Một bài của Louise Deason về chín câu hỏi nên hỏi ngược nhà tuyển dụng — không phải để gây ấn tượng, mà để biết mình sắp bước vào đâu. Đọc xong mình nhận ra suốt mấy năm đi phỏng vấn, mình toàn ngồi sai phía của cái bàn.
Mình vào phỏng vấn architect, được hỏi "thiết kế một rate limiter", và bắt đầu kể tên thuật toán. Nhưng người phỏng vấn chẳng quan tâm mình chọn cái nào — mỗi câu trả lời chỉ mở ra một câu hỏi sâu hơn: hai mươi server thì đếm ở đâu, lấy đồng hồ của ai, Redis chết thì cho qua hay chặn, và rate limiting có phải là tất cả không.
Hồi mới đi làm, với mình caching là "API chậm thì quăng con Redis vào". Ôn phỏng vấn architect mình mới thấy cái "quăng vào" đó kéo theo cả chuỗi bài toán — invalidation, ba kiểu làm DB gục, nhất quán cache–DB — và hoá ra nó chính là Dual Write Problem đội lốt.
Ngồi ôn phỏng vấn vị trí architect, mình nhận ra lên level không phải viết code giỏi hơn mà thấy được cả hệ thống. Sáu chủ đề từng học vẹt — microservices, 2PC, Saga, CAP, Outbox, idempotency — hoá ra là một sợi dây nhân quả: lời giải này đẻ ra vấn đề kia.
Mỗi lần AI trả lời, có hai người thợ tính cách trái ngược thay nhau làm việc — và gần như mọi thủ thuật tăng tốc inference đều sinh ra từ mâu thuẫn giữa họ. Một chuyến đi vào bên trong cỗ máy suy luận: prefill, decode, KV cache, batching, quantization.
Claude Code vận hành trong monorepo nhiều triệu dòng bằng agentic search thay vì index. Bài này tóm tắt cách nó hoạt động, các lớp harness cần dựng để mở rộng, và một lộ trình bắt đầu cụ thể cho codebase lớn.
Một câu của Peter Steinberger đạt 2.2 triệu view khiến cả giới dev cãi nhau cả tuần. Đọc xong mình nhận ra mình vẫn đang kẹt ở thời "chat" — và cái giá thật sự không nằm ở token.
Đọc một guide xây hệ thống Obsidian thiết kế từ phía ngược lại: không tối ưu cho lúc lưu, mà cho lúc dùng. Đọc xong mình hiểu tại sao cái vault mấy trăm note của mình chưa bao giờ trả lại cái gì.
Đọc một bài Reddit cũ của data engineer say rượu viết thật thà về 10 năm đi làm. Mình ngồi viết lại theo góc nhìn của mình — đồng ý khoảng 80%.
Có hàng trăm bài về prompt engineering, hầu hết giải thích lại cùng những khái niệm. Bài này nói thứ không bài nào nói thẳng: tại sao advice không apply được vào production.
12 patterns mình rút ra từ harness của Claude Code, chia thành bốn nhóm — memory, workflow, tools, automation. Ba cái khiến mình phải dừng lại suy nghĩ lại.
Andrej Karpathy post một gist về pattern xây personal knowledge base bằng LLM. Đọc xong mình ngồi im — ông đặt tên đúng cho vấn đề mình loay hoay hai năm trước.
10 thói quen giúp hết cảnh bị limit giữa chừng — đọc xong mình nhận ra mình đang lãng phí token theo ít nhất ba cách khác nhau.
Một người dùng Reddit reverse-engineer minified source, tìm ra bug caching khiến token drain, và patch bằng đúng hai dòng.
Đọc một bài khá nặng tay về hype AI, có chỗ đồng ý, có chỗ không. Viết lại theo góc nhìn của người đang xây sản phẩm thật.
Anthropic vừa công bố loạt nghiên cứu về cách Claude thực sự vận hành bên trong. Không phải cách nó tự mô tả. Mà là cách nó thực sự hoạt động.
Sau một thời gian build chatbot nội bộ bằng RAG, mình nhận ra mình đã hiểu nhầm vấn đề cốt lõi ngay từ đầu.
Đọc một bài viết của kỹ sư bên Mỹ, giật mình nhận ra mình đang mắc đúng cái bẫy họ mô tả.