Ít hơn thường tốt hơn

• Trong thời đại có thể nhanh chóng tạo ra hầu như bất cứ thứ gì bằng AI, việc tăng số lượng không dẫn tới kết quả tốt hơn, và chỉ những sản phẩm được tạo ra với chủ đích và sự tỉ mỉ ở mức cực độ mới có thể tồn tại lâu dài
• Cốt lõi của một sản phẩm xuất sắc là sự đơn giản và tính rõ ràng, giúp giảm tải nhận thức cho não bộ và khiến trải nghiệm bớt quá tải hơn
• AI khiến việc thêm vào dễ hơn rất nhiều so với loại bỏ, nhưng loại bỏ đòi hỏi sự phán đoán có chủ đích với việc cân nhắc mọi hệ quả
• Giống như ví dụ về animation của menu ngữ cảnh, giao diện chuyển động nhiều hơn không phải lúc nào cũng tốt hơn, và sự hiểu biết về ngữ cảnh sử dụng quyết định điều gì không nên đưa vào
• Công cụ càng mạnh, giá trị của sự hiểu biết, phán đoán và gu thẩm mỹ càng lớn, và biết điều gì không nên xây dựng trở thành năng lực quan trọng nhất

---

Số lượng và chất lượng trong thời đại AI

• Với AI, mọi ý tưởng, tính năng mới và animation đều có thể được hiện thực hóa chỉ bằng vài prompt, rút ngắn những việc từng mất vài giờ, vài ngày hoặc vài tuần xuống còn vài phút
• Nhiều người hơn có thể tạo ra nhiều thứ hơn với tốc độ nhanh hơn, nhưng nhiều hơn không có nghĩa là tốt hơn
• Khi chuyển từ một sản phẩm tốt sang một sản phẩm tuyệt vời, ta có thể cảm nhận được sự khác biệt, và phần lớn không đến từ một yếu tố đơn lẻ mà từ sự tích lũy của những quyết định nhỏ và chi tiết tạo nên một trải nghiệm xuất sắc

Sự đơn giản và tính rõ ràng

• Con người ưa thích những thứ đơn giản và dễ dự đoán, vì não bộ là một dạng cỗ máy tiết kiệm năng lượng
  • Sự đơn giản làm giảm tải nhận thức không cần thiết, giúp xử lý dễ hơn và khiến trải nghiệm bớt choáng ngợp
• Theo khái niệm processing fluency trong tâm lý học, thứ gì càng dễ được xử lý thì càng tạo cảm giác quen thuộc, dễ chịu và đáng tin cậy
• Qua câu nói của Jony Ive, tác giả giải thích rằng sự đơn giản không chỉ là loại bỏ sự bừa bộn mà còn là chắt lọc để chỉ giữ lại phần cốt lõi dựa trên sự thấu hiểu sâu sắc

Thêm thì dễ, bỏ thì khó

• AI khiến việc bổ sung trở nên dễ hơn bao giờ hết, và với agent, có thể nhắm mắt thêm gì đó vào rồi hy vọng mọi thứ sẽ ổn
• Ngược lại, khi loại bỏ, ta phải có chủ đích và cân nhắc mọi hệ quả đến cùng
• Có thể để agent chạy không ngừng và sinh ra hàng triệu dòng code, nhưng không có gì đảm bảo kết quả sẽ tốt

