Vài tuần một lần, ai đó gửi cho tôi một newsletter với tiêu đề kiểu như “Tất cả những gì bạn cần biết về AI năm 2026.” Tôi luôn đọc. Và luôn có chút thất vọng nhẹ. Không phải vì nội dung tệ — thường thì không — mà vì lĩnh vực này biến động nhanh hơn bất kỳ tổng hợp hàng tháng nào có thể nắm bắt.

Simon Willison nhận ra điều này từ sớm. Đồng tác giả của Django và founder của Datasette đã viết công khai về AI từ trước khi hầu hết engineering team có AI strategy. Blog của ông, simonwillison.net, đã âm thầm trở thành tài liệu bắt buộc phải đọc trong nhiều tổ chức engineering ở Silicon Valley. Ông làm được điều này không phải vì thông minh hơn mọi người. Ông làm được bằng một hệ thống.

Bài viết này phân tích hệ thống đó, những gì tôi đã adapt từ nó, và cách áp dụng cụ thể nếu bạn là Tech Lead viết cả tiếng Việt lẫn tiếng Anh.

Insight Cốt Lõi: Bạn Viết Để Tư Duy, Không Phải Để Publish

Hầu hết mọi người nghĩ viết blog hay ghi chú là một hình thức publishing — bạn học được điều gì, viết lại, chia sẻ. Willison đảo ngược điều này. Viết là cách ông xử lý và ghi nhớ những gì ông tiếp cận. Artifact được publish là sản phẩm phụ, không phải mục tiêu.

Nghe có vẻ là một reframe nhỏ. Nhưng nó thay đổi mọi thứ trong cách bạn tiếp cận việc học.

Khi publishing là mục tiêu, bạn chờ đến khi hiểu đủ rõ để giải thích một cách có thẩm quyền. Ngưỡng đó cao, nghĩa là bạn hiếm khi viết và chỉ viết về những thứ bạn đã biết sâu. Lĩnh vực tiếp tục tiến trong khi bạn chờ đợi.

Khi xử lý là mục tiêu, bạn viết ngay khi gặp điều gì thú vị, dù chỉ mới hiểu một nửa. Hành động viết buộc bạn xác định chính xác những gì bạn đã hiểu và chỗ nào hiểu chưa đến. Bạn publish cái gap, không chỉ cái mastery. Người đọc đang ở cùng giai đoạn học thấy điều đó hữu ích hơn nhiều so với một tutorial bóng bẩy được viết bởi người đã học xong sáu tháng trước.

Willison gọi các micro-post của mình là mục “TIL” — “Today I Learned” (Hôm Nay Tôi Học Được). Một TIL không phải là essay. Đó là một đến hai đoạn văn nắm bắt đúng một điều: ông tìm thấy gì, tìm ở đâu, điều gì làm ông ngạc nhiên, và điều gì ông vẫn chưa biết. Ông publish chúng hàng ngày. Không phải vì mỗi ngày đều có khám phá sâu sắc, mà vì kỷ luật tìm kiếm những khoảnh khắc xứng đáng viết TIL khiến ông chú ý khác đi.

Năm Thói Quen

1. Ghi chú TIL hàng ngày — dù bạn nghĩ nó tầm thường

Ngưỡng để viết TIL rất thấp. “Tôi không biết bạn có thể làm X” là một entry hoàn chỉnh. Willison đã publish các TIL về git flags, Python tricks, và API quirk chỉ mất ba mươi giây để viết. Giá trị không phải ở bất kỳ entry đơn lẻ nào; đó là kho lưu trữ có thể tìm kiếm với 800+ entries tích lũy theo năm và trở thành thư viện tham khảo cá nhân.

Dành cho Tech Lead: bắt đầu một Obsidian vault riêng với một thư mục til/. Đặt ngày cho mỗi file. Viết một đoạn. Publish có chọn lọc; các bản nháp không cần đi đâu cho đến khi bạn muốn.

2. Tổng hợp hàng tuần — định dạng newsletter-for-yourself

Mỗi tuần, Willison viết một bài dài hơn tổng hợp những gì ông đã đọc và thử nghiệm. Điều này khác TIL: nó kết nối các điểm qua nhiều khám phá và cố gắng diễn đạt ý nghĩa tổng thể của chúng. Việc tổng hợp buộc ông thực sự xử lý cả tuần thay vì chỉ scroll qua.

