Vì sao coding agent cứ làm codebase tệ dần
Dex Horthy (HumanLayer) bàn về SlopCodeBench, token maxing, dark factory, nhắm nhanh hơn 2-4 lần thay vì 100 lần, và workflow research-design-plan của anh.
✓ Đã duyệt độc lập · cập nhật 21/11/2026 · 45 min
1. Đoạn mở đầu: Dex Horthy và những gì cuộc trò chuyện bàn tới
Video (đăng ngày 30/09/2026) mở bằng một loạt câu ngắn của Dex Horthy, cắt ra từ cuộc trò chuyện. Có câu: "Oh my god, I ran out six Codex subscriptions in a week. Isn't that amazing?" (trời ơi, tôi dùng cạn sáu subscription Codex trong một tuần, tuyệt không?), rồi hỏi lại: "What did you ship, dude?" (thế anh ship được gì?). Tiếp theo là những câu như: một benchmark tên SlopCodeBench "thật đáng kinh ngạc"; "Do not mortgage your codebase" (đừng đem codebase của bạn đi cầm cố) với hy vọng rằng trong một năm nữa sẽ có model đủ thông minh để sửa hết mọi vấn đề của bạn; "tôi sẽ không bao giờ để ai merge bất cứ thứ gì có pattern này nữa"; "Am I 99th percentile? Am I being left behind?" (mình có ở nhóm 1% đầu không, mình có đang bị bỏ lại không?); "Do less things in parallel" (làm ít việc song song hơn); và "điều luôn đúng với engineering thì vẫn còn đúng".

Sau đó người dẫn Patrick Akil giới thiệu, ở một góc quay khác. Theo lời Patrick và phần mô tả của video (video đăng ngày 30/09/2026), khách mời là Dex Horthy, CEO của HumanLayer, "người đặt ra thuật ngữ context engineering". Patrick liệt kê những gì hai người bàn: vì sao phần lớn những gì bạn thấy trên mạng về agent là "hoàn toàn giả"; vì sao token maxing không chạy được trong thế giới thật; benchmark hoạt động ra sao và nên nhìn vào benchmark nào; bạn thật sự nên nhắm nhanh hơn bao nhiêu lần khi dùng agent, và con số đó không phải 100 lần. Ở phần cuối, Dex chia sẻ workflow agentic engineering của anh: phần nào được tự động hoá, software factory là gì, và anh vẫn dành thời gian của mình ở đâu.

2. Computer use, code dễ bảo trì và ba kiểu benchmark coding trước đây
Dex vào chuyện bằng một quan sát (video đăng ngày 30/09/2026): anh thấy nhiều người bình luận rằng Astra đã giỏi hơn nhiều ở computer use. Nó giỏi hơn nhiều ở Blender, ở "game slop" và những thứ kiểu đó. Nhưng theo anh, nó không thật sự giỏi hơn bao nhiêu ở việc viết code dễ bảo trì, kiểm soát độ phức tạp, xoá bớt code, thay đổi abstraction, hay những việc tương tự. Anh nói anh cũng cảm thấy như vậy rất nhiều, và nhiều người cũng có cùng "vibe" đó.

Từ đó anh nhắc tới một benchmark anh tìm thấy, tên là SlopCodeBench. Theo Dex (video đăng ngày 30/09/2026), nó do lab của Gabe Orlanski làm ra, một nhà nghiên cứu ở University of Wisconsin. Anh hỏi Patrick đã thấy benchmark này chưa; có tiếng đáp là chưa. Dex nói tiếp: "Oh, SlopCodeBench? Oh, that's incredible", rồi giải thích: đây là cả một benchmark được thiết kế xoay quanh việc chứng minh rằng model làm codebase tệ dần theo thời gian.
Để thấy cái mới của nó, Dex kể lại các loại benchmark có trước đó. Theo anh (video đăng ngày 30/09/2026), tới thời điểm đó có thể nói là có khoảng ba "flavor" benchmark.
Loại thứ nhất là SWE-bench, theo cách Dex mô tả (video đăng ngày 30/09/2026): lấy một PR nhỏ từ một repo open source thật, tua repo về thời điểm trước khi PR được tạo, rút phần test ra khỏi PR, rồi đưa cho model issue đã được mở, kiểu "đây là issue người ta mở mười năm trước trên một project Ruby ngẫu nhiên nào đó, hãy sửa nó". Sau đó mọi thay đổi model làm với test đều bị bỏ đi, test của bài benchmark được thả vào, rồi chạy những test đó trên code của model. Qua thì được thưởng (reward). Model cũng phải làm việc đó mà không làm hỏng test nào khác. Nhưng đây là bài rất, rất nhỏ và nhắm trúng một chỗ: bạn có làm cho test chạy qua được không.
Dex nói hiển nhiên đây là benchmark, khác với verifier. Nhưng cứ có kiểu "model này đạt 95 trên SWE-bench, coding đã được giải quyết", và theo anh (video đăng ngày 30/09/2026) đó không phải là hình dạng của việc code thật.
Vì thế, theo Dex (video đăng ngày 30/09/2026), có một "chương" khác: thay vì giải một PR nhỏ, bài toán là xây lại toàn bộ Microsoft Excel từ đầu với mọi feature, hoặc xây lại toàn bộ Redis từ spec với mọi feature. Đó là các benchmark kiểu marathon. Dex nói hai ví dụ đó thật ra đến từ một benchmark tên SWE-Marathon, với các task dài từ bốn tới 400 giờ.
Rồi, theo lời Dex (video đăng ngày 30/09/2026), Cognition đưa ra ý tưởng: dùng task lớn hơn nhiều, và thêm một judge model chạy sau đó, góp vào điểm của bài làm, để chấm xem code có phá luật, convention hay pattern nào của codebase không. Dex lấy ví dụ kiểu nói với model: "trong C++ ở đây ta không được log như thế này, phải log như thế kia".
Theo Dex (video đăng ngày 30/09/2026), không cái nào trong số đó thật sự khớp với cách phần mềm thật được xây: tất cả đều đưa cho model toàn bộ bài toán ngay từ đầu, kiểu "đây là việc, giải nó đi".

3. SlopCodeBench và câu "để GPT-7 lo"
Theo Dex (video đăng ngày 30/09/2026), điều thú vị ở SlopCodeBench là nó cho model một thứ để xây từ đầu (greenfield), rồi nói: giờ lấy codebase đó và thêm feature này; rồi lấy codebase đó và thêm feature này nữa; cứ thế. Mỗi challenge có khoảng ba tới mười checkpoint.
Điều benchmark muốn cho thấy, theo cách Dex giải thích (video đăng ngày 30/09/2026): khi model tiếp tục làm việc không có người giám sát trong cùng một codebase mà không biết trước toàn bộ bài toán, thì code tệ dần theo thời gian. Nếu bạn biết hết bài toán từ đầu, bạn có thể thiết kế kiến trúc cho nó; không biết thì bạn gặp vấn đề này. Benchmark cho thấy số test bị fail cứ có xu hướng tăng lên, với tất cả các model.
Về con số, Dex nói (video đăng ngày 30/09/2026): anh nghĩ GPT-5.5 Codex, khi nhóm nghiên cứu chạy vào tháng 5, đạt khoảng 15 điểm trên benchmark này. Anh và nhóm đã làm một số nghiên cứu độc lập, vì theo anh nhóm làm benchmark "không được rót nhiều tiền", nên HumanLayer đang tài trợ một phần nghiên cứu ở đó. Anh và nhóm đã chạy nó cho Astra, và Astra đạt khoảng 16,5, anh nói là "cao hơn một điểm" về khả năng bảo trì một codebase phức tạp theo thời gian.
Dex nói trước đây chuyện này chỉ là một "vibe", giờ thì có một thứ đo được. Anh cũng nói rõ giới hạn (video đăng ngày 30/09/2026): đó là một benchmark của một lab, chưa được nhiều model card dùng, anh nghĩ một phần vì nó chạy rất chậm và tốn kém. Nhưng anh thấy nó là một bằng chứng thú vị rằng model vẫn chưa giỏi việc bảo trì một codebase theo thời gian.
