Viễn Đinh

Viễn Đinh

Khởi Nghiệp Tinh Gọn

Tối Ưu AI Agents cùng Lauren Tan

Muốn đón đầu làn sóng công nghệ AI mà không bị hụt hơi, đừng gõ code: hãy thiết kế môi trường.

Ảo Tưởng Năng Suất Khi Dùng AI Vội Vã

Có một thời gian, người ta kháo nhau về một cụm từ nghe rất thời thượng: vibe coding. Cảm giác nó đã lắm. Cứ gõ vài ba câu lệnh bằng ngôn ngữ tự nhiên, ngồi rung đùi uống ngụm cà phê, rồi nhìn AI nhả ra hàng tá dòng mã sáng loáng trong chớp mắt. Ai cũng nghĩ mình sắp thành siêu nhân đến nơi.

Thế nhưng, kỹ sư Lauren Tan và nhiều anh em làm kỹ thuật đã sớm nhận ra một sự thật cay đắng: tốc độ ban đầu đó chỉ là ảo ảnh.

Khi lập trình viên phó mặc hoàn toàn tư duy phản biện cho cỗ máy, họ không hề tiết kiệm được thời gian. Ngược lại, họ biến mình thành những công nhân dọn rác cao cấp: suốt ngày cặm cụi đọc lại mớ code nửa nạc nửa mỡ, vá những lỗi ngầm tinh vi mà AI vô tình để lại.

Thay vì xem AI như một người bạn đồng hành (pair programmer) để cùng đàm đạo và phản biện giải pháp, người ta lại biến nó thành một kẻ làm thay thiếu kiểm soát. Kết quả là hàng trăm Pull Request (PR) được đẩy lên ồ ạt nhưng chẳng ai dám chắc hệ thống sẽ chạy mượt hay sập nguồn vào lúc nửa đêm.

Cú Vấp Niềm Tin Và Bẫy Quản Lý Vi Mô

Chuyện chỉ thực sự vỡ lở khi những “trợ lý ảo” bắt đầu bộc lộ bản tính thích đoán mò.

Đã bao giờ bạn gặp cảnh AI quả quyết rằng nó vừa tìm ra nguyên nhân gốc rễ—một “khẩu súng còn bốc khói” (smoking gun) của con bug bí ẩn, nhưng khi kiểm tra lại thì hóa ra nó đang bịa đặt hoàn toàn?

Cảm giác đó giống như thuê một người phụ việc nhiệt tình nhưng hay nói dối. Niềm tin giữa người và máy sụp đổ cái rụp.

Và thế là bi kịch quen thuộc trong ngành quản trị xuất hiện: quản lý vi mô (micromanagement). Người kỹ sư không dám rời mắt khỏi màn hình. Họ ngồi kè kè bên cạnh AI, soi từng dòng code, hoài nghi từng biến số, kiểm tra từng dấu chấm phẩy.

Thay vì được giải phóng sức lao động, kỹ sư lại tự trói mình vào một vòng lặp mệt mỏi gấp đôi ngày xưa.

Nút Thắt Khi Phải Thử Nghiệm Thủ Công

Lý do lớn nhất khiến mô hình cộng tác này bị nghẽn nằm ở chỗ: con người vẫn đang là kẻ duy nhất đi kiểm tra kết quả bằng tay.

Quy trình lúc này nhìn rất khổ sở: AI sinh code xong, kỹ sư phải tự tay bật server, tự click từng nút trên giao diện, chụp ảnh màn hình, copy log lỗi từ console rồi dán ngược lại vào ô chat để bảo: “Này, chạy sai rồi, sửa lại đi!”.

Mọi hành động của AI đều phụ thuộc vào đôi mắt và đôi bàn tay của con người.

Chính vì cái nút thắt kiểm thử thủ công này, bạn không tài nào mở rộng quy mô công việc được. Làm sao một kỹ sư có thể cùng lúc điều phối mười con AI, khi bản thân anh ta còn đang bận cắm mặt kiểm tra từng màn hình giao diện cho một con duy nhất?

Trao Cho Máy Đôi Bàn Tay Tự Kiểm Thử

Để thoát khỏi cái bẫy ấy, Lauren Tan quyết định không làm “bảo mẫu” nữa. Thay vào đó, anh dạy cho AI kỹ năng tự kiểm tra (verification skills).

Ý tưởng rất mộc mạc: nếu muốn biết code có chạy hay không, hãy để AI tự chạy thử!

