Copilot học codebase của bạn, Anthropic chặn distillation, và Epic Games đặt cược cả vào AI
Ba tin tức về AI trong phát triển phần mềm tuần này đều xoay quanh một câu hỏi kiến trúc: ai kiểm soát ngữ cảnh và tri thức trong hệ thống — developer, nhà cung cấp model, hay quy trình sản xuất?
Tuần này có ba sự kiện riêng biệt nhưng chạm đúng một nỗi đau chung của ai đang xây hệ thống có AI tham gia: làm sao kiểm soát ngữ cảnh, tri thức và chất lượng đầu ra khi vai trò của con người trong vòng lặp ngày càng bị thu hẹp. GitHub hướng dẫn cách "dạy" Copilot về codebase của bạn. Anthropic công bố biện pháp chống distillation attack. Và Epic Games — theo Ars Technica — chuyển hẳn sang mô hình phát triển game "AI first". Cả ba đều đáng đọc ở góc độ kiến trúc, không chỉ ở góc độ tin tức.
Copilot app cho người mới bắt đầu: dạy AI hiểu codebase của bạn
Bài viết trên GitHub Blog giới thiệu ba lớp cấu hình để Copilot hiểu dự án của bạn: custom instructions và skills đặt trong repository, custom agents, và kết nối MCP servers — ví dụ điển hình là Playwright để agent tự thao tác với trình duyệt khi kiểm thử.
Điểm đáng chú ý về mặt kiến trúc: đây thực chất là việc đưa ngữ cảnh dự án thành artifact có version control, nằm cùng code thay vì nằm trong đầu mỗi developer hay trong tài liệu rời rạc. Khi instructions và skills được commit vào repo, chúng đi qua code review, có lịch sử thay đổi, và mọi thành viên trong team dùng chung một "bộ não" trợ lý AI. Điều này giải quyết một vấn đề thật: hai người dùng cùng Copilot trên cùng một codebase thường nhận được hướng dẫn code style khác nhau vì mỗi người cấu hình riêng.
MCP là mảnh ghép quan trọng nhất ở đây. Khi agent có thể gọi Playwright để mở trình duyệt, click nút, đọc kết quả — bạn đã chuyển từ "AI gợi ý code" sang "AI tự xác minh code mình viết chạy được hay không". Đó là một bước dịch chuyển về trách nhiệm kiểm thử, và cũng là một bề mặt tấn công mới cần được kiểm soát quyền truy cập cẩn thận.
Giá trị thực tiễn
- Nếu dự án của bạn chưa có file instructions trong repo, hãy bắt đầu bằng cách ghi lại các quy ước quan trọng nhất: cấu trúc thư mục, pattern xử lý lỗi, quy tắc đặt tên. Đầu tư vài giờ ban đầu sẽ tiết kiệm hàng chục lần chỉnh sửa output AI về sau.
- Thử kết nối một MCP server hữu ích nhất với stack của bạn — Playwright cho web app là lựa chọn hợp lý để agent tự chạy smoke test sau mỗi thay đổi.
- Review file instructions như review code: những gì AI "biết" về dự án cũng là một phần của codebase và cần được duy trì.
Anthropic gia cố hàng rào chống distillation attack
Anthropic tuyên bố trong vài tháng qua đã giảm đáng kể hiệu quả của các distillation attack nhắm vào Claude, với chi tiết kỹ thuật đăng trên trang nghiên cứu của họ. Distillation ở ngữ cảnh này là hành vi một bên khác dùng output của Claude để huấn luyện model cạnh tranh — khai thác tri thức đã đầu tư mà không chịu chi phí huấn luyện gốc.
Góc nhìn kiến trúc đáng suy ngẫm: đây là bài toán bảo vệ giá trị của model, tương tự cách doanh nghiệp bảo vệ dữ liệu sở hữu trí tuệ. Với những ai đang xây sản phẩm trên API của các nhà cung cấp model, thông điệp ngầm rất rõ — các nhà cung cấp ngày càng chủ động bảo vệ boundary giữa "sử dụng" và "trích xuất". Nếu kiến trúc sản phẩm của bạn phụ thuộc vào việc lấy output của model lớn để fine-tune model riêng, đây là rủi ro pháp lý và vận hành cần được đánh giá trong thiết kế từ đầu, thay vì để thành nợ kỹ thuật phát hiện muộn.
