Durable agent dùng Pi và Jev tuyển tin: hype, fact hay signal

1. Nhiễu nhiều hơn tín hiệu, và hành trình in, near, out loop

Dan mở đầu bằng câu chào quen thuộc với "các engineer". Theo anh, trong thời đại AI, lượng nhiễu (noise) đã lớn hơn tín hiệu (signal) theo cấp số nhân: rất nhiều clickbait, công nghệ bị thổi phồng quá mức (overhype), và những thứ ăn cắp sự chú ý (attention theft). Anh đoán người xem đã tự trải qua chuyện này, và bản thân anh cũng vậy. Với một engineer, thời gian và sự chú ý là hai tài nguyên quan trọng nhất.

Trong video này, anh muốn cho thấy cách anh lọc qua hype, facts và signal bằng một công nghệ mới nổi mà anh coi là cực kỳ quan trọng: proactive agent. Nhưng anh nhấn mạnh rằng bài học tầng trên (meta lesson) của những gì sắp thấy còn quan trọng hơn chính các tool được dùng. Bài học đó là: những engineer giỏi nhất đang chuyển từ human in the loop, sang human near the loop, rồi tới human out the loop. In, near, out.

Vì sao bước chuyển này quan trọng đến vậy? Vì theo Dan, agent của bạn có thể tự làm 80% hoặc hơn mọi việc bạn đang làm, nếu bạn có đúng công nghệ. Vấn đề là nhảy thẳng từ in-loop sang out-loop là một thử thách lớn. Đó là chỗ proactive agent xuất hiện.

Câu anh lặp lại nhiều lần trong video: proactive agent không chờ bạn làm việc. Chúng làm việc cho bạn, rồi chờ. Khi bạn sẵn sàng, bạn bước vào, lấy ra giá trị, đưa feedback, rồi đi tiếp. Nếu bạn muốn nâng cấp kỹ năng agentic engineering bằng cách đi từ in, sang near, rồi ra out the loop, Dan mời bạn ở lại để cùng lọc nhiễu với durable news agent. Câu hỏi anh đặt ra: sẽ ra sao nếu agent của bạn không bao giờ dừng?

2. Durable News Agent: một client tách rời, không phải ChatGPT thứ hai

Dan mở ứng dụng lên. Bố cục là một agent điển hình ở một bên và generative UI ở bên kia. Ngay lúc đó, news agent vừa bắt được thông báo đầy đủ về việc Gemini 4 Argon được phát hành qua API của Google (theo video đăng ngày 19/10/2026). Theo anh, điều này rất mạnh.

Nhìn thoáng qua, bạn có thể nghĩ chẳng có gì đặc biệt. Có phải anh chỉ đang làm lại ChatGPT? "Not so fast", không nhanh vậy đâu. Ta có thể truy cập agent này theo hai cách.

Thứ nhất, Dan không thật sự chạy trên máy đang dùng. Anh đang xem một URL trỏ tới chiếc M4 Mac mini của mình. Nghĩa là cái browser ta đang thấy chỉ là một detached client, một client tách rời. Anh đẩy ý này xa hơn: đây mới là bản chất của một proactive agent. Nó không chờ anh làm việc.

Thứ hai, khi mở terminal, ta thấy một điều rất hay: agent trong terminal và agent trong browser được đồng bộ (synced). Vì sao? Vì cả hai chỉ là client. Agent thật đang chạy trên M4 Mac mini. Browser và terminal user interface (TUI), cả hai đều đang dùng model GPT-6 Luna, chỉ đang kết nối tới durable agent chạy trực tiếp trên chiếc M4.

3. Proactive agent = durable agent + trigger + sandbox

Đó là sức mạnh của hệ thống. Dan chỉ ra rằng tay anh đã rời bàn phím, vậy mà cứ mỗi phút, mỗi lần cron chạy, công việc vẫn tự diễn ra. Agent không chờ anh làm việc. Nó làm việc cho anh, rồi chờ lượt chạy tiếp theo bắt đầu. Agent này proactive. Nó được gắn vào một hệ thống, giống một sản phẩm vận hành không cần anh nhưng phục vụ cho anh.

Theo anh, mọi chuyện thật sự đơn giản như vậy: một proactive agent là một durable agent cộng một trigger, đặt bên trong một sandbox. Anh bấm refresh liên tục để kéo thông tin mới về feed. Agent này durable vì được lưu bằng các database SQLite, mà thật ra bạn dùng database nào cũng được. Thứ ta đang thao tác chỉ là một client, một lớp giao diện mỏng gọi tới một API, và bên trong API đó mới là agent durable thật sự.

