# Homus

Mỗi talk viết lại đầy đủ bằng tiếng Việt, giữ technical term tiếng Anh, kèm ảnh slide đặt đúng chỗ.

89 talks · 2 events. Canonical: https://homus.dev/

## [AI Engineer World's Fair 2026: Online Track](https://homus.dev/events/ai-engineer-worlds-fair-2026-online-track.md)

- [Build hệ thống, đừng build code](https://homus.dev/talks/build-systems-not-code.md): Angie Jones, Agentic AI Foundation. 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](https://homus.dev/talks/production-evals-for-agentic-ai-systems.md): Nishant Gupta, Meta. 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](https://homus.dev/talks/recursive-coding-agents.md): Raymond Weitekamp, OpenProse. 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](https://homus.dev/talks/the-log-is-the-agent.md): Ishaan Sehgal, Omnara. 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](https://homus.dev/talks/the-miranda-hypothesis-how-hamilton-the-musical-poisoned-your-persona-evals.md): Jacob E. Thomas, Results Generation. 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](https://homus.dev/talks/a-genius-with-amnesia.md): Victor Savkin, Nx. 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](https://homus.dev/talks/agents-in-production-how-opengov-built-and-scaled-og-assist.md): Gabe De Mesa, OpenGov. 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](https://homus.dev/talks/stop-writing-tone-instructions-layer-them.md): Isadora Martin-Dye, Isadora & Co. 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](https://homus.dev/talks/turn-10-994-notes-into-your-agents-memory.md): Paul Iusztin & Louis-François Bouchard, Decoding AI & Towards AI. 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](https://homus.dev/talks/building-an-autonomous-engineering-org.md): Angie Jones, Agentic AI Foundation. 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](https://homus.dev/talks/agents-building-agents.md): Alfonso Graziano, Nearform. 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](https://homus.dev/talks/ai-driven-multi-document-correlation-for-enterprise-financial-compliance-and-fraud-detection.md): Varsha Shah, Tata Consultancy Services. 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](https://homus.dev/talks/ai-system-design-from-idea-to-production.md): Apoorva Joshi, MongoDB. 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](https://homus.dev/talks/browser-agents-dont-need-better-models-they-need-better-eyes.md): Kushan Raj, Sarvam AI. 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](https://homus.dev/talks/bypassing-the-multimodal-tax-framework-free-hybrid-rag-raw-sql-rrf-and-live-ui-telemetry.md): Abed Matini, Ogilvy. 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](https://homus.dev/talks/html-is-all-you-need-for-agents-to-make-graphics.md): Amol Kapoor, Nori Agentic. 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](https://homus.dev/talks/openclaw-in-your-hand-building-a-physical-ai-terminal-for-local-llm-agents.md): Lech Kalinowski, Callstack. 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](https://homus.dev/talks/research-to-reality-bringing-frontier-ml-research-to-production.md): Vaidas Razgaitis, Higharc. 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](https://homus.dev/talks/structuring-the-unstructured-advanced-document-parsing-for-ai-workflows.md): Cedric Clyburn, Red Hat. 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](https://homus.dev/talks/the-100-tool-agent-is-a-trap-scaling-with-semantic-routers-and-jit-context.md): Sohail Shaikh & Ankush Rastogi, Prosodica. 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](https://homus.dev/talks/user-signal-dies-at-the-retrieval-boundary.md): Sonam Pankaj, StarlightSearch. 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](https://homus.dev/talks/voice-in-visuals-out-the-agony-and-the-ecstasy.md): Allen Pike, Forestwalk Labs. 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](https://homus.dev/talks/we-cut-94-of-our-ai-coding-tokens-with-a-local-code-index-heres-the-architecture.md): Rajkumar Sakthivel, Tesco. 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](https://homus.dev/talks/building-great-agent-skills-the-missing-manual.md): Matt Pocock, AI Hero. 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](https://homus.dev/talks/your-agent-failed-in-prod-good-luck-reproducing-it.md): Tisha Chawla & Susheem Koul, Microsoft. 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](https://homus.dev/talks/building-deterministic-infrastructure-for-non-deterministic-ai-agents.md): Nishant Gupta, Meta. 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](https://homus.dev/talks/frontier-results-on-device.md): RL Nabors, Arize. 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](https://homus.dev/talks/the-agentic-ai-engineer.md): Benedikt Sanftl & Burak Cemil Özafşar, Mutagent. 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](https://homus.dev/talks/the-future-is-domain-specific-agents.md): Justin Schroeder, StandardAgents. 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](https://homus.dev/talks/the-prompt-is-the-platform.md): Dominik Tornow, Resonate HQ. 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](https://homus.dev/talks/using-rl-based-agent-to-detect-and-remediate-etl-pipeline-failures.md): Anna Marie Benzon, University of the Philippines Diliman. 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](https://homus.dev/talks/you-cant-prompt-the-room-the-last-skill-ai-wont-replace.md): Balázs Horváth, VisualLabs. 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](https://homus.dev/talks/the-prompt-is-still-a-punch-card.md): Ted Johnson, JoinIn AI. 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](https://homus.dev/talks/continual-learning-for-ai-agents-from-failures-to-durable-improvements.md): Soheil Feizi, RELAI. 