Định dạng đơn giản: hai hoặc ba quan sát từ việc đọc trong tuần, với một câu “vậy thì sao” ở cuối mỗi phần. Kỷ luật tìm câu “vậy thì sao” chính là nơi việc học thực sự diễn ra. Nếu bạn không thể phát biểu hàm ý của thứ bạn đã đọc, bạn thực sự chưa hiểu nó.

3. Public experimentation log — commit và notebook như là viết lách

GitHub của Willison rất active. Ông không chỉ viết về công cụ; ông xây các thí nghiệm nhỏ, viết lại những gì tìm được, và link đến code. Điều này quan trọng với Tech Lead vì đây là hình thức học tập có độ tin cậy cao nhất: “Tôi đã chạy thí nghiệm này, đây là những gì xảy ra” về cơ bản khác “Tôi đã đọc rằng đây là cách nó hoạt động.”

Code không cần phải tốt. Các thí nghiệm có thể tầm thường. Một Jupyter notebook kiểm tra liệu function calling của GPT-4o có hoạt động khác nhau với một versus ba example hay không là một thí nghiệm hợp lệ đáng ghi lại.

4. Dạy để học: giải thích cho team của bạn

Willison thuyết trình rất nhiều. Tháng 2/2026 ông nói tại The Pragmatic Summit về “Engineering practices that make coding agents work.” Talk đó không dựa trên lý thuyết — nó được xây dựng từ các thí nghiệm và TIL entries ông đã viết trong nhiều tháng. Việc chuẩn bị cho talk gần như đã xong vì ông đã viết công khai.

Đối với Tech Lead, analog là cuộc họp team. Nếu bạn đang làm ghi chú TIL và tổng hợp hàng tuần, bạn có tài liệu cho một slot “những gì tôi đang học về AI” mười lăm phút trong architecture review tiếp theo. Hành động chuẩn bị để giải thích cho team chính là nơi bạn khám phá những gì bạn thực sự tin và những gì bạn vẫn còn không chắc.

5. Curated RSS thay vì mạng xã hội

Willison đọc blog qua RSS, không phải mạng xã hội. Đây là có chủ ý. RSS bất đồng bộ, không tối ưu hóa cho nội dung phẫn nộ hay viral, và cho phép ông subscribe trực tiếp với những người ông thấy hữu ích nhất theo thời gian thay vì với bất cứ ai algorithm đang đề xuất hôm nay.

Danh sách đọc của ông bao gồm hỗn hợp các practitioner blog (người đang làm AI engineering thực tế), researcher blog (người publish findings), và một vài tech observer chung. Mạng xã hội được scan nhanh hàng ngày cho các announcement, không phải để học.

Những Gì Ông Học Được Về Coding Agent (Và Ý Nghĩa Với Team Của Bạn)

Năm 2026, Willison publish guide “Agentic Engineering Patterns” của mình — bản distillation rõ ràng nhất tôi từng thấy về những gì thực sự hiệu quả khi sử dụng các công cụ như Claude Code trong bối cảnh engineering chuyên nghiệp. Sự phân biệt quan trọng của ông:

“Agentic Engineering đại diện cho đầu kia của thang điểm so với vibe coding: các software engineer chuyên nghiệp sử dụng coding agent để cải thiện và đẩy nhanh công việc bằng cách khuếch đại expertise hiện có của họ.”

Hai quan sát từ guide đó quan trọng với Tech Lead:

Thứ nhất, kỹ năng then chốt về phía trước là thiết kế loop, không phải tinh chỉnh prompt. Khi bạn đủ rõ ràng về success criteria để có thể viết script kiểm tra chúng, bạn đã sẵn sàng giao task cho agent. Nếu chưa rõ ràng, không có lượng tinh chỉnh prompt nào sẽ sửa được điều đó.

Thứ hai, an toàn đòi hỏi sandboxing. Willison rất rõ ràng: chạy agent trong isolation (GitHub Codespaces, Docker container) với network access bị hạn chế. Đây không chỉ về bảo mật khỏi mối đe dọa bên ngoài — đó là về việc ngăn agent thực hiện các thay đổi không thể đảo ngược với infrastructure trong khi bạn không theo dõi.