Bằng cách tích hợp các công cụ như Chrome DevTools Protocol hay trình giả lập di động, AI giờ đây có thể tự mở ứng dụng lên, tự bấm thử các nút, tự đo lường bộ nhớ (heap snapshot), và theo dõi vết CPU (CPU traces) trong môi trường chạy thật.

Nó không còn ngồi đoán mò trên văn bản tĩnh nữa. Khi sửa xong một tính năng, AI phải tự chạy thử trên môi trường sống động, thấy ngon lành cành đào rồi mới dám gõ cửa báo cáo cho kỹ sư. Gánh nặng thử nghiệm thủ công rơi khỏi vai người lập trình từ khoảnh khắc ấy.

Dựng Bản Đồ Tính Năng Cho Thợ Phụ AI

Có công cụ trong tay rồi, nhưng AI vẫn giống như một cậu học việc lơ ngơ bước vào một tòa nhà chọc trời: rất dễ lạc đường. Nhìn vào kho mã nguồn khổng lồ, nó không biết nút bấm kia nằm ở file nào, router dẫn đi đâu, hay class CSS nào đang kiểm soát hành vi người dùng.

Thế là giải pháp Bản đồ tính năng (Feature Maps) ra đời, tiêu biểu như plugin Pstack.

Tấm bản đồ này gom toàn bộ cấu trúc giao diện, phím tắt, bộ chọn DOM (DOM selectors) và các tuyến đường ứng dụng lại thành một tài liệu mạch lạc.

Khi người dùng báo lỗi: “Nút thanh toán bị đơ”, AI chỉ cần tra bản đồ là biết ngay cần tìm đến module nào, kích hoạt chuỗi hành động nào trên trình duyệt để tái hiện lỗi. Thay vì bới lông tìm vết trong vô vọng, giờ đây AI đi thẳng một mạch đến nơi cần sửa.

Khung Chấm Điểm Năng Lực Nghiêm Ngặt

Nhưng làm sao biết những kỹ năng chúng ta dạy cho AI là chuẩn chỉ, không bị mai một theo thời gian? Câu trả lời là: phải chấm điểm cho nó một cách khoa học.

Lauren Tan đã dựng nên một khung đánh giá tự động mang tên Eval Playbook. Cách làm này thông minh ở chỗ: dùng một AI điều phối để giao bài tập cho các AI phụ việc trong các thư mục độc lập, rồi dùng thêm một “AI giám khảo” độc lập khác để chấm điểm dựa trên tiêu chí định sẵn.

Quy trình này chẳng khác nào viết bài kiểm thử đơn vị vị (unit test) cho năng lực của AI. Nhờ theo dõi kỹ lưỡng từng bước gọi công cụ (tool calls) và tinh chỉnh từng đoạn hướng dẫn bằng Markdown, đội ngũ kỹ thuật dần nâng cấp được tỷ lệ làm đúng của AI lên mức tiệm cận hoàn hảo.

Bước Ngoặt Tư Duy Của Một Bếp Trưởng

Đến đây, một cuộc cách mạng tư tưởng thực sự đã diễn ra trong đầu người làm kỹ thuật.

Lauren Tan nhận ra rằng: Kỹ sư phần mềm thời đại mới không nên tự coi mình là anh thợ gõ phím cặm cụi xào nấu từng món ăn nữa. Hãy chuyển sang làm một Bếp trưởng (Head Chef).

Một vị bếp trưởng giỏi đâu có đứng bếp xào hết hàng trăm đĩa thức ăn mỗi tối? Công việc cốt lõi của họ là:

Khi người kỹ sư lùi lại một bước, thôi can thiệp vào từng dòng lệnh vụn vặt và tập trung kiến tạo môi trường hoạt động cho các đặc vụ AI (AI agents), năng suất làm việc của họ bỗng chốc tăng vọt theo cấp số nhân.

Đội Ngũ Vô Hình Tự Động Trên Đám Mây

Khi môi trường địa phương đã đâu vào đấy, hệ thống được đưa lên mây để giải phóng hoàn toàn sức người.

Lấy ví dụ về một chú agent chạy nền tên là Benny. Chú ta ngày đêm túc trực bên hòm thư báo lỗi của người dùng. Khi có khiếu nại gửi về, Benny tự động khởi tạo một máy ảo trên đám mây, tự bật ứng dụng lên, chạy các kịch bản kiểm tra để tái hiện chính xác lỗi đó.

Nếu lỗi này đã được ai đó sửa trên nhánh mã nguồn chính (main branch), Benny tự động đóng ticket và thông báo cho người dùng.

