Changelog
Talk mới trên Homus theo tuần · 89 talks
Tuần 28/09/202670 talk mới · lên Homus ngày 02/10/2026
Build hệ thống, đừng build code
Angie Jones · Agentic AI Foundation · 20 min
Thiết kế agent vẫn là software engineering: mười nguyên tắc từ systems thinking tới maintainability, minh hoạ qua agent tìm nhà Relocation Scout.
Eval trong production cho hệ thống agentic AI
Nishant Gupta · Meta · 8 min
Eval cho agent phải đo hành vi cả hệ thống: scenario offline, production telemetry, human review, drift, trace và metric reliability gắn với kết quả kinh doanh.
Coding agent đệ quy
Raymond Weitekamp · OpenProse · 24 min
Áp nguyên lý recursive language model (RLM) vào coding agent: rubric RLM, Y-Pi, Claude Code dynamic workflows và OpenProse để agent đáng tin cậy hơn.
Log chính là agent
Ishaan Sehgal · Omnara · 15 min
Agent không phải model hay runtime mà là append-only log: từ đó có reliability, scaling, forking, migration, và ai giữ log là người sở hữu agent.
Giả thuyết Miranda: vở musical Hamilton đã đầu độc persona eval của bạn ra sao
Jacob E. Thomas · Results Generation · 58 min
Vì sao persona eval chấm fluency không bắt được persona ghép lẫn văn hoá sai thời đại, và instrument pre-registered với nhà sử học để đo fidelity.
Một thiên tài mất trí nhớ
Victor Savkin · Nx · 20 min
Agent bị giới hạn trong một repo và quên mọi session cũ; Polygraph gỡ cả hai bằng synthetic monorepo và trace dùng chung giữa các agent.
Agent trong production: OpenGov build và scale OG Assist ra sao
Gabe De Mesa · OpenGov · 19 min
OpenGov chạy OG Assist trong production: agent loop Effect-native thay LangGraph, A2A, evals, human approval, sandbox, rolling summary và tracing.
Đừng viết chỉ dẫn về giọng điệu nữa, hãy xếp chúng thành layer
Isadora Martin-Dye · Isadora & Co · 21 min
Tách brand voice thành bốn layer: identity bất biến, mode theo tình huống, voice neo vào ví dụ, và một veto deterministic chặn output sai trước khi tới khách.
Biến 10.994 note thành memory cho agent
Paul Iusztin & Louis-François Bouchard · Decoding AI & Towards AI · 40 min
Biến hơn 10.000 note thành memory cho agent bằng plain file: deep research trên second brain, ba layer raw, index.yaml, wiki, không cần vector DB.
Xây một tổ chức engineering autonomous
Angie Jones · Agentic AI Foundation · 18 min
Cách Block đưa 3.500 engineer từ dùng AI trong IDE lên stage 5 autonomous: AI Champions, AI-friendly repo, Builder Bot, world model, và cái giá về con người.
Agent build agent
Alfonso Graziano · Nearform · 30 min
Dùng coding agent để tự cải thiện AI agent: vòng lặp hypothesis trên Golden dataset (18% lên 83%) và phân tích trace có feedback từ user thật.
Đối chiếu nhiều tài liệu bằng AI để kiểm tra tuân thủ tài chính và phát hiện gian lận
Varsha Shah · Tata Consultancy Services · 19 min
Gian lận nằm giữa các tài liệu: nối payroll, thuế, mua hàng bằng graph, chấm risk score theo xác suất, chuẩn hoá giữa các jurisdiction.
Thiết kế hệ thống AI: từ ý tưởng tới production
Apoorva Joshi · MongoDB · 29 min
Khung bốn phase thiết kế hệ thống AI từ requirement, kiến trúc, eval tới production, áp lên một hệ thống duyệt hồ sơ bảo hiểm y tế.
Browser agent không cần model tốt hơn, mà cần đôi mắt tốt hơn
Kushan Raj · Sarvam AI · 4 min
Browser agent chậm và hay kẹt vì nhìn trang quá tệ: một bản markdown cả trang (~1.800 token) cộng feedback sau mỗi click giúp model rẻ chạy nhanh và đúng.