Ví dụ về animation

• Việc làm cho thứ gì đó có animation và việc làm animation thật tốt là hai vấn đề hoàn toàn khác nhau; biến thể animation trong ví dụ nhìn thì đẹp nhưng thực tế lại không hợp lý
• Trong phần so sánh menu ngữ cảnh, một bên đều chuyển động khi mở và đóng, đồng thời còn animation cả thay đổi background-color khi hover lên mục, còn bên kia thì không
• Nếu hiểu rằng đây là thao tác được dùng hàng trăm đến hàng nghìn lần mỗi ngày như menu chuột phải trên macOS, sẽ thấy việc animation cả lúc vào và lúc thoát không phải là lựa chọn tốt
  • Nếu mở 200 lần mỗi ngày và animation dài 300ms, thì mỗi ngày sẽ tốn khoảng 1 phút, và mỗi năm là hơn 6 giờ chỉ để nhìn animation chạy, gây xao nhãng và khó chịu
• Khi hiểu mình đang giải quyết điều gì và mọi người sử dụng ra sao, quyết định không dùng animation trở nên hiển nhiên
• Agent rất giỏi trong việc thực thi, nhưng vẫn chưa thực sự có đủ sự hiểu biết và khả năng phán đoán, và chính điều này tạo nên một sản phẩm tuyệt vời

Phán đoán và sự hiểu biết trong kỹ thuật

• Khi ai cũng có thể viết rất nhiều code, thời kỳ chất lượng đầu ra của kỹ sư được quyết định bởi lượng code đã chấm dứt
• Tại Interfere, các pull request hoàn thành công việc bằng ít code nhất có thể được đánh giá cao
• Khả năng review code, phân biệt code tốt và code dở, và tư duy phản biện đang trở nên quan trọng hơn khả năng viết code, đồng thời cũng khan hiếm hơn
  • Nếu thiếu kiến thức và sự hiểu biết mà lao ngay vào xây dựng, sẽ khó đánh giá kết quả do agent tạo ra là tốt hay xấu, và cũng khó dẫn dắt nó theo hướng đúng

Kỹ năng codebase-standards

• Để duy trì tiêu chuẩn chất lượng cao và chia sẻ các nguyên tắc cho cả agent lẫn con người cùng tuân theo, họ đã tạo ra kỹ năng /codebase-standards riêng
• Kết hợp kỹ năng này với lệnh /interfere-review để rà soát code theo tiêu chuẩn, từ đó mã hóa sự hiểu biết và khả năng phán đoán thành dạng mà cả thành viên trong nhóm lẫn agent đều có thể sử dụng

Nguyên tắc làm việc với agent

• Không thuê ngoài tư duy cho agent
• Không mặc định những gì agent viết là đúng, mà phải tiếp cận một cách phản biện
• Hãy đảm bảo ít nhất có thể giải thích được, dù chỉ ở mức khái quát, mỗi dòng mà agent thêm vào đang làm gì
• Hãy suy nghĩ xem mọi thứ được thêm vào có thực sự làm kết quả cuối cùng tốt hơn không
• Agent là phần kéo dài của chính bạn, và bạn giỏi việc gì thì agent cũng sẽ giỏi việc đó tương ứng
• Tận dụng skill, command và MCP để cung cấp càng nhiều ngữ cảnh càng tốt và nêu rõ cách bạn muốn nó hoạt động
• Nếu có điều gì không hiểu, hãy nhờ AI giải thích — một trong những công cụ học tập mạnh mẽ nhất

Không nên xây dựng điều gì

• AI khiến việc thêm nhiều tính năng, code và animation trở nên dễ hơn bao giờ hết, nhưng cũng khiến người ta dễ xây cả những thứ vốn chẳng cần phải làm
• Câu hỏi lúc này không còn là có thể xây được không mà là nên xây cái gì và xây như thế nào
• Công cụ càng mạnh, giá trị của sự hiểu biết, phán đoán và gu thẩm mỹ (taste) càng lớn; còn sự hiểu biết về sản phẩm, người dùng và vấn đề, cùng quan điểm và tầm nhìn, vẫn là phần việc của con người
• Sự đơn giản không tự nhiên mà có, mà đến từ sự thấu hiểu sâu sắc về việc nên bỏ gì, giữ nguyên gì và điều gì ngay từ đầu không nên làm
• Mỗi khi thêm một yếu tố, animation hay tính năng, cần tự hỏi một cách phản biện vì sao phải thêm nó và liệu nó có thực sự làm kết quả cuối cùng tốt hơn không; trong thời đại AI, biết điều gì không nên xây dựng có thể là năng lực quan trọng nhất