DAIR.AI@dair_aiIf you build agent skills in production, check out this great paper from Alibaba. You can think of …
DịchNghiên cứu từ Alibaba và ĐH Chiết Giang giới thiệu SkillZip Pro, phương pháp nén dữ liệu cho các thư viện Agent Skill bằng cách loại bỏ các thành phần dư thừa nhưng vẫn đảm bảo khả năng truy cập và thực thi linh hoạt qua 4 chế độ vận hành.
Dex Horthy (HumanLayer)@dexhorthyyeah we've basically been saying this internally since Jan and publicly since march - @badlogicgames…
DịchMatt Pocock và Dex Horthy cùng quan điểm rằng cách hiệu quả nhất để giảm thiểu mã nguồn thừa do AI tạo ra là viết ít code hơn, tập trung vào việc tinh giản và kiểm soát độ phức tạp để giảm thiểu lỗi cũng như chi phí bảo trì.
Rohan Paul@rohanpaul_aiCoding agents mostly read the instruction files and notes they were given or wrote themselves, so yo…
DịchNghiên cứu trên 33.000 PR cho thấy AI lập trình chủ yếu dựa vào các file chỉ dẫn (như CLAUDE.md) và ghi chú kế hoạch, thay vì tra cứu tài liệu API. Các nhà phát triển nên tập trung tối ưu hóa file hướng dẫn để cải thiện hiệu suất của AI.
AI Notes@AYi_AInotesBoris (Claude Code) chia sẻ 5 thói quen cốt lõi giúp đội ngũ tối ưu hóa quy trình làm việc, tiêu biểu là việc để AI phân tích lịch sử Git thay vì viết code ngay ngày đầu, giúp rút ngắn thời gian đào tạo nhân sự mới từ 3 tuần xuống còn 2 ngày.
AI Notes@AYi_AInotesUber tiết lộ 70% mã nguồn hiện được xử lý bởi AI Agent. Dù khối lượng công việc tăng gấp 10 lần trong nửa năm, chi phí AI vẫn giữ nguyên nhờ tối ưu hóa hiệu suất, giúp giảm 52% chi phí cho mỗi phiên làm việc.
Hongming@hongming731Tổng hợp 10 tin tức AI nổi bật: Amazon Stores ghi nhận năng suất kỹ sư tăng 4,5-10 lần, cùng các giải pháp tối ưu chi phí suy luận và kiến trúc LLM từ Twilio, Uber.
Infer-forge là hệ thống kỹ thuật nội bộ giúp chuẩn hóa quy trình triển khai mô hình AI thông qua các cấu trúc Harness, Loop và Graph, đảm bảo tính nhất quán và khả năng kiểm chứng cho các hệ thống suy luận phức tạp.
Andrew Ng (DeepLearning.AI nhà sáng lập)@AndrewYNgHow have software engineering fundamentals changed with agentic coding? Here is our AI Engineering S…
DịchAndrew Ng chia sẻ lộ trình các kỹ năng nền tảng cần thiết cho kỹ sư phần mềm để thích nghi với sự thay đổi mạnh mẽ từ kỷ nguyên lập trình bằng AI Agent.
Dex Horthy (HumanLayer)@dexhorthyif you are working in any slice of the software factory stack, go read the old devops literature cir…
DịchNếu bạn đang làm việc trong mảng kỹ thuật phần mềm, hãy tìm đọc các tài liệu cũ về khái niệm 'Thú cưng vs. Gia súc'. Thực tế, chúng ta vẫn đang chăm bẵm nhiều khối lượng công việc phát triển như những 'thú cưng' thay vì tối ưu hóa chúng.
Dex Horthy (HumanLayer)@dexhorthywhat an incredible crew headlining AGNTCon Amsterdam in september! Can't wait to hang with all my fa…
DịchSự kiện AGNTCon tại Amsterdam tháng 9 tới quy tụ nhiều nhà phát triển hàng đầu châu Âu. Dex Horthy từ HumanLayer cũng đang tìm kiếm các kỹ sư từ doanh nghiệp quy mô trên 100 người để tham gia buổi tiệc tối độc quyền vào ngày 16/9.
