Archaeology of Meaning: From the Steppe to the Screen — Startup Patterns

In defense of not understanding your codebase

Bài viết bảo vệ quan điểm làm việc với hiểu biết không đầy đủ về codebase trong hệ thống phần mềm lớn, phản bác luận điểm "Lập trình như xây dựng lý thuyết" của Peter Naur khi cho rằng việc xây dựng lại toàn bộ hệ thống khi kiến thức nhóm bị mất là không khả thi ở quy mô lớn. Các kỹ sư hiện đại phải đưa ra quyết định tự tin dù hiểu biết không hoàn chỉnh, đồng thời xem "duy trì lý thuyết về codebase" chỉ là một giá trị kỹ thuật trong số nhiều giá trị khác.

Những lập trình viên làm việc trong hệ thống lớn sẽ hiểu rằng không thể duy trì sự hiểu toàn bộ mã nguồn từ đầu, nhưng vẫn cần làm việc hiệu quả khi thiếu kiến thức chi tiết—điều này giúp họ tránh rơi vào rắc rối khi phải "xóa và viết lại" mã như một số quan điểm cổ điển đề xuất.

Doing nothing at work

Kỹ sư nên duy trì mức sử dụng 80% thay vì luôn bận rộn để sẵn sàng xử lý những việc đột xuất quan trọng như giải quyết sự cố hay đẩy nhanh tính năng nổi bật. Tránh các nhiệm vụ "glue work" không được ưu tiên chính thức, từ chối công việc không lương ngoài kênh chính thức và trì hoãn tác vụ có thể thay đổi/hủy bỏ giúp duy trì năng suất bền vững. Tập trung toàn lực vào vài thời điểm then chốt trong năm thay vì căng thẳng suốt thời gian sẽ giảm sai sót do stress.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa năng lượng và thời gian của mình bằng cách tập trung vào những công việc có tác động lớn nhất thay vì bị rơi vào vòng luân chuyển công việc không hiệu quả.

Please stop the AI Confidence Theater

Bài viết chỉ trích "AI Confidence Theater" – xu hướng thổi phồng khả năng và quy trình AI trên mạng xã hội lẫn trong doanh nghiệp, gây hại bằng cách bóp méo kỳ vọng, tạo FOMO, khó khăn trong tuyển dụng và áp lực giả vờ thành thạo AI. Tác giả đề xuất thay đổi bằng cách chia sẻ kết quả thực tế, thừa nhận giới hạn và tập trung vào công việc duy trì hệ thống AI vốn ít hào nhoáng nhưng mang lại giá trị thực.

Nếu bạn đang tìm hiểu về cách xây dựng dự án AI thực tế và tránh bị lừa bởi hype không có cơ sở, bài viết này giúp bạn phân biệt giữa tuyên bố hype và kiến thức thực sự để đưa ra quyết định sáng suốt về việc đầu tư thời gian và nguồn lực.

What is the future of software engineering with Adam Bender, Principal Software Engineer at Google

Adam Bender, kỹ sư phần mềm chính tại Google, cho rằng cuộc tranh luận về AI coding quá tập trung vào tốc độ và sinh code, bỏ qua những thách thức kỹ thuật rộng lớn hơn. Ông phân biệt lập trình (một cá nhân viết code) với kỹ thuật phần mềm (duy trì code sống, tích hợp và dễ bảo trì trong nhiều năm), nhấn mạnh AI thúc đẩy phần trước nhưng hầu như không ảnh hưởng đến phần sau. Những lo ngại chính bao gồm hệ sinh thái nhà phát triển như một hệ thống thích ứng phức tạp, nguy cơ mất kiểm soát trí tuệ khi codebase phát triển nhanh hơn khả năng hiểu của con người, lỗ hổng kiểm thử tích hợp khi AI tạo ra quá nhiều unit test, các API nội bộ trở nên công khai vô tình do AI bỏ qua ranh giới không chính thức, và khó khăn trong việc dạy phán đoán kỹ thuật cho lập trình viên mới sử dụng AI. Ông khuyến nghị bắt đầu bằng cách xác định chất lượng phù hợp với doanh nghiệp, sau đó lập bản đồ toàn bộ hệ sinh thái nhà phát triển để dự đoán hậu quả cấp hai và cấp ba từ việc tăng đột ngột sản lượng code.

Lập trình viên nên đọc bài này để hiểu cách AI không chỉ thay đổi cách viết code mà còn làm thay đổi toàn bộ quy trình và văn hóa của software engineering, từ việc quản lý codebase lớn đến việc đào tạo kỹ năng quyết định cho đội ngũ mới.

You get what you hire

Khi tuyển dụng, kỹ sư thường giải quyết vấn đề theo chuyên môn của họ—backend developer sẽ tập trung vào backend, frontend developer vào frontend. Bài viết minh họa qua hai ví dụ thực tế về dashboard logistics, cho thấy quyết định tuyển dụng ảnh hưởng trực tiếp đến định hướng kỹ thuật sản phẩm. Do đó, việc phân công đúng người phù hợp với yêu cầu là yếu tố quan trọng quyết định kết quả cuối cùng.

Lập trình viên nên đọc bài này để hiểu cách quyết định đội ngũ kỹ thuật sẽ quyết định hướng phát triển kỹ thuật của dự án, từ đó giúp họ có thể chọn người phù hợp nhất cho từng vấn đề để tối ưu hóa kết quả.

The Viral Nature of Institutionalized Uncertainty

Tôi chia sẻ trải nghiệm làm việc đầy hỗn loạn và bất định, nơi mọi nỗ lực xây dựng cấu trúc đều bị cuốn trôi bởi sự hỗn độn xung quanh. Sự thất bại trong việc hoàn thành mục tiêu cộng với những đánh giá khắt khe về bản thân khiến tôi rơi vào trạng thái vừa tức giận vừa chán nản.

Những lập trình viên cần đọc bài này để hiểu cách quản lý tâm lý và hiệu suất khi phải đối mặt với không gian làm việc đầy biến động, từ đó chuyển đổi stress thành động lực để làm việc hiệu quả hơn.

A return to two-pizza culture

Werner Vogels cho biết các AI coding agent như Kiro đang thay đổi quy trình phát triển sản phẩm tại Amazon bằng cách rút ngắn thời gian từ ý tưởng đến nguyên mẫu hoạt động, khiến phương pháp "build first, document later" trở nên khả thi. Ông nhấn mạnh vai trò của các nhóm nhỏ (two-pizza teams) với quyền sở hữu toàn diện, phản hồi nhanh và quyết định đảo ngược dễ dàng vẫn là nền tảng cho phát triển sản phẩm nhanh và chất lượng.

Lập trình viên nên đọc bài này để hiểu cách AI và tổ chức nhỏ, tự chủ có thể thay đổi nhanh chóng quy trình phát triển sản phẩm từ lý thuyết sang thực hành trong một thời gian ngắn, giúp tối ưu hóa tốc độ và chất lượng.

The Fastest Developer on the Team Is Creating Work Nobody Can See Yet

The Fastest Developer on the Team Is Creating Work Nobody Can See Yet The highest-leverage engineering often looks slow because its output appears in everyone else’s work. The developer who closes …