Chào bạn, Minh Trung đây! 👋

Tôi không phải lập trình viên. Nhưng tuần này, một lập trình viên kỳ cựu mà tôi rất yêu thích — nói một câu khiến tôi dừng lại: "Tôi đã từ bỏ thói quen viết code. 100%. Tôi không viết code nữa."

Ông ấy không mất việc. Ông ấy không nghỉ hưu. Ông ấy vẫn làm mọi thứ như trước — nhưng giờ chỉ nói chuyện với agent, và agent viết code thay.

Đây không phải câu chuyện của một lập trình viên. Đây là câu chuyện về một loại công việc vừa biến mất — và loại công việc mới đang xuất hiện thay thế.

Hãy dừng lại một giây để hiểu điều vừa xảy ra.

Một kỹ sư phần mềm kỳ cựu — chuyên gia dữ liệu, người có hàng chục năm kinh nghiệm — không phải nói "AI giúp tôi viết code nhanh hơn." Ông nói "tôi đã từ bỏ thói quen viết code" — dùng từ "từ bỏ" như nói về bỏ thuốc lá. Và ông nói thêm: "Mọi người cũng có thói quen xấu là tự click chuột trên máy tính. Agent sẽ loại bỏ thói quen đó luôn."

Tuần này, lời nói đó có bằng chứng. Hơn 30 nền tảng agent đang cạnh tranh khốc liệt — từ Open Claw (350.000+ lượt quan tâm trên GitHub) đến Hermes (agent tự học), Abacus (desktop agent cho Mac/Windows/Linux), Cursor (vừa viết lại hoàn toàn bằng Rust), Google Jules v2, Perplexity Computer, Mistral Devstral — và danh sách còn dài hơn nhiều.

Anthropic — công ty tạo ra Claude — phải cấm người dùng Max sử dụng cho Open Claw vì nhu cầu quá lớn, tạo tải nặng cho hệ thống. Nghĩa là: lượng người dùng agent đã vượt qua khả năng phục vụ, và đó mới chỉ là tháng 4.

Lần đầu tiên trong lịch sử phần mềm, một kỹ sư có thể nói "tôi không viết code nữa" mà không mất việc. Câu hỏi là: nếu lập trình viên không cần lập trình, thì người không biết code — cần gì?

Tuần này có 4 tín hiệu cho thấy tốc độ thay đổi đang tăng, không giảm.

Claude Mus — mô hình AI "nguy hiểm đến mức không dám phát hành." Anthropic có mô hình kế nhiệm Claude Opus 4.6, tên nội bộ là Mus. Họ đã dùng nó trong dự án an ninh mạng Glasswing cùng Microsoft, Google, Cisco, Amazon, Nvidia — nhưng từ chối phát hành ra công chúng vì lo ngại nó có thể bị lợi dụng cho mục đích tấn công. Khi chính công ty tạo ra AI nói "sản phẩm của chúng tôi quá mạnh để phát hành," đó là tín hiệu đáng lưu ý.

Meta Muse Spark — mô hình AI mới từ nhóm Super Intelligence Labs do Alexander Wang dẫn dắt tại Meta. Xuất hiện trên bảng xếp hạng ngay lập tức, nhỏ hơn và nhanh hơn các mô hình trước, tiết kiệm token hơn đáng kể. Cuộc đua AI không chậm lại.

Anthropic mua Coefficient Bio — công ty phát triển thuốc — với giá 400 triệu đô. AI không còn chỉ viết email và code. Nó đang bước vào y dược, sinh học, và những lĩnh vực mà trước đây cần hàng thập kỷ nghiên cứu.

Anthropic xuất bản 120 tính năng trong 90 ngày — bằng cách dùng Claude Code để viết chính Claude Code. Agent viết code cho agent. Vòng lặp đã đóng.

Tóm lại: AI đang tự cải thiện AI. Tốc độ thay đổi không tuyến tính — nó đang cong lên.