Kỹ thuật phần mềm thực chất là nghệ thuật đánh đổi giữa các ràng buộc và bối cảnh kinh doanh. Dù AI giỏi viết code, nhưng khả năng đưa ra quyết định kiến trúc dựa trên ngữ cảnh cụ thể vẫn là đặc quyền không thể thay thế của con người.
SWE Refactor Bench ra đời để kiểm tra khả năng tái cấu trúc toàn bộ hệ thống quy mô lớn của AI. Đây là bài kiểm tra khắc nghiệt hơn nhiều so với việc sửa lỗi thông thường, nơi các mô hình hàng đầu như GPT hay Claude hiện vẫn đang gặp khó khăn.
Linear chia sẻ hành trình chuyển đổi từ styled-components sang StyleX của Meta, kết hợp giữa codemod, AI và kiểm duyệt thủ công để tối ưu hiệu năng và chuẩn hóa quy trình phát triển.
Cùng sự kiện, bài đại diện «Linear tái cấu trúc ứng dụng React sang StyleX: Kinh nghiệm từ hơn 1.000 PR»Nghiên cứu giới thiệu bộ tiêu chuẩn SWE Refactor Bench nhằm kiểm tra khả năng thực hiện các đợt di chuyển mã nguồn phức tạp của AI, khắc phục tình trạng các mô hình chỉ 'gian lận' để vượt qua bài kiểm tra mà không thực sự thay đổi cấu trúc hệ thống.
Nghiên cứu chỉ ra rằng các quy trình chuyển tiếp trong AI Agent thường làm mất đi tính ràng buộc của nhiệm vụ, khiến 100% các yêu cầu bắt buộc bị biến thành thông tin tham khảo, dẫn đến sai sót vận hành. Việc khôi phục trạng thái dữ liệu đầy đủ là chìa khóa để đảm bảo tính tuân thủ tuyệt đối.
Dex Horthy (HumanLayer)@dexhorthyif you're not reading the code, then you can't possibly know how much slop is getting in. If you'r…
DịchKhi xây dựng hệ thống AI thực tế, việc chỉ dựa vào kết quả đầu ra của mô hình là không đủ. Bạn cần kiểm tra mã nguồn để phát hiện và loại bỏ những dữ liệu 'rác' tiềm ẩn mà mô hình có thể tạo ra.
Xiaobei@frxiaobeiLỗi hệ thống OpenClaw xảy ra do sự thiếu đồng nhất trong việc định nghĩa trạng thái 'không có dữ liệu'. Khi các thành phần AI ngày càng phức tạp, việc phân biệt rõ ràng giữa 'không có lịch' và 'lỗi đọc file' là chìa khóa để tránh các sự cố logic không đáng có.
Sau hơn hai thập kỷ vận hành trên Stackless Python 2.7, tựa game EVE Online bắt đầu quá trình nâng cấp lên Python 3 với khối lượng mã nguồn khổng lồ lên tới 2,4 triệu dòng, đánh dấu bước ngoặt lớn trong hạ tầng kỹ thuật của trò chơi.
Dex Horthy (HumanLayer)@dexhorthyYou can't claim "the models are good enough that I don't have to read the code". Because if you're n…
DịchViệc tin tưởng tuyệt đối vào đầu ra của AI mà không kiểm tra lại mã nguồn là sai lầm, vì bạn sẽ không thể phát hiện ra những đoạn code 'rác' hoặc lỗi tiềm ẩn đang bị trộn lẫn bên trong.
Gabriel@gabriel1what do people think about doing one task per thread versus running all tasks of one category in one…
DịchBài viết thảo luận về ưu nhược điểm giữa việc mỗi luồng chỉ xử lý một tác vụ duy nhất so với việc gom nhóm các tác vụ cùng loại vào một luồng để thực thi. Đây là vấn đề then chốt khi tối ưu hóa các tác vụ chạy nền, lặp lại hoặc song song.