Né thuế multimodal: hybrid RAG không framework, RRF bằng SQL thuần và telemetry live trên UI
Abed Matini · Ogilvy · 46 min
Chatbot FAQ chạy local: Docling ra Markdown, bốn chunking strategy, hybrid search trong Postgres gộp bằng RRF, guardrail bằng code và trace với Langfuse.
HTML là tất cả những gì agent cần để làm đồ hoạ
Amol Kapoor · Nori Agentic · 7 min
Vì sao agent vẽ dở trên canvas và SVG nhưng làm slide, docs, cả video rất tốt khi viết bằng HTML: đổi medium, đừng đổi model.
OpenClaw trong lòng bàn tay: build một terminal AI vật lý cho agent chạy LLM local
Lech Kalinowski · Callstack · 25 min
Build Vault: terminal cầm tay hai màn hình OLED và e-paper trên ESP32, điều khiển agent OpenClaw với LLM local và chơi RPG text do LLM dẫn dắt.
Từ research tới thực tế: đưa nghiên cứu ML frontier vào production
Vaidas Razgaitis · Higharc · 13 min
Ba đòn bẩy để đưa prototype ML vào production: tài liệu bàn giao RPT, monorepo microservice tách rời, và phân rã prototype thành stacked PR.
Cho dữ liệu unstructured một cấu trúc: parse tài liệu nâng cao cho AI workflow
Cedric Clyburn · Red Hat · 21 min
Biến PDF, bảng, hình ảnh thành Markdown/JSON cho RAG và agent bằng Docling: chạy local trên CPU, chunkless RAG, Docling Serve và MCP server.
Agent 100 tool là một cái bẫy: scale bằng semantic router và JIT context
Sohail Shaikh & Ankush Rastogi · Prosodica · 28 min
Nạp mọi tool vào prompt làm accuracy rơi từ 78% xuống 13% ở 741 tool; semantic routing (RAG cho tool) với JIT context giữ trên 83% và cắt 99% token.
Tín hiệu từ user chết ở ranh giới retrieval
Sonam Pankaj · StarlightSearch · 16 min
Vì sao tín hiệu eval chết trong dashboard, và cách dùng utility score để re-rank memory theo outcome, giúp agent tự cải tiến lúc runtime.
Nói vào, hình ra: nỗi khổ và niềm vui
Allen Pike · Forestwalk Labs · 13 min
Vì sao voice-in, visuals-out là UX tốt nhất cho AI, và ba trụ cột giữ phản hồi dưới một giây: model nhanh, inference chu kỳ ngắn, prefix caching ổn định.
Cắt 94% token AI coding bằng một local code index: đây là kiến trúc
Rajkumar Sakthivel · Tesco · 11 min
90% chi phí AI coding là input: local code index với Tree-sitter, hybrid search và confidence score đơn giản cắt 94% token gửi lên model.
Viết agent skill tốt: cẩm nang còn thiếu
Matt Pocock · AI Hero · 21 min
Checklist bốn bước để viết agent skill tốt: chọn trigger, chia steps và reference, lái agent bằng leading words, và tỉa skill bằng deletion test.
Agent của bạn hỏng trên prod. Chúc may mắn khi tái hiện lỗi
Tisha Chawla & Susheem Koul · Microsoft · 14 min
Vì sao temperature 0 không làm agent deterministic, và cách record ở boundary để replay một lỗi prod, stub LLM rồi biến trace thành test case.
Xây hạ tầng deterministic cho AI agent non-deterministic
Nishant Gupta · Meta · 7 min
Model là stochastic nhưng infrastructure phải deterministic: retry storm, model chỉ đề xuất, agent control plane, trace, memory consistency và safety nhiều lớp.
Kết quả cỡ frontier, chạy ngay trên thiết bị
RL Nabors · Arize · 31 min
Thay lời gọi frontier model bằng SLM chạy local: golden dataset, capability eval với Phoenix, chọn SAGE model, prompt few-shot và post-processing.
Người kỹ sư agentic AI
Benedikt Sanftl & Burak Cemil Özafşar · Mutagent · 35 min
Chạy vòng đời agent như một loop agentic: spec, build, eval-driven development, diagnose trace production thành eval mới, và demo diagnostics agent.
Tương lai thuộc về domain-specific agent
Justin Schroeder · StandardAgents · 31 min
Composition over inheritance cho agent: thay vì nhồi MCP và skill vào một agent lớn, ghép nhiều agent nhỏ theo domain, tiết kiệm token, dùng được small model.
