Android System Design: Designing Location-Based Apps

Lessons From Four Years of Writing a Weekly Newsletter

Bài viết mô tả quá trình bốn năm viết một bản tin hàng tuần, bắt đầu từ khi số bản đầu tiên được gửi tới vài trăm hộp thư vào tuần này năm ngoái. Nguyên nhân kỹ thuật là việc dựa vào công cụ gửi email đơn giản, không có tự động hoá phân đoạn danh sách nor theo dõi chỉ số tương tác một cách chi tiết, khiến mỗi số phải được soạn thảo và gửi tay. Hệ quả là số lượng người đọc tăng dần từ vài trăm lên hàng nghìn, đồng thời tác giả nhận được phản hồi rõ ràng về những chủ đề khiến taux mở và tỷ lệ click-through cao nhất, nhưng cũng gặp phải áp lực liên tục để duy trì tần suất xuất bản. Điều đáng học là đầu tư vào một nền tảng email có khả năng tự động hoá workflow và phân tích hành vi người đọc giúp giảm tải công việc thủ công và tối ưu hoá nội dung dựa trên dữ liệu thực tế. Cuối cùng, bài viết khuyên nên thiết lập lịch trình xuất bản thực tế, kết hợp với việc thu thập và phản hồi nhanh từ cộng đồng để duy trì sự bền vững của bản tin dài hạn.

Bài viết chia sẻ những bài học quý giá sau bốn năm duy trì viết tin tức hàng tuần cho lập trình viên.

Microservices Are Not a Sign You’re a Senior Engineer

Bài viết chỉ ra hiện tượng coi số lượng dịch vụ microservices như dấu hiệu của kinh nghiệm …

(comic) Flexible working hours

Bối cảnh: một loạt các strip ngắn về văn phòng, tiêu đề (comic) Flexible working hours …

AI Has Made Me Faster, But Has It Made Me Worse?

Tác giả nhận thấy rằng việc sử dụng trợ lý AI trong việc viết code giúp ông tăng tốc độ phát triển đáng kể, nhưng gần đây ông bắt đầu tự hỏi liệu sự nhanh này có đi kèm với một giá trị nào đó không. Nguyên nhân kỹ thuật được đề cập là sự phụ thuộc quá mức vào gợi ý tự động của AI khiến ông ít phải suy nghĩ sâu về logic và trường hợp biên, dẫn đến việc tạo ra mã mà ông không hiểu hoàn toàn. Hệ quả là số lỗi phát hiện trong giai đoạn kiểm thử tăng lên và thời gian dành để debug cũng kéo dài hơn vì ông phải bỏ thêm thời gian để hiểu lại mã mà AI sinh ra. Từ đó, bài viết khuyên rằng cần giữ thói quen xem lại và viết lại mã do AI tạo ra, đồng thời dành thời gian thực hành giải quyết vấn đề mà không dựa vào công cụ để không làm suy giảm khả năng lập trình cơ bản.

Bài viết này giúp bạn cân bằng giữa tốc độ và chất lượng khi sử dụng công cụ AI trong lập trình.

EP224: MCP vs RAG vs AI Agents

Bài viết EP224 so sánh ba hướng tiếp cận hiện nay là MCP (Model Context Protocol), RAG (Retrieval‑Augmented Generation) và AI Agents trong việc xây dựng hệ thống trí tuệ nhân tạo. Nó giải thích rằng AI Agent là một hệ thống AI có thể thực hiện nhiệm vụ một cách tự chủ và đưa ra quyết định mà không cần can thiệp liên tục từ con người. So với MCP và RAG, AI Agent đòi hỏi kiến trúc điều phối phức tạp hơn và phụ thuộc vào khả năng lập kế hoạch, sử dụng công cụ và phản hồi môi trường. Khi triển khai, điều này dẫn đến chi phí phát triển và bảo trì cao hơn, nhưng đồng thời mang lại khả năng thích ứng tốt hơn trong các luồng lavoro không xác định trước. Bài học chính là cần đánh giá mức độ tự chủ thực sự cần thiết: nếu nhiệm vụ chỉ cần truy xuất và sinh văn bản, RAG hoặc MCP thường đủ và tiết kiệm tài nguyên hơn; chỉ khi yêu cầu quyết định linh hoạt và tương tác liên tục mới cân nhắc sử dụng AI Agent.

Bài viết này giúp lập trình viên hiểu rõ sự khác biệt giữa MCP, RAG và AI Agents để chọn công nghệ phù hợp cho từng bài toán.

System Design Explained: APIs, Databases, Caching, CDNs, Load Balancing & Production Infra

Bài viết giải thích thiết kế hệ thống từ đơn giản (máy chủ đơn) đến phức tạp (hàng triệu người dùng), bao gồm API, cơ sở dữ liệu, caching, CDN, load balancing và hạ tầng sản xuất.

Bài viết giúp bạn hiểu rõ cách xây dựng cơ sở hạ tầng thực tế từ những nguyên tắc cơ bản nhất, từ đó tránh những sai lầm thường gặp khi mở rộng hệ thống khi còn mới mẻ.

Junior engineers are skipping straight to architect-level thinking

Các kỹ sư junior ngày nay sử dụng công cụ AI để tạo mã nguồn và triển khai chúng nhanh hơn bao giờ hết. Tuy nhiên, họ thường bỏ qua bước đánh giá sâu sắc và xây dựng khả năng quyết định về chất lượng mã mà họ chịu trách nhiệm. Sự khác biệt giữa tốc độ sản xuất và khả năng sở hữu mã này đang mở ra một khoảng trống về đánh giá. Khoảng trống này có thể dẫn đến lỗi khó phát hiện và tăngภาระ bảo trì trong dài hạn. Do đó, bài viết đề xuất cần định hình một chỉ số riêng để đo lường sự can đảm trong việc sở hữu mã do AI sinh ra.

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.

You should never be angry at work

Bài viết bắt đầu bằng việc chia sẻ kinh nghiệm cá nhân của tác giả về việc tránh cho phép giận dữ ảnh hưởng đến quyết định trong môi trường công nghệ. Ông giải thích rằng giận dữ thường xuất hiện khi các mục tiêu sprint không thực tế, khi phản hồi mã nguồn bị bỏ qua hoặc khi các cuộc họp hàng ngày trở thành nơi chia lỗi. Những cơn giận này không chỉ làm giảm khả năng tập trung mà còn tăng nguy cơ lỗi trong code review và làm giảm độ tin cậy của hệ thống CI/CD. Tác giả khuyên nên áp dụng các kỹ thuật như nghỉ ngắn sau mỗi 90 phút làm việc, sử dụng công cụ theo dõi cảm xúc (ví dụ: Moodnotes) và thiết lập các chuẩn mực phản hồi xây dựng trong retrospectives để chuyển đổi năng lượng tiêu cực thành hành động cải tiến. Cuối cùng, bài viết nhấn mạnh rằng việc nhận ra và xử lý giận dữ sớm giúp duy trì sự ổn định của đội ngũ và bảo vệ chất lượng sản phẩm phần mềm.

Bài viết này giúp lập trình viên giữ được sự bình tĩnh và chuyên nghiệp trong môi trường làm việc đầy áp lực, từ đó cải thiện hiệu suất và mối quan hệ đồng nghiệp.