Patrick hỏi (video đăng ngày 30/09/2026): anh có nghĩ chuyện đó sẽ thay đổi không, model sẽ giỏi hơn với codebase theo thời gian, hay ta sẽ giải nó bằng harness engineering?
Dex nói điều "điên rồ" là thế này. Hồi Claude 3.5, 3.7, có lẽ cả thời Opus 4, người ta từng nói: được rồi, tôi biết code đang cẩu thả, nhưng tới lúc chuyện đó thành vấn đề thì đó là việc của GPT-7. "Well, we're on GPT-6" (thì giờ ta đang ở GPT-6, tính tới video đăng ngày 30/09/2026), và ta chưa tiến được bao nhiêu ở mặt đó. Nên theo anh, bạn không thể đoán khi nào chuyện đó xảy ra. Có lẽ cuối cùng nó sẽ xảy ra, nhưng có vẻ các lab quan tâm hơn nhiều tới việc hill climbing ở những thứ khác như computer use và các frontier khác. Và 10% cuối của khả năng bảo trì phần mềm có thể khó ngang hoặc khó hơn toàn bộ 90% đầu mà ngành đã bỏ ra ba, bốn năm qua.
4. Agent chạy từ xa ở các team lớn, và chuyện one-shot một feature lớn
Patrick chuyển sang câu hỏi ngành đang đi về đâu (video đăng ngày 30/09/2026). Anh nói hôm trước anh nghe nhiều cuộc trò chuyện về chạy agent từ xa (remote agent execution) và về "multiplayer". Anh vẫn chưa biết chính xác nó sẽ diễn ra thế nào trong thực tế. Lý thuyết thì rất hợp lý: đưa agent ra khỏi máy của mình, chạy ở đâu đó local hoặc tập trung, nơi đồng nghiệp cũng xem được context và đóng góp. Nhưng anh chưa thấy công ty nào thành công với chuyện đó, và anh cảm thấy đó vẫn là thứ khá "frontier".
Dex nói (video đăng ngày 30/09/2026): nhiều nhà cung cấp cloud agent, như Cursor Cloud Agents, Cognition với Devin và những bên tương tự, đã tiến được khá xa ở đó. Nhưng anh thấy thách thức nằm ở chỗ khác. Anh và nhóm làm việc với nhiều doanh nghiệp lớn. Theo Dex, HumanLayer có rất nhiều team năm người thích dùng nó, nhưng nếu bạn có từ 100 kỹ sư trở lên thì đó là lúc HumanLayer có tác động lớn nhất, vì nó xoay quanh chuyện cộng tác.
Theo Dex (video đăng ngày 30/09/2026), những team đó thường gặp nhiều ma sát khi xây với cloud agent, vì họ có mười năm lịch sử, hàng trăm repo, rất nhiều ý kiến, "dấu hoa thị" và những điều đặc biệt về cách chạy môi trường dev, về cách agent có thể tự test việc nó làm, và những thứ như thế trở nên khá phức tạp.
Dù vậy, anh nghĩ (video đăng ngày 30/09/2026) tương lai là kiểu remote background agent, vừa vì góc cộng tác, vừa vì nhu cầu "tôi muốn gập laptop lại mà việc vẫn chạy". Hoặc với việc nhỏ: nếu tôi khởi động được một thay đổi copy (chữ trên giao diện) từ Slack mà không phải làm phiền một developer.
Nhưng theo anh (video đăng ngày 30/09/2026), dựng một workflow từ ticket ra PR hay từ Slack ra PR cho việc nhỏ là khá đơn giản. Ramp, Brex và nhiều công ty đã công bố bài viết kiểu "chúng tôi xây một background agent và nó giải 50% số PR của chúng tôi" hay đại loại thế. Dex nói anh thật ra nghĩ chuyện đó không thú vị lắm, vì anh đã nói chuyện với những người dựng được thứ đó trong một cuối tuần hay một hack week.
Theo Dex (video đăng ngày 30/09/2026), câu hỏi lớn hơn mà anh đặc biệt hào hứng muốn giải ở HumanLayer là: làm sao để mọi người cộng tác thật sự trên những khối việc lớn hơn. Kiểu như: tôi có thể bảo agent làm việc này, nhận về một PR, có lẽ nó đúng được phần nào nhưng có cả đống vấn đề, rồi tôi trao đổi qua lại với agent trong comment PR, trong thread Slack hay ở đâu đó. Nhưng khi agent đã viết code và code không tốt, thì sửa cái đã xây khó hơn nhiều; agent phần nào đã cam kết với một hướng, và có rất nhiều context phải nghĩ lại.
Theo Dex (video đăng ngày 30/09/2026), cách của anh và nhóm là làm điều các team đã làm suốt 30, 40 năm, hồi xây một feature mất hàng giờ hay hàng ngày chứ không phải năm phút: ngồi lại với nhau và thống nhất cái gì sẽ được xây, với agent hoặc với nhau, hoặc cả hai. Người sẽ thật sự làm PR nói chuyện với senior engineer, staff engineer: "đây là các hướng tiếp cận ta đang nghĩ tới". Việc đó thường diễn ra trong Google Docs, Confluence hay chỗ tương tự. Đó là ý tưởng "shift left".
Và anh nói (video đăng ngày 30/09/2026): bạn sẽ không bao giờ one-shot được nó. Không có lượng công sức nào kiểu "ta họp năm tiếng, dựng một plan hoàn hảo, đưa cho agent, và thứ đi ra sẽ hoàn hảo". Không, vẫn sẽ có vấn đề; bạn không thể nắm hết mọi thứ. Và theo anh, nguồn sự thật (source of truth) nên là code, không phải một bản đặc tả hay plan nào đó.
Câu hỏi là trong quá trình lập plan, bạn có thể loại bỏ được càng nhiều failure mode càng tốt không. Dex đưa ra các con số như ví dụ (video đăng ngày 30/09/2026): từ góc nhìn 25.000 feet, kiểu một bản one-pager, liệu có loại được khoảng 50% những điều tệ mà agent có thể đã làm (không hẳn là sẽ làm, mà là có thể đã làm)? Rồi zoom vào góc nhìn 10.000 feet, loại thêm khoảng 80% các lời giải tệ cho bài toán? Để cuối cùng, khi code đi ra, nó nhiều khả năng cần sửa lại từ 0 tới 10%, thay vì 25, 50 hay 75%, mức mà theo anh là phổ biến nếu bạn cố one-shot phần lớn các PR lớn do agent làm. Anh nói người ta không chỉ bảo "hey Claude, đi làm việc này đi"; với việc lớn, họ ngồi làm qua làm lại với nó.
5. Plan, spec hay design doc: mỗi team tự tìm ra
Patrick hỏi tiếp (video đăng ngày 30/09/2026): những thành phần nào làm nên một plan thành công? Dex vừa nói rằng điều ta từng làm khi feature còn đắt và tốn thời gian để xây giờ lại đang được làm nhiều hơn. Patrick cảm thấy mọi người đang nghiêng về, hoặc đang thử, các framework spec-driven, và anh nghĩ vậy cũng tốt. Nhưng khi hỏi "bài toán này có đáng giải không", đó là một phần của plan? Còn giải nó thế nào từ góc nhìn interface, thì thuộc plan hay thuộc spec? Ranh giới nằm ở đâu?

Dex nói anh nghĩ các từ "plan" và "spec" mang nghĩa khác nhau với mỗi người. Anh không muốn đứng lên tuyên bố "spec là thế này, trông thế này, dùng để làm gì; plan là thế kia, phải định dạng thế kia, dùng thế kia". Theo anh (video đăng ngày 30/09/2026), mỗi team sẽ tự đi tới "taste" của mình về chuyện này, và anh có thể cho vài ý kiến về một điểm khởi đầu tốt.
Anh kể (video đăng ngày 30/09/2026): khi làm việc với khách hàng, lần nào anh và nhóm cũng đi tới chỗ thêm một chút tuỳ biến. Anh và nhóm gọi tài liệu đó là "design doc" chứ không phải "plan", vì anh và nhóm tách hai câu hỏi: ta đang đi đâu, trạng thái cuối là gì; và làm sao ta tới đó, ta sẽ thay đổi những gì. Khi forward deploy với khách hàng, design doc của anh và nhóm thường được thêm tuỳ biến, kiểu: "design doc của các bạn còn phải trả lời bốn câu hỏi này ở đầu, trước mọi phần mặc định khác". Dex nói anh không biết như vậy đã trả lời câu hỏi chưa.
