Coding agent cần gì từ kỹ sư để được tin tưởng
Fausto Albers bàn về loop engineering, trạng thái của agent trước khi chạy, gates, observability với MLflow và hệ memory ba lớp cho coding agent.
✓ Đã duyệt độc lập · cập nhật 18/11/2026 · 50 min
1. Đoạn mở đầu: không tin chuyện đọc code từng dòng
Tập này của Beyond Coding là cuộc trò chuyện giữa host Patrick Akil và Fausto Albers, theo phần mô tả của video đăng ngày 11/11/2026 là một AI consultant ở Wonder Why. Trang web của Fausto, wonderwhy.ai, giới thiệu anh với dòng "Applied AI research & development" (đọc ngày 18/11/2026).
Video mở bằng vài câu cắt từ chính cuộc trò chuyện. Fausto nói anh thật sự không tin những người bảo rằng họ đọc code từng dòng một. Theo anh, chuyện đó là nhảm nhí (that thing's bullshit). Hãy đánh giá nó qua những gì nó làm: judge it by what it does (video đăng ngày 11/11/2026).

Patrick giới thiệu: đây là Fausto Albers, AI consultant ở Wonder Why, người có một trong những con đường sự nghiệp thú vị nhất mà Patrick từng thấy. Fausto kể: anh từng là bartender pha cocktail ở London, rồi làm nhà hàng, dark kitchen (video đăng ngày 11/11/2026).
Anh nói nhà hàng của anh hẳn là một trong những nhà hàng đầu tiên trên thế giới có một chatbot chạy bằng GenAI, từ trước khi function calling tồn tại. Đó là một thất bại hoành tráng (grandiose failure). Và giờ thì anh đang làm việc rất sâu với agent (theo Fausto, video đăng ngày 11/11/2026).
Thêm hai câu nữa của Fausto trong đoạn mở đầu. Câu thứ nhất: bạn muốn agent ở trong một trạng thái mà nó mô phỏng điều quan trọng với bạn, và điều đó có thể khác nhau qua từng giai đoạn của project, khác nhau theo từng lần gọi, khác nhau theo thời gian. Câu thứ hai: nó không tuyến tính, nó là hàm mũ (exponential), và những vấn đề bạn chỉ ra được hôm nay sẽ được giải quyết (video đăng ngày 11/11/2026).
2. Model "ăn" dần harness: từ context engineering sang loop engineering
Patrick mở đầu phần chính bằng một talk anh nghe từ AI Engineering. Người nói là một người từng làm ở một nơi, giờ làm ở SpaceX (theo Patrick, "I think"), đi cùng team từ Cursor sang và làm về Grok Bot (theo lời Patrick trong video đăng ngày 11/11/2026).

Người đó có một câu chuyện: model đang ăn dần harness (the model is eating the harness). Một model ra đời, chúng ta build thêm năng lực lên trên nó, rồi bỗng nhiên model mới hơn lại làm tốt hơn, bởi vì đó là thứ nó đã được train. Theo Patrick kể lại, model liên tục được train trên chính những năng lực chúng ta thêm lên trên, rồi nó "nội hóa" (internalize) những năng lực đó (video đăng ngày 11/11/2026).
Vậy là chúng ta đi từ context engineering sang loop engineering, và bỗng nhiên cái loop có sẵn (out of the box) đã chạy khá tốt. Những thứ bạn từng build vào, phần forward pressure và back pressure, model đã nội hóa. Thế là với các model sau, bạn cần gỡ bỏ những gì mình đã build lên trên. Càng ngày càng nhiều hơn (theo Patrick, video đăng ngày 11/11/2026).
Patrick cảm thấy chúng ta đang đi rất nhanh. Đó là triệu chứng đầu tiên anh nhận ra: chúng ta liên tục đi lên một bậc cao hơn trong cách làm việc với agent. Và giờ người ta còn đang điều phối (orchestrate) thứ mà người trong talk gọi là meta harness. Bạn có một agent và một harness. Fausto chen vào nhắc tới paper hyper agents của Meta (video đăng ngày 11/11/2026).

Patrick hỏi tiếp: vậy thì hệ thống bao trùm mà trong đó agent ngày càng hoạt động nhiều hơn là gì? Với anh, ít nhất là ở vai trò software engineer, đó là chỗ nhiều suy nghĩ của anh hướng tới. Agent chạy ở đâu? Chúng tương tác thế nào dọc theo chuỗi giá trị là software development lifecycle (video đăng ngày 11/11/2026)?
3. Bottleneck của tổ chức, và SaaS trong mười năm tới
Nhưng cuối cùng, theo Patrick, dù bottleneck đang dịch chuyển bên trong software development lifecycle, bạn vẫn có một tổ chức với những bottleneck riêng của nó về tốc độ thay đổi được đưa vào. Thêm nữa, chúng ta có thể giao phần mềm nhanh hơn 10 lần, nhưng anh không nghĩ điều đó đồng nghĩa với giá trị gấp 10 lần cho khách hàng (theo Patrick, video đăng ngày 11/11/2026).
Fausto đáp rằng Patrick đang gợi tới một góc nhìn rất truyền thống về khách hàng: bạn có một công ty, bạn build phần mềm, dịch vụ của bạn với khách hàng là giải một vấn đề nào đó, và dịch vụ liên tục của bạn có thể là cập nhật phần mềm cho tất cả khách hàng mình có (video đăng ngày 11/11/2026).
Còn với năng lực hiện có, anh nói rõ là chúng ta chưa tới đó, nhưng bạn có thể hình dung: nếu mọi phần mềm đều có thể được build bằng ý định (built by intent), thì giá trị của việc một bên tập trung phát triển phần mềm đó là gì? Sao không tự làm lấy khi bạn cần? Điều đó sẽ phá vỡ hệ thống mạnh tới mức quyền lực thật sự nằm ở chủ sở hữu model, và có thể ở cái lợi cá nhân của việc build phần mềm ngay lập tức khi cần (theo Fausto, video đăng ngày 11/11/2026).
Fausto nói anh không thật sự thấy toàn bộ mô hình SaaS sống sót qua mười năm tới (video đăng ngày 11/11/2026).
4. Từ xã hội học tới bartender cocktail và chủ nhà hàng
Patrick hỏi Fausto đã đi tới đây như thế nào. Anh đã xem qua sự nghiệp của Fausto và thấy nó khá độc đáo, cả những bước đi lẫn những hành trình. Lĩnh vực này đang tăng tốc, và Fausto từng nói anh chưa bao giờ thấy mình năng suất như vậy. Trông anh có vẻ đang rất vui. Có tiếng đáp "Yes". Patrick hỏi tiếp: anh đã đi qua bao nhiêu chặng để tới đây, và ngay từ đầu là thế nào (video đăng ngày 11/11/2026)?
Fausto kể hồi nhỏ anh luôn mày mò phát minh đồ này đồ kia, và điều đó đưa anh tới những thí nghiệm kỹ thuật. Anh cũng luôn có một động lực rất mạnh là giải thích thế giới, kiểu chúng ta đã tới được đây trên trái đất bằng cách nào. Thế nên anh học xã hội học (sociology), quan tâm tới tâm lý học xã hội, nghiêng về các ngành nhân văn (video đăng ngày 11/11/2026).
