Late: AI Coding Agent Zero-Config Cho Mọi LLM

Late Là Gì?

Late là một AI coding agent chạy dòng lệnh, đóng gói thành một binary Go biên dịch tĩnh duy nhất, không cần Python hay Node.js. Một orchestrator chính lập kế hoạch trong system prompt khoảng 1.000 token, rồi sinh ra các subagent tạm thời — một loại coding, một loại research — làm việc rồi bị huỷ sau đó, nên context của chúng không bao giờ lọt vào orchestrator. Mặc định Late nhắm tới llama.cpp local, hoặc DeepSeek và Claude qua biến môi trường.

Giải Quyết Vấn Đề Suy Giảm Context Của LLM

Phần lớn CLI coding agent chạy mọi thứ — lập kế hoạch, sửa code, log lint, ghi file — qua chung một context window. Cách README mô tả khá thẳng thắn: mỗi lỗi compile và lỗi lint đều dồn vào KV cache, và khi context đầy nhiễu, khả năng suy luận của chính model bị suy giảm, dù nhìn bề ngoài giống như model kém đi. Cách Late giải quyết là về kiến trúc chứ không phải context window lớn hơn hay prompt thông minh hơn: nó áp một ranh giới cứng giữa orchestrator lo lập kế hoạch và các subagent lo thực thi, để nhiễu mà một subagent tạo ra khi sửa lỗi lint không bao giờ trở thành thứ orchestrator phải suy luận trên đó.

Tính Năng Cốt Lõi Và Kiến Trúc

• ✓Tách orchestrator/subagent: một orchestrator chính giữ system prompt luôn ở trạng thái lập kế hoạch, khoảng 1.000 token, và sinh ra các subagent coding và research tạm thời, bị huỷ ngay sau khi trả kết quả về, theo README.
• ✓Diff khớp chính xác (exact-match diffs): việc sửa code đi qua các block search/replace nghiêm ngặt với cơ chế tự retry khi không khớp, nên một bản sửa lỗi sẽ báo lỗi rõ ràng thay vì âm thầm làm hỏng file.
• ✓Hỗ trợ LLM local zero-config: Late nhắm tới llama.cpp ở port 8080 (port mặc định của llama-server) ngay từ đầu, không cần cấu hình gì thêm.
• ✓Kết nối cloud provider: chỉ cần đặt các biến môi trường OPENAI_BASE_URL, OPENAI_API_KEY, và OPENAI_MODEL để trỏ Late tới DeepSeek, Claude, GPT, Kimi, GLM, hoặc OpenRouter.
• ✓Hybrid model routing: README mô tả việc lập kế hoạch bằng một reasoning model lớn hơn (ví dụ trong README: GPT 5.6, Kimi K3, GLM 5.2), trong khi các subagent thực thi bằng một model local nhanh, rẻ hơn (ví dụ: Gemma 4).
• ✓Tích hợp MCP và Agent Skills: các MCP server bên ngoài được map vào Late qua standard I/O, và Agent Skills của bên thứ ba mở rộng Late mà không cần cấu hình thêm, theo README.
• ✓Tìm kiếm nhận biết context, tự động tôn trọng .gitignore và .llmignore, để các file không liên quan không làm tràn context window.
• ✓Trust scope theo kiểu human-in-the-loop: lệnh chỉ đọc được tự động duyệt, lệnh làm thay đổi dữ liệu buộc phải dừng lại chờ xác nhận [y/N], và README mô tả các trust scope Session, Project, và Global với cơ chế TTL decay.

Quickstart: Cài Đặt Late

Late cài đặt như một binary biên dịch tĩnh duy nhất, không cần Python virtual environment hay Node.js, theo README. Trên Linux hoặc macOS, cách qua Homebrew của README là `brew tap mlhher/late && brew install late`. Cách dự phòng chung cho Linux, macOS, và Windows WSL là `curl -sfL https://raw.githubusercontent.com/mlhher/late-cli/main/install.sh | bash`. Người dùng Arch Linux có thể chạy `yay -S late-cli-bin`, còn binary Windows native được liệt kê ở trang GitHub Releases của dự án. Sau khi cài xong, chỉ cần `cd` vào thư mục project rồi chạy `late` để khởi động — không cần bước cấu hình nào trước lần chạy đầu tiên đó.

Cấu Hình Và Chạy Late

Mặc định, Late tìm một `llama-server` local ở port 8080 và không cần cấu hình gì để bắt đầu chạy với nó, theo README. Để trỏ Late sang một cloud provider, bạn export ba biến môi trường tương thích OpenAI trước khi chạy: `OPENAI_BASE_URL`, `OPENAI_API_KEY`, và `OPENAI_MODEL`, mà README nói hoạt động được với DeepSeek, Claude, GPT, Kimi, GLM, hoặc OpenRouter. README để việc lưu lại các cấu hình này, thiết lập MCP server, Agent Skills, dùng Git worktree, và keybinding cho một tài liệu quickstart riêng ở `docs/quickstart.md`, nên cú pháp cụ thể cho các phần đó không nằm trong dữ kiện có ở đây.

Ứng Dụng Thực Tế Và Workflow

• •Chạy một coding agent hoàn toàn trên model local qua llama.cpp, cho những ai muốn giữ code và prompt không đi qua API cloud.
• •Tách lập kế hoạch khỏi thực thi để tiết kiệm chi phí: ví dụ hybrid-routing trong README dùng một model lớn hơn như GPT 5.6, Kimi K3, hoặc GLM 5.2 để lập kế hoạch, và một model local nhỏ hơn như Gemma 4 để thực thi các bản sửa mà subagent tạo ra.
• •Làm việc trên nhiều branch cùng lúc nhờ Git worktree, chạy các instance agent độc lập mà không để context của branch này lẫn sang branch khác.
• •Tiếp tục một phiên agent dài sau khi đóng terminal hoặc reboot máy, vì orchestrator lưu lịch sử session trên đĩa chứ không chỉ trong bộ nhớ.
• •Gắn thêm các MCP server có sẵn hoặc Agent Skills của bên thứ ba để mở rộng khả năng của agent trong Late mà không cần cấu hình thêm, theo README.

So Sánh Late Với Các Agent Khác

Câu Hỏi Thường Gặp

Ai nên dùng — và ai nên bỏ qua

Hãy thử Late nếu bạn đã chạy model local qua llama.cpp và muốn một agent coi context là tài nguyên khan hiếm — cách tách orchestrator/subagent và đường zero-config local được xây đúng cho kiểu workflow đó, còn việc chỉ có một binary Go duy nhất nghĩa là không phải cài đặt dependency trước. Late cũng đáng thử nếu bạn đang trả tiền theo token cho một model cloud và muốn kiểm tra xem việc loại nhiễu khỏi context window có giảm hoá đơn hay không, vì chính bình luận Reddit được README trích dẫn nói rằng cùng một model cảm giác thông minh hơn khi dùng Late. Bỏ qua nếu bạn cần một công cụ trưởng thành, được dùng rộng rãi, có hệ sinh thái plugin lớn và lịch sử lâu dài — Late là dự án với điều khoản không phải một open-source license chuẩn, và các so sánh với Claude Code, Codex, OpenCode đến từ chính README chứ không phải một benchmark độc lập.

Repo liên quan