Patrick nói (video đăng ngày 30/09/2026) với anh thì như vậy là đủ. Anh thấy ổn khi các team cuối cùng tự định nghĩa plan là gì, spec là gì, và cái gì chạy được trong môi trường của mình, thay vì theo một chuẩn nào đó. Cốt lõi là phải hiệu quả với tư cách một team, và anh nghĩ chuyện này cũng phụ thuộc rất nhiều vào bối cảnh tổ chức. Nên rốt cuộc anh thấy vậy là ổn.
6. 1.000 kỹ sư và model đắt nhất; Dex và software factory
Patrick nhắc lại rằng theo Dex, HumanLayer hợp khi số kỹ sư lên tới hàng trăm hoặc hơn. Anh tự hỏi agentic engineering bắt đầu gãy ở quy mô nào. Có thể là 100 kỹ sư, còn trong bối cảnh của anh là 1.000 kỹ sư (theo lời Patrick, video đăng ngày 30/09/2026), và anh cùng đồng nghiệp đang tìm cách giúp mọi người làm agentic engineering. Anh và đồng nghiệp cấp model, làm onboarding liền mạch nhất có thể, cho mọi người truy cập dịch vụ nội bộ qua các công cụ agentic. Điều anh vẫn chưa biết giải thế nào là: làm sao ngăn mọi người dùng model lớn nhất, đắt nhất cho mọi thứ, không chỉ ở chỗ thật sự cần mà cho tất cả.
Dex kể (video đăng ngày 30/09/2026): anh và nhóm làm việc với khá nhiều team nơi Fable đã bị cấm hẳn. Kiểu: hãy tìm cách làm cho được với Opus; bạn có thể gửi một yêu cầu đặc biệt xin quyền dùng Fable tạm thời cho một việc cụ thể, nhưng bạn phải thuyết phục được người ta. Có tiếng nói thêm: "straight to jail" với Fable.
Rồi Dex giải thích vì sao anh quan tâm tới mảng này (video đăng ngày 30/09/2026). Anh nói về cơ bản anh đã xây software factory suốt sự nghiệp. Ở công việc đầu tiên, anh chỉ là một back-end platform engineer, và anh nhận ra ngay: người kia, một trong những kỹ sư đầu tiên của công ty, người giữ hệ thống deploy, hệ thống rollout, môi trường staging, và cách các kỹ sư tạo preview environment (kiểu "này PM, đây là một URL trên mạng nội bộ, bạn vào xem tôi đang làm gì"), có vẻ là người có tác động lớn nhất trong công ty. Đó là loại việc anh luôn bị cuốn vào.

Theo Dex (video đăng ngày 30/09/2026), điều anh và nhóm thấy là nhiều công cụ chạy rất tốt trong mảng này nếu bạn chỉ đang build một app, hoặc có một monorepo chứa mọi thứ: ma sát ít hơn nhiều. Nhưng khi team lớn hơn, mang nhiều "hành lý", nhiều ý kiến, môi trường dev phức tạp và hàng trăm repo, thì cần nhiều sự linh hoạt và suy nghĩ hơn.
7. PRD viết bằng AI, một pipeline đi qua 200 repo, và chuyện nâng mặt bằng
Dex kể một ví dụ (video đăng ngày 30/09/2026). Anh nói không hẳn là lời phàn nàn, nhưng là một nỗi đau mà vài người gặp: họ rất muốn product manager cũng dùng AI để viết PRD tốt hơn. Và dĩ nhiên, một người chưa có nhiều kỹ năng với AI sẽ nói "viết cái này đi", nhận về một tài liệu mười trang, rồi "tuyệt, để tôi đưa cho team". Và cả team: "trời ơi, cái thứ AI psychosis slop gì mà bạn bắt tôi phải đọc hết thế này?".
Theo Dex (video đăng ngày 30/09/2026), một phần cách sửa là cho model steering và skill tốt hơn: giữ cho ngắn gọn, viết cho người đọc chứ không phải cho thứ gì khác, viết rõ ràng, dùng hình ảnh. Nhưng anh và nhóm cũng thấy nhiều thứ được đề xuất trong các PRD đó xa rời thực tế, xét theo cách codebase chạy và các hệ thống hiện có.
Nên có một mẹo chiến thuật "hơi lạ" mà theo Dex chạy rất, rất tốt (video đăng ngày 30/09/2026): đưa cho một người làm product đủ rành kỹ thuật để checkout các repo về máy, hoặc dựng một GitHub MCP để lấy nội dung repo. Người đó thả vào một prompt hai câu, rồi để một pipeline tiếp quản: đây là thứ ta muốn xây; đi research mọi thứ; tìm trong cả 200 repo bảy cái liên quan tới feature này; gom toàn bộ context đó lại một chỗ; rồi chất vấn người dùng, ở đây là người làm product.
Theo Dex (video đăng ngày 30/09/2026), những câu chất vấn là những thứ làm nên một product requirements tốt: ta đang giải bài toán gì? Ta đo thành công thế nào? Làm sao biết nó đang chạy tốt, hay nên bỏ đi và từ bỏ hướng này? Theo Dex, ở các công ty lớn, mọi thứ ít nhiều đều là một thí nghiệm. Rồi tới: nó nên chạy thế nào, như thế này hay như thế kia? Anh gọi đó là kiểu "grill me".
Theo Dex (video đăng ngày 30/09/2026), đây chỉ là một ví dụ của thứ không có sẵn. Có team sẽ tự xây trong nội bộ và dần nghĩ ra những thứ này theo thời gian. Điều anh và nhóm muốn giúp là "speed run" quá trình đó: nếu bạn chưa có ý kiến gì về cách viết product spec tốt bằng AI, thì đây là một thứ sẽ chạy được với khoảng 80% team, bất kể bạn có bao nhiêu repo, codebase cũ tới đâu. Anh nói rốt cuộc, hơn mọi thứ khác, chuyện này là để nâng mặt bằng (raising the floor).
Đó cũng là lý do, theo Dex (video đăng ngày 30/09/2026), những staff engineer và principal engineer tìm tới HumanLayer nói kiểu: "tôi thích cái này, nó khớp với cách tôi vẫn làm, nhưng tôi không biết làm sao đem cách làm của mình trao lại cho mọi người khác trong team".
Patrick nói (video đăng ngày 30/09/2026) anh thích việc Dex nói rằng cuối cùng ra quyết định vẫn là việc của con người. Bạn mang toàn bộ context vào, nó được đóng gói sẵn trong harness, hoặc người ta tự dựng một thứ tương tự, và cuối cùng nó cố cung cấp cho người dùng mọi context cần để ra quyết định. Và nếu họ chưa biết nên quyết thế nào, họ vẫn có thể tranh luận, đặt câu hỏi, hay theo kiểu "grill me" để tới được câu trả lời.
8. Dark factory: Dex nghĩ phần lớn là hype
Patrick nói (video đăng ngày 30/09/2026) trong "bong bóng" của anh, dark factory đang là chuyện lớn: nhiều tổ chức đang nhắm tới dark factory, hỏi làm sao tới đó, làm thế nào. Anh vẫn chưa biết đó có phải một kết quả thực tế không. Vì khi ai đó đưa cho anh một câu trả lời "thần kỳ" mà không phải thứ anh muốn, anh sẽ chỉ nói: đó không phải thứ tôi muốn. Còn nếu anh tự tạo ra câu trả lời đó dựa trên các quyết định của mình, anh đang xây niềm tin của chính mình rằng đây là câu trả lời. Mức độ "buy-in" rất khác nhau.
Dex nói anh vừa ngồi trong một cuộc họp hôm trước. Theo anh (video đăng ngày 30/09/2026), tất cả là hype: ai cũng muốn gây ấn tượng với nhau, ai cũng muốn tuyên bố mình đã giải được chuyện dark factory, và anh nghĩ phần lớn chuyện đó là "BS".
