Agentic Coding
Lập trình theo hướng agent là quy trình phát triển phần mềm trong đó AI agent đọc codebase, chỉnh sửa tệp, chạy kiểm thử, sửa lỗi và gửi lại thay đổi để review.
Lập trình agentic là quá trình phát triển phần mềm trong đó một agent lập trình AI thực hiện tác vụ lập trình từ đầu đến cuối: đọc mã liên quan, lên kế hoạch thay đổi, chỉnh sửa file, chạy lệnh và kiểm thử, sửa lỗi phát sinh, rồi bàn giao commit hoặc pull request để review. Nhà phát triển mô tả tác vụ và đánh giá kết quả thay vì tự gõ từng dòng. Các agent lập trình được sử dụng rộng rãi gồm Claude Code của Anthropic, Codex của OpenAI, agent lập trình của GitHub Copilot, chế độ agent của Cursor và các agent mã nguồn mở như OpenHands; phần lớn được vận hành bằng model suy luận được huấn luyện để xử lý chuỗi lệnh gọi công cụ dài.
Cách agent lập trình hoạt động#
Agent lập trình là một AI agent có các công cụ chính là công cụ của nhà phát triển: tìm kiếm và đọc file, chỉnh sửa file, shell để build và kiểm thử, kiểm soát phiên bản, đôi khi cả trình duyệt. Khung thực thi agent chạy một vòng lặp trong đó mô hình ngôn ngữ lớn (LLM) đọc tác vụ, kiểm tra file, đề xuất chỉnh sửa hoặc lệnh, đọc đầu ra rồi chọn bước tiếp theo. Thiết kế công cụ cũng rất quan trọng: SWE-agent của Princeton giải quyết 12,5% vấn đề SWE-bench năm 2024, vượt xa các phương pháp không tương tác trước đó, chủ yếu nhờ cung cấp cho model các lệnh gọn được thiết kế để xem, tìm kiếm và chỉnh sửa mã; nhóm tác giả gọi cách tiếp cận này là giao diện agent-máy tính.
Repository hướng dẫn agent bằng các file chỉ dẫn như AGENTS.md, định dạng mở ghi lại lệnh build, lệnh kiểm thử và quy ước lập trình, hiện do Agentic AI Foundation quản lý; cùng với kỹ năng agent để tải quy trình riêng cho từng tác vụ theo yêu cầu và máy chủ Model Context Protocol (MCP) kết nối trình theo dõi issue, cơ sở dữ liệu và tài liệu. Agent chạy tương tác trong terminal hoặc IDE, hoặc trong sandbox đám mây nơi nhiều tác vụ diễn ra song song và mỗi tác vụ kết thúc bằng một pull request. Agent dẫn dắt cũng có thể giao việc tìm kiếm, chạy kiểm thử hoặc review cho các agent con với cửa sổ ngữ cảnh riêng, một dạng điều phối AI agent. Vì repository, dependency hoặc trang web có thể chứa prompt injection, agent lập trình thực thi lệnh bên trong sandbox agent và hỏi trước khi đẩy mã, xóa file hoặc kết nối máy chủ mới.
Lập trình agentic so với các phương pháp liên quan#
- Hoàn thành mã: Đề xuất các dòng tiếp theo khi nhà phát triển đang nhập, như GitHub Copilot đã làm khi ra mắt năm 2021. Nhà phát triển vẫn tự viết và chạy chương trình, đồng ý hoặc từ chối từng đề xuất.
- Trợ lý chat: Chatbot trả lời câu hỏi lập trình bằng các đoạn mã để nhà phát triển tự sao chép, chạy và gỡ lỗi.
- Lập trình theo cảm hứng (vibe coding): Cụm từ Andrej Karpathy đặt ra vào tháng 2 năm 2025 để chỉ việc xây dựng phần mềm bằng cách viết prompt và chấp nhận mã do AI tạo ra mà không đọc mã. Thuật ngữ này mô tả cách một người sử dụng đầu ra; còn lập trình agentic trong các nhóm chuyên nghiệp thường vẫn có code review, kiểm thử và tích hợp liên tục trong quy trình.
Lập trình agentic trong thị giác máy tính#
Công việc vận hành machine learning (MLOps) phù hợp với agent lập trình vì mỗi bước đều kết thúc bằng một kết quả có thể kiểm tra: dataset được chuyển đổi và xác thực, một lần chạy training khởi động và ghi metric, model đã export được tải lên và trả về các dự đoán giống nhau. Agent được yêu cầu fine-tune detector có thể tạo YAML cho dataset, chạy training, đọc metric validation rồi đề xuất thí nghiệm tiếp theo. Ultralytics Agent Skills cung cấp quy trình này cho Claude Code, Codex, Cursor, Gemini CLI và các agent tương thích khác dưới dạng skill điều phối yolo, cùng các skill chọn model, quản lý dataset, training, tuning, inference và export; ngoài ra còn có skill platform-cli để điều khiển training trên cloud và deployment của Ultralytics Platform thông qua dòng lệnh ul cloud. Sau đó, yêu cầu như "export model YOLO đã training của tôi sang TensorRT với lượng tử hóa INT8 rồi benchmark" sẽ làm theo quy trình export và benchmark được các skill tài liệu hóa; các skill cũng yêu cầu agent tin vào đầu ra yolo checks và yolo cfg của package đã cài đặt khi hai nguồn không thống nhất.
Đánh giá agent lập trình#
SWE-bench, được giới thiệu vào tháng 10 năm 2023, là benchmark tiêu chuẩn cho lập trình bằng agent: gồm 2.294 issue GitHub thực tế từ 12 repository Python phổ biến; mỗi issue được chấm dựa trên việc bản vá của agent có giúp vượt qua các bài kiểm thử của dự án hay không. Model tốt nhất khi phát hành, Claude 2, giải quyết được 1,96% số issue. SWE-bench Verified của OpenAI, tập con gồm 500 tác vụ được kỹ sư xác nhận là có thể giải quyết, trở thành phiên bản được báo cáo nhiều nhất; đến cuối năm 2025, các agent tốt nhất giải quyết được khoảng 80% tập này. Các bộ khó hơn như Terminal-Bench kiểm tra công việc trên dòng lệnh, còn các nhóm tự bổ sung đánh giá agent trên repository nội bộ. Năng suất thực tế được đo riêng: trong nghiên cứu ngẫu nhiên có đối chứng với các developer mã nguồn mở giàu kinh nghiệm của METR, 16 developer thực hiện 246 tác vụ trên các dự án trưởng thành mà họ đã quen thuộc vào đầu năm 2025 mất nhiều hơn 19% thời gian khi được phép dùng công cụ AI, chủ yếu là Cursor với Claude 3.5 và 3.7 Sonnet; dù vậy, sau đó họ ước tính các công cụ đã giúp mình nhanh hơn 20%.










