Bài viết
Ghi chép về hệ thống AI, xây dựng sản phẩm, tự động hóa và kỹ thuật ứng dụng.
No posts in this category yet.
2026 2
-
Thiết kế AI companion an toàn, có memory nhưng vẫn kiểm soát được
21 thg 6 · 6 min read
AI companion có memory không chỉ là lưu càng nhiều càng tốt. Muốn an toàn, cần thiết kế rõ memory nào được lưu, ai được xem, khi nào được xoá và lúc nào phải đưa con người vào vòng kiểm soát.
-
Snow AI Companion: thiết kế AI an toàn cho trẻ em cần nghĩ gì?
21 thg 6 · 7 min read
Một ghi chú thiết kế cho Snow AI Companion: nếu AI hướng tới trẻ em, đặc biệt là trẻ cần hỗ trợ trong giao tiếp và học tập, sản phẩm phải bắt đầu từ sự an toàn, kiểm soát và sự đồng hành nhẹ nhàng.
2025 3
-
AI Agent không nên bắt đầu từ agent, mà từ workflow
8 thg 5 · 6 min read
Trước khi nói đến AI Agent, tool use hay autonomous system, nên bắt đầu từ workflow thật: ai làm gì, dữ liệu ở đâu, bước nào cần tự động hóa và bước nào cần con người giữ quyền kiểm soát.
-
Vì sao AI Engineer cần hiểu business workflow, không chỉ model
17 thg 4 · 7 min read
AI Engineer không chỉ cần biết prompt, RAG hay model. Muốn tạo giá trị thật, phải hiểu workflow, dữ liệu, người dùng và cách hệ thống đi vào vận hành.
-
Quy trình đọc một model open-weight mới như một kỹ sư sản phẩm AI
6 thg 2 · 7 min read
Không chỉ nhìn benchmark. Đây là checklist thực tế để đọc một model open-weight: model card, license, kiến trúc, context, inference, evaluation và khả năng đưa vào sản phẩm.
2024 5
-
Tôi đọc các paper LLM mới: xu hướng nào đáng chú ý cho AI Engineer?
21 thg 11 · 8 min read
Một cách đọc các paper LLM theo hướng thực dụng hơn: không chạy theo hype, mà nhìn xem xu hướng nào thật sự ảnh hưởng đến cách build sản phẩm AI.
-
Tối ưu reasoning của LLM không chỉ bằng train model lớn hơn
8 thg 10 · 6 min read
Inference-time scaling, self-consistency, verifier và reasoning budget giúp cải thiện chất lượng LLM như thế nào, và khi nào không nên dùng vì quá tốn chi phí.
-
Vì sao model tốt chưa chắc tạo business value?
11 thg 4 · 6 min read
Một ghi chú từ case Booking.com: model performance và business performance là hai chuyện khác nhau, đặc biệt khi ML đi vào sản phẩm thật.
-
Operate what you build: bài học cho AI product nhỏ
14 thg 3 · 4 min read
Phân tích tư duy ownership trong production engineering và cách áp dụng vào AI workflow, CRM, dashboard và sản phẩm nhỏ.
-
OnePiece ở Shopee: LLM-style reasoning đi vào ranking system như thế nào?
18 thg 1 · 3 min read
Ghi chú về paper OnePiece và cách context engineering, reasoning được đưa vào industrial cascade ranking system.
2023 13
-
Thiết kế remote terminal/WebSocket dashboard cho AI agents
7 thg 12 · 7 min read
Ghi chú kỹ thuật về cách thiết kế một dashboard realtime để theo dõi và điều khiển AI agents chạy trong terminal bằng WebSocket.
-
Cách migrate test/evaluation pipeline cho AI workflow mà không phá production
16 thg 11 · 7 min read
Ghi chú thực tế về cách thay đổi prompt, model hoặc evaluation pipeline cho AI workflow mà vẫn giữ hệ thống ổn định.
-
Đánh giá chatbot/AI workflow: benchmark, verifier, LLM judge và test case thực tế
5 thg 10 · 7 min read
Một bài ghi chú thực tế về LLM evaluation: benchmark chỉ là điểm bắt đầu, còn sản phẩm thật cần test case, verifier, human review và metric gắn với workflow.
-
Thiết kế API cho CRM: Leads, Contacts, Deals, Quotes
14 thg 9 · 6 min read
Ghi chú thiết kế REST API cho một CRM nhỏ, tập trung vào leads, contacts, deals, quotes và workflow bán hàng thực tế.
-
Dùng Redis cache cho dashboard CRM khi nào là hợp lý?
3 thg 8 · 6 min read
Ghi chú thực tế về việc dùng Redis cache để tối ưu dashboard CRM: khi nào nên dùng, cache gì, invalidation ra sao và tránh những lỗi phổ biến.
-
RecSysOps: vận hành recommender system sau khi deploy
13 thg 7 · 6 min read
Ghi chú từ Netflix RecSysOps về việc vận hành recommender system: phát hiện lỗi, dự đoán lỗi, chẩn đoán và xử lý khi hệ thống recommendation đi vào production.
