy imports to ensure Hugging Face offline environment variables are set before sentence-transformers loads. The post argues that classes are unnecessary here — NamedTuples and memoized functions handle all state — and that adding a third interface later requires only importing the same core functions.