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](https://homus.dev/talks/mcp-apps-primitives-discovery-and-the-future-of-software.md): Pietro Zullo, Manufact. 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](https://homus.dev/talks/the-missing-layer-after-launch.md): Raphael Kalandadze, Wandero AI. 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](https://homus.dev/talks/your-ai-product-will-fail-unless-you-can-explain-it.md): Veronica Hylak, Hey AI. 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](https://homus.dev/talks/swe-marathon-evaluating-coding-agents-at-billion-token-scale.md): Rishi Desai, Abundant AI. 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](https://homus.dev/talks/build-ai-systems-for-discernment-not-approval.md): Angel Ortmann Lee, Duolingo. 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](https://homus.dev/talks/500-people-vibe-coded-for-30-days-i-was-one-of-them.md): Sanja Grbic, Automattic. 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](https://homus.dev/talks/beyond-the-harness-a-journey-towards-adaptive-engineering.md): Rajiv Chandegra, Annicha Labs. 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](https://homus.dev/talks/gtm-is-you.md): Victoria Melnikova, Evil Martians. 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](https://homus.dev/talks/how-we-taught-agents-to-use-good-retrieval.md): Hanna Lichtenberg & Aamir Shakir, Mixedbread. 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](https://homus.dev/talks/respect-the-process.md): Andrew Dumit, Watershed. 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](https://homus.dev/talks/the-pipeline-is-dead.md): Iris ten Teije, Sky Valley Ambient Computing. 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?](https://homus.dev/talks/what-if-the-harness-mattered-more-than-the-model.md): Aditya Bhargava, Etsy. 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](https://homus.dev/talks/i-run-a-fleet-of-ai-agents-across-three-machines-heres-what-broke.md): Kyle Jaejun Lee, KRAFTON. 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](https://homus.dev/talks/your-llm-deception-monitor-is-broken-the-fix-is-in-the-training-data.md): Sachin Kumar, LexisNexis. 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](https://homus.dev/talks/chat-and-citations-wont-save-your-vertical-ai.md): Atul Ramachandran, Filed. 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](https://homus.dev/talks/every-solo-agent-builder-eventually-reinvents-a-worse-version-of-ci-cd.md): Sumaiya Shrabony, University of Colorado Denver. 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](https://homus.dev/talks/stop-ai-agent-hallucinations-5-techniques-production-patterns.md): Elizabeth Fuentes Leone, AWS. 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](https://homus.dev/talks/the-factory-that-dreams-39-ai-agents-no-framework.md): Rushabh Doshi, Machinecraft. 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](https://homus.dev/talks/a-song-of-types-and-agents.md): Roberto Stagi, Ratel. 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](https://homus.dev/talks/semantic-blindness-500-000-sensors-confused-an-llm.md): Raahul Singh & Vanč Levstik, Phaidra. 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?](https://homus.dev/talks/the-ai-bugpocalypse-is-here-now-what.md): Jack Cable, Corridor. 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](https://homus.dev/talks/what-does-done-even-mean-agents-and-paperclips-liveness-model.md): Dotta, Paperclip. 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](https://homus.dev/talks/reviewdebt-a-practical-framework-for-scoring-every-pull-request.md): Sachin Gupta, eBay. 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](https://homus.dev/talks/the-ux-of-ai-making-ai-powered-apps-your-users-dont-hate.md): Kathryn Grayson Nanz, Progress Software. 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](https://homus.dev/talks/your-agents-need-a-save-button.md): Hamza Tahir, ZenML. 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](https://homus.dev/talks/agent-output-is-not-ux-rendering-layer-your-llm-pipeline-is-missing.md): Bala Ramdoss, Amazon. 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?](https://homus.dev/talks/can-oncology-workflows-run-without-human-touch.md): Anant Shankhdhar, RISA Labs. 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](https://homus.dev/talks/build-the-ai-gtm-agent-that-knows-the-buyer-before-the-first-message.md): Dr. Sajjan Kanukolanu, Position². 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](https://homus.dev/talks/dont-let-the-llm-drive.md): Ornella Bahidika & Joel Allou, Microsoft. 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](https://homus.dev/talks/enterprise-agents-have-a-structure-problem.md): Ishita Daga, Tesla. 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](https://homus.dev/talks/medic-for-apache-spark-first-aid-for-failing-jobs.md): Drasko Profirovic, Pinterest. 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](https://homus.dev/talks/skills-are-the-new-sdks.md): Elvin Aghammadzada, DataRobot. 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](https://homus.dev/talks/designing-voice-agents-for-real-conversations.md): Chintan Agrawal & Daniel Wirjo, AWS. 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](https://homus.dev/talks/when-agents-meet-physical-data-the-other-physics-of-agent-harnesses.md): Dmitry Petrov, DataChain. 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](https://homus.dev/talks/why-your-agent-disagrees-with-itself-and-what-to-do-about-it.md): Diane Lin, Datadog. 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](https://homus.dev/talks/your-voice-agent-doesnt-need-a-frontier-model.md): Ornella Bahidika & Joel Allou, Microsoft. 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.