-
Monitoring cho AI workflow: học từ Netflix nhưng áp dụng ở scale nhỏ
8 thg 6 · 3 min read
Thiết kế monitoring vừa đủ cho AI workflow nhỏ: logs, metrics, traces, evaluation và business signals.
-
Từ Discord đến CRM: lưu activity log và conversation history ra sao?
11 thg 5 · 5 min read
Rút bài học từ cách Discord xử lý message storage để thiết kế activity log và conversation history cho CRM nhỏ.
-
Khi database bắt đầu làm team on-call kiệt sức
18 thg 4 · 3 min read
Từ case Discord lưu trữ trillions of messages, bài viết nhìn vào dấu hiệu database không còn phù hợp với workload.
-
Tự dựng CI/CD pipeline cho AI/Computer Vision project nhỏ
23 thg 3 · 6 min read
Một pipeline thực tế cho project AI hoặc Computer Vision nhỏ: test, build Docker image, chạy eval cơ bản và deploy an toàn hơn.
-
Vision, object detection và segmentation: hiểu đúng trước khi đưa vào sản phẩm
2 thg 3 · 4 min read
Ghi chú ngắn về object detection, segmentation và lý do các bài toán computer vision thật thường cần nhiều hơn một bounding box.
-
Từ Mask R-CNN đến Mask R-CNN2Go: khi computer vision research đi vào production
9 thg 2 · 3 min read
Một bài ghi chú về cách một ý tưởng computer vision từ research có thể được tối ưu để chạy trên thiết bị thật.
-
Computer vision trên edge device: học từ Meta Mask R-CNN2Go
17 thg 1 · 3 min read
Một bài ngắn về edge AI, latency và các câu hỏi cần trả lời trước khi đưa computer vision xuống thiết bị thật.
2022 14
-
Microservice Architecture Patterns for Scalable ML Systems
1 thg 12 · 6 min read
Ghi chú thực tế về cách chia một hệ thống Machine Learning thành các service nhỏ hơn để dễ deploy, monitor và mở rộng.
-
Feed ranking và feedback loop: bài học cho product builder
3 thg 11 · 4 min read
Giải thích feedback loop trong recommendation system và cách product builder nên thiết kế tín hiệu, metric và guardrails.
-
Tesla camera-only perception vs sensor fusion: trade-off thật sự là gì?
11 thg 10 · 3 min read
Ghi chú cẩn trọng về camera-only perception, occupancy perception và sensor fusion trong autonomous driving.
-
TikTok có dùng Kafka/Flink cho realtime recommendation không?
6 thg 9 · 4 min read
Một bài viết kiểm chứng: nguồn công khai cho phép nói gì và không cho phép nói gì về Kafka/Flink trong TikTok recommendation.
-
TikTok-style architecture: nên hiểu như một pattern feed ranking, không phải sơ đồ nội bộ
16 thg 8 · 3 min read
Một bài viết cẩn trọng về TikTok-style architecture: chỉ dùng nguồn công khai để rút ra pattern sản phẩm, không khẳng định kiến trúc nội bộ.
-
TikTok-style recommendation: vì sao architecture quan trọng không kém algorithm?
28 thg 7 · 5 min read
Phân tích TikTok-style feed qua nguồn chính thức và nghiên cứu học thuật để hiểu vai trò của platform architecture trong recommendation.
-
LightSAGE ở Shopee: GNN cho item retrieval trong e-commerce ads
7 thg 7 · 3 min read
Phân tích paper LightSAGE về cách Shopee dùng graph neural networks cho item retrieval trong recommendation ads.
-
Shopee và distributed tracing: nhìn request đi qua microservices như thế nào?
14 thg 6 · 3 min read
Phân tích case Shopee dùng ClickHouse cho distributed tracing và bài học cho các hệ thống nhiều service.
-
Khi nào nên rời MongoDB/Cassandra/SQL? Bài học từ Discord
26 thg 5 · 5 min read
Phân tích quyết định database migration qua case Discord và cách chọn database theo access pattern, operational cost và trade-off.
-
Discord lưu trữ trillions of messages như thế nào?
3 thg 5 · 6 min read
Đọc case Discord chuyển từ Cassandra sang ScyllaDB và rút ra bài học về database, hot partition, migration và latency.
-
Netflix dùng ML để tối ưu streaming quality như thế nào?
12 thg 4 · 6 min read
Ghi chú từ Netflix Tech Blog về cách Machine Learning được dùng để dự đoán chất lượng streaming, giảm lỗi phát video và cải thiện trải nghiệm người xem.
-
Netflix Microservices: vì sao observability quan trọng hơn bạn nghĩ?
24 thg 3 · 4 min read
Đọc bài Netflix về microservices để hiểu vì sao hệ phân tán cần quan sát theo nhiều tầng: request flow, bottleneck và instance-level metrics.
-
Thiết kế ranking system từ Airbnb đến CRM search
8 thg 3 · 5 min read
Rút bài học từ Airbnb Search và Embedding-Based Retrieval để thiết kế CRM search/ranking theo hướng thực tế.
-
ML platform cần những khối nào? Học từ Uber Michelangelo
17 thg 2 · 3 min read
Phân tích Uber Michelangelo để hiểu một ML platform production cần data, training, deployment, prediction và monitoring.