Nếu lỗi vẫn còn, chú ta tự mở một nhánh làm việc riêng, viết mã sửa lỗi, chạy kiểm thử tự động, và tạo sẵn một PR hoàn chỉnh để chờ duyệt. Kỹ sư con người giờ đây chỉ việc nhấp một ngụm trà, nhìn công việc bảo trì diễn ra trơn tru mà không cần tốn một giọt mồ hôi.

Lằn Ranh Đỏ Đanh Thép Trong Luồng CI

Giao nhiều quyền cho AI như vậy, lỡ nó làm bậy thì sao? Đây là lúc các rào chắn kỹ thuật tự động trong luồng tích hợp liên tục (CI) phát huy sức mạnh tối thượng.

Thông qua các bộ khung kiến trúc nội bộ như Dune, nhóm kỹ thuật thiết lập những “lằn ranh đỏ” không thể vượt qua:

Chỉ cần AI vi phạm một quy tắc nhỏ, hệ thống CI sẽ đánh rớt ngay lập tức từ vòng gửi xe. Bằng cách dùng máy móc để canh gác sự chuẩn mực của máy móc, chất lượng mã nguồn luôn được giữ ở mức tinh tươm nhất mà không phụ thuộc vào tâm trạng của người duyệt code.

Dọn Dẹp Đống Nợ Kỹ Thuật Tự Phát Sớm

Một vấn đề rất thực tế: khi dùng AI làm nhanh các bản chạy thử (prototype), cấu trúc mã thường phát triển theo kiểu “mọc tự nhiên” (organic architecture). Cây cối mọc tự do thì um tùm rậm rạp, code mọc tự do thì rối như một cuộn len.

Để tránh món nợ kỹ thuật này đè bẹp dự án, Lauren Tan kiên quyết tái cấu trúc code base về dạng mô-đun hóa cao độ.

Các tính năng được gom gọn vào từng thư mục riêng biệt, logic nào đi liền với màn hình đó. Nguyên lý rất mộc mạc: làm sao để con đường ngắn nhất, dễ sao chép nhất của AI cũng chính là con đường đúng đắn và sạch sẽ nhất về mặt kiến trúc.

Thà tốn vài đồng token để AI tự dọn dẹp nhà cửa cho ngăn nắp ngay từ đầu, còn hơn để một năm sau cả người lẫn máy đều không dám chạm vào đống rác công nghệ do chính mình tạo ra.

Khi Cả Đội Ngũ Cùng Tăng Tốc Bứt Phá

Khi mọi mắt xích: kiểm thử tự động, bản đồ dẫn đường, rào chắn CI và kiến trúc gọn gàng ăn khớp với nhau, điều kỳ diệu đã xuất hiện.

Lauren Tan và các cộng sự đạt đến con số đáng kinh ngạc: hạ cánh gần 1.000 Pull Request mỗi tháng. Mã nguồn mới liên tục được tích hợp và đưa vào thực tế một cách êm ru, an toàn tuyệt đối.

Thú vị hơn cả, nhờ các giao diện thân thiện như Grok Bot, ngay cả những bạn không chuyên về kỹ thuật như Quản lý sản phẩm (Product Manager), Thiết kế giao diện (UI Designer) hay nhân viên Marketing cũng có thể tự tay điều phối AI để sửa lỗi chính tả, chỉnh màu nút bấm, hay thêm tính năng nhỏ mà không cần réo gọi lập trình viên.

Họ tự tin làm điều đó vì biết rằng: nếu họ có lỡ tay làm sai, hệ thống rào chắn thông minh sẽ lập tức nhắc nhở và ngăn chặn trước khi lỗi lọt ra ngoài.

Đón Đầu Bằng Bản Thiết Kế Môi Trường

Nhìn lại toàn bộ hành trình, bài học cốt lõi mà Lauren Tan để lại cho giới công nghệ chúng ta thật sâu sắc nhưng cũng rất đỗi khiêm nhường:

Đón đầu AI không phải là chạy đua xem ai gõ prompt giỏi hơn, hay ai sinh ra nhiều dòng mã hơn trong một đêm.

Nghệ thuật thực sự nằm ở Tư duy Kiến trúc Hệ thống.

Khi bạn xây dựng được một nền tảng niềm tin dựa trên kỹ thuật vững chắc như vậy, bạn mới thực sự làm chủ công nghệ, nhẹ nhàng bước lên làn sóng mới mà không sợ bị nó nhấn chìm.