Rồi anh quay ngoắt 180 độ theo hai nghĩa. Về sự nghiệp: lúc đó anh không thấy mình làm nhà nghiên cứu, anh còn rất trẻ. Thế là anh thành bartender pha cocktail ở London. Việc đó rất vui, và đó là một cuộc sống với rất nhiều tự do. Anh vẫn có thể tiếp tục đọc, và bắt đầu giải thích thế giới từ những góc nhìn khác: khoa học thần kinh (neuroscience) và sinh học tiến hóa. Anh quan tâm tới những câu chuyện khác nhau mà không nhất thiết loại trừ nhau, chỉ là những góc nhìn khác nhau (video đăng ngày 11/11/2026).
Việc đó giữ anh bận rộn khá lâu. Anh quay về Hà Lan, mở một công ty catering cocktail, rồi làm nhà hàng, dark kitchen, những thứ ngày càng dịch dần sang công nghệ. Vài năm trước Corona, một sự kiện khá lớn với tất cả chúng ta, và chắc chắn là một sự kiện lớn với người đang có nhà hàng (video đăng ngày 11/11/2026).

Nhưng nó cũng cực kỳ thú vị. Anh vừa mới học code, có đủ thứ ý tưởng cho startup. Rồi bỗng nhiên anh ngồi ở nhà, vẫn có cái nhà hàng mà anh không được phép dùng. Đó là thời lockdown. Anh còn có một bản tin với vài nghìn người đăng ký: trong khu vực của nhà hàng, anh nghĩ khoảng 6.000, 7.000 người. Bản tin đó nói về ngành nhà hàng ít một cách đáng ngạc nhiên, mà nói nhiều hơn về suy nghĩ của anh và những điều anh thấy đang diễn ra (theo lời Fausto trong video đăng ngày 11/11/2026).
Anh mời mọi người tới, trong một bối cảnh giống như buổi ghi hình này, ghi lại cuộc nói chuyện về điều họ thấy quan trọng trong ngành hospitality: điều gì thúc đẩy họ tới một quán bar, khi nếm thì họ trải nghiệm gì, họ đưa ra lựa chọn thế nào (video đăng ngày 11/11/2026).
Nếu có một khái niệm thật sự cuốn hút anh suốt đời, thì đó là tự do và lựa chọn. Theo Fausto, bất kỳ ai, theo đúng nghĩa đen là bất kỳ ai, muốn bán cho bạn thứ gì đó, dù là chính trị hay sản phẩm, đều tuyên bố là mang lại tự do cho bạn. Những câu chuyện đó có thể rất mâu thuẫn nhau, nhưng anh đảm bảo bạn sẽ tìm thấy "tự do" trong phổ của bất kỳ đảng chính trị nào. Tự do lựa chọn là một khái niệm rất khó nắm (video đăng ngày 11/11/2026).
5. Gọi món bằng QR, recommender và sở thích không lượng hóa được
Nói ngắn gọn, trong thời Corona, điều chúng ta thấy đang tới là cách gọi món đổi sang gọi món bằng QR. Fausto thấy đó là một cách kinh khủng, và anh nghĩ hầu hết mọi người đồng ý với anh rằng nó không dễ chịu. Bạn gắn hospitality, việc tới một nhà hàng hay quán bar, với sự tương tác giữa người với người. Bạn muốn có một lần không phải nhìn điện thoại. Rồi tất cả chúng ta đều phải gọi món bằng điện thoại. Đó là một vấn đề (theo Fausto, video đăng ngày 11/11/2026).
Còn một vấn đề nữa là cách bạn ra quyết định. Bình thường bạn nhìn menu, đối chiếu qua lại, dùng heuristic để lọc thông tin, bởi vì bạn không thể tiếp nhận tất cả cùng một lúc. Rồi anh nghĩ: nếu coi việc phải gọi món qua điện thoại là chuyện đã rồi, thì làm sao giảm tối đa thời gian chúng ta phải nhìn điện thoại (video đăng ngày 11/11/2026)?
Anh tìm hiểu về recommender algorithm và nghĩ: ồ, đây kiểu như là cùng một chuyện. Nếu bạn có một menu, bạn lượng hóa được mọi hương vị trên menu, rồi xây được một pattern về con người, họ thích gì, thì bạn có thể dự đoán. Đó là giả định ban đầu ngây thơ của anh: tồn tại một sự ghép đôi hoàn hảo (perfect match), bạn chỉ cần tìm ra nó (video đăng ngày 11/11/2026).
Càng tìm hiểu, càng nói chuyện với mọi người, càng build, thử và test, bởi vì việc này đã thành một startup, anh càng nhận ra sở thích của con người không phải thứ có thể lượng hóa theo cách đó. Bởi vì chúng ta bị tác động ở mỗi bước của quá trình, chúng ta không chỉ đang tiến dần tới một perfect match. Ví dụ, chính thực thể đưa ra gợi ý, dù là người hay AI, cũng tác động tới sở thích của chúng ta (theo Fausto, video đăng ngày 11/11/2026).
Theo kiểu con người thì bạn có thể hình dung: bạn đang ngồi với người hẹn hò, một anh hay chị phụ trách rượu vang tới bàn, và bạn không muốn mất mặt. Thế là bạn muốn tỏ ra mình hiểu về rượu vang nhiều hơn một chút so với thực tế. Người đó bắt đầu kể về loại rượu của mình, cả một màn kể chuyện, và rồi về cơ bản bạn đi theo gợi ý của người đó (video đăng ngày 11/11/2026).
Patrick chen vào: dù người đó gợi ý gì đi nữa, bạn cũng nói có. Fausto nói tiếp: nếu bạn đã đồng ý mà lại không thích, có thể bạn vô thức ép mình phải thích, vì bạn vừa đồng ý với nó. Và bạn có đặt cược vào chuyện này, vì người kia đang ngồi đối diện. Anh chỉ muốn nói rằng có rất nhiều thứ tác động tới việc bạn thích gì và chọn thế nào (video đăng ngày 11/11/2026).
6. Vector database và chatbot GenAI ở nhà hàng: một thất bại lớn
Rồi tới khoảng năm 2022, anh biết tới vector database, theo lời anh là "match made in heaven", không có ý chơi chữ. Bởi vì anh vốn đã nghĩ về việc ghép các hương vị, và cách nó vận hành theo kiểu đa chiều như anh vừa mô tả. Vector trở thành một chủ đề rất thú vị để khám phá thêm, và, như tất cả chúng ta đều biết câu chuyện diễn ra thế nào, nó cho anh một lối vào rất dễ dàng vào generative AI (theo Fausto, video đăng ngày 11/11/2026).
Anh khá chắc nhà hàng của anh là một trong những nhà hàng đầu tiên trên thế giới có một chatbot chạy bằng GenAI. Lúc đó function calling còn chưa tồn tại, anh và nhóm phải tìm cách đi vòng. Nhưng anh và nhóm đã có một chatbot chạy được, anh nghĩ là vào cuối năm 2022, trong nhà hàng của anh. Và đó là một thất bại hoành tráng (theo Fausto, video đăng ngày 11/11/2026).
Một tờ báo Hà Lan đã cử một người viết chuyên mục ẩm thực tới, và người đó hoàn toàn không thích khái niệm này. Anh nghĩ nó hơi quá, không chỉ là quá sớm, mà nhìn lại bây giờ, anh nghĩ phương tiện (medium) tự nó đã sai (theo Fausto, video đăng ngày 11/11/2026).