Đây cũng là chủ đề video tuần trước của kênh, trong đó Dan xây một on-call durable agent cũng mang tính proactive. Anh quay lại chủ đề này vì đây là một công nghệ agentic có signal cao, rất quan trọng để tiến từ in the loop sang near the loop (chính là thứ hệ thống này đang làm), rồi tới out the loop hoàn toàn.

Nhờ trí thông minh của model tăng lên và chi phí giảm xuống, Dan đã để hệ thống chạy hơn một ngày liền (tính tới lúc quay video). Nó không ngừng gom tin, lọc tin, và dùng Jev như một mắt xích chính trong pipeline để gác cổng (gate) các lệnh gọi language model đắt hơn. Dù Luna là một model rất rẻ, mỗi lần gọi vẫn là một lần gọi language model, vẫn ngốn token, compute và vì thế là tiền. Nên anh đặt Jev đứng trước để gác cổng, để lọc, để tìm đúng mẩu thông tin. Điều này cho phép chuyển mượt từ in-loop sang out-loop: hệ thống làm việc cho anh mà không cần anh.

Về giao diện, Dan nói đây là một UI hiện đại khá tiêu chuẩn mà bạn đã quen: agent ở một bên, generative UI ở phần còn lại, và một timeline đẹp. Anh sẽ đi qua bộ tính năng sau.

4. Cách build quan trọng hơn thứ được build

Trước khi vào tính năng, Dan nhấn mạnh: cách một thứ được build quan trọng hơn thứ bạn đang build. Lý do, như anh nói, là code đã trở nên rẻ vô hạn và sao chép được vô hạn. Xu hướng "reverse engineer anything", cái gì cũng dịch ngược được, cho thấy điều đó. Chuyện các nhà toán học "phát cuồng" trước đợt OpenAI công bố một loạt lớn chứng minh toán học cũng cho thấy điều đó. Thứ còn quan trọng là taste của bạn, phán đoán (judgment) của bạn, và khả năng thiết kế kiến trúc cho những hệ thống độc đáo với những đặc tính độc đáo.

Trong lúc nói, feed vẫn đổ về rất nhiều tin quanh đợt phát hành Gemini 4 Argon, thứ mới và nóng nhất lúc quay video. Dan nhấn mạnh rằng agent đã tự kéo tin đó về cho anh, anh không phải tự đi tìm.

Và trước khi vào kiến trúc của durable news agent, hệ thống đi tìm những tin thật sự đáng để bạn chú ý, anh muốn nói về cách anh áp taste và chuyên môn của mình để định hướng những gì anh build.

5. Ba cái giỏ: hype, facts và signal

Trong đầu, Dan chia mọi thông tin mới vào ba cái giỏ: hype, facts và signal.

Hype thường có nghĩa là có quá nhiều sự chú ý, và một chủ đề lớn lên nhờ sự phấn khích không có cơ sở, vì bản thân chủ đề đó vốn kích thích hoặc vốn dễ gây chú ý. Đó là hype.

Tiếp theo là facts. Facts là điều đúng một cách khách quan. Nó gần với cái anh gọi là signal hơn nhiều, nhưng phải phân biệt signal với fact, vì không phải fact nào cũng là thông tin hữu ích mà bạn hành động được. Ví dụ, OpenAI vừa tung ra một bộ chứng minh toán học rất lớn. Bạn, một engineer, có hành động gì được với nó không? Không hẳn, nhưng nó vẫn tuyệt vời. Nó vẫn là sự thật. Một làn sóng toán học mới đang tới và có thể sẽ mở khoá nhiều thứ trong tương lai cho bạn, cho anh và cho thế giới. Đó là fact, nhưng chưa thật sự là signal ở thời điểm này.

Cuối cùng là signal: thứ bạn thật sự hành động được. Ví dụ, Gemini 4 Argon là một language model mới, state of the art (theo video đăng ngày 19/10/2026), và bạn với anh dùng được nó ngay. Nó đã được công bố khoảng một tuần trước đó, nhưng mới được rollout đúng vào lúc quay video. Đó là thông tin mà bạn và anh hành động được.

