Những chủ đề và xu hướng chính của AI coding cần chú ý trong năm 2026

Addy Osmani, Giám đốc AI của Google Cloud, đã tổng hợp những chủ đề và xu hướng chính của AI coding cần chú ý trong năm 2026.

Tôi đăng lại vì nghĩ đây là một bài viết rất phù hợp để những người mới bắt đầu tìm hiểu Agentic AI có thể nắm được bức tranh tổng quan chỉ trong một lần đọc.

• Ralph Wiggum Pattern - vòng lặp tác tử bền bỉ

  • Mẫu được Geoffrey Huntley phổ biến rộng rãi vào giữa năm 2025
    • Ralph Wiggum as a "software engineer" by Geoffrey Huntley
  • Đây là mẫu mà AI Agent tự động chạy trong một vòng lặp cho đến khi đạt tới một điều kiện cụ thể đã được định nghĩa trước
  • Hữu ích khi điều kiện hoàn thành của công việc rõ ràng
  • Không phù hợp với công việc mang tính sáng tạo hoặc các công việc quan trọng về an toàn cần có sự can thiệp liên tục của con người

• Agent Skills - kiến thức chuyên môn dành cho AI agent

  • Agent Skills là thư mục chứa các lệnh hướng dẫn (instruction), script và tài nguyên mà AI agent sử dụng để thực hiện công việc một cách chính xác và hiệu quả
    • Agent Skills - Overview
  • Có thể cài đặt Skills đơn giản cho Opencode, Claude Code, Codex... thông qua CLI
    • Dùng npx skills add <package> để cài các skill do Vercel cung cấp (link)
    • Smithery (chợ mở MCP) cũng cung cấp catalog cộng đồng tập hợp các Agent Skills
  • Hãy quản lý Skills như các gói npm
    • Quản lý Skills để dùng ở phạm vi toàn cục hoặc theo từng agent
  • Hãy cập nhật Skills định kỳ và chỉ cài những Skill cần thiết tùy theo tech stack sẽ sử dụng.

• Orchestration & multi‑agent tools

  • Trợ lý AI truyền thống được dùng theo chế độ người chỉ huy (Conductor), nơi con người ra lệnh cho một tác tử đơn theo kiểu từng bước một.
  • Phương pháp được đưa ra tiếp theo là dùng Orchestrator để cho nhiều AI agent làm việc song song.
  • Dưới đây là các công cụ orchestration tiêu biểu
    • Conductor (Melty Labs)
      • Ứng dụng chỉ dành cho macOS, giúp lập trình viên chạy Claude Code và Codex song song.
      • Mỗi agent hoạt động trong Git worktree độc lập của riêng mình để tránh xung đột và cho phép thử nghiệm an toàn
      • Người dùng có thể review kết quả công việc của từng agent và merge PR từ dashboard
    • Vibe Kanban
      • Công cụ quản lý AI coding agent trong môi trường CLI + web UI
      • Trên bảng kiểu Kanban có thể thực hiện toàn bộ quy trình từ lập kế hoạch tác vụ, chạy song song agent, review code đến tạo PR
      • Mỗi tác vụ được xử lý trong một Git worktree độc lập.
      • Điểm ấn tượng là có thể xử lý công việc ngay trên workflow kiểu Kanban
    • Claude Code Web
      • Là phiên bản web của Claude Code và cũng dùng được trên thiết bị di động.
      • Phù hợp để thêm tính năng nhỏ hoặc sửa lỗi khi không thể dùng máy tính
    • GitHub Copilot coding agent
      • Công cụ orchestration AI agent có thể dùng trực tiếp trong GitHub
      • Khi người dùng giao một GitHub issue cho Copilot, agent sẽ chạy trong môi trường an toàn bằng GitHub Actions.
      • Công việc được thực hiện ở chế độ nền; agent push commit lên Draft PR, sau khi xong sẽ yêu cầu người dùng review.
      • Nếu để lại bình luận trên Draft PR, agent sẽ phản ánh nội dung review đó