Bởi vì dù phần dự đoán, theo anh, và anh vẫn giữ quan điểm đó, là rất tốt. Anh và nhóm có thể dự đoán rất tốt việc ghép đúng sản phẩm vào đúng thời điểm, theo bầu không khí, và anh và nhóm thấy rõ có thể đưa thêm ngày càng nhiều biến dữ liệu để cải thiện lời gợi ý: âm học, độ lớn âm thanh, độ ẩm, kiểu nhạc, hành vi trong quá khứ, v.v. (theo Fausto, video đăng ngày 11/11/2026).
Nhưng phương tiện thì không ổn. Chúng ta muốn một con người đưa ra gợi ý, đưa ra lời khuyên. Chúng ta là động vật xã hội. Có thể chúng ta quan tâm tới việc được anh bartender nhận ra khi dẫn người hẹn hò tới quán, và đủ thứ như vậy. Đó là tương tác giữa người với người (theo Fausto, video đăng ngày 11/11/2026).
Điều đó không nhất thiết loại trừ AI hay dự đoán. Thành thật mà nói, nó không kỳ diệu tới thế. Mà nó cũng kỳ diệu thật, bởi vì theo ý anh, AI là những cỗ máy dự đoán. Nhưng chúng ta là gì? Cũng là những cỗ máy dự đoán. Vậy nếu trí tuệ AI augment trí tuệ con người thì sao? Anh thấy rõ điều đó trong một thứ vốn rất con người như ngành hospitality. Nếu là khách hàng, anh có lẽ sẽ rất trân trọng một lời gợi ý cá nhân hóa thật tốt, nhưng anh vẫn muốn nó đến từ một con người (theo Fausto, video đăng ngày 11/11/2026).
7. Augment trí tuệ: một chương trình nghe cuộc gọi Google Meet
Fausto kể rằng trong buổi gọi giới thiệu trước đó giữa anh và Patrick, anh đang augment kiến thức của chính mình, không hẳn là trí tuệ. Mọi chủ đề, mọi cuốn sách anh quan tâm, mọi cuốn sách anh đã đọc, anh để trong một database và một wiki, một hệ thống mà lát nữa hai người sẽ nói tới (video đăng ngày 11/11/2026).
Theo anh, khi có một cuộc gọi thì chuyện này dễ lắm: chỉ trong vài giờ, bạn build một chương trình kết nối vào Google Meet, nghe cuộc trò chuyện, nhận ra một câu hỏi, tra nó trong database của anh, rồi hiện câu trả lời và câu hỏi lên màn hình bên trái. Đó cũng là augment trí tuệ. Anh nói thêm rằng ai đang chuẩn bị phỏng vấn xin việc thì anh rất recommend cách này (theo Fausto, video đăng ngày 11/11/2026).
8. AI khuếch đại tốc độ học, và ai đang bị bỏ lại
Patrick nói điều anh thấy cuốn hút trong hành trình của Fausto là thế này: Patrick có ý tưởng, nhưng anh cảm thấy kiến thức về những gì cần cho việc thực thi đang kìm anh lại. Anh vẫn liên tục học, nhưng anh bắt đầu trong một lĩnh vực, và mọi thứ anh học đều nằm sát lĩnh vực đó. Còn Fausto bắt đầu ở một mảng, có nền tảng hoàn toàn khác, giờ bỗng nhiên làm rất nhiều thứ AI chuyên sâu, và Patrick không biết Fausto làm được điều đó bằng cách nào (video đăng ngày 11/11/2026).

Fausto nghĩ AI đã khuếch đại tốc độ học của anh. Nhưng bất cứ thứ gì được khuếch đại cũng đi kèm một cái giá, như entropy. Anh rất thích việc có thể học mọi thứ mình quan tâm, mà anh quan tâm tới rất nhiều thứ, và AI làm việc tích lũy kiến thức về chúng dễ hơn. Nhưng tất nhiên có một sự giằng co giữa độ rộng và độ sâu. Anh không nói rằng điều đó nhất thiết là tốt (theo Fausto, video đăng ngày 11/11/2026).
Hành trình của anh chỉ là một trong rất nhiều hành trình, mỗi người có cách riêng để tiếp nhận mọi thứ. Không phải ai cũng đang tiếp nhận những thứ này. Chúng ta đang ở trong một thế giới mà mình nói chuyện với những người chủ động học từ AI, học cùng AI, bước vào trật tự thế giới mới này. Nhưng có rất, rất nhiều người thông minh anh quen hoàn toàn không biết gì: họ dùng ChatGPT, không thích kết quả, rồi bỏ đó (theo Fausto, video đăng ngày 11/11/2026).
Có tiếng nói "they're out" (họ đã ở ngoài cuộc). Fausto hỏi lại Patrick: anh có nghĩ là họ đã ở ngoài cuộc không (video đăng ngày 11/11/2026)?
Patrick đáp: ngay lúc này, anh cảm thấy họ đã ở ngoài cuộc. Anh hoàn toàn đồng ý rằng hai người, và có lẽ những người trong "bubble" của hai người, đã nhảy qua bước đó và đang tận hưởng. Anh nghĩ không có niềm vui, không có sự tò mò thì bạn không thể đi sâu, hoặc không thể ở lại trong bubble này (theo Patrick, video đăng ngày 11/11/2026).
Patrick đã nói chuyện với rất, rất nhiều đồng nghiệp, những người anh từng ngưỡng mộ, và họ đang làm việc dựa trên thông tin mà anh cảm thấy đã lỗi thời: từ có lẽ một năm trước, thậm chí có khi vài tháng trước. Với tốc độ của riêng lĩnh vực AI và agent, model ăn dần năng lực của harness, mỗi khi một model mới ra thì mọi thứ lại dịch chuyển. Nếu bạn không theo kịp, anh cảm thấy thông tin của bạn đã lỗi thời, và bạn có thể bị ra ngoài cuộc vì những kết luận mình đã rút ra, vốn đã lỗi thời ngay từ đầu (theo Patrick, video đăng ngày 11/11/2026).
Fausto kể tuần trước khi quay, anh đứng lớp training cho 15 tiến sĩ trẻ, được một công ty lớn chọn làm "AI talent pool" của họ. Nền tảng đa dạng: công ty này hiểu rằng bạn không cần chỉ một nền tảng để làm việc hiệu quả trong AI. Những người này khoảng đầu tới cuối độ tuổi 20. Anh rất hào hứng, thấy rất vinh dự được đóng góp vào kiến thức và kỹ năng của những người thông minh như vậy (video đăng ngày 11/11/2026).
Họ cũng tò mò, tất nhiên, họ là người thông minh. Nhưng họ cũng khá bi quan. Fausto nói anh 43 tuổi (tính đến lúc quay, video đăng ngày 11/11/2026). Theo anh, khi có kiểu thay đổi này, một trong những biến số tác động tới việc bạn có tiếp nhận nó hiệu quả hay không là tuổi. Không hẳn là tuổi, mà là thứ tuổi đại diện cho: kinh nghiệm, và có thể là một mối quan hệ khác với tương lai, vì bạn còn ít tương lai hơn.
