# Bài viết Liên quan Kỹ thuật Phần mềm

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Kỹ thuật Phần mềm", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Người sáng lập Claude Code đưa ra nhận định mới: Phân công nhóm trong thời đại AI được viết lại, "năm kiểu người" này được săn đón nhất

Claude Code người đứng đầu Boris Cherny mới đây chia sẻ quan sát thú vị: cấu trúc phân công đội ngũ đang được viết lại trong thời đại AI. Thay vì các chức danh cố định như kỹ sư, nhà thiết kế..., đội ngũ hiệu quả sẽ gồm 5 vai trò linh hoạt dựa trên hành vi và giai đoạn sản phẩm: 1. **Người tạo mẫu (The Prototyper):** Tập trung vào việc đưa ra lượng lớn ý tưởng mới, không nhất thiết mọi thứ đều phải được triển khai. 2. **Người xây dựng (The Builder):** Chuyển hóa nguyên mẫu thô thành sản phẩm hoặc cơ sở hạ tầng có thể sử dụng thực tế, hoàn thành bước nhảy từ 0.1 đến 1. 3. **Người dọn dẹp (The Sweeper):** Làm công việc "giảm thiểu", đơn giản hóa giao diện người dùng, tái cấu trúc mã nguồn và hệ thống hỗn độn, loại bỏ chức năng dư thừa để đổi lấy hiệu suất cao. 4. **Người tăng trưởng (The Growth):** Tiếp quản sản phẩm đã hoàn thiện, thực hiện lặp lại liên tục để sản phẩm tiến gần hơn đến thị trường và người dùng, giúp sản phẩm từ "có thể dùng" trở thành "được cần". 5. **Người bảo trì (The Maintainer):** Đảm bảo vận hành lâu dài của hệ thống trưởng thành, tập trung vào bảo mật, độ tin cậy, hiệu suất và khả năng phục hồi. Điểm then chốt là các vai trò này không gắn chặt với chức danh truyền thống. Một người có thể đảm nhận nhiều vai trò khác nhau trong các dự án hoặc tại các giai đoạn khác nhau của vòng đời sản phẩm. Thành phần lý tưởng của đội ngũ phụ thuộc vào giai đoạn phát triển sản phẩm: sản phẩm mới cần vai trò 1, 2, 3; sản phẩm đang tăng trưởng cần 2, 3, 4, 5; sản phẩm trưởng thành cần 3, 4, 5. Cherny nhấn mạnh AI như Claude có thể hỗ trợ đắc lực, đặc biệt trong vai trò Người xây dựng và Người dọn dẹp, nhưng sự linh hoạt và thích ứng của con người vẫn là yếu tố không thể thay thế. Tương lai, câu hỏi quan trọng có lẽ không còn là "Bạn làm vị trí gì?" mà là "Bạn có thể thúc đẩy giai đoạn nào trong vòng đời sản phẩm?".

marsbit06/30 05:55

Người sáng lập Claude Code đưa ra nhận định mới: Phân công nhóm trong thời đại AI được viết lại, "năm kiểu người" này được săn đón nhất

marsbit06/30 05:55

Bộ Dữ Liệu Đào Tạo Doc2Repo Dài Hạn Đầu Tiên, Code Agent Không Chỉ Sửa Lỗi, Bắt Đầu Tạo Kho Lưu Trữ

Khả năng của Code Agent đang dần vượt ra ngoài việc sửa lỗi đơn lẻ, tiến tới các nhiệm vụ dài hạn cấp repository. Nghiên cứu mới từ Đại học Nhân dân Trung Quốc giới thiệu DeNovoSWE - tập dữ liệu đào tạo đầu tiên dành riêng cho việc tạo mã cấp kho lưu trữ từ đầu. Tập dữ liệu này chứa 4.818 nhiệm vụ chất lượng cao, được xây dựng thông qua cơ chế "Chia để trị" (Divide & Conquer) và "Phê bình & Sửa chữa" (Critic & Repair), nhằm giải quyết thách thức trong việc tạo toàn bộ kho mã chức năng từ một tài liệu mô tả. Phương pháp này phân tích kho mã mục tiêu thành các "năng lực" (capabilities), sau đó sử dụng một quy trình đa tác nhân để tự động tạo tài liệu nhiệm vụ rõ ràng, có cấu trúc, vừa đủ chi tiết để đánh giá nhưng không làm lộ chi tiết triển khai. Một kỹ thuật lọc theo độ khó được áp dụng để cân bằng giữa chất lượng và tính đa dạng của dữ liệu. Kết quả thử nghiệm cho thấy hiệu quả rõ rệt: Mô hình Qwen3-30B-A3B-Instruct được huấn luyện trên DeNovoSWE đã cải thiện hiệu suất trên benchmark BeyondSWE-Doc2Repo từ 5.8% lên 47.2% và trên NL2RepoBench từ 4.3% lên 23.0%. Điều này khẳng định nhu cầu về dữ liệu được thiết kế đặc biệt cho các tác vụ dài hạn, thay vì chỉ dựa vào dữ liệu sửa lỗi thông thường. DeNovoSWE đánh dấu một bước tiến quan trọng, cung cấp môi trường đào tạo có hệ thống để phát triển các Code Agent thực sự có khả năng hiểu yêu cầu, lập kế hoạch kiến trúc và tạo ra toàn bộ kho phần mềm có thể thực thi.