Prompt chính là platform
Dominik Tornow · Resonate HQ · 18 min
Khi agent sinh được implementation, sản phẩm là specification: Resonate dùng deterministic simulation để agent tự design rồi build Resonate trên NATS.
Dùng agent RL để phát hiện và tự sửa lỗi ETL pipeline
Anna Marie Benzon · University of the Philippines Diliman · 15 min
Agent tự xử lý lỗi ETL trên AWS: rules xác lập facts, Q-learning chọn action có giới hạn, safety layer bên ngoài giữ quyền escalate; MTTR từ ngày xuống phút.
Không prompt được căn phòng: kỹ năng cuối cùng AI không thay được
Balázs Horváth · VisualLabs · 16 min
Khi build đã rẻ, phần đắt là quyết định build gì: story mapping, user story, bốn câu hỏi về value và lối tư duy VAD trước khi giao việc cho agent.
Prompt vẫn là một tấm punch card
Ted Johnson · JoinIn AI · 20 min
Prompt vẫn là protocol batch của punch card: channel, expression, protocol, và vì sao giao diện AI phải tham gia vào hội thoại thay vì chờ Submit.
Continual learning cho AI agent: từ thất bại tới cải tiến bền vững
Soheil Feizi · RELAI · 22 min
Biến log và feedback production thành learning environment replay được, sửa agent ở đúng layer (model, harness, memory) mà không gây regression.
MCP Apps: primitive, discovery và tương lai của phần mềm
Pietro Zullo · Manufact · 29 min
MCP Apps: tool trả UI vào chat, các primitive setState, ui/message, streaming input, giấu dữ liệu khỏi model, và cách submit lên store của ChatGPT, Claude, Cursor.
Lớp còn thiếu sau khi launch
Raphael Kalandadze · Wandero AI · 19 min
Sau khi ship agent: bốn operating agent (log-monitor, PR-review, session-analyzer, QA computer-use) giúp khép vòng loop, đo sức khoẻ và sửa lỗi production.
AI product sẽ thất bại nếu bạn không giải thích được nó
Veronica Hylak · Hey AI · 6 min
Ba bước biến AI product phức tạp thành câu chuyện ai cũng hiểu trong một chuyến thang máy: chỉ ra vết thương, làm product click, cho thấy before và after.
SWE-Marathon: đánh giá coding agent ở quy mô một tỷ token
Rishi Desai · Abundant AI · 13 min
Benchmark 20 task cỡ project cho coding agent: agent tốt nhất chỉ đạt 26%, và vì sao verifier đa kênh, CUA, anti-cheat là nút thắt thật.
Xây hệ thống AI để con người phân định, không chỉ bấm duyệt
Angel Ortmann Lee · Duolingo · 26 min
Duolingo thấy proctor chấp nhận 50% cờ gian lận giả; sửa interaction chứ không sửa model, và các nguyên tắc thiết kế để con người phân định thay vì bấm duyệt.
500 người vibe code trong 30 ngày, và tôi là một trong số đó
Sanja Grbic · Automattic · 18 min
Radical Speed Month ở Automattic: 501 người, 794 project trong 30 ngày, và ba project biến một product designer thành design engineer nhờ AI.
Vượt qua harness: hành trình tới adaptive engineering
Rajiv Chandegra · Annicha Labs · 37 min
Fixed harness hợp với bài toán complicated, còn thế giới thật là complex: adaptive engineering để harness tự nảy sinh từ tương tác giữa các agent.
GTM chính là bạn
Victoria Melnikova · Evil Martians · 13 min
Bottleneck của dev tool năm 2026 là distribution: PMF Compass, sáu bước GTM hygiene và bài học từ founder SF cho thấy personal brand là moat.
Cách chúng tôi dạy agent dùng retrieval cho tốt
Hanna Lichtenberg & Aamir Shakir · Mixedbread · 14 min
Vì sao agent viết query keyword vô nghĩa, và cách Mixedbread dùng harness bốn search tool cùng SFT và RL để dạy agent dùng semantic search đúng cách.
Tôn trọng process
Andrew Dumit · Watershed · 17 min
Cách Watershed để coding agent tự do viết code nhưng buộc mọi edit đi qua typed SDK và deterministic execution, giữ process valid, traceable, replayable.