Còn những người trẻ này, đặc biệt trong data science, AI, khoa học sinh học, v.v., họ hoàn toàn nhận ra rằng những phần lớn trong những gì họ đã học đang bị tự động hóa. Thế nên họ bi quan hơn nhiều so với anh nghĩ; anh gọi đó là cái bubble của mình. Anh được thúc đẩy bởi sự tò mò. Và để tò mò, bạn phải có điều kiện để tò mò, mà điều kiện đó không chỉ là chuyện kinh tế (theo Fausto, video đăng ngày 11/11/2026).
9. Coding agent nên ở trạng thái nào khi được thả đi
Fausto bắc cầu sang agent, kèm một lời rào trước: không rơi vào cái bẫy nhân cách hóa (anthropomorphism). Anh không gán qualia thật của con người cho máy móc. Nhưng anh có nghĩ tới việc dùng những mental model chúng ta vốn dùng cho cơ chế bên trong của chính mình, những thứ phần lớn cũng là ẩn số với chúng ta, nhưng ít ra là một ẩn số quen thuộc. Đặt sự chú ý (attention) vào đâu là một câu hỏi quan trọng (theo Fausto, video đăng ngày 11/11/2026).
Bởi vì nếu anh đưa cho một AI coding agent một harness, và anh có một mục tiêu được định nghĩa rõ ràng, anh nghĩ vậy, nhưng thường là không. Đi được nửa đường, anh nhận ra mục tiêu của mình chưa được đặc tả đủ. Về cơ bản lúc nào cũng vậy: bạn không thể đặc tả mục tiêu đủ được. Nếu bạn thật sự đặc tả thứ mình muốn build tới mức chi tiết lớn nhất về lý thuyết, thì bạn đã build xong nó rồi (theo Fausto, video đăng ngày 11/11/2026).
Rồi anh thả các agent đi. Dùng phép so sánh với cảm xúc con người: anh muốn chúng ở trạng thái nào? Có muốn chúng tò mò không? Có thể là trong giai đoạn research. Nhưng khi anh cho chúng thực thi, cho chúng code và build, anh không muốn chúng quá tò mò, vì như thế chúng sẽ rẽ nhánh rồi lại rẽ nhánh, và bỗng nhiên chúng ta build ra nhiều hơn hẳn so với dự định (theo Fausto, video đăng ngày 11/11/2026).
Thế nên anh có thể muốn tuyển chọn (curate) kiến thức sinh ra từ trạng thái tò mò đó vào một wiki, một database, thứ gì cũng được, rồi nói: được rồi, đừng quá tò mò, đây là những gì chúng ta đã quyết, đây là thứ bạn dùng, và đây là paradigm bạn đang đi theo. Trong trải nghiệm con người tất nhiên có nhiều trạng thái cảm xúc hơn sự tò mò, và tất cả có thể tồn tại cùng lúc (theo Fausto, video đăng ngày 11/11/2026).
Đây là điều anh đã nghĩ tới, và anh đã thấy vài nghiên cứu gần đây xuất hiện về một khái niệm mà anh hình dung như một "emotion vector", hay một trạng thái cho trước, có thể biểu diễn dưới dạng tham số của những trạng thái cảm xúc, thậm chí cạnh tranh nhau, thể hiện điều gì quan trọng với anh với tư cách developer (theo Fausto, video đăng ngày 11/11/2026).
Bởi vì nếu anh cứ thả AI agent đi, chúng có thể ra quyết định, và chúng đúng là có ra quyết định. Bởi vì nếu bạn đang làm việc trong một loop, thì bạn không phải là agent, con người không phải là agent điều khiển mọi quyết định. Thế nên bạn muốn agent ở trong một trạng thái mà nó mô phỏng điều quan trọng với bạn. Điều đó có thể khác nhau qua project, khác nhau theo từng lần gọi, khác nhau theo thời gian. Và nó có thể được biểu diễn bằng câu hỏi: bây giờ mình được gì, và sau này mình phải trả giá gì (theo Fausto, video đăng ngày 11/11/2026)?
Anh nói có thể đào sâu thêm, và anh chưa có câu trả lời dứt khoát. Nhưng anh nghĩ bạn phải tự hỏi: nếu bạn đang làm loop engineering, nếu bạn trao nhiều quyền tự chủ (agency) như vậy cho một thứ không phải là bạn, thì bạn chịu trách nhiệm thế nào cho những gì chúng làm? Và đó có thật là tiến bộ hướng tới mục tiêu của bạn, hay bạn đang bỏ lỡ điều gì đó (theo Fausto, video đăng ngày 11/11/2026)?
10. Shared understanding trước khi kick off một loop
Patrick kể gần đây anh có một cuộc nói chuyện về đúng chủ đề này, cách đây vài tuần. Người đó nói anh ấy dành rất nhiều thời gian cho khái niệm loop engineering. Patrick xếp nó vào phần forward pressure: liên tục tạo ra một sự hiểu chung (shared understanding). Việc đó có thể mất hàng giờ, có lúc hàng ngày, bởi vì người đó đi dạo và phải tự thấm: đây có thật là thứ mình muốn không, đây có phải mục tiêu không (theo lời Patrick, video đăng ngày 11/11/2026)?

Theo Patrick kể, người đó cũng hỏi model, và có eval xem model có nghĩ là hai bên đã có shared understanding hay chưa. Anh ấy đánh giá được điều đó. Nếu mọi tín hiệu đều xanh, anh ấy kick off loop ở order of magnitude lớn nhất. Đó có thể là một tính năng trong sản phẩm anh ấy đang build. Anh ấy thích build kernel, nên có thể là cả một thứ hoàn chỉnh ngay từ đầu (video đăng ngày 11/11/2026).
Patrick thấy điều đó thú vị. Fausto đã nói rằng nếu bạn có shared understanding tới mức bạn có thể đảm bảo, hoặc thậm chí đo được khả năng nó đúng là mục tiêu bạn nghĩ, thì có khi bạn đã build xong thứ đó. Vậy nếu bạn đưa được tất cả những điều đó làm context rồi kick off loop, Patrick thấy rất cuốn hút khi xem điều gì sẽ ra (video đăng ngày 11/11/2026).
Người đó nói không phải lúc nào nó cũng chạy được, nhưng anh ấy đánh giá. Anh ấy đi qua từng dòng, review code. Anh ấy cũng đặt sẵn scaffolding, để output dù là gì cũng nằm trong khung (scaffolding) của mental model của anh ấy, giúp anh ấy duyệt qua nhanh. Nếu không chạy được, anh ấy vứt nó đi. Rồi anh ấy nói: được rồi, nó không chạy. Mở một session mới. Phân tích xem cái gì sai, và những phát hiện của mình về lý do mình nói nó không chạy. Rồi kick off một loop khác. Loop có thể chạy hàng giờ. Patrick thấy điều đó khá cuốn hút (theo lời Patrick, video đăng ngày 11/11/2026).
11. Thời gian để nghĩ, và observability với MLflow
Fausto nói tới khoảng thời gian chúng ta có để nghĩ, thời gian có thể dành cho việc nghĩ về hệ thống mình đang build. Nếu bạn thiết kế một loop, đúng là nó mất hàng giờ, nên bạn có thể dành nhiều thời gian nghĩ xem mình thật sự muốn build gì, so với kiểu prompt qua prompt lại (theo Fausto, video đăng ngày 11/11/2026).
