Làm thế nào để các lập trình viên tận dụng tối đa trình tạo mã AI? Các chuyên gia chia sẻ mẹo, khuyến nghị và cảnh báo.
Tôi bắt đầu sự nghiệp như một kiến trúc sư và lập trình viên làm việc với các thuật toán AI cho xử lý hình ảnh, xử lý ngôn ngữ tự nhiên và tìm kiếm. Tua nhanh đến hiện tại, công việc lập trình của tôi chủ yếu giới hạn ở các nền tảng low-code để thực hiện các tác vụ tự động hóa cơ bản, thu thập dữ liệu và các chức năng kinh doanh khác.
Mùa hè năm ngoái, khi tôi di chuyển blog sang một nền tảng mới, việc nhập bài viết gặp rất nhiều vấn đề về định dạng và phân loại. Tôi đã dùng các trình tạo mã để viết thuật toán đơn giản làm sạch HTML, tách thẻ ảnh bằng biểu thức chính quy và định dạng lại bài viết theo chuẩn thống nhất.
Báo cáo The State of Web Dev AI 2025 cho biết 91% lập trình viên sử dụng AI để tạo mã, với các công cụ hàng đầu gồm GitHub Copilot, Tabnine, JetBrains AI, Supermaven, Qudo, Amazon Q Developer và Aider. Theo một báo cáo khác, các nhóm DevOps chấp nhận từ 20% đến 35% mã được AI gợi ý.
“Các lập trình viên ở mọi trình độ có thể tăng đáng kể năng suất bằng cách tận dụng AI tạo sinh trong phát triển mã,” Bharat Sandhu, SVP kiêm CMO của SAP Business Technology Platform, cho biết. “Các công cụ tiên tiến này giúp tăng tốc chu kỳ phát triển, giảm thiểu các tác vụ lặp lại như gỡ lỗi hay bảo trì mã cũ, và cung cấp kết quả đáng tin cậy, có ngữ cảnh — giúp đội ngũ tập trung nhiều hơn vào đổi mới và giải quyết các vấn đề phức tạp.”
Trình tạo mã là một trong nhiều bước chuyển dịch dựa trên AI ảnh hưởng đến trải nghiệm, năng suất và chất lượng mã của lập trình viên. Vậy nên sử dụng các công cụ này thế nào để có kết quả tốt nhất? Tôi đã hỏi nhiều chuyên gia, và họ chia sẻ như sau:
Senior developer nên dùng thế nào?
Khi các trình tạo mã mới xuất hiện, cấp trên nhận thấy kết quả tốt nhất đến từ các lập trình viên giàu kinh nghiệm. Họ biết cách diễn đạt yêu cầu qua prompt, đánh giá phản hồi và sửa lỗi qua các vòng cải thiện mã.
“Senior developer ở vị trí tốt nhất để dùng AI code generator vì họ nhanh chóng hiểu mã được tạo ra làm gì, đánh giá được trade-off và hướng AI tạo ra kết quả mong muốn,” Trisha Gee, Lead Developer Advocate tại Gradle nói. “Nhưng họ ít dùng hơn vì đã quen tự viết nhanh hơn AI.”
Jeff Foster (Redgate) gợi ý: “Hãy xem AI như một thực tập sinh nhiệt tình nhưng thiếu kinh nghiệm. Dùng để tăng tốc phần boilerplate và khám phá ý tưởng, nhưng đừng tin tưởng mù quáng.”
Rukmini Reddy (PagerDuty) nhấn mạnh: “Hãy coi AI là công cụ nhân bội, không phải thay thế. Giá trị không chỉ là tốc độ, mà là giải phóng thời gian cho các công việc tầm cao như thiết kế hệ thống, tối ưu hiệu suất, và mentor.”
Các ví dụ:
- Hoàn thành mã, tự động ghi chú, viết tài liệu (Rob Whiteley – Coder)
- Sinh boilerplate, scaffold test, template IaC, giải thích cú pháp khó, prototype thuật toán trước khi tối ưu (Ori Bendet – Checkmarx)
Junior developer nên dùng thế nào?
Junior dev thường dùng AI để học nhiều hơn là giải quyết vấn đề.
Foster (Redgate): “Dùng AI để học, nhưng đừng biến nó thành cái nạng. Hãy luôn hỏi tại sao mã AI viết hoạt động hoặc không hoạt động. AI tăng tốc viết, không đảm bảo đúng. Luôn kiểm tra giả định ẩn, lỗ hổng bảo mật, và test kỹ.”
Yonatan Arbel (JFrog): “Có thể dùng AI để lấy cảm hứng và cách tiếp cận khác, nhưng phải tư duy phản biện và xác minh chất lượng.”
Trisha Gee (Gradle) gợi ý senior nên mentor junior trong việc viết prompt và đánh giá mã.
Rania Khalaf (WSO2) khuyên junior dùng AI để hiểu ngôn ngữ hoặc khái niệm mới qua việc đọc kỹ mã sinh ra.
Dos & Don’ts khi viết prompt
- Michael Kwok (IBM): Rõ ràng, cụ thể, tránh mơ hồ, cải thiện lặp lại. Luôn review và test.
- Rob Whiteley (Coder): Hiểu vấn đề và kết quả mong muốn trước khi dùng AI. Prompt sai sẽ mất thời gian sửa.
- Rukmini Reddy (PagerDuty): Prompting là kỹ năng cốt lõi mới, như debug — phản ánh độ rõ ràng trong suy nghĩ.
- Rahul Jain (Pendo): Luôn gắn kết quả AI với dữ liệu thực tế và test kỹ.
- Karen Cohen (Apiiro): Xem đầu ra AI là input không tin cậy — prompt chính xác và review sâu.
Review & test mã AI sinh ra
Không nên đưa thẳng mã AI vào codebase mà không kiểm tra. AI thường không biết hết bối cảnh business logic, nhu cầu người dùng, quy định dữ liệu, tiêu chí phi chức năng và yêu cầu bảo mật.
- Edgar Kussberg (Sonar): Review chuẩn mã, bảo mật, chất lượng. Dùng static analyzer ngay từ IDE, tích hợp SAST, security assessment.
- Rukmini Reddy (PagerDuty): Review mã AI kỹ hơn mã đồng nghiệp vì AI thiếu bối cảnh.
- Karen Cohen (Apiiro): Phải tích hợp kiểm tra bảo mật tự động và threat modeling.
- Melissa McKay (JFrog): Cải thiện chất lượng dữ liệu và dùng dữ liệu tổng hợp để đa dạng test case.
Kết luận
Tạo mã chỉ là bước khởi đầu — khi AI agent tham gia toàn bộ vòng đời phát triển phần mềm, đội DevOps biết cách dùng AI hiệu quả và an toàn sẽ có nhiều cơ hội hơn để mang lại giá trị kinh doanh, đồng thời tập trung vào thách thức kỹ thuật tầm cao.
Cre: Isaac Sacolick.