Pipeline đã chết
Iris ten Teije · Sky Valley Ambient Computing · 20 min
Vì sao mô hình một artifact đóng băng cho mọi user đang hết lý do tồn tại, và kiến trúc stem cộng divergence riêng cho từng user giải các phần khó ra sao.
Nếu harness quan trọng hơn model thì sao?
Aditya Bhargava · Etsy · 32 min
Cùng model, cùng task, chỉ nâng harness qua bảy nấc bằng ngôn ngữ Agency: tool, handler, PFA, feedback loop, subagent và self-optimization với GEPA.
Tôi chạy một đội AI agent trên ba máy, và đây là những gì đã hỏng
Kyle Jaejun Lee · KRAFTON · 9 min
Vận hành đội coding agent trên ba máy: hierarchy CEO→worker, state nằm trong file, reset thay compact, review gateway, năm failure và hướng đi Kubernetes.
Deception monitor cho LLM đang hỏng, và cách sửa nằm ở training data
Sachin Kumar · LexisNexis · 14 min
Vì sao eval và behavioral monitor mù trước sleeper agent, và cách bắt backdoor bằng Diff-SAE trên activation delta giữa base và fine-tune.
Chat và citations sẽ không cứu được vertical AI của bạn
Atul Ramachandran · Filed · 15 min
Vertical AI phải thiết kế để giao việc chứ không để tham gia: bốn thành phần delegate, teach, monitor, intervene, và đo WAS thay vì WAU.
Ai build agent một mình rồi cũng tự phát minh lại một bản CI/CD tệ hơn
Sumaiya Shrabony · University of Colorado Denver · 11 min
Solo builder sẽ tự dựng lại 5 thứ của CI/CD; demo 3 cách agent nói dối (voice drift, claim không nguồn, hook trùng) và gate chặn từng cách.
Chặn AI agent hallucinate: 5 kỹ thuật và pattern cho production
Elizabeth Fuentes Leone · AWS · 55 min
Năm thay đổi trong code, không phải prompt, để agent bớt hallucinate: lọc tool, GraphRAG, swarm kiểm chéo, hook chặn rule, steering tự sửa; demo Strands.
Nhà máy biết mơ: 39 AI agent, không framework
Rushabh Doshi · Machinecraft · 10 min
Nhà máy 100 người không đội data science build company brain Ira: agent chuyên biệt, memory theo tầng, dream cycle ban đêm, không train model.
Bản ca của types và agents
Roberto Stagi · Ratel · 14 min
Vì sao TypeScript vượt Python trên GitHub và đang chiếm application layer của AI agent: coding agents, npm, một codebase, Zod end-to-end.
Semantic blindness: 500.000 sensor làm một LLM bối rối
Raahul Singh & Vanč Levstik · Phaidra · 16 min
Vì sao LLM gãy khi phải đọc 500 nghìn tên thiết bị, và cách Phaidra để LLM chỉ lập plan còn code tra cây: 100% chính xác, ít token hơn 300 lần.
AI bugpocalypse đã tới. Giờ làm gì?
Jack Cable · Corridor · 20 min
Frontier model tìm lỗ hổng ngày càng giỏi, nhưng lỗ hổng vẫn thuộc các lớp cũ: loại bỏ cả lớp bằng memory safety, đặt guardrails cho AI coding.
Done thật ra nghĩa là gì? Agent và liveness model của Paperclip
Dotta · Paperclip · 7 min
Coi done là một object chứ không phải checkbox: tách bó claim, cân liveness với assurance, và các cơ chế control plane của Paperclip cho agent.
ReviewDebt: framework thực dụng để chấm điểm từng pull request
Sachin Gupta · eBay · 25 min
ReviewDebt chấm mỗi PR bằng năm tín hiệu deterministic để đo khoảng trống giữa code coding agent tạo ra và code con người thật sự review.
UX của AI: làm app AI mà user không ghét
Kathryn Grayson Nanz · Progress Software · 36 min
Năm trụ cột UX cho tính năng AI: trust, clarity, control, transparency, meaningful benefit, kèm pattern thật như citation, action plan, nút stop, undo.
Agent của bạn cần một nút Save
Hamza Tahir · ZenML · 17 min
Checkpoint state của agent trong một durable runtime để replay run production với model hay tool khác, diff kết quả và quyết định trên cả cohort.