Anh kể cuộc họp đó (video đăng ngày 30/09/2026): anh ngồi với trưởng một bộ phận ở một công ty rất lâu đời, có hàng nghìn, hàng nghìn kỹ sư, và nói chuyện với các principal engineer ở tuyến đầu, những người đang chìm trong các PR slop từ những người hoặc không quan tâm, hoặc không có nền tảng software engineering vững.
Theo câu chuyện Dex kể (video đăng ngày 30/09/2026), vị trưởng bộ phận hỏi: vậy các anh đang nói với tôi là code mà những người này viết bằng AI là tệ? Hai principal engineer đáp: ồ, đúng vậy. Rồi một PR được mở ra: "nhìn 30.000 dòng slop này xem", hay đại loại thế. Và vị kia nói: được rồi, tôi phải đi nói chuyện với bạn bè tôi ở một công ty rất lớn và một công ty rất lớn khác, những nơi đã tuyên bố rằng khoảng 90% code của tổ chức giờ do AI viết. Tôi phải tìm hiểu họ đang nói về cái gì, vì các anh đang nói với tôi rằng chuyện đó hoàn toàn bất khả thi. Tôi phải tìm ra họ đang làm gì đặc biệt, hoặc tìm ra vì sao. Mục đích (agenda) là gì?
Ý của Dex là có cả một "trò chơi làm dáng" (posturing game) giữa các lãnh đạo cấp cao ở các công ty hàng đầu. Ở doanh nghiệp lớn ai cũng hỏi: mình có ở nhóm 10% đầu không? Nhóm 1% đầu không? Mình có đang bị bỏ lại không? Theo anh (video đăng ngày 30/09/2026), cuộc trò chuyện này xảy ra ở mọi cuộc họp lãnh đạo: mọi người ghi ra con số của mình, kiểu "từ 0 tới 100, bạn nghĩ ta đang đứng đâu so với mọi công ty khác cùng mảng hay cùng quy mô?".
9. "Giai đoạn Instagram" và token maxing
Patrick kể (video đăng ngày 30/09/2026) hôm đó anh nói chuyện với một người, và người này đặt ra một cách gọi mà Patrick định "mượn": đây đang là "giai đoạn Instagram" (the Instagram phase). Mọi thứ đều giả.
Dex: "Oh my God, I love it."
Patrick nói tiếp (video đăng ngày 30/09/2026): mọi thứ toàn chuông với còi (bells and whistles). Và nếu bạn nói "thật ra với tôi nó không chạy", người ta bảo "skill issue", vì sao bạn dám tìm cách bác bỏ độ chính xác của những gì tôi đang thể hiện trên mạng.
Dex: "It's incredible." Anh nói (video đăng ngày 30/09/2026) rất nhiều chuyện đó diễn ra trên Twitter, nhưng vẫn là cùng một thứ. Ai cũng chạy quanh nói về factory của mình ngầu thế nào, có bao nhiêu thứ, làm adversarial review tới mức nào, đăng video về thứ ngầu họ vừa xây.

Theo Dex (video đăng ngày 30/09/2026), có một thời người ta nói về việc dùng bao nhiêu token; nhiều người đã lên tiếng về chuyện này một chút, nhưng đó là trào lưu token maxing: "trời ơi, tôi dùng cạn sáu subscription Codex trong một tuần, tuyệt không?". Và anh hỏi: thế anh ship được gì? "À, tôi làm một đống game cho bản thân mà chẳng ai chơi bao giờ." Và anh: ừ, tôi đoán vậy mà.
Patrick xen vào: anh cũng từng làm vậy. Dex nói chuyện đó không sao, nó là kiểu "này, tôi làm được thứ này hay lắm, xem đi". Nhưng anh không nghĩ có thể nói kiểu "nếu bạn không dùng cạn sáu subscription Codex thì bạn là kỹ sư tồi". Anh nghĩ điều đó gây hại cho ngành, vốn đã có rất nhiều nhiễu, hype và hoang mang. Theo Dex (video đăng ngày 30/09/2026), cuộc "thập tự chinh" của anh xưa nay là: cái gì thật sự chạy được, cái gì thực tế, và bạn có thể xây được hiểu biết gì từ first principles thay vì suy ngược từ những gì thấy trên internet.
10. Nhanh hơn 2 đến 4 lần thay vì đuổi theo 100 lần
Patrick hỏi (video đăng ngày 30/09/2026): nếu gán cho năng suất một hệ số nhân, thì 10x có thực tế không, hay người ta nên vui ở mức nào, 2x, 5x, 3x hay một con số khác?
Dex nói (video đăng ngày 30/09/2026): nếu nghĩ theo tác động kinh tế lên thế giới, anh nghĩ mọi kỹ sư đi nhanh hơn 2 tới 4 lần sẽ là một sự chuyển hoá đối với xã hội loài người. Lượng giá trị ta nhận được, mức độ các thành phố của ta tốt lên, giá trị của mọi thứ tốt lên, cuộc sống tốt lên, sẽ là điều điên rồ. Nhưng theo anh ai cũng sẽ bỏ lỡ điều đó vì quá bận cố đạt 100x. Anh nói anh nghĩ 10x là có thể, rồi dừng lại hỏi Patrick định nói gì.
Patrick nói (video đăng ngày 30/09/2026) người ta đang cố đi tới "vô hạn": ta không cần kỹ sư nữa.
Dex nói vô hạn, hay 100x, hay 10x, hay bất cứ con số nào, thì điều cần làm là tìm cách đi nhanh hơn 2 tới 3 lần, rồi thêm 2 tới 3 lần nữa trên đó, rồi thêm 2 tới 3 lần nữa. Theo anh (video đăng ngày 30/09/2026), có lý khi nói đừng mắc kẹt và bị xiềng vào truyền thống, và vài thứ bạn từng làm có thể không còn cần nữa. Nhưng nếu bạn vứt bỏ mọi thứ ta đã làm và cố xây lại toàn bộ engineering từ đầu, nó sẽ không chạy.
Anh so sánh (video đăng ngày 30/09/2026) với một kỹ sư bắt tay vào project và nói "à, tôi sẽ thiết kế kiến trúc để nó làm được cái này, cái này, cái này và cái này", trong khi tất cả những gì bạn cần là một thứ nhỏ. Đó là YAGNI, "you ain't gonna need it". Theo Dex, vẫn là câu chuyện cũ lặp lại: người ta muốn có một thứ khớp hoàn hảo. Có lúc bạn nói: được rồi, ta đã chắp vá thứ này đủ rồi, giờ ta hiểu bài toán, giờ ta có thể xây thứ tiếp theo. Và theo anh, quá nhiều người cố bỏ qua bước đó, bỏ qua việc "cứ nhanh hơn, nhanh hơn, nhanh hơn dần dần theo thời gian", vì cái đó nhân dồn theo cấp số.
11. Bỏ pull request? Văn hoá thắng quy trình
Patrick kể sáng hôm đó anh nói chuyện với một người ở Amp, và theo người này, điều làm team của người đó ở Amp thật sự năng suất chẳng liên quan gì tới AI: team đó không làm pull request nữa (theo lời Patrick, video đăng ngày 30/09/2026).
Dex nói (video đăng ngày 30/09/2026) anh có nghe về chuyện này: mọi người cứ push thẳng lên main.
Patrick (video đăng ngày 30/09/2026): "Exactly." Không còn mệt mỏi vì pull request, không ai muốn làm code review nữa. Họ vẫn làm code review. Patrick nói anh nghĩ, "hừm, có lẽ đã tới lúc mình chạy một thí nghiệm" xem giờ có phải là lúc làm điều tương tự không.
Dex nói anh nghĩ đáng thử. Theo anh (video đăng ngày 30/09/2026), điều về pull request là văn hoá pull request của mỗi team một khác. Ở công việc đầu tiên của anh, ai cũng được merge lên main, không có yêu cầu pull request nào bị ép buộc. Đó là chuyện văn hoá: bạn không merge khi chưa được ai khác trong team review. Và văn hoá thắng quy trình mọi lúc.
