Thế giới phát triển phần mềm đang xôn xao với những tuyên bố về đột phá gia tăng năng suất thông qua lập trình được hỗ trợ bởi AI. Một kỹ sư của Amazon gần đây đã tiết lộ chi tiết cách nhóm của anh ấy đạt được thông lượng mã hóa gấp 10 lần bằng cách sử dụng các tác nhân AI như Amazon Q và Kiro, nhưng cộng đồng nhà phát triển không hoàn toàn bị thuyết phục. Khi các nhóm chạy đua áp dụng những công cụ mới này, các câu hỏi nổi lên về việc liệu các phương pháp phát triển hiện tại của chúng ta có thể theo kịp tốc độ gia tăng này hay không.
Lời Hứa Về Năng Suất Chạm Trán Những Lo Ngại Thực Tế
Tuyên bố cốt lõi thúc đẩy cuộc cách mạng mã hóa AI là sự cải thiện năng suất đáng kể. Các nhóm báo cáo viết code với tốc độ chưa từng có, với một kỹ sư cho biết 80% code họ cam kết hiện nay đến từ các tác nhân AI. Cách tiếp cận mã hóa bằng tác nhân này định vị con người ở vai trò người đánh giá và giám sát hơn là lập trình viên chính. Quy trình làm việc bao gồm việc chia nhỏ các tác vụ, ra lệnh cho các tác nhân AI, và cẩn thận đánh giá đầu ra trước khi cam kết các thay đổi.
Tuy nhiên, cộng đồng nhà phát triển vẫn hoài nghi về việc tốc độ gia tăng này thực sự mang lại điều gì. Một số bình luận đặt câu hỏi liệu nhiều code hơn có đồng nghĩa với phần mềm tốt hơn hay không, và lưu ý rằng bài báo cung cấp rất ít chi tiết về những gì thực sự được xây dựng với cách tiếp cận tăng tốc này.
Bài viết về LLM kinh điển: Dữ liệu trừu tượng cho thấy sự gia tăng 'năng suất' ... ĐÃ KIỂM TRA. Hoàn toàn thiếu thông tin về những gì được xây dựng với 'năng suất' đó ... ĐÃ KIỂM TRA
Các Chỉ Số Năng Suất Được Báo Cáo:
- 80% mã code được commit do các AI agent viết
- Tăng 10 lần năng suất lập trình so với các đội có tốc độ cao thông thường
- Các lỗi ảnh hưởng đến sản phẩm có thể tăng từ 1-2 lỗi mỗi năm lên mức xuất hiện hàng tuần ở tốc độ hiện tại
Cơ Sở Hạ Tầng Kiểm Thử Vật Lộn Dưới Khối Lượng Được Tạo Bởi AI
Sự gia tăng nhanh chóng trong sản xuất code đã làm lộ ra những điểm yếu cơ bản trong các phương pháp kiểm thử truyền thống. Khi các nhóm chuyển từ vài lần cam kết code mỗi ngày sang hàng chục lần, các đường dẫn CI/CD và chiến lược kiểm thử hiện có nhanh chóng trở thành nút thắt cổ chai. Tác giả bài viết so sánh điều này với đua xe Công thức 1 - tốc độ cao đòi hỏi hệ thống an toàn vượt trội và khả năng phản ứng nhanh.
Một số nhà phát triển cho rằng giải pháp không phải là mới. Các phụ thuộc giả lập (mock dependencies) và chiến lược kiểm thử toàn diện đã tồn tại trong nhiều thập kỷ, nhưng việc duy trì chúng thường quá tốn kém. Điểm đặc biệt là các tác nhân AI giờ đây có thể giúp xây dựng và duy trì cơ sở hạ tầng kiểm thử tinh vi cần thiết để hỗ trợ code được tạo bởi AI, tạo ra một chu kỳ tự củng cố.
Phương pháp phát triển:
- "Agentic coding" - cộng tác giữa con người và AI
- Mọi commit đều có kỹ sư xem xét và phê duyệt
- Các quy tắc điều hướng hạn chế hành vi của AI agent
- Ưu tiên ngôn ngữ lập trình Rust để đảm bảo tính an toàn của trình biên dịch
Thách Thức Về Giao Tiếp và Phối Hợp Gia Tăng
Ở tốc độ phát triển gấp 10 lần, các nhóm phải đối mặt với những thách thức về phối hợp mà các phương pháp giao tiếp truyền thống không thể đáp ứng. Nhịp độ gia tăng đồng nghĩa với nhiều quyết định kiến trúc xảy ra đồng thời hơn, tạo ra những xung đột tiềm ẩn khi các thay đổi của các kỹ sư giao nhau. Một số người bình luận lưu ý rằng giải pháp của Amazon - để các nhóm ngồi cùng nhau để phối hợp tức thì - không thể mở rộng cho các nhóm phân tán.
Nút thắt giao tiếp trở nên quan trọng khi nhiều kỹ sư cùng đưa ra các quyết định ảnh hưởng đến các cơ sở code dùng chung. Việc chờ đợi phản hồi trên Slack hoặc các cuộc họp được lên lịch tạo ra sự chậm trễ tích lũy nhanh chóng ở tốc độ cao. Điều này gợi ý rằng các nhóm được hỗ trợ bởi AI thành công có thể cần phải suy nghĩ lại không chỉ về công cụ của họ, mà còn cả các mẫu hình cộng tác cơ bản.
Các công cụ AI chính được đề cập:
- Amazon Q (trợ lý lập trình AI)
- Kiro (trợ lý lập trình AI)
- Claude (được đề cập trong phần bình luận như một lựa chọn thay thế)
Cái Giá Thực Sự Của Phát Triển Tốc Độ Cao
Ẩn dưới những tuyên bố về năng suất là một thực tế đáng lo ngại hơn: tốc độ gia tăng có thể đồng nghĩa với việc gia tăng lỗi và các sự cố trong môi trường sản xuất. Phép tính khá đơn giản - nếu tỷ lệ lỗi vẫn không đổi trong khi khối lượng cam kết code tăng gấp 10 lần, các sự cố sản xuất có thể trở thành sự kiện hàng tuần thay vì hàng năm.
Một số nhà phát triển diễn giải lời kêu gọi kiểm thử tốt hơn như một sự thừa nhận rằng việc lập trình bằng AI tạo ra nhiều code có vấn đề hơn. Cộng đồng vẫn chia rẽ về việc liệu lợi ích về năng suất có biện minh cho sự đánh đổi về chất lượng tiềm năng hay không, với một số người lo sợ rằng ban quản lý sẽ bắt buộc sử dụng các công cụ AI mà không hiểu các yêu cầu về cơ sở hạ tầng cần thiết để hỗ trợ chúng.
Con đường phía trước cho sự phát triển được hỗ trợ bởi AI dường như đòi hỏi những thay đổi cơ bản đối với toàn bộ vòng đời phát triển phần mềm. Các nhóm không thể đơn giản ghép nối các công cụ AI vào các quy trình hiện có và mong đợi những cải tiến bền vững. Đột phá thực sự có thể đến khi các tổ chức sử dụng AI không chỉ để viết code nhanh hơn, mà còn để xây dựng cơ sở hạ tầng mạnh mẽ cần thiết để hỗ trợ phát triển tăng tốc một cách an toàn.
Tham khảo: The New Calculus of Al-based Coding