Pair programming: yêu hay ghét?
Một góc nhìn cân bằng về pair programming: khi nào nó giúp giải problem khó, onboarding, giảm risk và chia sẻ hiểu biết, khi nào nó trở nên mệt, và cách dùng pairing có chủ đích thay vì như một nghi thức.
Viết từ việc làm phần mềm và dẫn team: kiến trúc, AI trong công việc kỹ thuật hằng ngày, và cách một team thật sự ship. Có bài ngắn, có bài hướng dẫn dài. Chuyện nghề và chuyện đời tôi để riêng bên Ghi chép.
Một góc nhìn cân bằng về pair programming: khi nào nó giúp giải problem khó, onboarding, giảm risk và chia sẻ hiểu biết, khi nào nó trở nên mệt, và cách dùng pairing có chủ đích thay vì như một nghi thức.
Một bài giải thích thực tế về caching: cache giúp ở đâu, cache-aside, read-through, write-through, TTL và invalidation khác nhau thế nào, và vì sao stale data, cache stampede, key design cùng observability quan trọng không kém tốc độ.
Một hướng dẫn bình tĩnh về managing up với non-technical leadership: chuyển technical work thành risk, option, impact, timing và decision mà không giấu complexity cũng không nói từ trên xuống.
Một góc nhìn thực tế về AI agent bên ngoài hype: điều gì thay đổi khi model có thể dùng tool, đi theo workflow, nhớ context, xin approval và tạo ra work có thể audit, cùng những chỗ human judgment vẫn phải giữ vai trò chính.
Một bài reflection về vì sao side project có ý nghĩa mà không biến nó thành áp lực hustle: thử nghiệm nhỏ, learning loop, quyền sở hữu sáng tạo, tín hiệu nghề nghiệp và sự tự tin lặng lẽ khi tự build một thứ từ đầu đến cuối.
Một bài nhìn thực tế về feature flag: cách chúng tách deploy khỏi release, hỗ trợ rollout từ từ và kill switch, đồng thời những việc team phải làm để tránh flag debt, hidden complexity và observability yếu.
Một bài giải thích thực tế về database sharding: điều gì thay đổi khi một database được chia thành nhiều partition nhỏ hơn, khi nào sharding đáng với chi phí vận hành, và vì sao shard key, hotspot, rebalancing cùng observability rất quan trọng.
Một bài reflection bình tĩnh về performance review giúp con người trưởng thành: dùng evidence, expectation, calibration, feedback và follow-through mà không biến review thành một bất ngờ hoặc nghi thức hình thức.
Một bài viết thực tế về data privacy khi làm việc với AI: prompt, document, log, retrieval, training và evaluation tạo thêm những đường đi dữ liệu mới ra sao, và team có thể dùng AI thế nào trong khi vẫn giữ rõ consent, minimization, access và retention.