What’s new in Graph Artifacts

Branching databases like code: a CI/CD pattern for Lakebase, in production at Glaspoort

Glaspoort áp dụng mô hình CI/CD cho OLTP trên Databricks Lakebase bằng cách nhánh từ môi …

Meet the Unity CLI: manage Unity from your terminal

Unity CLI cho phép cài đặt trình biên tập, tự động hóa quy trình CI và điều khiển trình …

Why "It Worked on My Machine" Still Happens in 2026

Mặc dù là câu nói đùa quen thuộc trong ngành phần mềm, "Nó chạy trên máy tôi" vẫn xảy ra thường xuyên, gây rắc rối khi triển khai sản phẩm thực tế do sự khác biệt môi trường phát triển và sản xuất.

Những lỗi không dự kiến do môi trường khác nhau gây ra có thể khiến dự án bị trì hoãn hoặc phá hủy, và bài viết này sẽ giúp bạn tránh những rắc rối này bằng cách hiểu rõ cách kiểm tra và chuẩn hóa môi trường để đảm bảo code hoạt động ổn định từ đầu.

GitOps in the age of AI — 4

Phần 4 của loạt bài về GitOps trong kỷ nguyên AI, sau những lý thuyết ở phần 2 và 3, giờ đây sẽ áp dụng vào một trường hợp thực tế bằng cách thiết lập stack phù hợp, đảm bảo hoạt động ổn định và kiểm tra các add-on cần thiết.

Lập trình viên nên đọc bài này để hiểu cách áp dụng GitOps kết hợp với AI để tự động hóa triển khai, quản lý và tối ưu hóa hệ thống infrastructure một cách chính xác, hiệu quả và an toàn trong thực tế.

Migrating a Claude Code skill from WebFetch to the new CircleCI CLI: lessons learned about tool and API design

Nhà phát triển đã chuyển đổi một kỹ năng Claude Code từ WebFetch (gọi API REST trực tiếp) sang CLI mới của CircleCI chỉ bằng một dòng prompt, nhờ đó khám phá tự động các lệnh phù hợp. Những cải tiến chính gồm thay thế vòng lặp polling bằng circleci run watch (lệnh chặn với mã thoát có ý nghĩa), loại bỏ các thủ thuật phá cache, và sử dụng flag --condensed để lọc output nhiễu cho LLM. Ngoài ra, circleci testresult list giúp xác định test lỗi nhanh hơn. Bài học rút ra: ưu tiên CLI thân thiện với AI hơn API thô, tối ưu hóa output cho ngữ cảnh LLM.

Lập trình viên nên đọc bài này để hiểu cách tối ưu hóa việc tích hợp công cụ CI/CD như CircleCI với các agent AI bằng cách chọn lựa thiết kế CLI hiệu quả hơn là API trực tiếp, tránh rắc rối khi xử lý lỗi và tối thiểu hóa chi phí token trong các ứng dụng tự động hóa.

Building a Test Matrix Pipeline for Couchbase Autonomous Operator

Một thực tập sinh kỹ thuật tại Couchbase chia sẻ cách xây dựng pipeline Test Matrix cho Couchbase Autonomous Operator (CAO), tự động kiểm tra tương thích giữa các phiên bản Kubernetes/OpenShift, CAO, Couchbase Server và nhà cung cấp cloud (EKS, GKE, AKS). Pipeline sử dụng Jenkins cùng ba chương trình Go (dispatch, execute, rerun) để sinh tất cả tổ hợp phiên bản, lọc test bằng hệ thống tag YAML, và xử lý lỗi hạ tầng bằng cơ chế lưu kết quả tăng dần cùng giai đoạn rerun chuyên biệt.

Lập trình viên muốn tự động hóa kiểm thử cho ứng dụng cloud-native như Couchbase Autonomous Operator sẽ tìm hiểu cách xây dựng một hệ thống pipeline liên tục kiểm tra các phiên bản kĩ thuật khác nhau, từ Kubernetes đến cloud provider, để đảm bảo tính nhất quán và hiệu suất trong môi trường thực tế.

Custom deployment permissions for your environments (Beta)

Bitbucket Pipelines bổ sung tính năng quản lý quyền triển khai (deployment permissions) ở giai đoạn beta, cho phép giới hạn quyền truy cập môi trường triển khai theo người dùng hoặc nhóm cụ thể nhằm tăng cường bảo mật và tuân thủ quy định.

Lập trình viên nên đọc bài này để khám phá cách Bitbucket Pipelines cho phép kiểm soát quyền deploy theo môi trường riêng biệt, giúp bảo mật dự án và tuân thủ quy trình phát triển hiệu quả hơn.

Bitbucket Tests now supports tracking tests from multiple branches

Bitbucket Tests giờ đây có thể theo dõi nhiều nhánh (branch) cùng lúc, ghi nhận tỷ lệ lỗi, điểm số test không ổn định (flaky test) và lịch sử test.

Lập trình viên nên đọc bài này vì công cụ này giúp theo dõi và phân tích hiệu suất các test trên nhiều nhánh mã đồng thời, giúp phát hiện sớm lỗi tái phát và cải thiện chất lượng code hiệu quả hơn.