Đó là cách anh tách thông tin trong thời đại AI để lọc nhiễu. Với taste đã được áp dụng như vậy, hay nói cách khác là judgment, anh có thể xây một kiến trúc giúp mình làm đúng việc đó.

6. Có taste rồi mới tới kiến trúc: toàn bộ hệ thống

Dĩ nhiên ta đang thấy kết quả cuối cùng, nhưng Dan muốn giải thích vì sao software engineering vẫn quan trọng đến vậy, và vì sao có quan điểm riêng, có product vision vẫn quan trọng. Thật ra nó còn quan trọng hơn bao giờ hết, vì ai cũng đang sao chép, reverse engineer và "slop" ra mọi thứ họ nghĩ được.

Kiến trúc của hệ thống trông thế nào? Giờ ta đã có mục tiêu, đã có một quan điểm cụ thể về việc kết quả phải trông ra sao, nên mới bắt đầu trả lời câu hỏi kiến trúc là gì.

Đây là toàn bộ hệ thống: Cron kích hoạt API, và API chính là Newsdesk, một Pi Durable Agent. Dan đã đi sâu vào chi tiết Pi Durable Agent trong video tuần trước, và video đó đang được nhiều người chú ý vì lý do chính đáng: theo anh, nhiều engineer đang hiểu ra khái niệm proactive agent. Nó quan trọng tới mức anh phải nói về nó hai tuần liên tiếp.

7. Ba thiết bị, cùng một code: Mac mini và exe.dev sandbox

Đây là signal cao. Pi Durable cho phép tạo các durable task. Mọi thứ được kích hoạt qua API, nên mọi thứ được cô lập. Dan nhắc lại rằng đây là chiếc Mac mini của anh, nhưng anh có thể deploy nó ở bất cứ đâu, và anh đã làm vậy thật.

Anh quay lại browser: một tab đang chạy trên URL local, còn tab này chạy trên một agent sandbox của exe.dev. Bản này tập trung vào Muse, nên các tập thông tin khác hẳn. Nó còn đang hỏi anh vài câu. Hệ thống đang prompt ngược lại anh. Dan gọi đó là two-way prompt system: anh prompt nó, nó prompt anh, và nó tạo ra một feed riêng, hoàn toàn tách biệt với feed trên chiếc M4, vốn đã được tinh chỉnh kỹ hơn. Tức là anh đang thử nghiệm song song trên M4 và trên một sandbox exe.dev.

Một lần nữa, chủ đề xuyên suốt ở đây là detached client đi cùng durable agent, và thứ này cứ thế tiếp tục chạy. Như đã thấy, có terminal user interface, có thể truy cập qua CLI, và qua browser. Đó là toàn bộ hệ thống: một ứng dụng client-server, trong đó Dan đã tách riêng nhiều bộ phận chuyển động.

8. Xây phần mềm theo lớp

Vậy cụ thể nó trông thế nào? Hệ thống được xây theo lớp (built in layers).

• Dưới cùng là các database SQLite.
• Tiếp theo là Pi Durable. Dan gửi lời cảm ơn tới Mario và Armin.
• Rồi tới một durable agent. Đây là bản implement riêng của anh, được expose qua một API.
• Bên cạnh có Jev, làm rất nhiều việc classification, filtering và ranking với giá rẻ như cho.
• Cuối cùng là SDK, thứ mà browser, TUI, Cron và CLI đều dùng.

Theo Dan, việc anh làm ở đây là xây một kiến trúc có thể deploy lại cho nhiều use case khác nhau, theo hướng proactive agent đi trước. Đó là ý tưởng chính. Mỗi khi ngồi xuống build một thứ gì đó, với anh nó không chỉ là bản thân thứ đó. Nó là cách thứ đó được build, là kiến trúc bao quanh nó.

Anh nhận thấy ngày càng nhiều nỗi sợ, sự bất định và hoài nghi (fear, uncertainty and doubt) trong thời đại AI. Người ta nói code generation đã được giải quyết. Người ta nói toán học đã được giải quyết. Người ta nói software engineering đã được giải quyết. Dan hoàn toàn không đồng ý.

9. Đừng mất niềm tin vào kỹ năng engineering, và vòng sweep mỗi phút

Theo anh, ta vẫn sẽ cần những người làm nghề giỏi, đặt tay lên bàn phím để dẫn tới đúng kết quả, dùng đúng kiến trúc, đặt đúng câu hỏi và dẫn dắt các language model. Rõ ràng việc đó có nhiều cấp độ, và đó là thứ kênh IndyDevDan luôn tập trung vào.