Dex Horthy (HumanLayer)@dexhorthySeveral recent large features I built for production involved - research and product outline doc - …
DịchDex Horthy chia sẻ quy trình dùng AI để chia nhỏ các dự án hàng chục nghìn dòng code thành các PR tinh gọn, giúp việc kiểm duyệt và triển khai tính năng lớn trở nên nhanh chóng và hiệu quả hơn.
Hongming@hongming731Bài viết phân tích nút thắt khi dùng AI lập trình: việc tạo mã chỉ chiếm 20-30% quy trình, cần xây dựng hệ thống Agent khép kín từ build đến kiểm thử. Các chuyên gia đề xuất mô hình quản trị bằng 'hàng rào' luật lệ và phát triển phần mềm dựa trên đánh giá dữ liệu thực tế.
DAIR.AI@dair_ai// Applying Anthropic Primitives at Large Enterprises // Frontier models collapsed the cost of writ…
DịchThay vì tùy chỉnh mã nguồn cho từng dự án, bài báo đề xuất sử dụng 'harness' làm khung xương cố định cho các tác nhân AI. Cách tiếp cận này giúp giảm thiểu chi phí bảo trì và kiểm duyệt, đồng thời tối ưu hóa hiệu suất vượt trội hơn cả việc thay đổi mô hình nền tảng.
Xiaobei@frxiaobeiTác giả khẳng định thách thức lớn nhất của Agent không nằm ở Prompt mà ở độ tin cậy của hệ thống. Việc xây dựng Agent thực chất là giải quyết các bài toán về trạng thái, tính đồng nhất và khả năng quan sát trong hệ thống phân tán.
Xiaobei@frxiaobeiHai sự cố AI Agent cho thấy sai lầm khi coi kết quả từ LLM là trạng thái thực tế. Cần tách biệt logic suy luận của AI với mã nguồn xác định để xử lý dữ liệu, tránh việc bỏ sót thông báo quan trọng do lỗi diễn giải.
Lee Robinson@leerobHow can you trust @Bots to operate autonomously? This is something we've carefully designed. First…
DịchLee Robinson chia sẻ cách cân bằng giữa tự động hóa và kiểm soát: sử dụng LLM để rà soát hành động, thiết lập quy tắc chặn các thao tác nguy hiểm và yêu cầu phê duyệt thủ công khi cần thiết.
Dex Horthy (HumanLayer)@dexhorthyI love uncle bob's work and I believe if anyone will figure out lights off (ie not reading code), he…
DịchDex Horthy cho rằng dù AI có năng suất cao, việc vận hành chúng vẫn đòi hỏi kỹ năng kỹ thuật chuyên sâu. Do đó, việc hoàn toàn không đọc code là bất khả thi, ngay cả với sự hỗ trợ của AI và các công cụ kiểm soát lỗi tự động.
Lauren Tan@potetoevery team needs a gardener. someone quietly watching the stream of PRs flowing into your codebase, …
DịchLauren Tan cho rằng thay vì dựa vào file hướng dẫn (AGENTS.md), các đội ngũ nên thiết lập hệ thống kiểu dữ liệu mạnh và ràng buộc cứng trực tiếp vào mã nguồn để tối ưu hóa cho AI, giúp duy trì chất lượng code bền vững.
Dex Horthy (HumanLayer)@dexhorthythis guy gets it
DịchMột góc nhìn thú vị về lập trình: Khi lượng mã rác trong dự án vượt qua một ngưỡng nhất định, chúng sẽ bắt đầu sinh sôi theo cấp số nhân, khiến việc kiểm soát trở nên bất khả thi.
