2h sáng. Laptop của tôi vẫn sáng.

Tôi — sinh viên năm cuối — đang vật lộn với đồ án tốt nghiệp kiêm job intern, gõ code lặng thầm giữa deadline dồn dập. Tin đồn xung quanh: “Agent AI sẽ làm thay tất cả!”. Căn phòng trọ rộng thênh, tiếng quạt máy vang đều, cốc cà phê nguội lạnh bên bàn. Không khí căng như sợi dây đàn.

Tim tôi thình thịch. Làm sao trụ được hết học kỳ cuối khi ai cũng hoang mang rằng AI sắp thay thế mình?

1. Điểm nghẽn và góc khuất thực tế

Sinh viên và intern hay rơi vào cùng một cái bẫy: tin rằng ChatGPT hay Claude sẽ viết code ngon lành thay mình, nên lập tức phó thác thay vì hiểu nền tảng. Có người chỉ học lý thuyết suông — đọc sách, nghe giảng, coi như thế là đủ — để rồi hoảng loạn ngay khi gặp lỗi thực tế. Có người copy-paste code trên mạng, chỉnh sửa qua loa một hai chỗ rồi nộp cho xong, chẳng buồn debug hay hiểu nó chạy ra sao. Cả ba kiểu này đều là công việc không bền, vì AI không phải phép màu — nó chỉ là công cụ.

Ngay cả các ông lớn cũng không xem AI agent là thứ tự vận hành. GitLab 18.5 giới thiệu Security Analyst Agent tự động phân loại lỗ hổng và Planner Agent tự động quản lý backlog, nhưng cả hai vẫn cần kỹ sư dựng “chiếc giá” xung quanh — cấu hình, quy trình duyệt, ngữ cảnh dự án. Agent AI tốt nhưng không linh hoạt tuyệt đối, đôi khi vẫn sai như con người. Quan trọng là mình dùng nó thế nào, không phải nó thay được bao nhiêu phần trăm công việc.

2. Tự tay thử nghiệm

Tay gõ trên laptop với cửa sổ terminal hiển thị các lệnh agent CLI đang chạy vào repo thật

Tôi quyết định “xuống bùn” tự mình thử. Môi trường: Windows 11 (build 19045) với WSL2 Ubuntu 22.04, 4GB RAM, Python 3.11, VSCode 1.89.2, Docker 23.0. CLI là vũ khí chính — không GUI bóng bẩy.

Ba agent CLI mã nguồn mở tôi thực sự chạy được, không phải hàng bịa:

Aider — pair-programming trong terminal, tự động commit từng thay đổi vào Git:

python -m pip install aider-install
aider-install

cd duong-dan/den/du-an
aider --model sonnet --api-key anthropic=<your-key>

OpenAI Codex CLI — agent terminal mã nguồn mở của OpenAI, viết bằng Rust, chạy trong sandbox cách ly mạng:

npm install -g @openai/codex
codex auth login
codex --auto-edit "Explain this codebase and suggest improvements"

Gemini CLI — agent mã nguồn mở của Google, chạy vòng lặp ReAct (reason + act) với tool có sẵn và MCP server:

npx @google/gemini-cli

Cả ba đều thực thi được tác vụ thật, nhưng không tự vận hành trơn tru nếu thiếu kiến thức nền. Để agent chạy ổn định, tôi vẫn phải tự viết công cụ nhỏ — shell script, parser đọc log — cho những hệ thống nội bộ thiếu API chuẩn, vốn rất phổ biến ở thị trường Việt Nam. Khi agent chạy lệnh trên môi trường thật, lỗi vẫn xuất hiện: thiếu quyền, thiếu thư viện, lỗi compile. Đó là lúc tôi phải tự giải quyết, không ai làm hộ.

Tóm lại, agent không tự “ăn hành” thay ta. Ngay cả GitLab Duo Agent Platform cũng mới chỉ cho phép chạy on-premise, trong hạ tầng an toàn riêng của công ty. Agent chỉ mạnh khi người dùng hiểu rõ hệ thống mình đang vận hành nó trên đó.

3. Đúc kết

Thị trường lạc quan thì xem agent là trợ thủ, bi quan thì xem nó là mối đe dọa. Sự thật nằm giữa. Cách duy nhất để biết là tự thử: lấy một project nhỏ, gắn Aider hoặc Codex CLI vào làm reviewer trong pipeline CI/CD, để nó fail rồi tự debug — chỉ khi sai mới học nhanh. Mỗi lần AI đưa gợi ý sai, ghi chú lại: nó là trợ lý gợi ý, còn kiểm chứng cuối cùng vẫn là tay mình.

Nếu bạn còn đang phân vân, cứ cài thử một trong ba agent trên, trỏ vào repo của bạn, đọc tài liệu gốc và chạy lệnh thật. Nỗi sợ bị thay thế sẽ giảm dần theo từng lỗi bạn tự sửa được.

Nguồn: tổng hợp từ tài liệu chính thức của OpenAI (github.com/openai/codex), Google (github.com/google-gemini/gemini-cli), Aider (aider.chat) và GitLab (about.gitlab.com), kết hợp trải nghiệm thực tế của tác giả.