Cách Đại học Stanford giảng dạy kỹ thuật bản địa AI — Mihail Eric, Monaco

Kênh YouTube AI Engineer vừa chính thức cán mốc 1.000.000 lượt đăng ký. Ban biên tập trân trọng cảm ơn tất cả những người đã theo dõi các bài nói chuyện, chia sẻ với đồng nghiệp hoặc áp dụng kiến thức vào thực tế sản xuất. Trong chương trình đặc biệt này, chương trình đã có buổi trao đổi với một chuyên gia nhằm giải đáp câu hỏi đang được nhiều người đặt ra trong công việc: các kỹ sư phần mềm thực sự cần học những gì vào thời điểm hiện tại? Ông Mihail Eric có hai môi trường thực tế để kiểm chứng câu trả lời của mình. Ông hiện giảng dạy khóa học The Modern Software Developer tại Đại học Stanford và phụ trách mảng AI tại Monaco - nơi các đồng nghiệp sử dụng các tác tử lập trình (coding agent) để phát hành phần mềm và điều tra sự cố kỹ thuật. Khách mời đã phân tích giáo trình giảng dạy, đồng thời chia sẻ những nội dung nào vẫn giữ được giá trị thực tế khi áp dụng trực tiếp vào đội ngũ kỹ thuật của mình. Nội dung này cũng nhằm cung cấp thông tin tổng quan cho những người tham dự sự kiện AIE Code tại San Francisco vào tuần tới, như một phần kiến thức nền tảng cần thiết cho các cuộc trao đổi với diễn giả, nhà tài trợ và khách tham dự. Đối với độc giả đăng ký gói LS nhưng chưa mua vé, mã giảm giá 30% có thể được áp dụng (chính sách không hoàn tiền). Bài tập về nhà năm ngoái nay chỉ cần một câu lệnh prompt Khóa học CS146S lần đầu tiên được tổ chức gồm chín bài tập và một đồ án tốt nghiệp. Trong một bài tập, sinh viên đã chạy công cụ đánh giá mã nguồn bằng AI trên một kho lưu trữ (repo) và đánh giá phản hồi thu được. Đến khóa tiếp theo, ông Mihail nhận thấy sinh viên có thể giải quyết nhiều bài tập dạng này chỉ bằng một câu lệnh duy nhất. Khi khảo sát một lớp sinh viên năm hai và năm ba tại Stanford về phương pháp lập trình, toàn bộ người được hỏi đều cho biết họ đã sử dụng tác tử AI. Do đó, bài tập lần này yêu cầu sinh viên đóng góp trực tiếp vào một dự án mã nguồn mở. Người quản trị kho lưu trữ sẽ trực tiếp đánh giá bản vá (patch) của sinh viên. Hướng tiếp cận này mang lại nhiều giá trị thực tiễn cho bài tập. Một tác tử AI có thể hoàn thiện tính năng trong một buổi chiều, song người học vẫn phải tìm hiểu xem người quản trị có thực sự cần tính năng đó hay không, nguyên nhân mã nguồn hoạt động theo cơ chế hiện tại, cũng như nguy cơ bản vá gây lỗi cho các phần khác. Quá trình trao đổi đó cũng chính là phương thức giúp một kỹ sư mới vào nghề học hỏi từ những người đi trước. Chương trình cũng giới thiệu một bài tập có thể áp dụng cho các yêu cầu tích hợp mã nguồn (PR) tiếp theo. Kỹ năng explain-diff của tác giả Geoffrey Litt giúp chuyển đổi các thay đổi mã thành một bản trình diễn trực quan, sau đó đưa ra các câu hỏi kiểm tra. Người lập trình có thể thử nghiệm tính năng này trên bản vá mà tác tử AI vừa tạo ra để xác định câu hỏi nào buộc người dùng phải mở lại mã nguồn mới có thể trả lời. Lựa chọn mua ngoài và tự phát triển tại Monaco Tại Monaco, đội ngũ kỹ thuật đã đánh giá các sản phẩm đánh giá mã nguồn và quyết định tiếp tục sử dụng Devin. Tuy nhiên, môi trường làm việc cho tác tử (agent workspace) lại đi theo hướng ngược lại. Một tác tử chạy nền cần có môi trường để vận hành sản phẩm, tái hiện lỗi và kiểm thử bản vá. Do các yêu cầu kỹ thuật phụ thuộc vào cấu hình đám mây của Monaco, đội ngũ đã tự xây dựng không gian làm việc riêng. Nguyên tắc cốt lõi của ông Mihail là: "Mua giải pháp để học hỏi, và tự xây dựng để duy trì lâu dài". Một trong những kết quả đạt được là hệ thống Hal. Một kỹ sư có thể yêu cầu hệ thống điều tra một sự cố và khởi tạo một PR. Một nhân viên kinh doanh cũng có thể sử dụng chính hệ thống đó để tìm hiểu cơ chế hoạt động của sản phẩm. Trong trường hợp đầu tiên, kết quả hữu ích là một đề xuất thay đổi mã nguồn có thể thẩm định được. Trong trường hợp thứ hai, đó là lời giải thích phù hợp để cung cấp cho khách hàng. Nếu chỉ đưa ra một khối dữ liệu gỡ lỗi (debugging) dày đặc, hệ thống