Lời anh nhắn: đừng mất niềm tin vào kỹ năng engineering của mình. Bạn đã làm việc này nhiều năm. Nhiều người xem đã làm engineering lâu như anh; anh đã làm hơn 15 năm, và giờ agent xuất hiện. Agent là một tool mới, chỉ vậy thôi. Hãy dùng nó như một tool mới, vì với đúng tool, bạn làm được nhiều hơn bao giờ hết.

Trong lúc đó, các lượt sweep mới tiếp tục chạy vào. Thứ này chạy mỗi phút một lần, nên nó kéo về rất nhiều. Quay lại kiến trúc: nó được xây theo lớp, và chính điều đó mở khoá được loại hệ thống này. Dan gọi đây là AI developer workflow, và nó vận hành thế này. Quanh lượt news sweep ở tầng trên cùng, có một task chạy: gather (gom), gate (gác cổng), dedupe (bỏ trùng), rồi rank (xếp hạng). Sau đó có N ứng viên trả về, và durable agent quyết định thật sự render tin nào dựa trên thứ hạng nhận được.

Đó là kiến trúc, đó là cách nó hoạt động. Và gần như ở mọi điểm trong đó, Dan đều dùng Jev.

10. Jev ở mọi cổng

Theo Dan, Jev là một cách tuyệt vời để phân loại khối lượng lớn văn bản theo rất nhiều cách khác nhau. Và như người xem kênh đã biết, Jev rẻ như cho, rất đáng tin cậy và rất nhanh. Bạn muốn thì tự làm một cái riêng; anh thì đang tiết kiệm được rất nhiều thời gian chỉ bằng cách dùng Jev nguyên bản. Nó là một classifier tổng quát rất tốt.

Đây là một cách rất mạnh để xử lý khối lượng thông tin lớn, với dưới nửa giây cho mỗi lần gọi. Dan đi qua cách anh dùng nó ở từng bước:

• Tin này có liên quan không, có đáng xem không?
• Nó có phải bản trùng không, có phải cùng một câu chuyện không? Nếu không hash được, đây là cách rất tốt để dự phòng cho hash. Dĩ nhiên bạn nên làm content hash trước.
• Rồi tới nghiên cứu claim: điều này có thật sự là fact không? Ta có thể ghép nhiều nguồn lại và xác định xem chúng có trùng khớp nhau không.
• Cuối cùng là phần trình bày thật sự (present).

Ý lớn, bài học tầng trên đằng sau những gì Dan cho xem là thế này: ta muốn đi từ in loop sang near loop rồi sang out loop. Theo anh, đó là cuộc chơi của các agentic engineer, vì đó là thước đo kỹ năng của bạn. Nó không phải chuyện ngồi trong terminal prompt qua prompt lại.

11. Đo kỹ năng agentic engineering bằng in, near, out

Dan nói người xem đã nghe anh nói điều này cả triệu lần. Lợi thế thật sự (the real edge) là đi từ in, sang near, ra out. Và đây là thước đo trực tiếp cho kỹ năng agentic engineering. Vì sao? Vì nó có nghĩa là bạn có nhiều hệ thống tự động làm việc cho bạn hơn, làm việc thật cho bạn mọi lúc. Dĩ nhiên token bạn dùng phải hữu ích, code bạn viết và những thứ đang chạy phải hữu ích.

Khi bạn làm bước chuyển này, thứ mà theo anh là cốt lõi của mọi chuyện, thì đó là hình hài của việc nâng kỹ năng agentic engineering: nhiều luồng việc (threads of work) hơn làm việc cho bạn, thay mặt bạn, mọi lúc, suốt ngày đêm. Đây là mental model mới anh đang dùng và khuyên các engineer dùng: in the loop, near the loop, rồi out the loop hoàn toàn. Và anh mong người xem thấy hệ thống này là bản sao trực tiếp của mô hình đó: đầu tiên bạn ở trong, rồi bạn ở gần, rồi bạn ra ngoài.

12. Data flywheel: upvote và tin Gemini 4 Argon

Giờ Dan chuyển từ engineering và kiến trúc sang sản phẩm, thao tác thật. Tool này có những tính năng gì?

