Help us stabilize environment variable context propagation

GitLab Critical Patch Release: 19.3.2, 19.2.6, 19.1.8

Learn more about GitLab Critical Patch Release: 19.3.2, 19.2.6, 19.1.8 for GitLab Community Edition (CE) and Enterprise Edition (EE).

RuboCop 1.91: The Journey to 2.0 Begins

RuboCop 1.91 đã ra mắt với các cải tiến mới như cops, options và sửa lỗi quan trọng. Đặc biệt, tính năng --preview được giới thiệu như bước đầu tiên trên hành trình tiến tới RuboCop 2.0. Phiên bản này tập trung vào việc chuẩn bị nền tảng cho những thay đổi lớn sắp tới mà không làm gián đoạn trải nghiệm người dùng hiện tại. Lập trình viên Ruby nên thử nghiệm tính năng --preview để thích nghi sớm với các quy tắc mới sẽ được áp dụng trong RuboCop 2.0. Sự thay đổi này cho thấy RuboCop đang nỗ lực cân bằng giữa việc cải tiến và đảm bảo tính tương thích ngược với mã hiện có.

RuboCop 1.91 mang đến cờ --preview đầu tiên trên hành trình tiến tới phiên bản RuboCop 2.0 đầy hứa hẹn.

What “AI Agent” Actually Means: I Built a Defect Investigator to Find Out

Tác giả đã xây dựng một AI Agent để tự động kiểm tra logs và theo dõi lỗi, trong một thử nghiệm cuối tuần. Sử dụng kỹ thuật Retrieval-Augmented Generation (RAG) kết hợp với vector embeddings, hệ thống có thể hiểu ngữ cảnh log và đưa ra giả thuyết về nguyên nhân lỗi. Kết quả cho thấy AI Agent có thể tự động xác định 70% các lỗi thông thường trong ứng dụng web, nhưng gặp khó khăn với các lỗi logic phức tạp. Trải nghiệm này chỉ ra rằng dù AI Agent hiệu quả cho các tác vụ đơn giản, lập trình viên vẫn cần can thiệp thủ công cho các vấn đề phức tạp, và việc kết hợp AI với kiến thức chuyên môn là chìa khóa để phát triển hệ thống thực sự mạnh mẽ.

Bài viết này giúp lập trình viên hiểu rõ khái niệm "AI Agent" thông qua ví dụ thực tế về việc xây dựng một hệ thống kiểm lỗi tự động.

A simpler way to run AI agents in Bitbucket Pipelines

Bitbucket Pipelines hiện cho phép quản trị workspace bật các AI agent tích hợp (Pipelines troubleshooter và Flaky test fixer) trực tiếp từ cài đặt workspace, không cần cấu hình thủ công từng repository. Hệ thống cũng bổ sung các step cấu hình tái sử dụng, cho phép nhóm định nghĩa cài đặt runtime như image, size, caches, services và permissions một lần và tham chiếu chúng qua nhiều step. Tính năng này giảm thiểu sự trùng lặp YAML trong khi vẫn cho phép ghi đè cài đặt riêng cho từng step. Với các số cụ thể và tên công nghệ rõ ràng, bài viết cung cấp hướng dẫn thực tế về cách tối ưu hóa workflow trong Bitbucket Pipelines.

Bài viết giúp bạn tối ưu hóa quy trình AI trong Bitbucket Pipelines bằng cách bật tác nhân có sẵn và tái sử dụng cấu hình bước, giảm thiểu trùng lặp YAML.

I moved all my side projects off GitHub to Forgejo, and my workflow stayed exactly the same

Di chuyển tất cả side projects từ GitHub sang Forgejo giúp giảm một dependency, tự do kiểm soát source code nhưng tự chịu trách nhiệm vận hành server. Quy trình làm việc không hề thay đổi nhờ Forgejo hỗ trợ đầy đủ Git protocol, GitHub API và webhooks. Việc hosting riêng trên máy chủ với Forgejo cung cấp thêm quyền riêng tư và kiểm soát dữ liệu. Lập trình viên nên cân nhắc Forgejo khi muốn giảm phụ thuộc vào dịch vụ cloud lớn mà không muốn thay đổi workflow hiện tại.

Bài viết này giúp lập trình viên giảm sự phụ thuộc vào nền tảng tập trung bằng cách chuyển sang Forgejo mà không làm gián đoạn quy trình làm việc hiện tại.

The Most Important Part of OpenAI’s “Alien Mind” Warning Is Observability

Khi AI ngày càng thúc đẩy tốc độ nghiên cứu AI, câu hỏi gây sốc là khả năng theo dõi của chúng ta có thể theo kịp không. OpenAI cảnh báo về "tư duy ngoài hành tinh" của AI khi hệ thống vượt ngưỡng năng lực hiểu biết của con người. Giải pháp kỹ thuật cốt lõi là hệ thống observability giúp giám sát trạng thái bên trong của model AI ngay cả khi chúng hoạt động ngoài tầm kiểm soát. Thực tế cho thấy các công cụ như LangChain, Pinecone, và các hệ thống vector database đang dần phát triển để giải quyết thách thức này, nhưng vẫn còn khoảng cách lớn giữa tốc độ phát triển AI và khả năng quan sát nó.

Bài viết này giải thích tại sao khả năng giám sát (observability) là yếu tố then chốt để đảm bảo an toàn khi AI tự động hóa nghiên cứu AI.

GitHub Actions

GitHub Actions giúp tự động hóa kiểm thử, phát hiện vấn đề tương thích và tạo quy trình pull request an toàn. Kỹ thuật này giải quyết vấn đề kinh điển "chạy được trên máy mình" bằng cách chạy kiểm thử trên môi trường chuẩn hóa qua các runner hoặc Docker container. Hệ quả là giảm thiểu lỗi liên quan đến environment khác biệt và tăng tốc độ review code nhờ kiểm tra tự động. Bạn nên đọc bài gốc để tìm hiểu cụ thể cách thiết lập workflow YAML sử dụng các actions như checkout, setup-node, và run để tích hợp CI/CD vào repository GitHub.

GitHub Actions giúp tự động hóa kiểm thử, phát hiện vấn đề tương thích và tạo quy trình pull request an toàn hơn.

Forgejo Runner v13.1.0 is available

Forgejo Runner phiên bản 13.1.0, ra mắt ngày 31 tháng 8 năm 2026, giới thiệu một plugin execution engine thử nghiệm cho phép các nhà phát triển tạo backend thực thi tùy chỉnh như Firecracker microVMs, Kubernetes pods hoặc QEMU dưới dạng ứng dụng gRPC bên ngoài thay vì yêu cầu đội ngũ cốt lõi xây dựng và bảo trì mỗi engine. Protocol plugin đang ở giai đoạn alpha và có thể thay đổi. Phiên bản này cũng loại bỏ pseudo-tty terminal attachment từ job command execution, một thay đổi phá vỡ có thể ảnh hưởng đến các lệnh như docker run -it nay thất bại nếu không bỏ cờ -t; đây là tác phụ không được dự báo trước sau khi phát hành. Ngoài ra, bản cập nhật còn nâng cấp các dependency thông thường và chuẩn bị cho bản sửa lỗi sắp tới của Forgejo.

Phiên bản Forgejo Runner v13.1.0 giới thiệu công cụ thực thi plugin thử nghiệm và thay đổi quan trọng về cách thực thi lệnh job, ảnh hưởng trực tiếp đến quy trình CI/CD của bạn.