Có một giai đoạn, anh nghĩ là ở khoảng giữa việc chỉ gửi một prompt và loop engineering, khi khoảng thời gian chờ ở giữa chỉ là vài phút. Anh thấy giai đoạn đó kinh khủng. Có tiếng đáp "Yeah, that time". Bởi vì khoảng đó không đủ để nghĩ sâu, và cái não ADHD của anh lúc nào cũng tìm kiếm, chờ đợi, trông ngóng phần thưởng. Có tiếng chen vào: và nó không tới. Fausto nói tiếp: điều đó thật sự làm hẹp suy nghĩ của bạn (theo Fausto, video đăng ngày 11/11/2026).
Có thời gian nghỉ, có thời gian để nghĩ, thật sự rời khỏi bàn làm việc và đi dạo, điều đó rất quan trọng. Và bạn làm được điều đó khi gửi agent đi chạy loop, miễn là bạn thật sự đã nghĩ kỹ về những gì chúng build, và về cách bạn phân tích được, làm cho nó quan sát được (observable) (theo Fausto, video đăng ngày 11/11/2026).

Và tất nhiên, ở đây nữa, nó sẽ không bao giờ hoàn hảo. Bạn luôn phải đánh đổi. Anh dùng MLflow cho observability. Nó là mã nguồn mở, anh nghĩ nó chạy rất tốt, và về cơ bản nó cho bạn làm bất cứ điều gì mà bất kỳ nhà cung cấp thương mại nào khác cung cấp (theo Fausto, video đăng ngày 11/11/2026).
Nhưng anh có đọc 1.000 trace của một lần gọi, rồi nhân lên 1.000 lần không? Tất nhiên là không, điều đó là không thể. Nhưng dữ liệu nằm ở đó, anh có thể query. Rồi anh phải tin rằng mình đã build một hệ thống recall có khả năng gọi lại đúng thông tin, điều mà về bản chất anh không biết hết được. Đó là một trong những đánh đổi anh chấp nhận. Nhưng anh làm vậy vì anh cũng được thứ gì đó: tốc độ phát triển và độ rộng. Anh làm được nhiều hơn hẳn (theo Fausto, video đăng ngày 11/11/2026).
Anh lấy ví dụ: cứ hỏi bất kỳ người nông dân nào. Họ hiểu rằng nếu cày đất bằng tay, bạn có cảm nhận nhiều hơn nhiều về việc mình đang làm. Và tất nhiên có nhiều nông dân sống theo cách đó, nhưng họ có nuôi được cả thế giới không? Nếu tự động hóa, dùng máy móc, bạn mở rộng được những gì mình làm được. Đó là một phép so sánh cho cách chúng ta làm việc: bạn đi lên một tầng trừu tượng cao hơn, nó khuếch đại công việc bạn làm được, nhưng nó sẽ lấy đi của bạn phần chi tiết (theo Fausto, video đăng ngày 11/11/2026).
12. Fausto không tin chuyện đọc code AI từng dòng: judge it by what it does
Về cá nhân, Fausto nói anh thật sự không tin những người bảo rằng họ đọc code từng dòng một. Chuyện đó là nhảm nhí. Và nếu họ có đọc như vậy, có lẽ họ đang bỏ lỡ (theo Fausto, video đăng ngày 11/11/2026).
Patrick nghĩ là họ có thể đang bỏ lỡ thật. Anh cũng đã nói chuyện với những người trong các tổ chức, lần này là ở một công ty, nơi họ dựng hệ thống tới mức khi có một pull request, bạn nhận được feedback về những phần code quan trọng và không quan trọng. Không chỉ dựa trên diff của codebase, mà dựa trên log về những chỗ từng xảy ra incident trên production, hoặc dựa trên tác động của một số chức năng trên production. Rồi họ có thể quyết định chính xác hơn, hoặc bạn còn được gợi ý: có lẽ bạn nên xem đoạn này kỹ hơn những đoạn còn lại (theo lời Patrick, video đăng ngày 11/11/2026).
Fausto nói: vậy thì hãy đánh giá nó qua những gì nó làm. Và tốt nhất là làm điều đó trước khi nó lên production. Nhưng tất nhiên, sẽ có những thứ trên production mà bạn không thể lường trước trong lúc phát triển (theo Fausto, video đăng ngày 11/11/2026).
Rồi anh thành thật: anh có thể có một câu chuyện thú vị, nhưng anh viết code rất tệ. Toàn bộ hành trình của anh vào thế giới kỹ thuật này xuất phát từ một người quan tâm tới rất nhiều thứ, nhưng là chủ nhà hàng. Anh không được đào tạo kỹ thuật. Anh tự học code, nhưng về cơ bản bất kỳ ai anh ngồi cùng phòng trong thế giới AI này có lẽ đều code giỏi hơn anh (theo lời Fausto, video đăng ngày 11/11/2026).
Điều đó buộc anh, với mong muốn build mọi thứ ngay từ đầu, phải nghĩ theo những hệ thống ép kết quả về đúng thứ anh muốn. Việc này chắc chắn khó hơn nhiều khi AI còn kém trong việc thật sự viết ra code. Nhưng anh đã dựa vào điều đó, và theo anh là đúng đắn. Anh không nói đó là con đường phía trước, chỉ là đó là những công cụ anh có để làm việc. Ai trong chúng ta cũng bị giới hạn trong những gì mình làm được (theo Fausto, video đăng ngày 11/11/2026).
Và theo anh, ở một khía cạnh nào đó, sự khan hiếm thúc đẩy sáng tạo. Khan hiếm là mẹ của đổi mới. Anh nghĩ đây cũng là một trong những lý do anh lấy cảm hứng từ New Orleans, Louisiana, khi thiết kế, khi hình dung nhà hàng của mình. Anh bị cuốn hút bởi cách những người với rất ít phương tiện lại tạo ra được một nền văn hóa phong phú như vậy: hương vị, những ly cocktail ra đời từ thành phố đó, và nền ẩm thực tuyệt đẹp. Nó đến từ gần như không có gì (theo Fausto, video đăng ngày 11/11/2026).
Anh nói đó là một đoạn rẽ ngang. Theo anh, trải qua sự khan hiếm ở một thứ sẽ buộc bạn phát triển một thứ khác mà có thể bạn vốn đã giỏi (video đăng ngày 11/11/2026).
13. Gates, code "sloppy" và lý do kỹ sư phản đối AI
Trong lối nghĩ theo hệ thống đó, theo Fausto, giờ chúng ta đã tới điểm mà bạn có thể định nghĩa các "gate", những cửa mà kết quả phải đi qua. Và tất nhiên bạn sẽ bỏ sót những thứ sẽ bật ra trên production. Anh nói chúng ta chưa tới đó (video đăng ngày 11/11/2026).
Dù vậy, anh đang build sản phẩm bằng AI coding cho production thật, trong ngành thép, thậm chí trong ngành security. Rủi ro, đúng vậy, nhưng cũng vui. Còn code có "sloppy" như người ta nói không? Câu trả lời đi kèm là: có lẽ có. Nó có đỡ sloppy hơn một năm trước không? Chắc chắn rồi (hell yeah). Năm sau nó có khác không? Tất nhiên (theo Fausto, video đăng ngày 11/11/2026).
Anh nói lúc này anh đang ở phía tích cực: anh cảm thấy sự nghiệp của mình đang đi lên, đang cất cánh. Anh làm được nhiều thứ hơn, và làm việc với những người cực kỳ thông minh. Thật tuyệt (video đăng ngày 11/11/2026).