• Beads & Gas Town - mã nguồn mở cho cộng tác giữa các agent

  • Đây là các công cụ mã nguồn mở do Steve Yegge phát triển để giải quyết vấn đề mất trí nhớ (memory loss) và các vấn đề cộng tác, điều phối vốn tất yếu phát sinh khi vận hành AI agent ở quy mô lớn.
  • Beads - bộ nhớ dựa trên Git
    • Framework nhẹ cung cấp cho AI agent dấu vết suy luận bền vững (durable reasoning trail) hay "trí nhớ dài hạn"
    • Lưu trực tiếp đồ thị công việc và dữ liệu kế hoạch vào kho Git dưới dạng file JSONL được quản lý phiên bản
    • Thay vì danh sách việc cần làm (to-do) dạng văn bản đơn giản, nó dùng các issue có cấu trúc (beads) kèm liên kết phụ thuộc
    • Có thể tạo audit trail cho quá trình ra quyết định để cung cấp ngữ cảnh cho một quyết định cụ thể
    • Claude Code đã trực tiếp lấy cảm hứng từ Beads để nâng cấp hệ thống Todos hiện có thành Tasks
  • Gas Town - bộ điều phối đa tác tử
    • Xem AI agent như một lực lượng lao động có tổ chức và quản lý toàn bộ workflow
      • Mayor: phụ trách phân bổ công việc
      • Deacon: giám sát trạng thái hệ thống
    • Các agent làm việc trong từng Git worktree riêng là bản sao của codebase
    • Được thiết kế với ưu tiên cao nhất là tốc độ và khả năng mở rộng (Throughput over perfection)
      • Trong các tác vụ migration hoặc refactor quy mô lớn, chấp nhận một chút công việc trùng lặp để tối đa hóa tổng sản lượng đầu ra
  • Có thể xem cả hai dự án tại GitHub của Steve Yegge.

• Clawdbot (nay là OpenClaw) - tác tử cá nhân lấy môi trường cục bộ làm trung tâm

  • Agent dựa trên LLM chạy trên máy tính cục bộ do Peter Steinberger tạo ra
  • Có thể trò chuyện với agent qua ứng dụng nhắn tin do người dùng chọn như iMessage, Telegram, WhatsApp...
  • Có thể ra lệnh qua ứng dụng nhắn tin để quản lý file, duyệt web, chạy lệnh terminal, dùng camera hoặc màn hình
  • Vì đây là công cụ có mức độ tự do cao nên cần đặc biệt chú ý đến bảo mật
    • Nên tạo và sử dụng tài khoản người dùng không phải admin trong hệ điều hành
    • Cần quản lý quyền để chỉ cho phép truy cập các thư mục dự án cụ thể
    • Nếu cần truy cập bot ở nhà từ bên ngoài, hãy đặt Gateway trên localhost và dùng SSH tunneling
  • Tối ưu workflow
    • Để bỏ bớt ngữ cảnh không cần thiết, hãy dùng lệnh /clear thay vì /compact
    • Trước tiên hãy làm việc thủ công với bot, rồi dựa trên toàn bộ cuộc trò chuyện để yêu cầu tạo Skill
    • Với các nền tảng như iMessage hoặc WhatsApp, nên dùng số điện thoại riêng và tài khoản độc lập
  • Bộ nhớ & hiệu năng
    • Đặt file CLAUDE.md hoặc IDENTITY.md ở thư mục gốc của dự án để lưu những nội dung cần được duy trì lâu dài
    • Nếu tính năng “Live Canvas” bị chậm, hãy xóa cache thủ công để khởi tạo lại workspace trực quan

• Sub-agents - đội ngũ AI mô-đun

  • Sub-agent là các instance AI chuyên biệt đảm nhận những công việc cụ thể trong một workflow lớn hơn
  • Primary orchestrator sẽ ủy quyền công việc cho chúng; các sub-agent chạy độc lập rồi trả kết quả về
  • Khi quy mô dự án tăng lên, một AI đơn lẻ dễ bị quá tải do ô nhiễm ngữ cảnh (context pollution); sub-agent giải quyết điều này bằng cách phân rã vấn đề phức tạp thành các đơn vị có thể quản lý được
  • Claude Code, Cursor và Antigravity đều hỗ trợ sub-agent