Trí tuệ nhân tạo trong mã code và cuộc sống hàng ngày: Bài học từ hội thảo nhóm của chúng tôi

Giới thiệu

Tại Glinteco, chúng tôi liên tục thử nghiệm cách AI có thể giúp các nhà phát triển nhanh hơn, thông minh hơn và hiệu quả hơn. Trong hội thảo gần đây nhất, nhóm đã khám phá một loạt các công cụ AI mà chúng tôi thực sự sử dụng hàng ngày, từ ChatGPT và Gemini đến DeepSeek, GitHub Copilot, Kimi, và Grok.

Chúng tôi không chỉ trình diễn các công cụ. Chúng tôi đã tranh luận về chúng. Chúng tôi đã đặt câu hỏi về giới hạn của chúng. Và chúng tôi đã tự hỏi: Một nhà phát triển giỏi trông như thế nào trong thời đại AI?

Bài đăng này ghi lại những điểm nổi bật của cuộc trò chuyện đó, bao gồm một số cuộc tranh luận gay gắt, bài học kinh nghiệm và hướng đi tiếp theo của chúng tôi.

Danh sách AI hàng ngày

Luồng công việc của chúng tôi hiện trải rộng trên nhiều công cụ:

• ChatGPT: để gỡ lỗi tức thì, tóm tắt TL;DR và những hiểu biết nhanh chóng
   

• Gemini: thế mạnh của Google về nghiên cứu, tích hợp Workspace và luồng công việc CLI
   

• DeepSeek: trợ lý lập trình di động của chúng tôi, hoàn hảo cho các đoạn mã ngắn, đánh giá PR và học các thuật toán khi đang di chuyển  
   

• GitHub Copilot: người bạn lập trình cho các nhiệm vụ nhỏ, việc tái cấu trúc, tin nhắn commit và gỡ lỗi nội tuyến
   

• Kimi: tạo ra toàn bộ bộ bài trình chiếu, tự động sửa lỗi hiển thị không thành công và hỗ trợ tiếng Anh/Trung Quốc như nhau. Xem demo của chúng tôi ở đây.
   

• Grok: chuyên về khai thác tệp nhật ký, trích xuất JSON và phân tích tệp lớn

Cách chúng tôi sử dụng chúng (và nơi chúng tôi tranh luận)

Viết vs. Nghiên cứu

• Những người ủng hộ ChatGPT: “Nó không thể đánh bại về các lời giải thích và tóm tắt rõ ràng.”
   

• Những người ủng hộ Gemini: “Nhưng khi bạn cần nghiên cứu hoặc tự động hóa Apps Script bên trong Google Drive và Calendar, Gemini là một tầm cao khác.”

Hỗ trợ lập trình

• Những người hâm mộ Copilot: “Gán các nhiệm vụ nhỏ giúp tiết kiệm hàng giờ. Ngay cả các tin nhắn commit cũng trở nên dễ dàng hơn.”
   

• Những ý kiến thận trọng: “Nhưng hãy nhớ khi Copilot đã chèn một API giả mạo đã biên dịch nhưng không hoạt động khi chạy? Luôn luôn kiểm tra trước khi hợp nhất.”

Trường hợp sử dụng di động và Edge

• Những người ủng hộ DeepSeek: “Nó là cứu tinh cho việc lập trình xa bàn làm việc, đánh giá PR, giải thích thuật toán và các đoạn mã ngắn trong vài giây.”

Vận hành tệp và xử lý dữ liệu

• Chuyên gia Grok: “Đối với nhật ký nhiều megabyte, Grok cung cấp các đoạn mã Python sẵn sàng dán.”
   

• Nhưng cũng: “Nó đã từng đếm sai số dòng nhật ký sau khi thay đổi định dạng dấu thời gian. Bài học kinh nghiệm: kiểm tra kỹ định dạng tệp.”

Những thực tiễn tốt nhất mà chúng tôi đã thống nhất

• Sử dụng lời nhắc Markdown trên các nền tảng để rõ ràng hơn
   

• Xác nhận trước khi thực thi trong luồng công việc CLI
   

• Đặt lại ngữ cảnh thường xuyên để ngăn chặn tràn và ảo giác
   

• Cơ sở dữ liệu vector là cần thiết cho bộ nhớ ngữ cảnh có thể mở rộng
   

• Tệp agent.md cung cấp cho AI bản đồ có cấu trúc của không gian làm việc
   

• Luôn xóa dữ liệu nhạy cảm trước khi dán vào các công cụ AI

BMX & BMAD: AI có cấu trúc cho các dự án

Chúng tôi cũng đã xem xét các khung AI có cấu trúc:

• Khung BMX: cho phép các tác nhân AI đóng vai trò là nhân vật (BA, PM, Dev, QA). Tuyệt vời để phân chia các yêu cầu thành MVP nhưng tốn kém về mã thông báo
   

• Phương pháp BRAD: một cách tiếp cận khác đối với phát triển hỗ trợ AI có cấu trúc, khuyến khích phân chia từng bước và giảm thiểu ảo giác.

Cả hai phương pháp đều phản ánh một xu hướng: AI hoạt động tốt nhất khi được hướng dẫn bởi cấu trúc, chứ không phải để chạy tự do.

Các nhà phát triển trong thời đại AI

Một trong những cuộc tranh luận mạnh mẽ nhất của chúng tôi là mang tính triết học:

• Nhà phát triển giỏi nhất là người lập trình nhanh nhất hay người suy nghĩ sâu sắc nhất?

  Chúng tôi kết luận: AI đã thay đổi cán cân.
   

• AI rất giỏi trong việc lập trình mẫu, tái cấu trúc và các nhiệm vụ có cấu trúc
   

• Kỹ năng mới là hướng dẫn - giải thích nhiệm vụ rõ ràng cho AI, giống như hướng dẫn một nhà phát triển cấp dưới
   

• Hiệu quả có thể tăng 60% hoặc hơn, nhưng chỉ khi con người vẫn là những người suy nghĩ chiến lược

Hướng đi tiếp theo của chúng tôi

• Thử nghiệm với khung BMX và BRAD để cải thiện luồng công việc AI có cấu trúc
   

• Tạo một cơ sở dữ liệu vector dùng chung cho kiến thức của nhóm
  
   

• Đẩy ngữ cảnh 2M mã thông báo của Gemini để kiểm tra phân tích toàn bộ kho lưu trữ 
   

• Khám phá thêm các dịch vụ AI cho các nhiệm vụ phía trước: Lovable và Replit

Kết luận

AI không thay thế các nhà phát triển vì nó đang định hình lại những gì làm cho họ có giá trị. Đối với các công ty khởi nghiệp, doanh nghiệp vừa và nhỏ, và thậm chí cả những người sáng lập solo, việc làm chủ các công cụ này có thể làm thay đổi năng suất. Tại Glinteco, chúng tôi sẽ tiếp tục thử nghiệm, ghi lại lỗi và chia sẻ bài học vì chúng tôi tin rằng tương lai thuộc về những nhóm biết cách tranh luận với AI cũng nhiều như họ lập trình với nó.