Nhưng nếu bạn đã làm việc cả đời để có được một kỹ năng, rồi thấy thứ này đe dọa không chỉ giá trị kinh tế của bạn. Theo anh, đây là một lập luận mà nhiều người bỏ qua không bàn tới khi nói về những thứ như universal basic income. Lý do anh vui với tình hình này không phải vì anh kiếm được nhiều tiền hơn, mà vì anh thấy mình được trao quyền với tư cách một cá nhân, được tôn trọng vì những gì anh làm được, những thứ anh đã phần nào bỏ lỡ trong quá khứ. Công việc của anh là bản sắc của anh (theo Fausto, video đăng ngày 11/11/2026).
Còn về basic income: anh từng có nó trong thời Corona. Với tư cách chủ nhà hàng, về cơ bản anh đã có một khoản universal basic income trong Corona. Anh nói mình không phải thước đo của mọi thứ, và với hoàn cảnh của anh lúc đó, anh thấy đó không phải một trải nghiệm tích cực. Anh đã thấy những đồng nghiệp trong ngành nhà hàng, rất nhiều người rất, rất buồn, rất giận dữ, rất sợ hãi (theo lời Fausto, video đăng ngày 11/11/2026).
Anh nghĩ đó là điều bạn thật sự phải thấu hiểu khi người ta giận dữ, khi họ chống lại AI, khi họ chỉ ra rằng cái này sẽ không bao giờ chạy được, đây là code sloppy. Không nhất thiết là họ đúng hay sai, chỉ là từ góc nhìn của họ, nó là một mối đe dọa. Và khi đó bạn có động cơ để nhìn mọi thứ như chúng đang là, và có thể nhìn tương lai bằng cách ngoại suy quá khứ theo đường thẳng. Trong khi anh nghĩ, nếu thành thật, nó không tuyến tính, nó là hàm mũ, và những vấn đề bạn chỉ ra được hôm nay, những vấn đề kỹ thuật, sẽ được giải quyết. Anh khá chắc điều đó (theo Fausto, video đăng ngày 11/11/2026).
14. Những thanh quyết định 0 đến 100%: disposable và durable
Patrick nói anh ngày càng nghĩ nhiều về việc ra quyết định. Trong đầu anh, về mặt khái niệm, nó giống một thanh chạy từ 0% tới 100%. Nhưng nếu đúng là vậy thì mọi thứ sẽ rất trắng đen. Thế nên nhiều khả năng đó là nhiều thanh, mỗi thanh chạy từ 0% tới 100%. Một số người đọc và review code đặt nhiều giá trị hơn vào mức độ sloppy của nó (theo Patrick, video đăng ngày 11/11/2026).
Hôm qua (tính từ lúc quay), anh xem một bài trình bày của cựu CEO GitHub, người đang build công ty Entire, về cơ bản giống GitHub nhưng được dựng lại từ nền móng để chạy tốt với agent. Khái niệm pull request vẫn còn, nhưng người đó có những thanh từ 0 tới 100%. Một trong các thanh có tên đúng là "slop". Thanh khác có thể là độ chính xác (accuracy). Và có khi cả khái niệm độ quan trọng của code (code criticality) dựa trên dữ liệu vận hành của bạn cũng có ở đó (theo lời Patrick, video đăng ngày 11/11/2026).
Patrick cảm thấy ngay cả anh và Fausto cũng đặt giá trị khác nhau cho tất cả những thanh nhỏ đó, những chỉ số ra quyết định nằm trong đầu mình. Chúng không thật sự nằm bên ngoài, không trắng đen, nhưng chúng ta có chúng. Với Fausto, có thể thanh đó thấp hơn, dựa trên kinh nghiệm của anh. Còn với những người đến từ ngành này, thanh mặc định, vì chúng ta luôn build phần mềm bền vững (durable), thì hoàn toàn khác (theo Patrick, video đăng ngày 11/11/2026).

Nhưng giờ chúng ta đang dịch chuyển, theo Patrick: chúng ta build phần mềm mà trong một số trường hợp vốn dĩ là dùng một lần (disposable). Bạn build, bạn tạo giá trị, bạn vứt nó đi, rồi đi build thứ khác. Hoặc nó có thể được làm cho durable chính vì bạn bắt đầu bằng disposable: bạn dựng lên chạy được rất nhanh, rồi xem xét rủi ro là gì, liên tục đánh giá những gì mình đã build, và có thể cần bổ sung hoặc xử lý vài rủi ro. Với anh, điều đó rất cuốn hút (video đăng ngày 11/11/2026).
Và nếu anh nghĩ mỗi người đều có pattern ra quyết định riêng, thì làm sao chúng ta vẫn vận hành như một team và cùng hướng tới một mục tiêu? Bởi vì cuối cùng chúng ta cần một "decision-making profile" chung (theo Patrick, video đăng ngày 11/11/2026).
15. Shared ontology và hệ memory ba lớp cho coding agent
Fausto bắt đầu từ phần thực tế. Anh nghĩ trong mọi team, dù có làm việc với AI hay không, bạn phải có một ontology chung: một sự hiểu chung về những từ bạn dùng, những khái niệm quan trọng. Theo anh, đó chỉ là một chuyện thực tế (video đăng ngày 11/11/2026).
Khi build bất kỳ project nào, anh có một cách tiếp cận memory và context ba bước, ba lớp. Lớp đầu là một wiki, giống hệ thống wiki của Karpathy, và có rất nhiều công việc mã nguồn mở đang phát triển thứ này (theo Fausto, video đăng ngày 11/11/2026).
Với anh, điều quan trọng là mỗi project có một wiki, nhưng anh luôn kết nối nó với wiki chính mà anh cũng có. Dù vậy anh vẫn tách riêng, vì anh không muốn quá nhiều context pollution trong một project. Và anh luôn thử nghiệm những cách để định giá thông tin (theo Fausto, video đăng ngày 11/11/2026).

Trong wiki này chắc chắn có ontology: anh muốn nói gì với những thuật ngữ này nọ, điều gì là quan trọng, v.v. Nhưng còn có, đặc biệt trong wiki chính mà anh duy trì theo thời gian, câu hỏi: cái gì được tính là quan trọng (theo Fausto, video đăng ngày 11/11/2026)?
Anh nhìn vào cách não của chính mình hoạt động. Nếu anh đặt sự chú ý vào thứ gì đó, thì trước hết nó kết nối tới những khái niệm anh đã học, và chúng được kéo vào working memory. Ngay lúc đó, những khái niệm này cũng đang thay đổi, vì kiến thức của anh không tĩnh. Não của bạn không phải một database mà bạn kéo thông tin tĩnh ra rồi ghi ngược vào (theo Fausto, video đăng ngày 11/11/2026).
Nhìn wiki từ góc độ đó, anh thấy thú vị ở câu hỏi: làm sao lượng hóa theo một cách nào đó mức độ quan trọng của thông tin? Có thể là nó có bao nhiêu kết nối, có thông tin mâu thuẫn không, giá trị của sự bất ngờ (surprise) là gì, hay một mẩu thông tin đã được gọi lại bao nhiêu lần. Bạn có thể nghĩ tới Ebbinghaus decay như một cách hay để biểu diễn mức quan trọng, ví dụ dùng thời gian làm một chỉ số. Vậy là chúng ta có một kiểu chồng lớp mức độ quan trọng của thông tin trong wiki (theo Fausto, video đăng ngày 11/11/2026).
