Why 90% Code Coverage Doesn’t Mean Your Tests Are Good

AI Is Already Better at Coding Than Most Software Developers

Bối cảnh của bài viết là cuộc tranh luận về AI thay thế lập trình viên trong ngành công nghệ. Nguyên nhân kỹ thuật là các mô hình AI như GPT-4 đã đạt được khả năng code tự động vượt trội, có thể giải quyết các bài toán algorithm phức tạp trong thời gian ngắn. Hệ quả là nhiều công ty công nghệ đã bắt đầu giảm tuyển dụng lập trình viên thông thường và đầu tư vào các giải pháp AI để tối ưu hóa chi phí và tăng tốc độ phát triển. Điều đáng học là các nhà phát triển nên tập trung vào kỹ năng thiết kế hệ thống, quản lý dự án và tư duy chiến lược thay vì chỉ tập trung vào viết code thủ công.

Bài viết giúp lập trình viên hiểu rằng giá trị thực sự của phần mềm không nằm ở kỹ năng code thông thường mà ở khả năng giải quyết vấn đề sáng tạo.

How Okta sets guardrails and context for AI agents

Okta đang thiết lập các khung bảo mật và ngữ cảnh cho AI agents trong các tổ chức. Robert Lucero, Chief Architect của Okta, giải thích cách triển khai AI agents một cách an toàn mà vẫn tăng hiệu suất kỹ thuật, testing và software delivery. Các tổ chức cần xác định rõ ranh giới (guardrails) cho các AI agents hoạt động trong hệ thống Okta Identity Cloud. Triển khai này giúp ngăn chặn các rủi ro bảo mật khi AI agents truy cập vào các API và hệ thống nhạy cảm. Các lập trình viên nên học cách kết hợp Okta Identity với AI agents để kiểm soát quyền truy cập và theo dõi hoạt động một cách chi tiết.

Bài viết này giúp lập trình viên hiểu cách triển khai an toàn các AI agent để tăng năng suất và cải thiện quy trình phát triển phần mềm.

Liquid Glass GNOME Shell extension uses real refraction shaders

Một lập trình viên có thể quan tâm đến Liquid Glass - extension mới cho GNOME Shell cho phép biến giao diện Ubuntu thành kính lỏng với hiệu ứng quang học thực tế. Extension này được phát triển với sự hỗ trợ đáng kể từ AI, sử dụng vertex và fragment shaders để tạo hiệu ứng khúc xạ ánh sáng. Hiệu ứng hoạt động bằng cách xử lý ánh sáng xuyên qua các bề mặt trong suốt, tạo ra độ sâu và chiều thực tế. Điều đáng học là cách tác giả kết hợp sức mạnh của AI với kỹ thuật shader phức tạp để tạo trải nghiệm desktop độc đáo mà không ảnh hưởng hiệu năng đáng kể.

Bài viết này giúp bạn hiểu cách Liquid Glass extension sử dụng shader để tạo hiệu ứng kính chất lượng cao trên desktop GNOME.

The unbearable lightness of one more index

Nghiên cứu đã phân tích 30 schema PostgreSQL do các coding agent tạo ra và phát hiện các index hoạt động hiệu quả riêng lẻ nhưng gây ra chi phí tổng thể đáng kể. Vấn đề nằm ở số lượng index quá nhiều dẫn đến overhead write, disk space và maintenance cost khi mỗi schema chứa trung bình 1.4 index mỗi bảng. Hệ quả là hiệu suất tổng thể giảm đáng kể do conflict giữa các index. Bài viết dạy chúng ta cần cân nhắc kỹ trước khi thêm index, ngay cả khi các AI tool đề xuất chúng, vì lợi ích cục bộ không đồng nghĩa với hiệu suất toàn hệ thống.

Bài viết này giúp lập trình viên hiểu được tác động tiêu cực của việc thêm index quá nhiều trong PostgreSQL.

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.

AI Is Breaking This Thing We Call Trust

Trong môi trường làm việc hiện đại, AI-generated content có thể trông hoàn chỉnh nhưng thiếu sự hiểu biết thực sự. Nguyên nhân kỹ thuật nằm ở việc các Large Language Models (LLMs) tạo ra nội dung mạch lạc nhưng không đảm bảo tính chính xác hay hiểu ngữ cảnh sâu sắc. Hệ quả là quá trình review chậm lại, đồng nghiệp phải tự làm phần việc thiếu sót, và niềm tin vào AI dần bị xói mòn. Điều đáng học là dù AI mạnh mẽ, các developer vẫn cần kiểm định chéo output của AI vì hệ thống như GPT-4 vẫn có thể tạo ra thông tin không chính xác hoặc không phù hợp với bối cảnh cụ thể.

Bài viết giúp lập trình viên hiểu cách AI ảnh hưởng đến niềm tin và quy trình làm việc trong phát triển phần mềm.

Is AI ruining my brain?

Người viết chia sẻ trải nghiệm sử dụng công cụ AI như ChatGPT và GitHub Copilot trong công …