Một điều then chốt mà theo anh ai cũng nên làm trong phần mềm của mình là tạo ra một data flywheel: một feedback loop giữa input của người dùng và cách code cộng agent của bạn tiếp nhận feedback đó để cải thiện sản phẩm. Tin tức, gom thông tin và lọc qua nhiễu là một ví dụ rất tốt cho việc này.

Có lý do khi anh chọn đúng use case này để nâng kỹ năng agentic engineering của mình: anh có thể vào upvote hoặc downvote một tin. Đây là thông tin thật, signal và fact thật mà anh quan tâm. Trước hết, anh bấm thumbs up, rồi upvote cho việc model này đã được phát hành.

Dĩ nhiên bấm vào card thì nó mở ra link đầy đủ để đọc sâu. Dan đùa rằng ở đây ta thấy model đang được chấm "Trust Me Bro benchmark", và chắc chắn bài gốc còn đi xa hơn nhiều. Anh mở bản công bố chính thức của Google DeepMind, đăng 35 phút trước đó, để xem tin thật về đợt phát hành.

Theo anh, anh quay đúng thời điểm hoàn hảo: proactive agent đã bắt được tin này và đang đổ đầy news feed bằng nó. Rất tuyệt. Còn phải xem model đó có thật sự mang lại điều gì độc đáo không, nhưng đây là signal anh quan tâm.

Classifier Jev nói rằng tin này phần lớn là signal. Cũng có nhiều fact: đó là một đợt phát hành model mới, không có gì để cãi. Và có cả một ít hype, điều mà Dan thấy cũng đúng: 66 điểm hype trên 100, vì các lab model lúc nào cũng phải thổi phồng đợt phát hành của mình. Nên kết quả này rất hợp lý. Đó là một trong những tính năng then chốt.

13. Nói chuyện với agent để chỉnh trọng số

Anh có thể bấm thumbs up và đưa tín hiệu ngược vào thuật toán xếp hạng rằng tin này quan trọng. Nhưng anh làm thêm một bước: chuyển card này vào khung chat và nói với agent hãy tăng trọng số cho Gemini, và nếu chưa có keyword đó thì thêm vào. Tức là anh nói chuyện trực tiếp với agent. Anh xếp hàng (queue) tin nhắn này, vì agent đang chạy dở một lượt sweep, nên tin nhắn sẽ hiện ra sau một lúc. Một lát sau tin nhắn hiện lên, kèm tham chiếu tới card.

Dòng tin nhắn hiện trên màn hình:

card 312 "Google DeepMind unveils Gemini 4 Argon", increase the weight of Gemini (if it doesnt exist as a keyword add it)

Có một task đang được xếp hàng. Agent đọc các taste file, tức toàn bộ phần settings. Trong settings có tất cả keyword Dan đang tập trung vào và các link mà hệ thống thường dùng. Tất cả đều có thể tinh chỉnh và tuỳ biến. Theo anh, việc kéo thông tin về chủ yếu là chuyện đặt trọng số: bạn quan tâm điều gì nhất? Hệ thống cho phép anh đặt trọng số, tăng hoặc giảm signal cho từng thứ.

Agent đã sửa keyword: nó nâng keyword chủ đề Gemini sẵn có từ 1.2 lên 1.3. Nên ở mọi lượt chạy sau, nó biết đây là keyword quan trọng mà cá nhân anh quan tâm.

Vậy ứng dụng này thật sự đang làm gì? Theo Dan, đó là một news feed signal cao, được tuyển chọn theo taste của anh, vận hành bởi một feedback loop giữa anh và các durable agent, cụ thể là kiến trúc durable agent của anh. Ngay lúc đó có một tin mới vào: các cơ quan giám sát ngân hàng tăng cường soi xét (banking watchdogs ramp up scrutiny), được chấm một ít signal, một ít fact. Nếu muốn, anh có thể bỏ nó đi. Có thể có thông tin quan trọng trong đó, nhưng anh downvote để đưa nó ra khỏi luồng tin của mình.

14. Nguồn tin, keyword và bộ tool riêng của agent

Theo Dan, đây là một tính năng rất quan trọng: anh có thể tăng hoặc giảm tuỳ ý signal của những gì quan trọng. Signal của bạn, thứ bạn quan tâm, cần được tinh chỉnh. Trong danh sách keyword có rất nhiều thứ anh hay nhắc; nếu đã theo kênh, bạn sẽ thấy đó toàn là những chủ đề và keyword hiển nhiên mà anh tập trung trên kênh.

