Harness creates source code management for agent-ready development

Making Your Data Ready for Agentic AI

Hệ thống dữ liệu được thiết kế cho con người phân tích thường sụp đổ khi được giao cho các tác nhân tự chủ, vì chúng tin tưởng vào dữ liệu mà không có sự skeptical của con người. Vấn đề nằm ở việc thiếu các lớp bảo mật như hợp đồng dữ liệu và cách ly để tạo niềm tin, hệ thống bloodline tác nhân để truy vết và cấp quyền theo thời gian thực, cùng ba lớp ngữ cảnh (domain, semantic, capability) để mã hoá ý nghĩa kinh doanh. Khi những lớp này không có, các tác nhân có thể thực hiện hành động ghi dữ liệu hoặc truy vấn không an toàn, dẫn tới sai lệch, khó kiểm soát và lan mở công cụ không cần thiết (tool sprawl). Bài học là cần xây dựng dữ liệu sẵn sàng cho AI qua bốn lớp có cấu trúc, đồng thời tích hợp quan sát từ ngày đầu để tránh việc sửa chữa sau này. Các mẫu cụ thể bao gồm Tiêu chuẩn Hợp đồng Dữ liệu Mở, kiến trúc medallion bổ sung lớp “Adaptive Gold”, định tuyến dựa trên ngưỡng tin cậy và thiết kế khả năng MCP thay vì bọc API đơn giản.

Bài viết này giúp lập trình viên thiết kế hệ thống dữ liệu sẵn sàng cho AI agents, đảm bảo an toàn, truy xuất nguồn gốc và khả năng quan sát toàn diện.

Practical Loop Engineering

Các kỹ sư thường sử dụng vòng lặp để tự động hoá việc đạt mục tiêu, nhưng khi không kiểm …

Domain-Driven Design matters more when AI writes your code

Mô hình miền (domain model) và Ngôn ngữ phổ quát (Ubiquitous Language) càng trở nên quan …

Junior engineers are skipping straight to architect-level thinking

Các kỹ sư phần mềm junior ngày càng dựa vào công cụ tạo mã AI để tăng tốc độ phát hành sản phẩm. Họ tập trung vào việc sinh mã mà không đầu tư đủ thời gian để hiểu logic, kiểm tra lỗi hoặc đánh giá tác động lâu dài của mã đó. Khoảng cách giữa tốc độ sinh mã và khả năng đánh giá sở hữu dẫn đến nguy cơ tăng lỗi, nợ công nghệ và khó bảo trì trong dài hạn. Nhóm cần đưa ra chỉ số riêng để đo lường sự chênh lệch giữa lượng mã được tạo và mức độ sự hiểu judgment của tác giả, từ đó định hướng đào tạo và審查 mã. Việc đo lường khoảng cách này giúp quản lý quyết định đầu tư vào mentorship, review quy trình và các thực tiễn sở hữu mã trước khi mở rộng sử dụng AI.

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.

Stop burning tokens on code review

Tác giả chia sẻ cách xây dựng hệ thống giúp con người và AI triển khai sản phẩm nhanh chóng nhưng an toàn bằng cách sử dụng custom linters.

Lập trình viên nên đọc bài này để khám phá cách tối ưu hóa quá trình code review bằng cách sử dụng các công cụ linter cá nhân, giúp giảm thiểu việc tiêu thụ token (vốn AI) không cần thiết và tăng hiệu suất phát triển an toàn.

Why Google stores billions of lines of code in a single repository (2016)

Google Piper là hệ thống kho mã nguồn tùy chỉnh mà hơn 25.000 nhà phát triển sử dụng, chứa khoảng một tỉ file, hai tỉ dòng code và 35 triệu commit. Mô hình phát triển dựa trên trunk cùng với quy trình làm việc CitC và các công cụ như Critique, Tricorder và Rosie giúp duy trì chất lượng mã nguồn trong kho này. Lợi ích bao gồm phiên bản thống nhất, thay đổi nguyên tử và tránh sự phụ thuộc hình kim cương, trong khi chi phí bao gồm khó khăn về mở rộng công cụ, tìm kiếm mã và sự lan tỏa của phụ thuộc. Google đã cân nhắc việc di chuyển sang Git nhưng cuối cùng quyết định không làm vậy, thay vào đó đang thử nghiệm một cách tiếp cận dựa trên Mercurial để cân bằng giữa quy mô và lợi thế của monorepo.

Bài viết này giúp lập trình viên hiểu cách Google quản lý kho mã nguồn khổng lồ với tỷ lệ tệp và dòng code cực cao qua mô hình trunk-based development và công cụ hỗ trợ đặc biệt.

A deep dive into Nurb

Nurb được thiết kế để biến một agent viết mã thành đối tác CAD thực tế, cho phép các nhà phát triển làm việc trực tiếp trong môi trường mô hình 3D. Nó sử dụng các thành phần Python để tạo và thao tác hình học, đồng thời dựa trên nhân OCCT để xây dựng các thể rắn chính xác. Trong quá trình làm việc, hệ thống thực hiện kiểm tra trực tiếp và đo lường để phát hiện sớm các lỗi hoặc sai lệch về kích thước. Kết quả cuối cùng được xuất ra định dạng 3MF, giúp duy nhất dữ liệu mô hình và dễ dàng chia sẻ với các công cụ CAD khác. Từ đây ta học được rằng sự kết hợp giữa ngôn ngữ scripting linh hoạt và nhân mô hình rắn mạnh mẽ, cùng với việc áp dụng tiêu chuẩn xuất bản mở, có thể tạo ra quy trình thiết kế tự động hóa và đáng tin cậy.

Bài này giúp lập trình viên hiểu cách Nurb biến một agent lập trình thành đối tác CAD hiệu quả.

Gemini Live gains agentic tasks, voice inbox control and personal intelligence

Gemini Live, trợ lý thoại của Google, vừa được nâng cấp với khả năng thực hiện tác vụ có tính agentic, kiểm soát hộp thư qua giọng nói và cung cấp thông tin cá nhân. Nâng cấp này cho phép người dùng đưa ra lệnh thoại và hệ thống sẽ chuyển giao chúng cho các tác vụ chạy nền (background agents) để thực hiện. Trong khu vực châu Âu, quy định mới bắt buộc Google phải mở cho các trợ lý của đối thủ truy cập chức năng tương đương đến năm 2027. Điều này tạo ra áp lực về khả năng tương tác giữa các nền tảng và thúc đẩy việc thiết kế API mở cho các tác vụ nền. Bài học cho nhà phát triển là khi tích hợp tính năng agentic, cần cân nhắc sớm về khả năng tương thích và tuân thủ quy định để tránh phải thay đổi kiến trúc sau này.

Gemini Live mới được nâng cấp với khả năng quản lý hộp thư thoại và thực hiện nhiệm vụ tự động, mang lại trải nghiệm người dùng vượt trội.