Bài viết phân tích cách các mô hình AI hiện đại đang thay đổi cuộc chơi, cho phép các cá nhân và doanh nghiệp nhỏ đạt được hiệu suất làm việc tương đương một đội ngũ kỹ sư chuyên nghiệp với chi phí tối ưu.
Dex Horthy (HumanLayer)@dexhorthythere's a almost-year-old thread about spec driven development which has recently devolved into clau…
DịchChuyên gia Dex Horthy cho rằng việc ép buộc đồng bộ đặc tả với mã nguồn gây lãng phí tài nguyên hơn là lợi ích. Thay vì cố định cấu trúc, hãy tập trung đầu tư token vào việc nghiên cứu trực tiếp trên codebase để đạt hiệu quả cao hơn.
Eric Zakariasson@ericzakariassonincredible read on how origin was built by @vmg! also incredible visualizations
DịchBài viết từ Cursor khám phá lịch sử 20 năm của hạ tầng Git, giải thích cách họ thiết kế và vận hành Origin như một cơ sở dữ liệu để tối ưu hóa hiệu suất và khả năng mở rộng cho Git.
AI Notes@AYi_AInotesBài viết phân tích các rào cản khi tích hợp đồ thị vào bộ nhớ Agent như hiệu suất truy vấn, lỗi chọn seed và vấn đề nhất quán dữ liệu, đồng thời đề xuất giải pháp tối ưu thông qua phân quyền, kết hợp vector search và kiến trúc append-only.
Thiết kế phân tán của Git khiến việc lưu trữ quy mô lớn gặp khó khăn do packfile trở thành nút thắt về hiệu năng. Bài viết phân tích các giải pháp kỹ thuật và lý do tại sao việc tối ưu hóa lưu trữ đối tượng vẫn chưa thể giải quyết triệt để vấn đề tốc độ clone.
Dex Horthy (HumanLayer)@dexhorthythis was an incredible hang - 25 incredible builders all sharing tactical approaches that actually w…
DịchSự kiện quy tụ 25 lập trình viên xuất sắc chia sẻ các chiến thuật vận hành hiệu quả cho mọi quy mô đội ngũ, từ startup đến các tập đoàn công nghệ lớn.
Asana đã sử dụng OpenAI Codex để loại bỏ hệ thống kiểm thử cũ Enzyme, rút ngắn thời gian dự kiến từ 5 năm xuống còn 2 tuần với chi phí chỉ 12.000 USD thay vì 6 triệu USD như dự tính ban đầu.
Thêm 1 nguồn khác đưa tinX: Greg Brockman (@gdb)Google giới thiệu bộ công cụ ADK giúp phát triển AI Agent an toàn, sử dụng cơ chế bảo mật ba lớp để ngăn chặn tấn công tiêm nhiễm câu lệnh (prompt injection) và đảm bảo tính toàn vẹn của dữ liệu.
Xiaobei@frxiaobeiBài viết phân tích sự khác biệt giữa việc thử nghiệm tính năng mới trên Agent và việc đưa chúng vào vận hành chính thức. Để chuyển đổi từ thử nghiệm sang khả năng đáng tin cậy, cần quy trình nghiêm ngặt về đánh giá, kiểm soát phiên bản và quản lý rủi ro thay vì chỉ dựa vào mã nguồn do AI tạo ra.
Tác giả lập luận rằng sự bùng nổ của AI Agent đang làm lu mờ các nguyên tắc cốt lõi như khả năng bảo trì và tư duy logic. Dù LLM mạnh mẽ, kỹ năng thiết kế hệ thống và quản lý tư duy vẫn là yếu tố quyết định sự thành công của một kỹ sư phần mềm.
Ma Dongxi NLP@dongxi_nlpDeepSeek Harness ra mắt với triết lý "dữ liệu có căn cứ, quyền hạn có kiểm soát", giúp chuẩn hóa trạng thái của AI Agent thông qua cơ chế xác thực sở hữu và loại bỏ lỗ hổng thời gian thực thi (TOCTOU).