Ngoài ra còn có link, tức các nguồn tin mới. Anh mới bắt đầu chỉnh trọng số cho các trang của mình. Anh gửi lời cảm ơn tới Hacker News, Latent Space, Pi, Claude Code, Anthropic, Codex, OpenAI và Simon Willison.

Và tất cả được vận hành bởi một agent có bộ tool độc đáo. Dan nói đây là điểm quan trọng với nhiều engineer đang mắc kẹt trong thế giới engineering thuần tuý: bạn nên build sản phẩm với những agent có hành động độc đáo. Chúng phải làm được những việc độc đáo để tạo khác biệt cho sản phẩm của bạn. Đây là một durable news agent. Nó không đọc file, không sửa code. Nó có những tool cụ thể để vận hành, lọc và tuyển chọn tin tức.

Dan đọc qua danh sách: run news sweep, list candidates, read items, search web, scrape URL, research items, Jev classify (anh gửi lời cảm ơn lớn tới Jev và đội TypeSafe), present news, present timeline, ask taste, và nhiều nữa. Tất cả là các tool được harness-engineer, do anh build cùng một agent in-loop để dựng hệ thống chạy.

Anh gọi đó là "building the system that builds the system", xây hệ thống để hệ thống xây tiếp. Đó là lý do bạn vào in the loop: bạn làm việc trên một hệ thống sẽ làm việc cho bạn với ít sự chú ý của bạn hơn. Bạn muốn ở near the loop hoặc out the loop, và dành ít thời gian hơn trong loop. Đó là chủ đề lớn.

Trong lúc nói, hai khối tin mới vừa vào, hai tin mới từ Hacker News, với keyword bên trái là coding agents và agentic engineering. Agent sẽ cứ thế chạy. Mỗi tick là một phút; mỗi lượt nó tìm tối đa bảy card và cho Jev xếp hạng. Theo Dan, hệ thống này rất, rất mạnh, một ứng dụng tuyệt vời. Riêng phần durable agent, anh dùng Pi Durable như đã nói trong video tuần trước. Nếu muốn tìm hiểu cách họ implement cụ thể, thứ anh đang dùng bên dưới, anh gửi lời cảm ơn lớn tới Pi agent, công cụ coding agent mã nguồn mở anh thích nhất.

15. Durable agent mở ra bước ở giữa

Vì sao anh thích Pi? Vì anh nắm quyền kiểm soát: anh tuỳ biến được và mở rộng được theo bất cứ cách nào mình muốn. Với bản implement durable agent của họ cũng vậy.

Theo Dan, đây là bước chuyển tư duy mới mà durable agent mở khoá. Chúng cho phép có proactive agent, thứ thật sự tạo ra bước ở giữa cho bạn, giúp chuyển từ in-loop sang out-loop dễ hơn. Đó cũng là ý tưởng trung tâm của sản phẩm học agentic engineering "phase three" mà anh đang xây cho các engineer nâng cao dùng agent mỗi ngày (kênh có trang đăng ký sớm). Theo anh, bước nhảy tiếp theo sang out-loop là một cơ hội cộng dồn (compounding), "dám nói là" cấp số nhân, một bước nhảy theo cấp số nhân trong năng lực engineering của bạn.

Anh nói ta đã thấy được phần nào điều đó chỉ bằng cách hiểu và thấm agentic engineering kiểu near the loop. Đầu tiên bạn ở trong loop, rồi bạn ở gần loop, nên bạn tốn ít thời gian hơn, rồi bạn ra khỏi loop hoàn toàn. Và ở mỗi cấp, khả năng engineer của bạn (anh nhấn mạnh: đây không phải vibing, không phải "vibe slopping"), khả năng agentic engineer hệ thống của bạn càng lúc càng là yêu cầu cao hơn để build được thứ gì đó thật sự hữu ích, chạy được mà không cần bạn. Near the loop cũng vậy.

Đây là mental framework mới, mental model mới anh khuyên các engineer dùng, và theo anh đây là con đường phía trước vì nó cho bạn nhiều đòn bẩy (leverage) nhất. Nhưng bạn phải làm bước chuyển: in, near, out.

Chủ đề cốt lõi ở tầng thấp hơn là: durable agent rất mạnh. Durable news agent này và on-call incident response agent tuần trước đều là những ví dụ rất cụ thể về việc xây một hệ thống agentic theo cách cụ thể, với kết quả cụ thể, vận hành cho bạn mà không cần bạn.