chỉ đáp ứng được nhu cầu của một trong hai đối tượng nói trên. Vấn đề cốt lõi cần đặt ra là quy trình xử lý ở đầu tiếp nhận của mỗi PR. Tác tử AI chỉ thấy mã nguồn hiện tại, nhưng không thể tự tra cứu lý do đội ngũ kỹ thuật từng từ chối chính thay đổi đó vào thời điểm sáu tháng trước. Thực tế này dẫn từ mô hình Authority Map của Basis đến dự đoán của ông Mihail rằng các kho lưu trữ mã nguồn mở sẽ trở thành các nhà máy phần mềm do tác tử vận hành. Đây cũng là lý do xác đáng cho việc yêu cầu sinh viên tương tác trực tiếp với các nhà quản trị dự án hiện nay, bởi quyết định sau cùng về việc một thay đổi có phù hợp với dự án hay không vẫn phải do con người đưa ra. Các kỹ sư phát triển ứng dụng bằng tác tử lập trình (coding agent) có thể tham gia sự kiện AI Engineer CODE. Đối với những người trực tiếp giảng dạy lĩnh vực này, việc thảo luận về bài tập đầu tiên cần phải biên soạn lại là nội dung rất được quan tâm. Ghi chú chương trình Stanford CS146S — Đề cương 10 tuần, hệ thống bài tập và các đối tác mã nguồn mở. Người học có thể tham khảo thêm khóa học của năm trước để đối chiếu. Xây dựng tác tử lập trình và phân tích nội bộ Claude Code — Phần giới thiệu chi tiết của Mihail về vòng lặp công cụ và khung điều phối phụ trợ. Khả năng thấu hiểu là nút thắt mới — Phương pháp tiếp cận của Geoffrey Litt nhằm nhận biết các thay đổi trong bản so sánh mã nguồn (diff) do AI tạo ra. Không gian làm việc cho tác tử và lập trình viên của Monaco — Lý do nhóm phát triển xây dựng môi trường để các tác tử có thể chạy và kiểm thử ứng dụng. Cách thức tinh giản quy trình xét duyệt mã nguồn và nghiên cứu nền tảng từ Faros — Các đội ngũ ứng dụng AI ở mức độ cao đã hợp nhất số lượng yêu cầu kéo (PR) nhiều hơn 98%, trong khi thời gian xét duyệt PR kéo dài hơn 91%. Bản đồ thẩm quyền (Authority Map) của Basis — Nguồn dữ liệu để tác tử tra cứu về hành vi hiện tại, các quyết định trước đó và mục đích thiết kế. Dự án Minions của Stripe — Ví dụ triển khai thực tế về việc thiết lập môi trường cho các tác tử lập trình chạy ngầm và quy trình dẫn đến một PR được kỹ sư xét duyệt. Các bước ứng dụng AI của Boris Cherny — Năm giai đoạn được trình chiếu ở phần cuối chương trình. Mihail chia sẻ về Chế độ Tư duy (The Thinking Mode) — Nội dung phỏng vấn do EO Studio thực hiện, được trích dẫn ở phần mở đầu chương trình. Mốc thời gian 0:00 · Cột mốc 1 triệu người đăng ký theo dõi AI Engineer và Hội nghị thượng đỉnh CODE 0:51 · Mihail Eric và khóa học CS146S tại Stanford 5:26 · Những kiến thức kỹ sư mới vào nghề cần trang bị hiện nay 10:02 · Đơn vị quản lý mã nguồn mở đánh giá mã nguồn của sinh viên 15:04 · Tổng quan đề cương môn học 10 tuần 24:04 · Vòng lặp, công cụ và khung điều phối bên trong một tác tử lập trình 32:18 · Kỹ thuật ngữ cảnh (context engineering) cho kho mã nguồn quy mô lớn 38:15 · Các kỹ năng hỗ trợ thấu hiểu bản so sánh mã nguồn (diff) 46:42 · Vụ tranh chấp tên miền Monaco.com và biểu ngữ máy bay 50:23 · Giá trị Monaco mang lại cho các đội ngũ kinh doanh 59:21 · Cơ cấu nội bộ đội ngũ kỹ thuật của Monaco 1:01:40 · "Mua để học hỏi, tự phát triển để duy trì lâu dài" 1:05:24 · Chuẩn hóa kho lưu trữ tương thích với tác tử và khép kín quy trình trực vận hành 1:12:37 · Thời điểm việc duyệt mã nguồn trở thành nút thắt cổ chai 1:20:37 · Vấn đề an toàn, các thành phần phụ thuộc và phân quyền 1:30:13 · Các tác tử chạy ngầm và dự án Minions của Stripe 1:34:16 · Cổng MCP và xu hướng hội tụ hạ tầng 1:41:22 · Xây dựng nhà máy phần mềm 1:45:24 · Những công việc còn lại dành cho giới lập trình viên 1:52:16 · Từ mức độ ứng dụng cá nhân đến quyền tự chủ của toàn đội ngũ Bản ghi nội dung Tải về toàn văn bản ghi bên dưới. Trên phiên bản điện tử, người dùng có thể đọc bản ghi và nhấn vào mốc thời gian bất kỳ để chuyển đến phân đoạn phỏng vấn tương ứng. transcript.txt 153,06 KB • Tệp tin PLAIN Bản ghi tự động, được đối chiếu chuẩn xác với tập phát sóng hoàn chỉnh. Các mốc thời gian sẽ dẫn tới phân đoạn tương ứng trên YouTube.