Theo Dex (video đăng ngày 30/09/2026), nếu team bạn có một nét văn hoá kiểu "không push slop lên main", bạn không đùn trách nhiệm kiểu "reviewer cũng review rồi, nên nếu tệ thì cả hai cùng có lỗi". Không, bạn sở hữu nó, bạn là người duy nhất sở hữu nó. Nếu ai đó phát hiện nó tệ, hoặc sau này bạn nhận ra nó tệ, nó vẫn là trách nhiệm của bạn. Theo Dex, đó là thay đổi quy trình về cách ta đảm bảo chất lượng, kết quả là gì, và cách ta quản lý rủi ro.
Patrick nói (video đăng ngày 30/09/2026) để đi tới văn hoá đó, đây có thể là một thí nghiệm vui: bỏ pull request và xem, nhờ vậy, ta có đi tới văn hoá "chúng ta sở hữu những gì mình push lên production hay lên main" không. Không push slop, nhất là khi giờ với agent chuyện đó dễ thế nào. Bạn nhận trách nhiệm, và xem đó có thành một vòng tự lăn không.
Dex hỏi lại: người đó có nói rõ là pull request không còn bắt buộc, hay pull request không còn tồn tại, bị khai tử hẳn? Vì anh có thể hình dung một thế giới kiểu "tôi không bắt buộc review, nhưng tôi muốn được review cái này". Theo Dex (video đăng ngày 30/09/2026), anh và nhóm có cách này với review tài liệu: anh không khuyên ai đặt luật "design doc phải được review trước khi viết code, không có review design doc thì PR không được tính".
Thay vào đó, theo Dex (video đăng ngày 30/09/2026), anh có động lực tự gửi design doc cho người đồng sáng lập, cũng là CTO, người mà anh gọi là "slop gatekeeper", lo cho codebase dễ bảo trì theo thời gian. Anh gửi vì biết người đó sẽ nói "không, không, không" nhanh hơn nhiều; với cả hai người, thảo luận trên một hay hai trang thì dễ hơn. Còn tới lúc PR, khi anh đã đánh bóng, đã làm test chạy, có khi còn làm vài thứ không có trong plan kiểu "đổi UI chỗ này, ngẫu hứng chút chỗ kia", rồi người đó nói "cả kiến trúc này sai rồi" hay "tôi không thích việc đây là một bảng riêng, nó nên thế này". Theo Dex, có động lực để xin feedback càng sớm càng tốt trong quy trình: sửa trước khi merge dễ hơn sau khi merge. Khi nó đã vào rồi, thì ta lại đang sửa bug trên production.
12. Công cụ deterministic có thay được việc đọc code không
Patrick hỏi suy nghĩ của Dex đã thay đổi ra sao khi người ta nói "chúng tôi không còn đọc code hay làm code review nữa". Theo Patrick (video đăng ngày 30/09/2026), giờ ta có rất nhiều công cụ deterministic kiểm tra code convention, và còn có cả các lớp verification dựng sẵn, nơi agent gửi cho anh ảnh chụp màn hình hay video về chức năng nó vừa xây. Nên anh không nhất thiết phải đọc code nữa.

Dex nói có hai lý do để đọc code: một là để chắc nó đúng, hai là để chắc nó dễ bảo trì. Còn cả đống lý do khác, như sự thống nhất trong team. Nhưng theo anh (video đăng ngày 30/09/2026), video và ảnh chụp cho bạn biết nó có đúng về mặt feature không, chứ không cho biết gì về chuyện code có dễ bảo trì hay không.
Anh nói anh đã thấy rất, rất nhiều linter deterministic, và anh và nhóm dùng cả một loạt, giúp chặn được những nhóm slop lớn. Bạn có thể dùng những thứ như cyclomatic complexity để ngăn việc tạo ra các hàm quá hỗn loạn, khó để con người hiểu. Nhưng theo Dex (video đăng ngày 30/09/2026), anh chưa bao giờ thấy một prompt hay một công cụ deterministic nào có thể dẫn dắt khả năng bảo trì của codebase và chống lại xu hướng viết code khó bảo trì của model một cách có ý nghĩa, mà không cần một con người trong vòng lặp (human in the loop).
Patrick hỏi: anh có nghĩ ta lấp được khoảng trống đó bằng tooling deterministic không?
Dex nói (video đăng ngày 30/09/2026) nếu bạn tìm ra cách thì bạn sẽ kiếm được rất nhiều tiền. Anh nhắc tới một công ty thú vị trong mảng này, đang làm tooling deterministic cho tính đúng (correctness) nhưng không cho khả năng bảo trì (maintainability). Mà bạn thì muốn maintainability.
Anh kể (video đăng ngày 30/09/2026): Matt Pocock có một skill tên "Improve Codebase Architecture" mà anh dùng khá nhiều, và nó có giúp. Có lúc anh chỉ chạy skill đó rồi nói "được rồi, tôi thậm chí không đọc phần thảo luận, tôi chỉ làm ba fix đầu tiên", vì anh chắc rằng có lẽ chúng tốt hơn những gì đang có. Nhưng nhìn chung, theo anh, thứ làm skill đó hữu ích là có một con người trong vòng lặp: khả năng nói "không, tôi không muốn refactor kiểu đó, tôi muốn refactor kiểu này".
Theo Dex (video đăng ngày 30/09/2026), con người giỏi việc này, những software engineer lành nghề, nhiều kinh nghiệm giỏi việc này, vì họ đã bị kiến trúc tồi "cắn" rất nhiều lần. Họ từng thức tới ba giờ sáng sửa một sự cố và nghĩ "trời ơi, tôi ghét pattern này, tôi sẽ không bao giờ để ai merge bất cứ thứ gì có pattern này nữa". Và bạn trải qua chuyện đó hàng trăm, hàng trăm lần trong một sự nghiệp năm hay mười năm, rồi bạn xây được "taste" này. Theo anh, ta chưa tìm ra cách đưa taste đó vào model, nên hiện tại con người phải làm. Anh nói có thể anh và nhóm sẽ thử tìm cách.
Anh kể ngay khi model mới nhất ra mắt, một người bạn của anh, người từng xây một startup coding agent được Expo mua lại, đã đăng: "Tôi van xin các nhà nghiên cứu RL ở lab, hãy bắt đầu đưa vào các task lấy việc xoá code làm mục tiêu", hay kiểu "lấy ba thứ này và refactor ra một abstraction tốt". Theo Dex (video đăng ngày 30/09/2026), rõ ràng là hoặc ta không biết làm điều đó, hoặc ta không quan tâm làm nó ở lớp RL. Nó có thể được giải; chuyện gì cũng có thể xảy ra.
Nhưng một lần nữa, có cả đống hype, tương lai là gì, và không ai biết khi nào điều đó xảy ra. Lời khuyên của Dex lúc nào cũng là (video đăng ngày 30/09/2026): đừng đem codebase của bạn đi cầm cố với hy vọng rằng trong một năm, hay sáu tháng, hay 18 tháng nữa, sẽ có một model ra đời đủ thông minh để sửa hết mọi vấn đề của bạn.
13. Xây "taste" khi AI viết code
Patrick nói (video đăng ngày 30/09/2026) người nghe có thể nghĩ: tôi hoàn toàn đồng ý về chuyện taste, nhưng tôi không có mười năm, mười lăm năm kinh nghiệm từ trước kỷ nguyên công cụ agentic. Theo Dex, ngày nay người ta xây taste bằng cách nào?
Dex nói (video đăng ngày 30/09/2026) anh nghĩ nó đến từ việc tự làm mình bỏng và vấp ngón chân. Anh nghĩ nó cũng có thể đến qua mentorship. Và đây là điều anh nghĩ tới rất nhiều mà chưa có câu trả lời tốt: làm sao đưa thế hệ software engineer tiếp theo vào nghề.