marsbit06/25 08:53

Bộ Dữ Liệu Đào Tạo Doc2Repo Dài Hạn Đầu Tiên, Code Agent Không Chỉ Sửa Lỗi, Bắt Đầu Tạo Kho Lưu Trữ

marsbit06/25 08:53

Đồng sáng lập AngelList Naval Ravikant: Năng suất AI bị thần thánh hóa quá mức, kỹ sư phần mềm không bao giờ biến mất

Trong bối cảnh AI phát triển mạnh mẽ, nhiều người lo ngại về nguy cơ mất việc của kỹ sư phần mềm. Tuy nhiên, Naval Ravikant - đồng sáng lập AngelList - cho rằng tác động của AI đến năng suất lao động đang bị thần thánh hóa quá mức. Dù AI có tiến bộ đến đâu, nó vẫn mắc lỗi và kỹ sư phần mềm vẫn là nghề không thể thay thế. Theo Naval, kỹ sư phần mềm có hai lợi thế: họ hiểu cơ chế vận hành cốt lõi của mã code và có khả năng phát hiện, sửa lỗi khi AI tạo ra bug hoặc kiến trúc không hoàn hảo. AI hiện chỉ xử lý tốt các tác vụ quen thuộc trong phạm vi dữ liệu đã trained, nhưng sẽ gặp khó khăn với các vấn đề mới, code hiệu năng cao hoặc kiến trúc đột phá. Ông nhấn mạnh: thị trường không có chỗ cho sự "tầm thường". Chỉ những ứng dụng tốt nhất mới chiếm lĩnh thị phần. Do đó, muốn tồn tại, mỗi người cần trở thành chuyên gia hàng đầu trong lĩnh vực cụ thể của mình, dù trong thời đại AI, nguyên tắc này vẫn đúng: "Hãy không ngừng định nghĩa lại công việc bạn làm cho đến khi bạn trở thành người giỏi nhất".

marsbit03/02 11:46

Đồng sáng lập AngelList Naval Ravikant: Năng suất AI bị thần thánh hóa quá mức, kỹ sư phần mềm không bao giờ biến mất

marsbit03/02 11:46

Dữ liệu Anthropic: Gần một nửa lượt gọi AI Agent tập trung vào kỹ thuật phần mềm, 16 lĩnh vực chuyên sâu này vẫn là thị trường màu mỡ

Bài viết trình bày nghiên cứu của Anthropic về việc sử dụng AI Agent trong thực tế, với dữ liệu nổi bật: gần 50% hoạt động tập trung vào lĩnh vực kỹ thuật phần mềm, trong khi 16 lĩnh vực khác như y tế, pháp lý, giáo dục… mỗi ngành chỉ chiếm dưới 5%. Điều này cho thấy cơ hội khổng lồ cho các công ty khởi nghiệp AI chuyên sâu theo ngành. Một phát hiện quan trọng: dù AI có khả năng làm việc liên tục gần 5 giờ, người dùng chỉ cho phép nó hoạt động trung bình 42 phút. Khoảng cách này cho thấy "thâm hụt tin cậy" chính là cơ hội sản phẩm tiếp theo. Người dùng mới tự động phê duyệt 20% thao tác, nhưng sau 750 phiên, tỷ lệ này tăng lên hơn 40%. Tuy nhiên, người dùng có kinh nghiệm can thiệp nhiều hơn, chuyển từ phê duyệt trước sang giám sát chủ động. Aaron Levie nhấn mạnh: thành công nằm ở việc xây dựng Agent tích hợp dữ liệu riêng, hiểu sâu nghiệp vụ ngành và quản lý thay đổi phía khách hàng. Các lĩnh vực như y tế, luật, giáo dục… vẫn là thị trường màu mỡ chưa được khai phá. Bài viết kết luận: với hơn 300 kỳ lân SaaS đã ra đời, 300 kỳ lân AI tiếp theo sẽ thuộc về những ai làm chủ được tri thức ngành và biết cách triển khai AI một cách hiệu quả.

marsbit02/24 07:59

Dữ liệu Anthropic: Gần một nửa lượt gọi AI Agent tập trung vào kỹ thuật phần mềm, 16 lĩnh vực chuyên sâu này vẫn là thị trường màu mỡ

marsbit02/24 07:59

活动图片