Điểm hay là nó đọc được bằng mắt người. Bạn dùng Obsidian hay gì đó để trực quan hóa các file markdown này. Lớp tiếp theo, anh dùng một memory bank thiên về graph, về cách các thứ liên hệ với nhau. Hindsight là một ví dụ hay. Lớp cuối là thông tin quá nhiều, bạn cần làm cho nó tìm kiếm được: thứ đó bạn đưa vào một vector database chạy local trong Docker của bạn (theo Fausto, video đăng ngày 11/11/2026).
Đây là điểm bắt đầu của một project. Mọi research bạn làm sẽ lấp đầy những memory bank này, và chúng được nạp bằng thông tin vốn đã có sẵn trên máy của bạn. Hy vọng là ở đó bạn có một tập thông tin đã được tuyển chọn, xếp lớp, và từ đó bạn bắt đầu build (theo Fausto, video đăng ngày 11/11/2026).
Patrick hỏi Fausto đã dùng hệ thống này bao lâu. Fausto kể khi Karpathy đưa ra hệ thống wiki, anh chưa gọi nó là wiki, nhưng anh đã có sẵn một hệ thống nằm trong thư mục docs với các file markdown (video đăng ngày 11/11/2026).
Điều thật sự thay đổi với anh từ ý tưởng của Karpathy, mà theo anh là khoảng nửa năm trước, "cả một thời đại trong AI", là: lưu trữ là một chuyện. Nhưng cái gì quyết định thứ gì được lưu? Cái gì quyết định thứ gì được chú ý? Khi nào bạn truy xuất nó, và cái gì quyết định cách truy xuất? Khi nào thì dừng? Đó là phần anh đã build thêm lên trên trong nửa năm qua (theo Fausto, video đăng ngày 11/11/2026).
16. Domain expert có giá trị khi execution trở nên rẻ
Fausto nói anh chắc chắn không ở đây để rao giảng rằng đây là con đường phải đi, vì anh liên tục thử nghiệm. Và đó là lý do anh rất biết ơn vị trí của mình: công ty của anh, WonderWhy.ai, làm việc chặt chẽ với một AI lab về Industrial Digital Twins. Thông qua họ, anh tiếp xúc với ngành thép, ngành sản xuất, với đủ loại domain expert (theo Fausto, video đăng ngày 11/11/2026).
Theo anh, đó là thứ bạn cần có trong thời mà execution trở nên rẻ: khi đó việc hiểu vấn đề cần giải, và mọi cơ chế bên trong của các lời giải cho vấn đề đó, mới là thứ có giá trị. Anh thấy mình rất may mắn khi lúc nào cũng được tiếp xúc với các domain expert, những người đưa cho anh những vấn đề anh chưa từng nghĩ tới (video đăng ngày 11/11/2026).
Điều đó giúp anh ở trong giai đoạn thử nghiệm rất nhiều, vì những công ty này hiểu rằng tất nhiên không phải cứ mua giải pháp đóng gói sẵn là xong. Vấn đề là tìm ra AI có thể làm việc thế nào cho họ, trong tổ chức của họ, với cấu trúc độc nhất của họ. Nên đó là nửa build, nửa research (theo Fausto, video đăng ngày 11/11/2026).
Ở đây anh phải công nhận điểm của những người chỉ trích: anh không giao phần mềm doanh nghiệp đã qua kiểm tra bảo mật. Anh build greenfield. Thường thì anh được đưa một vấn đề mà chưa ai từng nghĩ là sẽ được giải hay được tự động hóa, và giờ anh có thể nghĩ cách làm điều đó. Bạn bắt đầu với một tờ giấy trắng (tabula rasa), nên bạn được phép chấp nhận rủi ro, được thử nghiệm trong sandbox. Những người khác, với chuyên môn khác và câu chuyện đời khác, có lẽ sẽ build tiếp lên trên đó để làm nó thật sự maintainable và thật sự an toàn (theo Fausto, video đăng ngày 11/11/2026).

Patrick nói trong tổ chức anh đang làm, anh và đồng nghiệp không thể chờ ở một số thứ. Anh và đồng nghiệp đang đầu tư vào những gì anh và đồng nghiệp nghĩ là các cược dài hạn (longer term bets). Và dù những gì anh và đồng nghiệp build lúc này có thể bị deprecated, khả năng là sau sáu tháng, ba tháng, một năm, không quan trọng, thời điểm có thể tùy ý, nó vẫn cho anh và đồng nghiệp đúng chuyên môn và kinh nghiệm (theo Patrick, video đăng ngày 11/11/2026).
Theo Patrick, nếu bây giờ bạn hỏi có hợp lý không khi đi theo những lối mà người khác đang đi, thì anh cảm thấy kinh nghiệm, ít nhất là từ bên trong một tổ chức, sẽ giúp: nếu một lối mới xuất hiện, anh và đồng nghiệp sẽ có đúng kinh nghiệm và kiến thức để nói đây là một lối tốt, sẵn sàng đặt cược vào lối mới này, thậm chí mở đường (trailblaze), rồi biến nó thành hiện thực dựa trên những gì mình đang học được (video đăng ngày 11/11/2026).
17. AI làm tấn công rẻ hơn phòng thủ
Fausto hỏi Patrick có phải đang ở trong ngành siêu thị không. Patrick xác nhận là lúc này thì đúng vậy (tính đến video đăng ngày 11/11/2026).
Theo Fausto, đó là một ví dụ hay cho tầm quan trọng của việc hiểu rõ "cost vector". Các công ty tư nhân chịu chi phí và cạnh tranh trong tương quan với các công ty tư nhân khác. Họ có logistics, có vận hành. Họ dồn thời gian và nguồn lực vào nhân sự, đào tạo, bảo mật, hiểu giá cả, các cuộc chiến giá, v.v. (video đăng ngày 11/11/2026).
Điều đó có nghĩa là khi phải phòng thủ trước bất kỳ cuộc tấn công nào, các công ty tư nhân, và cả các quốc gia, về bản chất đều ở thế bất lợi trước kẻ tấn công. Chuyện này quay về tận lối nghĩ của Machiavelli: khi các cuộc vây hãm, máy bắn đá xuất hiện, Machiavelli đã viết rằng nếu tấn công trở nên rẻ hơn so với phòng thủ, mọi thứ sẽ hỗn loạn (theo Fausto, video đăng ngày 11/11/2026).
Anh nghĩ chúng ta có thể thấy điều này đang xảy ra với AI, bởi vì AI trao cho cá nhân khả năng làm những việc hoàn toàn không thể tưởng tượng được chỉ vài năm trước. Những vụ hack siêu thị ở Hà Lan và Pháp gần đây khiến anh suy nghĩ: làm thế quái nào để phòng thủ trước một thứ như vậy (theo Fausto, video đăng ngày 11/11/2026)?
Anh nói rõ đây là chuyện nằm ngoài sở trường của anh, và anh rất muốn được người hiểu cybersecurity hơn chỉ cho. Nhưng nghĩ theo góc độ lý thuyết, trừu tượng, bạn thấy trong nhiều lý thuyết về cybersecurity, kẻ tấn công có động cơ kinh tế, và điều đó đã cho họ vị trí tốt hơn người phòng thủ. Bởi vì người phòng thủ, như anh vừa nói, phải lo đủ thứ, phải phân bổ sự chú ý và nguồn lực cho mọi thứ làm nên một doanh nghiệp tốt và giúp bạn đứng vững trong cạnh tranh. Rồi còn chuyện có cả triệu cách để tấn công, để tìm lỗ hổng, còn người phòng thủ thì phải lường trước tất cả những cách tấn công mới đó (theo Fausto, video đăng ngày 11/11/2026).
