Slack’s founder got one hour with Benioff before the $27.7bn sale

Fish Food for Thought

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

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.

The media industry is becoming a prediction economy

Ngành công nghiệp truyền thông đang chuyển đổi thành một nền kinh tế dự đoán, với Netflix đầu tư 1 tỷ USD vào việc phân tích dữ liệu người dùng để tối ưu hóa nội dung. Nguyên nhân chính là công nghệ machine learning và big data cho phép các nền tảng như Netflix, Spotify và TikTok phân tích hành vi người dùng với độ chính xác cao. Hệ quả là nội dung ngày càng được cá nhân hóa mạnh mẽ, với tỷ lệ giữ chân người dùng tăng lên 40% nhờ các thuật toán recommendation engine. Các công ty cần xem xét việc xây dựng bộ phận data science chuyên biệt để cạnh tranh trong môi trường này, vì khả năng dự đoán chính xác nhu cầu khán giả đang trở thành lợi thế cạnh tranh then chốt.

Lập trình viên nên đọc bài này để hiểu cách AI và dữ liệu đang thay đổi cách dự đoán thị trường truyền thông, từ đó tìm ra cơ hội phát triển các giải pháp tự động hóa, phân tích dữ liệu hiệu quả hơn cho các dự án tương lai.

A Deep Dive into Salesforce’s Agent Tech Stack

Salesforce đã triển khai kiến trúc mới với hệ thống đa lớp kết hợp giữa code xác định và reasoning models để tối đa độ tin cậy. Sự thay đổi này xuất phát từ nhu cầu xử lý các tác vụ phức tạp mà không làm giảm độ tin cậy. Hệ quả là agent có khả năng xử lý tình huống đa dạng với tỷ lệ lỗi thấp hơn đáng kể. Điều đáng học là cách kết hợp xác định và xác suất trong hệ thống agent lớn. Kiến trúc này cho thấy hướng đi mới trong xây dựng hệ thống AI đáng tin cậy.

Bài này giúp bạn hiểu cách Salesforce kết hợp mã xác định với mô hình lý trí để tạo ra hệ thống đáng tin cậy.

Headless Experience Layer Widget Formulas: Math and Logic with JSON

Trong Salesforce Experience Cloud, các widget HXL cho phép sử dụng công thức trong biểu thức {!…} với toán tử toán học và hàm IF, CASE thay vì các Apex fields đã được tính toán sẵn. Việc này giúp giảm thiểu việc tạo và duy trì các precomputed fields trong backend, cải thiện hiệu năng hệ thống. Công thức JSON-based này có thể xử lý logic phức tạp tại client-side, giảm tải cho server và tăng tốc độ rendering UI. Lập trình viên nên cân nhắc sử dụng tính năng này khi xử lý logic đơn giản để tối ưu hóa hiệu năng ứng dụng, đặc biệt với các kịch bản không cần truy cập dữ liệu phức tạp.

HXL widgets giúp thay thế các trường Apex đã tính toán sẵn bằng logic nội tuyến mạnh mẽ thông qua công thức IF, CASE và toán tử toán học.

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.