Theo Dex (video đăng ngày 30/09/2026), trước đây việc đó diễn ra qua review pull request. Nghĩ về mục tiêu của nó: comment PR tệ nhất là "cái này sai, tôi viết lại cho bạn rồi, đây". Người đó chẳng học được gì, và học được rằng nếu viết code tệ thì sẽ có người tới sửa hộ. Một pull request tốt với một senior engineer hay manager giỏi thì sẽ kiểu: "tôi nghĩ cái này chưa hẳn đúng, bạn xem cách ta làm ở chỗ kia và làm theo pattern đó được không", hay "vì sao bạn làm thế này?", thăm dò xem logic đằng sau là gì, sao không làm khác. Dù có đưa đáp án hay không, nó là: vì sao ta làm thế này, có chỗ nào khác trong codebase không. Và điều đó buộc bạn phải học, phải đi đọc code khác. Dex nhập vai người học: "à, vậy à, hay đấy, tôi thích thế", và bạn củng cố được kiến thức.
Theo Dex (video đăng ngày 30/09/2026), giờ những comment kiểu đó, vốn từng rất hữu ích, lại không còn hữu ích nữa. Anh hay nói chuyện với những người kể: "tôi đang comment trên PR này và tôi biết người kia không hiểu code mình đã viết, cũng sẽ không thật sự hiểu comment, mà sẽ chỉ dán comment vào AI của họ để nó sửa". Tới lúc đó thì "tôi đang làm mọi phần công việc của bạn có ý nghĩa: bạn không nghĩ về hay hiểu code trước khi commit và ship, bạn để agent làm, và giờ bạn còn không nghĩ nữa". Anh nói bạn có lựa chọn, có người sẽ làm khác, nhưng đôi khi cảm giác như "tôi chỉ đang nói chuyện với agent của bạn", và tới đó thì tôi để agent của mình làm luôn cho rồi, chẳng có giá trị gì thêm.
Dex kể (video đăng ngày 30/09/2026) anh đã thấy Mitchell Hashimoto làm điều này vài lần trên các PR của Ghostty: ông không nói "chỗ này cần như chỗ kia", mà chỉ nói "hãy hỏi Claude của bạn vì sao cái này sai". Thế thôi, không gợi ý gì. Kiểu: tôi sẽ nói cho bạn biết cái này sai, nhưng không nói vì sao. Tôi buộc bạn, hoặc bằng cách hiểu phần mềm và xây taste về software engineering, hoặc bằng cách hiểu agentic coding và giỏi dùng agent để hiểu codebase, dù là cách nào, phải đi làm thêm bài tập. Dex nói anh nghĩ hướng đó đúng.
Anh cũng nghĩ (video đăng ngày 30/09/2026) rằng, giống cách ta cộng tác trên code và pull request bây giờ, khi design doc và plan được chuẩn hoá, chính thức hoá hơn, hoặc ít nhất mục đích của chúng, và vài phần trong đó trở nên phổ quát hơn, sẽ có rất nhiều huấn luyện và coaching diễn ra ở khâu design, vì design doc về cơ bản là một prompt. Hai, năm người comment trên một design doc là đang dạy tác giả cách viết prompt tốt hơn: "tôi không thích phần này, bạn cần đi tìm các pattern khác", hay đại loại.
Dex nói vẫn có kiểu "tôi chỉ đưa nó cho agent, tôi sẽ không học được gì". Nhưng theo anh (video đăng ngày 30/09/2026), học cách viết một design doc thật tốt, mà một lần nữa cũng là học cách viết một prompt thật tốt cho session nào sẽ build, sẽ nổi lên thành một kỹ năng quan trọng ngang, nếu không nói là quan trọng hơn, code review.
14. Học từ cách team định hướng lời giải, và một "forge" kiểu AI native
Patrick kể (video đăng ngày 30/09/2026) anh học được rất nhiều nhờ cùng team định hình lời giải từ đầu sự nghiệp, vì anh không đi lên từ một nền giáo dục khoa học máy tính truyền thống. Anh được đưa vào một team vì anh nói muốn làm engineering, không chỉ làm vận hành, lúc đó anh phụ trách vận hành. Rồi anh học quy trình refinement. Trong team đó, anh và đồng đội có convention là định cả hướng lời giải, không phải lúc nào cũng vậy nhưng phần lớn thời gian. Đôi khi người thực hiện việc sẽ tự định hướng lời giải và thống nhất dần trên đường làm.

Với những việc được định hướng trước, Patrick nói (video đăng ngày 30/09/2026) anh thích ngồi nghe, học và hỏi vì sao, rồi X, Y, Z. Nghĩ lại bây giờ, có lẽ những gì anh và team ghi lại trong Jira hồi đó sẽ là "thức ăn" tuyệt vời cho một agent thực thi. Ngay cả người nhận task cũng không cần nghĩ nhiều nữa về chính xác làm thế nào hay làm gì. Có thể vẫn phải nghĩ "làm thế nào", vì luôn có phát hiện mới, nhưng chủ yếu "vì sao" và "làm gì" đã được trả lời, và anh học được rất nhiều từ đó.
Giờ thì, theo Patrick (video đăng ngày 30/09/2026), chuyện đó tuỳ vào từng người. Nỗi sợ của anh là vì quá dễ ở một mình trên "hòn đảo" với agent và lao vào chế độ thực thi, tạo ra slop hay tạo ra giá trị là tuỳ người dùng, ta sẽ mất đi nỗ lực cộng tác và sự tương tác đó. Anh nghĩ ta sẽ tiếc nó nếu không bỏ thêm công sức vào.
Dex kể (video đăng ngày 30/09/2026) anh và nhóm đang bàn việc xây một feature trong HumanLayer: bạn có thể gọi cho một người trong team bằng voice call, rồi bản ghi lời cuộc gọi trở thành một artifact gắn vào task, vì theo anh đó là mảnh cuối cùng. Anh nghĩ "AI native forge" sẽ là thứ lớn hơn nhiều so với một GitHub quản lý code: nó sẽ là code, là các artifact, và là chính các session, tất cả liên kết với nhau ở tầng trên cùng.
Và phần cuối là cuộc trò chuyện giữa người với người. Dex nói có lẽ đó là phần thứ tư: liệu có thể "vật thể hoá" (reify) những thứ đó cho agent không. Anh hoàn toàn đồng ý rằng rất nhiều việc học diễn ra trong những cuộc trò chuyện giữa người với những người có hiểu biết đó. Và theo anh (video đăng ngày 30/09/2026), nếu ta không thể trông vào model để hấp thụ taste đó, thì ta phải tìm cách khác để trao chúng cho con người.
15. Workflow của Dex: one-shot và janitor bot chạy qua đêm
Câu hỏi cuối của Patrick (video đăng ngày 30/09/2026): workflow agentic engineering của Dex bây giờ trông thế nào? Anh nói người nghe có thể thấy những thứ trên mạng, tất cả đều đã bị "Instagram hoá"; Patrick nói anh sẽ tiếp tục dùng và nhắc lại từ đó vì anh nghĩ nó khá chính xác. Và nếu họ hỏi một câu, ai đó có thể bảo "skill issue". Anh không biết cái gì là thật, cái gì không. Cái gì đang chạy được với Dex?
Dex ước lượng (video đăng ngày 30/09/2026): có lẽ ít nhất 50 tới 60% công việc của anh và nhóm về cơ bản là one-shot. Không phải one-shot tới mức hoàn hảo, nhưng anh và nhóm không lập plan gì từ đầu: nếu nó sẽ dưới vài trăm dòng thì cứ làm luôn.
Khoảng 10% số PR của anh và nhóm được merge từ thứ anh gọi là "janitor bot", chạy qua đêm (theo Dex, video đăng ngày 30/09/2026). Về cơ bản, anh và nhóm có những điều muốn là đúng về codebase, một trạng thái cuối mong muốn, và một quy trình đẩy codebase dần về hướng đó. Anh so nó với một bộ điều nhiệt: tôi muốn nó ở 71 độ, "hay con số tương đương 71 theo kiểu châu Âu", và giờ nó đang 69; được, ta bật sưởi.