## [WeAreDevelopers World Congress NA 2026](https://homus.dev/events/wearedevelopers-world-congress-na-2026.md)

- [Tool, sandbox và phần hạ tầng của agentic development](https://homus.dev/talks/tools-sandboxes-and-the-plumbing-of-agentic-development.md): Oleg Šelajev, Docker. 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](https://homus.dev/talks/building-an-ai-native-development-workflow.md): Vanessa Minik, GitHub. 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](https://homus.dev/talks/parallelize-your-development-with-github-copilot.md): Pamela Fox, Microsoft. 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](https://homus.dev/talks/give-the-agent-its-own-machine.md): Dan Ndombe, Docker. 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)](https://homus.dev/talks/acquired-live-interview-amjad-masad-co-founder-ceo-replit.md): Amjad Masad, Replit. 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](https://homus.dev/talks/understanding-llm-architectures-inside-the-design-of-modern-models.md): Jofia Jose Prakash, Humanity + AI. 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](https://homus.dev/talks/anatomy-of-an-ai-request-where-latency-and-cost-are-really-born.md): Dan Fu, Together AI. 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](https://homus.dev/talks/databases-in-the-agent-era.md): Monica Sarbu, Xata. 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](https://homus.dev/talks/our-brains-in-the-ai-era.md): Cassidy Williams, GitHub. 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](https://homus.dev/talks/ai-and-video-games-the-evolution.md): Jack McCauley, Oculus. 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](https://homus.dev/talks/from-software-agents-to-physical-devices-inside-the-agentic-hardware-stack.md): Michael Yuan, Second State. 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](https://homus.dev/talks/making-and-breaking-agents-by-adding-1-000-mcp-tools.md): Guillaume Lebedel, StackOne. 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](https://homus.dev/talks/govern-the-runtime-not-the-agent-one-control-plane-for-every-model-every-harness.md): Tushar Jain, Docker. 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](https://homus.dev/talks/context-engineering-how-machines-remember-and-forget.md): Emre Okcular, OpenAI. 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](https://homus.dev/talks/what-is-a-software-factory-and-how-to-build-one-in-20-minutes.md): Victor Savkin, Nx. 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](https://homus.dev/talks/replay-safe-architecture-building-event-driven-systems-that-can-recover-with-confidence.md): Ishan Shah, PayPal. 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](https://homus.dev/talks/from-model-selection-to-smart-routing-how-to-use-the-right-llm-for-every-task.md): Viktoria Semaan, Databricks. 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](https://homus.dev/talks/the-broken-rung-how-ai-is-rebuilding-software-development-from-the-ground-up.md): Tomislav Tipurić, Nephos. 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](https://homus.dev/talks/state-of-the-software-factory.md): Dexter Horthy, HumanLayer. Vì sao lights-off software factory chưa chạy (SlopCodeBench), cách plan theo expected pain, back pressure, và các lớp harness, sandbox, control plane.