Cả hai quan sát này đều đến từ các thí nghiệm ông đã chạy, viết về, và publish trước khi biến chúng thành guidance. Phương pháp tạo ra insight.

Đòn Bẩy Tiếng Việt + Tiếng Anh

Đây là điều đặc thù trong bối cảnh của bạn như một kỹ sư người Việt: thói quen viết mang lại cho bạn lợi thế compounding trong cả hai cộng đồng ngôn ngữ, nhưng bạn cần phải có chủ ý về nó.

Trong tiếng Việt: cộng đồng viết về AI engineering bằng tiếng Việt vẫn còn mỏng. Có những technical writer giỏi, nhưng gần như không ai publish ở cấp độ synthesis và thí nghiệm gốc mà Willison làm bằng tiếng Anh. Nếu bạn viết nhất quán bằng tiếng Việt về những gì bạn đang thực sự làm và học, bạn trở thành một trong những tiếng nói hiểu biết nhất trong cộng đồng địa phương trong vòng mười hai đến mười tám tháng.

Trong tiếng Anh: viết tiếng Anh của bạn chứng minh hai điều đồng thời — chiều sâu kỹ thuật và khả năng truyền đạt nó một cách chính xác. Đối với Tech Lead APAC, đó là điểm khác biệt trong bất kỳ cuộc trò chuyện toàn cầu, đơn xin việc, hay đề xuất conference nào.

Cách tiếp cận thực tế: viết bằng tiếng Việt trước. Tiếng Việt là ngôn ngữ tư duy bản ngữ của bạn; bạn sẽ nhanh hơn và chính xác hơn. Sau đó dịch sang tiếng Anh, điều này cũng buộc bạn kiểm tra xem giải thích của mình có hợp lý với người không có context cụ thể của bạn không. Bước dịch là công việc biên tập, không chỉ là chuyển đổi.

Tech stack hoạt động tốt:

  • Obsidian cho ghi chú hàng ngày riêng tư và bản nháp TIL. Dùng plugin Daily Notes cho file tự động theo ngày. Giữ thư mục til/ và thư mục weekly/. Đừng lo lắng về tổ chức cho đến khi vault có 200+ ghi chú.
  • Blog công khai của bạn cho các bài synthesis — những bài kết nối nhiều TIL và có “vậy thì sao” rõ ràng. Không phải mọi TIL đều cần public; lọc những cái bạn thấy điều gì đó counterintuitive hoặc mà bạn muốn tìm khi bạn đang học nó.
  • GitHub cho experiment log. Một repository tên ai-experiments với một thư mục cho mỗi thí nghiệm là đủ. README của mỗi thư mục là bài viết của bạn.

Bắt Đầu Đơn Giản

Sai lầm là bắt đầu với một hệ thống. Willison không xây dựng thói quen TIL bằng cách thiết kế nó; ông bắt đầu bằng cách viết xuống một điều ông đã học, rồi thêm một điều nữa. Hệ thống xuất hiện từ thói quen.

Bắt đầu ở đây: ngày mai, sau khi bạn đã đọc điều gì đó về AI làm bạn ngạc nhiên hoặc bạn không biết, viết một đoạn về nó. Đặt tiêu đề với ngày. Lưu ở nơi bạn có thể tìm lại. Đó là toàn bộ hệ thống cho tuần đầu tiên.

Sự compounding xảy ra khi bạn nhìn lại thư mục với 50 TIL entries ba tháng sau và nhận ra bạn thực sự có thể tổng hợp chúng — vì bạn đã viết chúng xuống thay vì để chúng scroll qua.

Lĩnh vực AI thực sự khó để duy trì current. Nhưng “khó để duy trì current” không có nghĩa là chiến lược duy nhất là tiêu thụ nhiều hơn, nhanh hơn. Phương pháp của Willison nói: tiêu thụ chậm hơn, với cây bút trong tay. Những người sẽ quan trọng trong AI engineering năm 2027 không phải là người đọc nhiều nhất; họ là người đã suy nghĩ cẩn thận về những gì họ đọc và có thể diễn đạt lý do tại sao nó quan trọng.

Việc diễn đạt đó — bằng tiếng Việt, bằng tiếng Anh, cho team của bạn, cho blog của bạn — là kỹ năng đáng phát triển ngay bây giờ.

Đọc thêm:

Xuất nội dung

Bình luận