Theo Dex (video đăng ngày 30/09/2026), mỗi sáng anh và nhóm thức dậy với một nhúm PR theo các chiều khác nhau: dọn dẹp một thứ gì đó trong code, refactor, sửa một rule của React Doctor, chuyển một endpoint từ framework cũ sang framework mới. Mọi thứ anh và nhóm làm tự động trong factory đều rất nhỏ, vì muốn nó dễ "tiêu hoá": nếu PR quá lớn thì nó không bao giờ được merge. Đó là khoảng 10% số PR. Còn khoảng 50% là kiểu "tôi muốn sửa nhỏ chỗ này, làm đi", rồi anh test và có thể gửi thêm vài prompt.
Patrick hỏi: vậy ngày của anh có bắt đầu bằng việc thức dậy và xem các PR được tạo qua đêm không? Dex nói (video đăng ngày 30/09/2026) anh và nhóm không merge chúng mỗi ngày. Nó có một cơ chế kiểu Kanban: nếu PR không được merge thì việc đó không chạy vào hôm sau. Với mỗi loại PR, mà theo anh có khoảng ba, bốn, năm, có lẽ sáu loại tính tới lúc đó, chỉ có tối đa một PR mở tại một thời điểm. Anh và nhóm dùng label để nói: nếu đã có một PR đang mở với label đó thì đừng cố sửa thứ đó, vì có thể bạn sẽ lại cố sửa đúng thứ đó lần nữa.
16. Dòng RPI: research, design, plan rồi mới implement
Theo Dex (video đăng ngày 30/09/2026), có lẽ khoảng 30% code anh và nhóm ship, có lẽ ít PR hơn, nhưng khoảng 30% những gì anh và nhóm ship, đi qua một quy trình cụ thể có tên RPI. Phiên bản mới của nó là CRISPY, dù giờ nó lại mang một cái tên khác nữa; anh nói anh và nhóm đã thôi dùng từ viết tắt. Nhưng anh tính tất cả vào "dòng RPI".
Các bước, theo lời Dex (video đăng ngày 30/09/2026): đi research thật nhiều về codebase; lấy yêu cầu của người dùng, dựng một "query plan"; rồi chạy một session khác, không biết ticket là gì, để làm phần research; rồi một, hai hoặc ba lượt planning session. Nếu là việc lớn và rất mơ hồ, anh và nhóm làm product requirements trước. Nếu không, thì vào thẳng technical design.
Theo Dex (video đăng ngày 30/09/2026), nếu việc khá nhỏ, quá lớn để one-shot vì cần nhiều context từ nhiều nơi nhưng vẫn khá nhỏ, anh và nhóm có thể bỏ qua bản "đây là các bước" và nói luôn "implement design này đi". Còn nếu việc khá lớn và anh muốn kiểm tra dọc đường, anh làm việc với model trên một loại tài liệu thứ ba: chia nhỏ xem ta làm theo thứ tự nào, và anh sẽ kiểm tra dọc đường ra sao.
Theo Dex (video đăng ngày 30/09/2026), ship 10.000 dòng code dễ hơn nhiều nếu bạn kiểm tra sau mỗi nghìn dòng, trước khi nó đi ra. Vì nếu bạn tới 10.000 dòng mà nó hỏng thì bạn có một diện tích khổng lồ để debug. Còn nếu bạn làm được 90% đúng trong nghìn dòng đầu và sửa chỗ đó, rồi làm nghìn dòng tiếp theo, sửa 10%, thì tổng công sức ít hơn nhiều, và anh nghĩ cũng ít tốn sức đầu óc hơn nhiều trên đường đi. Bạn đặt checkpoint dọc đường để tới lời giải cuối. Đôi khi anh và nhóm còn làm chúng thành các PR riêng: plan cho stacked PR ở đây là gì, phần đầu tiên có thể merge được là gì?
Rồi anh và nhóm implement, và dùng subagent (theo Dex, video đăng ngày 30/09/2026). Đôi khi anh và nhóm dùng Fable điều phối Sol, hoặc Sol điều phối Fable, hoặc chỉ dùng Opus làm model chính và Opus làm subagent; tuỳ task. Anh nói giờ anh dùng Sol cho gần như mọi thứ. Có câu hỏi "vậy người dùng chọn à?", và Dex đáp: đúng, người dùng chọn model cha là gì.
Theo Dex (video đăng ngày 30/09/2026), có vài mẹo ít ai để ý để làm cross-provider: nếu muốn Fable điều phối các subagent Sol, lúc đó bạn phải bảo nó dùng Codex CLI. Anh nói anh và nhóm có một custom harness sẽ sớm hỗ trợ điều đó, vì anh và nhóm thấy đây là một pattern hay và chạy tốt.
Sau implement là review code trong lúc làm hoặc review ở cuối, để chắc nó tốt. Theo Dex (video đăng ngày 30/09/2026), nội bộ anh và nhóm có một luật văn hoá: đừng gửi code cho ai review nếu chính bạn chưa đọc; hãy đọc qua một lượt, đừng bắt tôi đọc slop của agent bạn. Có lúc anh đọc code và phải sửa 50% của nó. Có lúc anh đọc rồi vứt hết, quay lại design, vì anh nghĩ một người trong team sẽ không bao giờ duyệt cái này, nên đâu là cách đơn giản hơn? Và có lúc anh đọc code và nó hoàn hảo.
Patrick nói (video đăng ngày 30/09/2026) anh nghĩ người ta đánh giá thấp việc mình có thể vứt output đi và thử lại.
Dex nói (video đăng ngày 30/09/2026) đó cũng là lý do anh thích quy trình lập plan zoom dần vào: product, rồi tech, rồi plan các bước sẽ làm. Ở mỗi bước bạn cụ thể hơn, và ở bất kỳ bước nào bạn cũng có thể nói "tôi không thích cái này, vứt đi, ta quay lại design, đổi vài thứ".
17. Chạy qua đêm, song song nhiều việc và thời kỳ subscription maxing
Patrick hỏi Dex (video đăng ngày 30/09/2026) có thấy một thế giới như điều mà, trong bong bóng của Patrick, các team lãnh đạo đang hình dung không: nhiều thời gian trong ngày dành cho planning hay specification, cách nó được định nghĩa trong tổ chức hay team, rồi qua đêm việc được thực thi.
Dex nói anh không muốn thức dậy với 10.000 dòng code. Nếu anh định đọc code, anh nghĩ công việc cần con người trong vòng lặp nhiều hơn thế nhiều. Theo anh (video đăng ngày 30/09/2026), có những việc rất cụ thể hợp với việc hill climbing qua đêm. Nhưng với nhiều phần công việc bạn làm, bạn sẽ thích nó hơn, làm được nhiều hơn, và thật sự có throughput cao hơn. Vì cách kia còn đòi bạn song song hoá rất nhiều: lên plan mười việc rồi tung hết ra chạy qua đêm, rồi dành bốn tiếng đầu ngày để review code. Không, anh sẽ lên plan hai việc, khởi động chúng ngay, theo dõi chúng chạy, và đưa thay đổi lên production trong ngày.
Theo Dex (video đăng ngày 30/09/2026), làm hai việc, hai việc, hai việc thì tốt hơn nhiều so với "tôi có mười việc đang bay, cái nào cũng đang chạy, ồ, tôi quên mất hai cái", rồi bốn ngày sau tôi ship được hai cái, ba cái kia vẫn đang bay. Anh nói điều luôn đúng với engineering thì vẫn đúng với mọi công việc: làm ít việc song song hơn. Cố multitask thật mạnh có cảm giác hiệu quả hơn, nhưng throughput đầu-cuối của giá trị giao tới khách hàng sẽ nhanh hơn nếu bạn làm ít việc hơn, chậm hơn một chút, và cẩn thận hơn một chút.
Patrick nói thú vị, và tự hỏi về cách ta tiếp cận model. Anh kể (theo lời Patrick, video đăng ngày 30/09/2026): với license Claude Code của mình, anh chi ít nhất 200 đô mỗi tháng, và có giới hạn theo tuần cho các model. Với Fable có một thanh nhỏ; anh nói nếu không thì anh không cảm thấy đã vắt đủ giá trị từ license. Nên khi tới thứ Sáu, biết thứ Bảy là lúc reset mà vẫn còn nhiều việc, đó là lúc anh tung ra các tiến trình chạy đêm, nơi đôi khi anh không thật sự quan tâm tới code, anh muốn song song hoá, muốn dùng tối đa hạn mức. Anh tự hỏi lối nghĩ, lối làm đó có phải đã "mồi" và đẩy ta tới ý nghĩ rằng có lẽ đây là tương lai của engineering, và ta chỉ tới được đây vì những giới hạn trong cách ta tiếp cận model.
