AI Coding Dictionary: Giải thích thuật ngữ AI coding dễ hiểu

Tại sao lập trình AI gây bối rối

Từ vựng liên quan đến AI trong lập trình vốn được thiết kế để gây khó hiểu. README tự ghi nhận đây là 'một nền kinh tế, được VC tài trợ, kiếm lời từ việc làm cho việc hiểu biết trở nên khó khăn.' Các thuật ngữ như 'context window', 'inference', 'hallucination' được dùng mà không giải thích, và cùng một từ lại có nghĩa khác nhau tùy người nói. README chỉ ra rằng 'AI' đã từng nghĩa là hệ chuyên gia, deep learning, và large language model ở những thời điểm khác nhau. Không có vốn từ vựng, việc debug hành vi kỳ lạ của model hay đọc hóa đơn token trở thành đoán mò.

Từ điển này bao gồm những gì

AI Coding Dictionary là bảng thuật ngữ dành cho lập trình viên thấy lập trình có hỗ trợ AI thất vọng hoặc khó hiểu. Nó dịch các thuật ngữ như hallucination, context window, inference thành lời giải thích bằng tiếng Việt đời thường, dựa trên cách cơ chế bên dưới thực sự hoạt động. Mỗi mục giải thích cơ chế đằng sau hành vi, kèm ví dụ sử dụng cụ thể cho thấy khi nào cần quan tâm đến khái niệm đó. Không yêu cầu nền tảng machine learning.

Các khái niệm quan trọng được giải thích

• ✓Cơ chế tokens và context windows — tại sao code với identifier không phổ biến tốn context nhiều hơn vẻ bề ngoài
• ✓Phân biệt model và harness — model chỉ dự đoán token tiếp theo một cách stateless; mọi thứ mang tính agentic nằm ở harness bọc ngoài
• ✓Vòng đời training và inference — parameters đóng băng sau training, giải thích tại sao các sửa đổi không được ghi nhớ và kiến thức có ngày cắt đứt
• ✓Tính non-deterministic và hệ quả — cùng prompt, kết quả khác nhau; retry là chiến lược hợp lệ; tại sao kiểm tra tự động quan trọng hơn so với công cụ deterministic
• ✓Cấp độ nỗ lực và khi nào dùng chúng — thấp cho chỉnh sửa cơ học, cao cho bug concurrency và quyết định thiết kế, kèm hướng dẫn chọn mức phù hợp với tác vụ
• ✓Các chế độ thất bại — hallucination, context degradation, và tại sao chúng xảy ra về mặt cơ chế chứ không phải lỗi bí ẩn
• ✓Quản lý handoffs và session — cách context được giữ qua các lượt và tại sao nó suy thoái theo thời gian

Câu hỏi thường gặp

Các lựa chọn khác

Các tình huống sử dụng phù hợp

• •Debug model đưa ra câu trả lời sai một cách tự tin — dictionary giải thích hallucination về mặt cơ chế để bạn ngừng coi đó là khuyết điểm tính cách
• •Đọc hóa đơn token không khớp kỳ vọng — hiểu rằng chi phí tính theo context size chứ không phải số file thay đổi cách bạn cấu trúc prompt
• •Đưa junior developer vào team dùng AI-assisted — gửi họ đọc đây trước khi hỏi 'tại sao nó bỏ qua sửa đổi của tôi?'
• •Chọn model tier giữa session — biết rằng harness làm phần lớn công việc agentic giúp bạn quyết định khi nào model thông minh hơn thực sự cần thiết
• •Hiểu tại sao cùng prompt hoạt động khác nhau mỗi ngày — non-determinism và batching phía provider là có thật, không phải tưởng tượng

Ai nên dùng — và ai nên bỏ qua

Hãy dùng AI Coding Dictionary khi bạn là lập trình viên làm việc với tool dùng LLM nhưng không có nền tảng machine learning — có thể học các thuật ngữ cơ bản trong một buổi chiều và ngừng cảm giác như đang đoán mò. Tài liệu này cũng hữu ích cho tech lead cần thảo luận chính xác về chi phí AI, chế độ thất bại, hay quyết định kiến trúc mà không bị marketing từ vendor làm mờ. Bỏ qua nếu bạn đã hiểu training và inference khác nhau thế nào, token là gì, và tại sao cùng prompt có thể cho kết quả khác — bạn đã vượt qua giai đoạn từ vựng và bước vào workflow. Cũng bỏ qua nếu cần hướng dẫn tích hợp framework cụ thể, vì tài liệu này dạy khái niệm chứ không dạy code.