Tệ hơn nữa, anh không nghĩ có động cơ kinh tế nào trong những vụ tấn công siêu thị gần nhất: theo những gì anh biết, không có khoản tiền chuộc nào. Vậy động cơ là gì? Có thể động cơ chỉ là gây bất ổn, hoặc cho thấy các thể chế của chúng ta, các chuỗi logistics của chúng ta, rất dễ bị tổn thương. Tất cả bạn bè của anh từ những nền tảng không kỹ thuật, khi bàn chuyện này, đều kiểu: trời ơi, chuyện đó làm tôi sợ quá, chuyện đó không thể xảy ra (theo lời Fausto, video đăng ngày 11/11/2026).
Vậy nếu đó không chỉ là động cơ kinh tế mà chỉ là gây bất ổn, và kẻ đứng sau không phải một cá nhân mà là một quốc gia, và chi phí tấn công thấp tới vậy, và thứ đứng chắn trước kẻ tấn công về cơ bản chỉ là các thách thức kỹ thuật. Mà chúng đang được giải quyết, rõ ràng, hai người đã nói về điều đó, Patrick cũng nói về nó với rất nhiều người. Những thách thức kỹ thuật này đang được giải quyết. Điều đó rất khó để tự phòng vệ, đúng không? Kiểu, bằng cách nào (theo Fausto, video đăng ngày 11/11/2026)?
18. Cybersecurity có thành commodity không, và lời chúc "an interesting life"
Patrick nói trước rằng anh không thể nói nhiều về những gì đang diễn ra trong chính tổ chức của mình, nhưng anh có thể nói về cybersecurity và threat modeling nói chung. Anh thấy có những ý kiến trái ngược nhau, và anh nghĩ điều đó khá thú vị (video đăng ngày 11/11/2026).
Tuần trước buổi quay, anh có một cuộc trò chuyện về cybersecurity: với người mới vào nghề, đây có thể là một lĩnh vực rất béo bở để tìm hiểu. Chúng ta có những mối đe dọa mới, và những người làm cybersecurity hiện tại cần nâng cấp kỹ năng và kiến thức khá nhanh, nhưng rất khó nắm được những mối đe dọa mà một agent có thể tạo ra. Thế nên có rất nhiều cơ hội cho những người mang tới kiến thức đó và cùng nghĩ về security (theo lời Patrick, video đăng ngày 11/11/2026).
Fausto chen vào: sức mạnh của sự lặp lại, cứ thử đi thử lại, thử lại mãi (video đăng ngày 11/11/2026).
Patrick nói tiếp: vậy là bạn có kiểu cơ chế phòng thủ mà các tổ chức cần dựng lên, và cần dựng nhanh, vì tấn công đang tăng. Và cách duy nhất để đối phó với sức tấn công đang có là bằng agent. Bạn có agent tấn công, nên bạn cần agent chơi phòng thủ, theo cách nói trắng đen nhất anh có thể đưa ra (theo Patrick, video đăng ngày 11/11/2026).

Nhưng rồi tối hôm trước, trên Reddit, Patrick thấy CEO của một công ty cybersecurity mà anh không nêu tên đã bán hàng trăm triệu cổ phần của họ, vì họ nghĩ cybersecurity sẽ bị commodity hóa. Lập luận là người ta sẽ nhảy vào cơ hội này, và nó sẽ thành commodity, vì chúng ta không thể để nó không phải là commodity, nếu không rất nhiều tổ chức sẽ gặp rủi ro từ các cá nhân, và cả từ những nhóm cá nhân (theo lời Patrick, video đăng ngày 11/11/2026).
Fausto nói anh phản đối lập luận này: "nó sẽ thành commodity vì chúng ta không thể để nó không phải là commodity". Có tiếng đáp: đúng, điểm đó tôi đồng ý. Fausto nói: đó là mơ tưởng (wishful thinking) (video đăng ngày 11/11/2026).
Có tiếng nói tiếp: họ đã bán cổ phiếu của mình. Patrick nói: họ làm sập chính cổ phiếu của công ty mà họ là CEO. Anh thấy chuyện đó buồn cười, nhưng anh cũng nghĩ: có thể họ đang thấy điều gì đó mà anh không thấy. Bởi vì anh thật sự nghĩ đáng ra phải như vậy, nhưng anh không biết liệu chúng ta có tới được đó không. Với anh, các ý kiến ở đây đang trái ngược nhau (theo Patrick, video đăng ngày 11/11/2026).
Fausto nói có quá nhiều cách mọi chuyện có thể diễn ra, và anh gần như xấu hổ khi nói điều này, nhưng nó cũng khiến anh phấn khích. Và tất nhiên anh không muốn ai bị tổn thương. Nhưng mọi thứ chắc chắn đang diễn ra, và lúc này chúng rất cuốn hút (theo Fausto, video đăng ngày 11/11/2026).
Anh nói đây cũng là một trong những câu mà, có lẽ không đúng, nhưng người ta bảo là một câu nói, một câu tục ngữ của Trung Quốc, gì cũng được: nếu bạn thật sự ghét ai đó, bạn nói "chúc bạn có một cuộc đời thú vị" (I wish you an interesting life) (video đăng ngày 11/11/2026).
Patrick nói câu đó buồn cười, rồi cảm ơn Fausto rất nhiều vì đã tới và chia sẻ, buổi nói chuyện rất tuyệt. Fausto đáp rằng anh rất vui được có mặt, và thấy vinh dự. Có tiếng cảm ơn ở cuối.
Nguồn và liên kết 9 nguồn
- Tên gốc: What Coding Agents Need From Engineers to Be Trusted
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=pjdyNeccdpU youtube.com
- Kênh YouTube Beyond Coding (Patrick Akil, khách mời Fausto Albers): youtube.com/channel/UCdMz6KKEDW_1Qqas-ya7S6w youtube.com
- WonderWhy.ai, công ty của Fausto; trang chủ giới thiệu "Fausto Albers · Applied AI research & development" (đọc ngày 18/11/2026): wonderwhy.ai wonderwhy.ai
- MLflow, công cụ observability mã nguồn mở Fausto nói anh dùng; trang chủ tự mô tả là nền tảng AI engineering mã nguồn mở cho agent, LLM và ML model (đọc ngày 18/11/2026): mlflow.org mlflow.org
- Obsidian, ứng dụng Fausto nhắc tới để xem các file markdown của wiki (đọc ngày 18/11/2026): obsidian.md obsidian.md
- Hindsight, memory bank Fausto lấy làm ví dụ cho lớp memory dạng graph; repo tự mô tả là "Agent Memory That Learns" (đọc ngày 18/11/2026): github.com/vectorize-io/hindsight github.com
- Entire, công ty Patrick nhắc tới khi kể về bài trình bày của cựu CEO GitHub; trang chủ tự giới thiệu là "The Git forge for agents" và có chỉ số "Slop" bên cạnh "Risk" và "Intent drift" (đọc ngày 18/11/2026): entire.com entire.com