Output của agent không phải UX: lớp rendering còn thiếu trong LLM pipeline
Bala Ramdoss · Amazon · 14 min
Lớp generative UI giữa model và màn hình: rendering contract có version, streaming vào typed component, và BFF giữ cho mobile client an toàn.
Workflow trong ngành ung thư có thể chạy không cần người chạm tay?
Anant Shankhdhar · RISA Labs · 17 min
Bốn agent tự động hoá prior authorization cho thuốc ung thư: deterministic check trước, bằng chứng nhiều nguồn để có confidence, reasoning layer cho ca khó.
Build AI GTM agent hiểu người mua trước tin nhắn đầu tiên
Dr. Sajjan Kanukolanu · Position² · 26 min
Kiến trúc ba lớp signals, buyer intelligence, action và context graph để AI GTM agent biết người mua trước tin nhắn đầu, kèm bốn chỗ hệ thống gãy.
Đừng để LLM cầm lái
Ornella Bahidika & Joel Allou · Microsoft · 7 min
Voice tutor Ace giữ control flow trong harness: bài học là state machine, model chỉ nhận contract hẹp, nhờ đó chạy reliable trên Haiku 4.5.
Agent doanh nghiệp đang có vấn đề về structure
Ishita Daga · Tesla · 12 min
Data agent doanh nghiệp sai vì thiếu structure chứ không thiếu context: thứ bậc source of truth, context lifecycle có eval, và bài toán preference còn mở.
Medic cho Apache Spark: sơ cứu cho job bị fail
Drasko Profirovic · Pinterest · 11 min
Pinterest xây agent chẩn đoán Spark job fail: MCP, E2E test harness record/playback, lọc exception, metrics thành hình, rồi multi-agent trên deepagents.
Skill là SDK mới
Elvin Aghammadzada · DataRobot · 27 min
Vì sao skill là lớp experience mới cho agent: context rot, progressive disclosure, skill vs MCP, cấu trúc SKILL.md và rủi ro của hệ sinh thái skill.
Thiết kế voice agent cho hội thoại thật
Chintan Agrawal & Daniel Wirjo · AWS · 33 min
Turn-taking cho voice agent qua ba level: Silero VAD, turn detection trong STT, rồi VAD cộng Smart Turn; kèm latency budget, LLM TTFT và demo Pipecat.
Khi agent gặp dữ liệu vật lý: những định luật vật lý khác của agent harness
Dmitry Petrov · DataChain · 28 min
Vì sao coding agent hỏng với video và sensor data, và cách dựng data harness bốn phần: see, run, verify, remember, với demo DataChain và Claude Code.
Vì sao agent bất đồng với chính nó, và nên làm gì
Diane Lin · Datadog · 26 min
Agent flip-flop là dấu hiệu của gray zone: dùng disagreement để chọn ca cho người review, rồi thêm semantic và episodic memory thay vì fine-tune.
Voice agent không cần frontier model
Ornella Bahidika & Joel Allou · Microsoft · 6 min
Voice tutor Ace chọn model nhỏ vì latency budget khoảng 950 ms: state machine và mastery tracking nằm trong code, model chỉ nói, nhờ đó Haiku 4.5 thay được Opus 4.7.
Tuần 21/09/202619 talk mới · lên Homus ngày 27/09/2026
Tool, sandbox và phần hạ tầng của agentic development
Oleg Šelajev · Docker · 34 min
Dựng một coding factory để thoát khỏi vai điều phối toàn thời gian: mỗi agent một role, CLI và model riêng, chạy trong sandbox, dùng kits và skills.
Xây một workflow phát triển AI-native
Vanessa Minik · GitHub · 20 min
AI native khác AI embedded: nghĩ lại SDLC quanh một workforce nhiều agent, context engineering, và việc cần làm ngay sáng thứ Hai.
Phát triển song song với GitHub Copilot
Pamela Fox · Microsoft · 32 min
Chạy nhiều coding agent song song theo ba chiều environment, timing, ownership: worktree, port, staging riêng từng branch, background agents và sub-agents.
Cho agent một cái máy riêng
Dan Ndombe · Docker · 28 min
Container chưa đủ cho agent: sandbox giữ secret ngoài tầm nhìn của agent, network proxy inject secret, policy cho từng call và audit trail.