Dex nói đây cũng là điểm vênh lớn nhất: giữa những người đăng lên Twitter rằng họ dùng cạn cả sáu subscription, và thế giới thật. Theo Dex (video đăng ngày 30/09/2026), không doanh nghiệp nào dùng gói subscription, tất cả đều trả theo token. Thế mà có cả một nét văn hoá kiểu: nếu bạn rút được trọn 3.000 đô chi phí từ gói 200 đô của mình thì bạn đang thắng. Anh không biết bạn đã xây cái gì, nó có giá trị gì, ai sẽ dùng nó, nhưng đó là cách để thắng. Anh nói không, "skill issue" không phải là không dùng đủ token, vì điều đó không áp dụng cho phần lớn những người đang làm việc nghiêm túc.
Theo Dex (video đăng ngày 30/09/2026), anh và nhóm có những công ty khách hàng với 15 kỹ sư, và tất cả họ đều ở gói không phải subscription, vì họ cần các yêu cầu về bảo mật, về lưu giữ dữ liệu, và những thứ chỉ có trên gói enterprise, nghĩa là chỉ có thể trả theo token.
Dex nói anh nghĩ ta sẽ nhìn lại thời kỳ "subscription maxing" này. Anh không biết liệu trí tuệ sẽ trở nên quá rẻ để đo đếm, rẻ tới mức không cần subscription nữa, bạn cứ trả tiền và nó đáng giá; hay subscription sẽ biến mất vào một lúc nào đó, vì theo anh (video đăng ngày 30/09/2026) tất cả những gì nó là chỉ là một món chịu lỗ để kéo khách (loss leader) và một cách để họ lấy dữ liệu về bạn rồi train model tiếp theo.
Anh nói (video đăng ngày 30/09/2026) anh nghĩ có lẽ ta sẽ nhìn lại và thấy toàn bộ chuyện token maxing chỉ là vì cách model được phân phối. Dex nói với Patrick rằng anh nghĩ Patrick đúng: vì cách ta tiếp cận model, vì cách chúng được phân phối, nhất là tới các hacker và builder độc lập, nên nó thành một thứ có vẻ quan trọng hơn nhiều và được chú ý rất nhiều, rồi một ngày chẳng ai quan tâm nữa.
Patrick nói (video đăng ngày 30/09/2026) có cảm giác có rất nhiều FOMO nếu bạn không dùng cạn gói của mình, dù là gói nào. Và nếu anh làm việc ban ngày, cách tốt nhất để dùng cạn sẽ là anh nghĩ ban ngày rồi để nó chạy qua đêm. Nhưng anh không nghĩ đó là cách anh thật sự muốn ngày của mình diễn ra.
Dex nói (video đăng ngày 30/09/2026) anh nghĩ có giá trị trong việc có những khối thời gian để nghĩ và những khối thời gian để code.
18. Một việc quan trọng nhất: chơi như poker, không như máy đánh bạc
Dex kể (video đăng ngày 30/09/2026): khi bạn chạy HumanLayer, nó có bước research, và bước đó chậm; trong một codebase lớn, nó có thể mất 10, 15, 20 phút. Nên anh có thể khởi động hai hay ba việc như vậy rồi đi lấy cà phê. Thay vì ngồi qua lại với model kiểu "giờ đi xem chỗ này, giờ đi xem chỗ kia", rồi nhận ra "ồ, bạn không hiểu cái đó, ta còn phải đi xem chỗ kia nó chạy thế nào", và liên tục bắt lỗi model chưa hiểu, anh sẵn lòng chạy async 15, 20 phút để gần như chắc chắn rằng nó sẽ có 90% hay 99% context nó cần cho task. Thứ gì nó bỏ sót thì rất dễ tìm. Theo anh, chừng đó async là đáng.
Theo Dex (video đăng ngày 30/09/2026), trong lúc chúng chạy, anh đọc một plan khác và trao đổi qua lại trên đó. Nhưng anh cố không song song hoá quá mức, và khi có song song hoá thì anh có một việc quan trọng nhất. Không phải kiểu "tung ra ba task; đưa cái này tới design, giờ đưa cái này tới design, giờ đưa cái này tới design; giờ đẩy cái này lên, giờ đẩy cái kia". Mà là: khi việc quan trọng nhất được gỡ chặn, ta bỏ dở mọi thứ đang làm, kể cả khi đang viết dở một prompt, và quay lại việc quan trọng nhất, vì mục tiêu nên là đưa được một thứ lên (land one thing).
Theo Dex (video đăng ngày 30/09/2026), bạn nên luôn có một việc quan trọng nhất, và mục tiêu hàng đầu là đưa được việc đó lên. Những việc khác bạn đang làm chỉ là thứ lấp thời gian trong lúc chờ việc kia được gỡ chặn.
Patrick (video đăng ngày 30/09/2026): bạn nên luôn biết việc quan trọng nhất là gì. Dex nói thêm: như điều vẫn luôn đúng trong engineering, và thật ra trong mọi thứ.
Patrick nói (video đăng ngày 30/09/2026) dù vậy, cảm giác được song song hoá rất "đã". Anh chưa đo đạc gì cả. Nhưng nhìn chung, nếu nhìn vào việc quan trọng nhất cần đưa ra mà vẫn song song hoá dọc đường, anh tự hỏi việc đó có đi nhanh hơn không nếu bạn chỉ chờ và chỉ tập trung vào một việc đó.
Dex nói (video đăng ngày 30/09/2026) anh muốn thấy một nghiên cứu, và nó sẽ rất "zen". Anh muốn thấy một nghiên cứu gắn máy quét não và quan sát não của một người khi làm việc: một người chạy sáu Claude song song; một người chạy một coding agent mỗi lúc; và một người ngồi trong casino kéo cần máy. Anh nói thêm: có thể là người chơi máy đánh bạc, và một người khác ở bàn poker; còn trong poker, bạn chơi từng ván một và bạn tập trung.
Patrick khép lại: "Good stuff", cảm ơn Dex rất nhiều vì đã tới, cuộc trò chuyện này tuyệt. Dex nói anh thấy rất vui, rất hào hứng với chương trình, Patrick đã có những khách mời rất đỉnh, và anh hy vọng mình không làm "tụt uy tín" của chương trình. Anh cảm ơn Patrick thêm lần nữa.

Nguồn và liên kết 10 nguồn
- Tên gốc: Why Coding Agents Keep Making Your Codebase Worse
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=vKT59uoByXc youtube.com
- Kênh YouTube Beyond Coding (Patrick Akil, khách mời Dexter Horthy): youtube.com/channel/UCdMz6KKEDW_1Qqas-ya7S6w youtube.com
- HumanLayer, công ty Dex làm CEO (theo video đăng ngày 30/09/2026); trang chủ tự mô tả là "the multiplayer control plane for your software factory" (đọc ngày 21/11/2026): humanlayer.dev humanlayer.dev
- Bài báo SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks, tác giả đầu là Gabriel Orlanski, đăng 25/03/2026 (đọc ngày 21/11/2026): arxiv.org/abs/2603.24755 arxiv.org
- Repo SlopCodeBench (SCBench), README mô tả benchmark đánh giá coding agent khi spec được tinh chỉnh dần và agent phải mở rộng chính code của nó (đọc ngày 21/11/2026): github.com/SprocketLab/slop-code-bench github.com
- SWE-bench, benchmark Dex dùng làm ví dụ cho loại bài nhỏ, nhắm trúng một chỗ (đọc ngày 21/11/2026): swebench.com swebench.com
- Skill improve-codebase-architecture trong repo skills của Matt Pocock (đọc ngày 21/11/2026): github.com/mattpocock/skills github.com
- Ghostty, project mà Dex nhắc khi kể chuyện review PR của Mitchell Hashimoto (đọc ngày 21/11/2026): ghostty.org ghostty.org


