DX Annual 2027: San Francisco and London

Agents are in Confluence (and wherever you need them to be)

Agents giờ đây đã tích hợp sẵn trong Confluence, cho phép @mention agent trên bất kỳ trang nào để cùng chỉnh sửa, bình luận với team. Nhờ Atlassian Rovo MCP, các agent này cũng hoạt động tương tự trên Claude, Cursor hoặc IDE.

Bạn nên đọc bài này để khám phá cách hệ thống AI tích hợp tự động có thể tự động hóa các tác vụ lặp đi lặp lại trong Atlassian như quản lý kiến thức, bình luận hoặc chỉnh sửa nội dung Confluence mà không cần phải can thiệp thủ công.

How to keep thinking

Năm 2026, khi làm việc với các AI agent, kỹ sư phần mềm phải chuyển đổi ngữ cảnh nhanh chóng và lướt qua đầu ra của LLM, khiến thời gian dành cho tư duy sâu bị thu hẹp. Tác giả đề xuất hai biện pháp: viết bằng ngôn ngữ của riêng bạn (không dùng LLM) để buộc bản thân diễn đạt ý tưởng rõ ràng, và đọc sách phi hư cấu nặng ký một cách chậm rãi. Kết hợp cả hai giúp duy trì thói quen tư duy chậm bên ngoài công việc, vốn cần thiết cho những nhiệm vụ như tái cấu trúc lớn mà LLM hiện chưa thể xử lý tốt.

Lập trình viên nên đọc bài này để khắc phục thói quen suy nghĩ nhanh nhẹn do AI thay đổi, giúp bảo vệ kỹ năng tư duy sâu sắc—cần thiết cho việc phân tích mã phức tạp, tối ưu hóa hệ thống mà các công cụ hiện tại chưa thể thực hiện hiệu quả.

I ditched OneNote for Obsidian until I found one setting that changed everything

Một cài đặt đã giúp OneNote trở nên hữu dụng trở lại.

Một lập trình viên nên đọc bài này để khám phá cách tối ưu hóa công cụ ghi chú cá nhân bằng cách áp dụng một tính năng nhỏ nhưng hiệu quả trong Obsidian, giúp tiết kiệm thời gian và tăng hiệu suất trong quản lý kiến thức và dự án.

The death and revival of the hands-on Engineering Manager

Vai trò giám đốc kỹ thuật (Engineering Manager) thực hành đang dần biến mất do xu hướng …

The AI productivity gap

Mặc dù AI hứa hẹn nâng cao năng suất, nhưng những lợi ích thực tế vẫn còn khiêm tốn do nhiều thách thức như tích hợp hệ thống, đào tạo nhân lực và chi phí triển khai.

Những tiến bộ AI hiện nay vẫn chưa tối ưu hóa hiệu quả làm việc của lập trình viên như mong đợi, vì vẫn còn nhiều hạn chế về độ chính xác, chi phí triển khai và sự tương thích với công cụ hiện có—hãy khám phá lý do tại sao và cách tối ưu hóa chúng trong bài này.

AI-Assisted Engineering: Measure Outcomes, Not Activity

Đo lường hiệu quả của AI-assisted engineering chỉ dựa trên hoạt động (như người dùng tích cực, token usage, dòng code sinh ra) là chưa đủ, cần tập trung vào kết quả thực tế thay vì khối lượng công việc.

Lập trình viên nên đọc bài này để hiểu cách đánh giá hiệu quả thực sự của AI trong việc hỗ trợ công việc, thay vì chỉ dựa vào số liệu hoạt động bề ngoài, giúp họ tối ưu hóa cách sử dụng công cụ AI để tạo ra kết quả thực tế và tiết kiệm thời gian hiệu quả hơn.

Blog: The Senior Engineer's Trap: When Your Own Expertise Becomes the Bottleneck

Khi chuyên môn sâu của kỹ sư cấp cao vô tình trở thành rào cản cho cả team, thay vì thúc đẩy sự tiến bộ chung. Bài viết phân tích trường hợp tại Wawandco, chỉ ra nguyên nhân và đề xuất giải pháp dựa trên nghiên cứu.

Lập trình viên senior hiểu rõ rằng chuyên môn của mình không chỉ là kỹ năng mà còn là cách để họ chuyển đổi thành động lực để đội ngũ phát triển nhanh hơn và hiệu quả hơn.