vibecoding không xóa bỏ chuyên môn của lập trình viên, mà thay đổi những lĩnh vực cần đến chuyên môn đó. [Bài dịch]

1. Các trường hợp thử nghiệm vibecoding

   • Sử dụng Claude Code agent của Anthropic, đã tiến hành thành công các thử nghiệm tạo ra trò chơi hoặc ứng dụng thực tế trong môi trường Linux.
   • Ra lệnh bằng ngôn ngữ tự nhiên: Chỉ với một câu tiếng Anh đơn giản như “Hãy bố trí các tòa nhà với nhiều kiểu thiết kế khác nhau và cho phép tôi tự lái xe đi quanh ngôi làng mình tạo ra”, AI đã tự động tạo ra mã có thể thực thi trong thực tế.
   • Liên tục phản ánh phản hồi: Khi yêu cầu bổ sung nhiều tính năng như nhiệm vụ xe cứu hỏa, lưu lượng giao thông, đối thủ cạnh tranh (trực thăng), thay đổi ngày đêm, nhiệm vụ..., AI đã cập nhật ứng dụng để phản ánh các yêu cầu đó.
   • Quá trình giải quyết vấn đề: Ngay cả các bug hay lỗi phát sinh trong quá trình chạy mã cũng được giải quyết thông qua việc trao đổi lặp đi lặp lại với AI, và cuối cùng chi phí sử dụng Claude API vào khoảng $13.

2. Sự thay đổi của chuyên môn

   • Sự dịch chuyển của chuyên môn: vibecoding không xóa bỏ chuyên môn của lập trình viên, mà thay đổi những lĩnh vực cần đến chuyên môn đó. Nói cách khác, thay vì trực tiếp viết toàn bộ mã, năng lực hiểu toàn bộ hệ thống, đưa ra định hướng hoặc đánh giá kết quả trở nên quan trọng hơn.
   • Cần kiến thức tối thiểu: Khi cộng tác với AI, vẫn cần có kiến thức lập trình ở mức tối thiểu (hiểu biết cơ bản, khả năng phán đoán), đồng thời cần năng lực xem xét kết quả mà AI đề xuất và đưa ra phản hồi.
   • Ví dụ ứng dụng thực tế: Ngay cả người dùng không quen với môi trường Linux cũng có thể nhanh chóng tạo ra phần mềm mình mong muốn với sự trợ giúp của AI.

3. Khả năng mở rộng của AI agent

   • Nhiều AI agent khác nhau: Nhiều AI agent như Manus của Trung Quốc có thể tự chủ thực hiện nhiều công việc đa dạng như nghiên cứu web, viết mã, tạo tài liệu và website.
   • Tầm quan trọng của phản hồi: Dù AI có thể tự chủ thực hiện công việc, vẫn có thể phát sinh sai sót hoặc lỗi, vì vậy quá trình con người xem xét kết quả và đưa ra phản hồi là điều bắt buộc.
   • Ví dụ thử nghiệm thực tế: Với yêu cầu “Hãy tạo một khóa học tương tác về elevator pitch bằng cách tận dụng những lời khuyên học thuật tốt nhất”, AI đã tự chủ thực hiện toàn bộ từ lập checklist, nghiên cứu web đến tạo trang. Sau đó, khi được phản hồi rằng các yếu tố tương tác còn thiếu, AI đã phản ánh điều đó để cải thiện.

4. Hợp tác chuyên sâu (Deep Vibeworking)

   • Phân tích dữ liệu phức tạp: Đã tiến hành thử nghiệm phân tích cùng AI một lượng lớn dữ liệu ẩn danh thu thập từ crowdfunding, thậm chí viết cả bài báo học thuật.
   • Vai trò của AI: AI đã hỗ trợ rất nhiều trong phân tích dữ liệu và đề xuất giả thuyết, nhưng việc lựa chọn chủ đề có ý nghĩa về mặt học thuật và đánh giá kết quả vẫn cần đến chuyên môn của con người.
   • Tạo ra kết quả nhanh chóng: Việc viết bài báo còn chưa mất tới một giờ, và kết quả đạt đến mức có thể trở thành một đóng góp có ý nghĩa cho giới học thuật.

5. Kết luận: Hợp tác giữa con người và AI là cốt lõi

   • Hợp tác bổ trợ lẫn nhau: AI không thể thay thế mọi thứ, nhưng giá trị lớn nhất được tạo ra khi kết hợp chuyên môn của con người với năng lực của AI.
   • Thay đổi cách làm việc: Cách làm việc đang thay đổi nhanh chóng, và điều quan trọng là tìm ra điểm tiếp xúc về cách AI và con người sẽ hợp tác trong từng công việc.
   • Triển vọng tương lai: Một kỷ nguyên mới đang đến, nơi AI và con người hợp tác bằng cách phát huy thế mạnh riêng của mỗi bên.

[tsboard]

AI sẽ không thay thế mọi thứ, nhưng có lẽ sẽ đảm nhận thay một phần khá lớn công việc.
Cũng có lúc tôi thấy lo rằng liệu chúng ta có đang bước vào một thời đại mà chỉ còn một số rất ít chuyên gia, thay vì tiếp tục cộng tác với các lập trình viên mới vào nghề hoặc ở mức trung cấp, sẽ פשוט làm việc cùng AI, và khoảng cách rồi sẽ ngày càng nới rộng hơn hay không.

[ashbyash]

Ngay cả trong công việc, sự phân cực cũng sẽ ngày càng nghiêm trọng hơn.

[beoks]

> Khi cộng tác với AI, cần có ít nhất kiến thức lập trình ở mức tối thiểu (hiểu biết cơ bản, khả năng phán đoán), đồng thời cần có năng lực rà soát kết quả mà AI đề xuất và đưa ra phản hồi.

Tôi cho rằng trong phát triển ứng dụng enterprise, thứ cần thiết không phải là kiến thức ở mức tối thiểu mà là kiến thức cốt lõi (CS, domain, design, v.v.).
Với những toy project đơn giản, nhờ AI thì có thể dễ dàng phát triển ngay cả khi không có những kiến thức này, nhưng khi quy mô lớn dần, việc thiếu kiến thức cốt lõi sẽ dẫn đến nhiều trở ngại (cấu trúc không phù hợp với domain, hiệu năng, vấn đề đồng thời, v.v.).
Với giả định biết tận dụng AI tốt, tôi nghĩ trong tương lai, tính chuyên môn của lập trình viên sẽ nằm ở khả năng quyết định định hướng của dự án từ góc nhìn vĩ mô dựa trên kiến thức cốt lõi, cùng với năng lực giải quyết vấn đề ở chiều sâu.

[ashbyash]

Cảm ơn bạn vì bình luận với góc nhìn thật sự rất hay :)

[devjeonghwan]

Nếu bạn cảm thấy có thể giao công việc của mình cho AI, thì rốt cuộc bạn sẽ bị thay thế 100%. Chúng ta phải tiếp tục rèn luyện những năng lực mà AI không thể thay thế, hoặc những năng lực mà người khác không thể dễ dàng bắt chước.

[ashbyash]

Đúng vậy, có vẻ như chúng ta cần tiếp tục khám phá và phát triển năng lực đó.