Phỏng vấn Acquired Live: Amjad Masad (co-founder và CEO Replit)
Amjad Masad · Replit · 27 min
Amjad Masad kể hành trình Replit: từ Python trong browser tới Replit Agent, doanh thu 2 lên 10 triệu, và vì sao switching costs nằm ở rails quản lý agent.
Hiểu kiến trúc LLM: bên trong thiết kế của các model hiện đại
Jofia Jose Prakash · Humanity + AI · 30 min
Đọc LLM hiện đại theo component (GQA, MLA, local attention, MoE, Gated DeltaNet) và biết phải đo gì khi swap model trong production.
Giải phẫu một AI request: latency và cost thật sự sinh ra ở đâu
Dan Fu · Together AI · 35 min
Sáu stage một AI request đi qua (routing tới decode) và sáu lever giảm latency, cost: kernels, disaggregation, parallelism, routing, speculative decoding, quantization.
Database trong thời của agent
Monica Sarbu · Xata · 30 min
Agent tạo hàng triệu database ngắn hạn: instant provisioning, scale to zero, copy-on-write branching trên vanilla Postgres và anonymization bằng pgstream.
Bộ não của chúng ta trong thời AI
Cassidy Williams · GitHub · 40 min
AI làm giảm friction và effortful learning: số liệu MIT, agent đi lạc, open source slop, và cách giữ bộ não qua guardrails, junior, mentorship.
AI và video game: chặng đường tiến hoá
Jack McCauley · Oculus · 35 min
Từ render Terminator 2 trên 20 workstation tới GPU và AI sinh asset bằng lời: vì sao game sẽ photoreal và một người làm được việc của cả studio.
Từ software agent tới thiết bị vật lý: bên trong agentic hardware stack
Michael Yuan · Second State · 35 min
Vì sao attention là nút cổ chai khi chạy nhiều agent, và cách VibeKeys dùng Wi-Fi, MQTT, vibetty để báo trạng thái agent chạy trong Docker Sandbox.
Build (và làm vỡ) agent bằng cách thêm 1.000 MCP tool
Guillaume Lebedel · StackOne · 28 min
Nối 1.000+ MCP tool làm vỡ agent ra sao: context nổ, tool search, Code Mode, RLM, và phòng prompt injection từ tool result bằng classifier cùng policies.
Quản trị runtime, không quản trị agent: một control plane cho mọi model, mọi harness
Tushar Jain · Docker · 30 min
Vì sao control phải nằm ở runtime chung dưới mọi harness và model: sandbox, fine-grained policy, semantic enrichment, demo sbx chặn DELETE repo.
Context engineering: máy nhớ và quên ra sao
Emre Okcular · OpenAI · 28 min
Quản lý context window của agent bằng ba nhóm kỹ thuật: trimming/compaction/summarization, sub-agent, và long-term memory (extract, state, retrieval), đo bằng evals.
Software factory là gì và cách dựng một cái trong 20 phút
Victor Savkin · Nx · 30 min
Dark vs lit factory, vì sao cần người ở design và review, rồi dựng một lit factory bằng script foreman chạy mỗi giờ, truyền session giữa các stage.
Kiến trúc replay-safe: event-driven system phục hồi được một cách tự tin
Ishan Shah · PayPal · 25 min
Replay an toàn cho Kafka pipeline: idempotency hai lớp Redis và DynamoDB, recovery pipeline tách riêng, và runbook Scope, Isolate, Execute, Prove.
Từ chọn model tới smart routing: dùng đúng LLM cho từng task
Viktoria Semaan · Databricks · 30 min
Chọn LLM theo cost per task chứ không theo benchmark: build eval set với MLflow, govern qua AI gateway với budget và traffic split, rồi để smart routing tự chọn model.
Nấc thang gãy: AI đang xây lại nghề phát triển phần mềm từ gốc
Tomislav Tipurić · Nephos · 32 min
Vì sao AI làm gãy nấc junior, synthetic debt và lỗ hổng security của code AI, và cách dựng lại career ladder, team kim cương, verification architecture.
Hiện trạng của software factory
Dexter Horthy · HumanLayer · 30 min
Vì sao lights-off software factory chưa chạy (SlopCodeBench), cách plan theo expected pain, back pressure, và các lớp harness, sandbox, control plane.