Giá trị thực tiễn
- Kiểm tra lại điều khoản dịch vụ của nhà cung cấp model mà dự án đang dùng, đặc biệt các điều khoản về huấn luyện trên output — nhiều team bỏ qua bước này.
- Nếu chiến lược của bạn là distillation hợp lệ (qua API được phép, qua synthetic data có giấy phép), hãy chuẩn hóa quy trình và lưu vết để chứng minh nguồn gốc dữ liệu khi cần.
- Đọc bài nghiên cứu gốc của Anthropic để hiểu các kỹ thuật phòng thủ — chúng gợi ý những gì các nhà cung cấp khác cũng sẽ áp dụng trong thời gian tới.
Epic Games và mô hình phát triển "AI first"
Theo Ars Technica, Epic Games đang chuyển sang mô hình phát triển game "AI first", với thông điệp gây tranh cãi: "không còn code viết tay" và không có art không dùng AI cho tựa game Marvel/Star Wars hợp tác với Disney — dự án đã bị trì hoãn. Đây là tin đáng đọc nhất ở góc độ quản trị rủi ro kiến trúc.
Vấn đề không phải là AI có viết code được hay không — mà là mô hình "không code tay" tạo ra những vòng phản hồi nào. Khi toàn bộ pipeline phụ thuộc vào sinh-tự động, chất lượng phụ thuộc hoàn toàn vào chất lượng ngữ cảnh đầu vào và khả năng xác minh đầu ra. Trong game — nơi hiệu năng, cảm giác điều khiển, và tính nhất quán của art pipeline là sống còn — việc loại bỏ hoàn toàn vòng viết tay và chỉnh tay đồng nghĩa với việc đẩy mọi rủi ro xuống lớp xác minh. Nếu lớp xác minh cũng tự động hóa, bạn có một hệ thống tự tham chiếu không có ground truth bên ngoài. Dự án bị trì hoãn trong tin này chính là tín hiệu thực nghiệm cho thấy chi phí ẩn của mô hình đó.
Bài học cho các team nhỏ hơn: "AI first" hợp lý khi có lớp xác minh nhanh, rẻ, khách quan (unit test, contract test, benchmark định lượng). Với những sản phẩm mà tiêu chí chất lượng khó đo tự động — cảm giác chơi game, thẩm mỹ, narrative — cần giữ lại vòng con người có chủ đích, không phải vì hoài nghi AI, mà vì thiếu hàm đánh giá đáng tin.
Giá trị thực tiễn
- Trước khi tăng tỷ trọng AI trong pipeline, hãy tự hỏi: hàm xác minh của tôi có đo được chất lượng cuối cùng không? Nếu không, đầu tư vào test và metric trước khi đầu tư vào sinh code.
- Đặt ngưỡng rõ ràng về phần nào do AI sinh và phần nào bắt buộc review tay — ghi vào quy ước team thay vì để mặc định trôi.
- Đọc bài gốc của Ars Technica để theo dõi diễn biến của dự án Epic–Disney; nó sẽ là case study có giá trị bất kể thành bại.
Điểm chung: ngữ cảnh và xác minh quyết định tất cả
Ba tin, một bài học kiến trúc: giá trị của AI trong quy trình phát triển không nằm ở model, mà ở chất lượng ngữ cảnh bạn cung cấp (Copilot instructions, skills, MCP) và chất lượng hàm xác minh bạn xây dựng (bài học từ Epic). Anthropic thì nhắc nhở rằng ranh giới sở hữu tri thức giữa các hệ thống AI đang được vẽ lại — và kiến trúc của bạn nên được thiết kế để không phụ thuộc vào những ranh giới dễ thay đổi đó.
Việc nên thử ngay tuần này: thêm một file custom instructions vào repo đang làm và kết nối một MCP server hữu ích cho stack của bạn. Rủi ro cần phòng tránh: đừng lặp lại sai lầm của mô hình "không code tay" — tăng tỷ trọng sinh tự động mà không tăng tương ứng đầu tư vào kiểm thử tự động và vòng review của con người. Đó là đường ngắn nhất đến một hệ thống mà không ai còn hiểu nó hoạt động thế nào.