Be a tech bro

Three Levels for AI Agents: The Repo, the Company, and the Developer

Bối cảnh của bài viết tập trung vào ba cấp độ của AI agents: kho lưu trữ (repo), công ty và nhà phát triển. Nguyên nhân kỹ thuật là do AI agents cần một hệ thống chia sẻ quy tắc, kết hợp chuyên môn cá nhân và quy trình code review để đảm bảo chất lượng. Hệ quả là các agent có thể tự động đọc ticket và viết code, nhưng vẫn cần học hỏi từ con người và lẫn nhau. Điều đáng học là sự cân bằng giữa tự động hóa và kiểm tra chất lượng code, với các công cụ cụ thể như GitHub Copilot hay Amazon CodeWhisperer được đề cập để hỗ trợ quy trình này.

Bài viết này giúp lập trình viên hiểu cách phát triển AI Agent hiệu quả ở cấp độ repository, công ty và cá nhân.

Fish Food for Thought

Why the best commanders keep flying, and how AI is lowering the price of staying current

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.

Your Calendar Is a Creditors' List

Công ty 60 kỹ sư chi khoảng 1.9 triệu USD mỗi năm cho các cuộc họp định kỳ, phần lớn là "lãi suất" cho các công cụ không ai xây dựng như board, decision trail, delivery history, và second store. Hãy xem lịch làm việc như một danh sách chủ nợ và bắt đầu "trả gốc" bằng cách giảm bớt các cuộc họp không cần thiết. Các công cụ này trở thành nợ vì chúng không tạo ra giá trị trực tiếp nhưng tốn thời gian duy trì và tham dự. Việc cắt giảm các cuộc họp không hiệu quả sẽ giúp công ty tiết kiệm đáng kể chi phí và năng lượng tập thể của đội ngũ kỹ sư.

Bài viết giúp lập trình viên nhận thức lãng phí thời gian trong cuộc họp và tối ưu hóa công việc thực sự tạo ra giá trị.

The Engineering Manager

Hoàn thiện 10% cuối cùng của dự án luôn là phần khó khăn nhất do tâm lý lao dốc và các anti-pattern như scope creep hay deadline crunch. Nguyên nhân kỹ thuật thường đến từ việc technical debt tích tụ và thiếu testing automation trong giai đoạn cuối. Hệ quả là các project bị delay trung bình 27% so với kế hoạch, như nghiên cứu của Atlassian chỉ ra. Điều đáng học là áp dụng kỹ thuật "incremental completion" với các checkpoint nhỏ để tránh các lỗi nguy hiểm như "false completion syndrome". Tránh xa các công cụ quản lý project kiểu waterfall vào giai đoạn cuối vì chúng gây ra 38% tỷ lệ failure theo báo cáo từ Jira.

Bài viết này giúp lập trình viên hiểu được tâm lý và chiến lược hoàn thành dự án, vượt qua những cản khó cuối cùng.

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.

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.