5 bài viết được gắn thẻ "Coding Agent"

Trong vài năm qua, ChatGPT đã trở thành nơi nhiều người bắt đầu suy nghĩ: hỏi nhanh, phân tích vấn đề, viết tài liệu, thiết kế hệ thống. Nhưng khi bước sang phần thực thi, nhất là viết code, nhiều người lại mở công cụ khác như Claude Code, Cursor, OpenClaw, Hermes hoặc một coding agent trong terminal.

Nói ngắn gọn: ý tưởng nằm ở ChatGPT, còn phần làm thật lại nằm ở nơi khác. Người dùng phải copy bối cảnh, chuyển công cụ, giải thích lại yêu cầu, rồi tự nối phần suy nghĩ với phần thực thi. Release mới của OpenAI đáng chú ý vì nó xử lý đúng điểm đứt đó.

OpenAI công bố desktop app mới của ChatGPT gộp Chat, Work và Codex vào cùng một ứng dụng: Chat cho hỏi đáp, Work cho nghiên cứu hoặc tạo đầu ra hoàn chỉnh, Codex cho phát triển phần mềm. Codex app cũng được đưa vào ChatGPT desktop app mới, kèm các năng lực như chỉnh sửa trực tiếp trong diff, review pull request ở side panel, computer use nhanh hơn và hỗ trợ nhiều repository trong một project. Nguồn: OpenAI release notes, OpenAI announcement, migration guidance.

Nex AGI vừa công bố Nex-N2-Pro, một model agentic open-source mới nhắm thẳng vào nhóm use case đang nóng nhất hiện nay: coding agent, tool use, terminal execution và các workflow dài hơi có feedback từ môi trường thật.

Điểm gây chú ý không phải chỉ là "thêm một model LLM mới", mà là bảng benchmark được công bố: Nex-N2-Pro đạt 80.8 trên SWE-Bench Verified, 75.3 trên Terminal-Bench 2.1, 58.8 trên SWE-Bench Pro, 83.7 trên BrowseComp và 90.7 trên GPQA Diamond. Nếu các con số này được kiểm chứng độc lập, đây là một trong những model open-source đáng theo dõi nhất cho agentic coding trong năm nay.

Coding agent đang bước vào giai đoạn mà chi phí không chỉ nằm ở model nào rẻ hơn, mà ở việc agent nhìn thấy bao nhiêu thứ không cần thiết. Một lần pytest dài, một git diff quá rộng, một log Kubernetes ồn ào, một file CLAUDE.md phình dần qua nhiều tháng — tất cả đều biến thành input tokens, rồi tiếp tục bị kéo theo ở các vòng sau.

Vì vậy, vài tháng gần đây xuất hiện một lớp công cụ mới: không thay model, không thay IDE, mà đứng giữa agent và context để cắt bớt token. Bài này tập trung vào đúng nhóm đó: Headroom, RTK, LeanCTX và Caveman.

Tóm tắt giải pháp: nếu agent tốn token vì test/log/git output, bắt đầu với RTK. Nếu agent đọc file quá rộng trong repo lớn, thử LeanCTX hoặc jCodeMunch. Nếu workflow có nhiều RAG/API/log/multi-agent context, nghiên cứu Headroom. Nếu agent dài dòng, dùng Caveman. Và luôn nhớ: với security audit, repo không tin cậy, hoặc lỗi khó debug, hãy quay về raw output.

Antigravity 2.0 có gói miễn phí. Antigravity Awesome Skills có hơn 1.400 Agent Skill được cộng đồng gần 40.000 sao đóng góp. Gộp hai thứ này lại, bạn có một đội ngũ chuyên gia AI đa lĩnh vực — chi phí 0 đồng.

Không phải nói quá đâu. Đây là cách tận dụng hạ tầng có sẵn để làm việc thông minh hơn.

Google vừa có một cú "lột xác" đáng gờm với Antigravity. Nếu phiên bản 1.0 ra mắt tháng 11/2025 chỉ là một IDE hỗ trợ viết mã bằng AI, thì Antigravity 2.0 là cả một hệ sinh thái phát triển xoay quanh điều phối đa tác nhân (multi-agent orchestration). Đây không còn là một công cụ — mà là một nền tảng.

Điều đáng chú ý: Google đã dùng chính Antigravity để đồng phát triển Gemini 3.5 Flash — mô hình mặc định của nền tảng này. "Ăn cơm nhà nấu" ở cấp độ cao nhất.