Hành trình AI của mình không bắt đầu bằng một agent hoàn hảo. Nó bắt đầu bằng một câu hỏi thực dụng: liệu các công cụ này có giúp mình suy nghĩ, ship và review phần mềm với ít điểm mù hơn không?
Câu trả lời chỉ trở thành có khi mình ngừng xem AI như autocomplete và bắt đầu xem nó như một cộng sự junior cần bối cảnh, ràng buộc, ví dụ và kiểm chứng.
01 / Bắt đầuTừ tò mò đến workflow
Ban đầu mình dùng AI cho việc nhỏ: đặt tên biến, tóm tắt tài liệu, phác thảo component. Nó có ích, nhưng giá trị lớn hơn xuất hiện khi mình yêu cầu AI phân tích tradeoff trước khi viết code.
- Mô tả mục tiêu và ràng buộc trước khi hỏi code.
- Đưa cấu trúc thư mục và rule thật của dự án.
- Yêu cầu chỉ ra rủi ro và giả định còn thiếu.
- Chạy lint, build và kiểm tra thủ công thay vì tin câu trả lời đầu tiên.
02 / Thực hànhAI giúp mình hằng ngày ở đâu
Những use case mạnh nhất là lên ranh giới tính năng, đọc code lạ, tạo bản triển khai đầu tiên, viết checklist migration và biến ghi chú rời rạc thành tài liệu mà người khác có thể làm theo.
Nguyên tắc. AI có thể tăng tốc công việc kỹ thuật, nhưng nó không sở hữu tính đúng đắn. Lập trình viên vẫn chịu trách nhiệm về kiến trúc, kiểm thử, hành vi sản phẩm và review cuối.
03 / PromptingNhững prompt thật sự hiệu quả
Prompt tốt thường khá nhàm chán và cụ thể. Mình ghi rõ route, file liên quan, acceptance criteria, ràng buộc và lệnh dùng để chứng minh công việc đã xong.
Goal: cập nhật trang blog detail.
Constraints: giữ locale routing, dùng next/image, giữ SEO metadata.
Verification: chạy yarn lint và yarn build.
Review: liệt kê rủi ro Lighthouse còn lại.04 / Tiếp theoMình muốn học gì tiếp
Mình muốn xây workflow AI tốt hơn cho code review, regression testing, research sản phẩm và tài liệu. Mục tiêu không phải thay thế phán đoán kỹ thuật, mà là dành nhiều phán đoán đó hơn cho phần khó.
