Engineering the agentic SDLC

Optiver · 2026 · 4. Điều chỉnh · Độ khó: Trung bình — bài gốc

Bối cảnh

• SDLC truyền thống giả định người lái; bước đầu tự nhiên là dùng AI để tăng tốc quy trình cũ. Optiver thử giả định ngược lại: agent làm phần lớn việc, người dẫn hướng và tinh chỉnh. Họ chia khung làm ba tầng: workflow (phát triển, review, test, rollout, vận hành), primitive của agent (context, harness), và nền chung (đo lường, thực thi, điều phối, governance).
• Bài kiểm tra: kết nối sàn mới. Mỗi sàn cần một component quản lý phiên (login, heartbeat, giao tiếp với phần còn lại của stack); việc lặp lại nhưng chi tiết khác nhau mỗi sàn, sai nhỏ về giao thức có thể đắt.

Thay đổi chính

• Agent coding chung chỉ đi được nửa đường: không hiểu component, không điều khiển được công cụ test, không nhìn vào được phần quan trọng của hệ, không biết code của mình sai, nên lấp chỗ trống bằng workaround không nên qua review. Theo Optiver, phần lớn lỗi nằm ở workflow xung quanh chứ không ở model.
• Sửa: viết lại một phần component để bỏ mặc định ngầm vốn thành lỗi runtime; siết spec để thứ tự thao tác không mơ hồ; framework điều phối chạy agent qua từng pha, có cổng kiểm chứng giữa các pha, chỉ bơm context của pha hiện tại.
• Context ba loại: về hệ (component làm gì, ràng buộc), về miền (sàn thật sự phản ứng thế nào, lấy từ traffic thật đã bắt, vì tài liệu sàn chỉ nói có message nào), về cách làm (giải bài này thế nào, test ra sao, thế nào là tốt). Thiếu loại nào thì ra kiểu lỗi khác.
• Lấy quyền tự chấm khỏi agent ("agent sẽ nói nó thành công cả khi chưa"): test ứng dụng dựng từ traffic đã bắt, kịch bản end-to-end trên môi trường không phải production cho kết quả đạt/không đạt, framework kiểm sản phẩm từng pha bằng code. Agent tự do ở phần sáng tạo (giao thức, cài đặt, edge case), bị ràng chặt ở phần tất định (build, test, kịch bản).
• Công cụ nội bộ vốn giả định người ngồi terminal (log viewer tương tác, config theo từng checkout, đặt máy bằng tay) được làm lại thành lệnh không tương tác; "Claude dùng được mà không cần giúp" thành yêu cầu.
• Kết quả theo Optiver: thời gian ra thị trường giảm 75%, công engineering giảm 85%, khoảng 90% output sẵn sàng review.

Vì sao

• Bốn bài học lặp lại: golden path phải được thiết kế (không dựa may rủi); context quyết định kết quả; backpressure giảm phương sai (không có thì lỗi agent cộng dồn); công cụ phải dùng được cho cả agent lẫn người.
• Chọn việc lặp đi lặp lại nên tác động của mỗi cải tiến hiện ra nhanh.

Bài học cho SWE

• Muốn agent làm việc tất định thì biến mỗi bước thành nước đi hiển nhiên hoặc được ghi rõ, và để code kiểm kết quả từng bước.
• Công cụ tốt cho agent (config chuẩn, ít prompt, lệnh đạt/không đạt) thường tốt hơn cho người.
• Bước tiếp của Optiver: tổng quát hoá framework cho việc dài hơi có cấu trúc khác, đầu tư eval, môi trường cách ly, governance (danh tính, audit, policy), giữ người ở review kiến trúc, quyết định rủi ro và miền mới.

Liên quan

• Mercari 2025 · Anthropic 2026 · Shopify 2026 (agent cần cổng và context)
• Coding agent trong engineering (migrate, viết lại, chạy song song, quyền hạn)