Me Palace — hệ thống bộ nhớ cho agent, nhẹ như lông vũ. Chỉ dùng ChromaDB (vector database nhỏ gọn) và SQLite (database nhẹ nhất có thể), không cần hạ tầng doanh nghiệp, không cần máy chủ mạnh — nhưng đạt điểm benchmark bộ nhớ rất cao. Ý nghĩa: bạn không cần là công ty lớn để có agent thông minh. Một người, một laptop, một hệ thống nhớ thiết kế tốt — đã đủ.

Anthropic Managed Agents — cho thuê agent như thuê phần mềm SaaS. Bạn không cần cài đặt, không cần máy chủ. Trả theo giờ (8 cent/giờ + token). Giống như từ "tự xây máy chủ email" chuyển sang "dùng Gmail." Rào cản kỹ thuật gần như biến mất.

LLM Council — phương pháp ra quyết định bằng 5 "nhân cách" AI tranh luận với nhau: người phản biện, người tư duy nguyên lý đầu tiên, người mở rộng, người ngoài cuộc, và người thực thi. Sau khi tranh luận, "chủ tịch" tổng hợp kết quả. Lấy cảm hứng từ Karpathy. Tác giả cho biết phương pháp này giúp ông chọn workshop trực tiếp thay vì khóa học tự học — và kết quả kinh doanh tốt hơn.

Hermes GAPA — agent tự sửa lỗi. GAPA tự động xem lại các lần gọi công cụ, phát hiện thất bại, và cập nhật prompt của chính nó — giống backpropagation nhưng cho hành vi thay vì trọng số mô hình. Theo thời gian, Hermes xây dựng bộ nhớ, học từ hội thoại trước, và tự tạo kỹ năng tái sử dụng bằng Python.

Caveman plugin — giảm 75% lượng token Claude sử dụng bằng cách nén văn bản. Nhưng phát hiện bất ngờ: khi dùng ít token hơn, hội thoại rõ ràng hơn, ít ảo giác hơn, ít lỗi hơn. Ít hơn = tốt hơn.

Mô hình chung: những người thắng cuộc không phải người dùng AI nhiều nhất — mà là người thiết kế hệ thống để AI tự vận hành.

Hãy nhìn vào con số tuần này.

350.000+ sao GitHub cho Open Claw — tăng từ 338K chỉ 2 tuần trước. Tốc độ tăng: ~6.000/tuần. Để so sánh: React (framework web phổ biến nhất thế giới) mất 10 năm để đạt 230K.

30+ nền tảng agent cạnh tranh đồng thời — từ Mỹ, Trung Quốc, Pháp, và nhiều nước khác. Tuần trước có 20, tuần này 30+.

120 tính năng trong 90 ngày — tốc độ phát triển của Anthropic, bằng cách dùng AI để phát triển AI.

400 triệu đô — giá Anthropic mua Coefficient Bio. AI không còn ở trong ngành phần mềm.

Tất cả cùng chỉ về một hướng: thị trường agent đang bùng nổ ở tốc độ chưa từng thấy — và mọi ngành đều bị ảnh hưởng, không chỉ công nghệ.

Nếu một kỹ sư phần mềm kỳ cựu không cần viết code nữa, thì kỹ năng nào đang thay thế?

Kỹ năng 1: Thiết kế bộ nhớ cho agent. Me Palace chứng minh: agent thông minh không phải nhờ mô hình lớn — mà nhờ bộ nhớ thiết kế tốt. Karpathy giới thiệu phương pháp Obsidian RAG: lấy ghi chú cá nhân, chuyển thành wiki có cấu trúc, rồi cho agent dùng làm bộ nhớ. Bạn không cần biết code — bạn cần biết tổ chức thông tin theo cách agent có thể tìm và dùng được.