Hệ thống sẽ cứ thế chạy tiếp. Mọi lượt execution và mọi trace đều được ghi lại để có thể đào vào bất cứ lúc nào. Có một bộ settings với các keyword có trọng số để upvote và downvote. Durable agent chạy trên chiếc M4 của anh, và trên sandbox cloud exe.dev. Ngay lúc đó, Jev lại bắt được một tin hay.

16. Lấy repo về và tự chỉnh, để ý tokenomics

Dan nói anh sẽ tiếp tục tinh chỉnh thuật toán. Hệ thống durable news agent được chia sẻ công khai trong repo disler/pi-durable-news-agent, và mục đích là giúp bạn đi nhanh hơn trên đường từ in the loop, sang near the loop, ra out the loop. Hãy lấy nó về, chỉnh sửa, biến nó thành của mình.

Anh sẽ không đưa settings của mình: bạn phải tự chọn settings của bạn. Bạn cứ chụp lại màn hình và đưa vào hệ thống bao nhiêu tuỳ thích từ những settings anh đang thử. Nhưng theo anh đã có rất nhiều cải tiến; anh rất hài lòng với những bản implement đầu tiên và sẽ tiếp tục build tiếp.

Anh nhắc lại: hãy nghĩ cách build những agent làm việc cho bạn mà không cần bạn. Proactive agent không chờ bạn làm việc; chúng làm việc cho bạn, rồi chờ. Trên kênh, anh liên tục đẩy về phía agentic engineering kiểu out-loop.

Theo anh, bước nhảy tiếp theo sẽ rất lớn, vì một khi hệ thống out-loop bắt đầu cộng dồn và làm việc cho bạn, nó sẽ không dừng lại; durable agent là một bước quan trọng theo hướng đó. Anh mời người xem lấy durable news agent về, biến nó thành của mình, chỉnh nó, thêm các API provider, thêm link, để lọc hết rác đổ về phía bạn trong thời đại AI và chỉ giữ lại những mẩu quan trọng nhất. Anh nói feed của anh đã có một lượng thông tin khá ổn, nhưng còn rất nhiều thứ để cải thiện và chỉnh.

Về chi phí: theo Dan, chi phí gần như không nhích (theo video đăng ngày 19/10/2026). Anh theo dõi rất sát tokenomics của hệ thống để không "cháy túi" trong lúc tạo ra giá trị. Jev và các language model rẻ như Luna và Haiku 5.5 sẽ là chìa khoá, cùng các model khác như DeepSeek V4.1 Flash. Anh khuyên bạn bắt đầu chuyển từ in-loop sang near-loop rồi out-loop.

17. Terminal vẫn đồng bộ, và lời kết: giữ mắt trên signal

Để kết thúc phần demo, Dan cho thấy terminal client vẫn đồng bộ hoàn toàn. Anh hỏi agent ngay trong terminal:

what was the last entry you added

và câu hỏi cũng hiện đồng bộ bên browser. Câu hỏi được xếp hàng tới khi lượt sweep chạy xong. Rồi agent trả lời: tin mới nhất là một bài về việc lượng code merge của Anthropic được cho là đã tăng gần gấp mười kể từ tháng 5 (theo bài agent bắt được, video đăng ngày 19/10/2026). Tin đó được phân loại đúng là hype: có ít fact, ít signal, nhưng chủ yếu là hype.

Dan hoàn toàn đồng ý với phân loại đó và bấm thumbs up. Các model tiếp tục chạy. Nếu muốn tìm hiểu thêm về proactive agent, anh gợi ý xem video tuần trước, nơi anh dùng Pi Durable để build một on-call incident response agent.

Theo anh, proactive agent là tương lai của engineering. Bạn muốn có những agent làm việc cho bạn ở chế độ nền và chờ feedback của bạn, tạo ra một data flywheel cho cả bạn lẫn người dùng sản phẩm của bạn. Anh đang build ngày càng nhiều agent như vậy khắp các stack, khắp các thiết bị, trên cloud và trong sản phẩm, vì signal ở đây rất cao, rất giàu. Anh khuyên người xem làm điều tương tự.

Anh kết bằng một câu chơi chữ đúng tinh thần video: nếu bạn xem tới cuối, hãy báo cho thuật toán YouTube biết đây là signal bạn quan tâm. Video mới ra mỗi thứ Hai. "Stay focused and keep building", và giữ mắt trên signal.