Kỹ năng 2: Quản lý đội agent. Managed Agents cho phép thuê agent như thuê nhân viên — nhưng bạn vẫn cần quản lý. LLM Council cho thấy: 5 agent tranh luận cho kết quả tốt hơn 1 agent trả lời. Hermes tự học — nhưng ai đặt ra mục tiêu ban đầu? Người quản lý agent giỏi sẽ giống quản lý dự án giỏi — không làm mọi việc, nhưng biết ai (agent nào) làm gì, khi nào, và kiểm tra ra sao.

Kỹ năng 3: Tư duy giải quyết vấn đề sáng tạo. Một kỹ sư kỳ cựu — khi đến Mỹ năm 1991 — mang theo 2 cuốn sách, một trong đó là về TRIZ (Lý thuyết Giải quyết Vấn đề Sáng tạo) của Genrich Altshuller. Tuần này, ông biến TRIZ thành skill cho Claude Code. Tại sao? Vì AI giỏi giải quyết vấn đề đã được mô tả rõ — nhưng kém ở việc tìm ra vấn đề nằm ở đâu. TRIZ dạy cách chuyển vấn đề phức tạp thành sơ đồ đơn giản — đúng loại tư duy mà AI cần nhưng chưa có.

Ba kỹ năng này có điểm chung: không ai cần biết code để làm — nhưng cần biết tư duy có cấu trúc.

Bài viết này mô tả xu hướng, không kêu gọi ai bỏ nghề.

Vị kỹ sư kỳ cựu nói "tôi khỏi thói quen viết code" — nhưng ông vẫn hiểu code, vẫn thiết kế hệ thống, vẫn ra quyết định kỹ thuật. Ông không mất kỹ năng cũ — ông thêm kỹ năng mới. Không phải ai cũng có lộ trình giống ông.

Claude Mus "nguy hiểm đến mức không dám phát hành" — nhưng ai quyết định thế nào là "quá nguy hiểm"? Anthropic tự quyết, không có cơ quan độc lập kiểm chứng. Đây là câu hỏi quản trị chưa có đáp án.

Managed Agents giá 8 cent/giờ — rẻ hơn bất kỳ nhân viên nào. Điều đó tốt cho doanh nghiệp nhỏ, nhưng có ý nghĩa gì cho thị trường lao động? Câu trả lời chưa rõ — và bất kỳ ai nói rằng họ biết chắc đều đang phỏng đoán.

Người đọc bài này sẽ tự quyết định lộ trình của mình.

Stephen Hawking nói: "Trí thông minh là khả năng thích nghi với thay đổi."

Linus Torvalds — người tạo ra Linux — định nghĩa khác: "Trí thông minh là khả năng không phải làm việc nhưng vẫn hoàn thành công việc."

Tuần này, hai định nghĩa đó gặp nhau. Agent thích nghi nhanh hơn mỗi tuần. Agent hoàn thành công việc mà bạn không cần tự làm. Kỹ sư phần mềm không viết code. Agent tự sửa lỗi của chính mình. Hệ thống nhớ nhẹ như lông vũ đạt benchmark cao. Và một người đàn ông mang theo sách TRIZ từ Liên Xô đến Mỹ năm 1991 — giờ biến nó thành skill cho AI.

Người cuối cùng còn viết code không phải người giỏi nhất.

Mà là người chưa tìm được cách nói cho agent hiểu.

Hẹn gặp bạn trong bản tin tiếp theo với những cập nhật mới nhất!

Theo dõi và phản hồi để chúng tôi ngày càng hoàn thiện bản tin cho bạn!

Tái bút: Chúng tôi làm bản tin AI này hoàn toàn miễn phí mỗi ngày. Sự ủng hộ của bạn là động lực giúp chúng tôi tiếp tục. Nếu bạn thấy hữu ích, chia sẻ cho ít nhất một, hai (hoặc 20) bạn bè của bạn nhé 😉

Hẹn gặp lại ở bài viết sau!