Tin nổi bật
Claude Code daily driver: 3-tier setup .claude/ mà Boris Cherny dùng, skill thắng command, CLAUDE.md cascade theo monorepo · 7 phút
https://arps18.github.io/posts/claude-code-mastery/
Bài tổng hợp của Aravind từ talk Boris Cherny (Anthropic) cùng patterns thực tế: nguyên tắc số 1 — cho Claude cách tự verify công việc (test, lint, browser screenshot) đem lại 2-3x chất lượng theo Boris, vì nếu không bạn là feedback loop duy nhất. Mental model layered config: .claude/ trong repo (commit, share team) + ~/.claude/ toàn cục (mô tả bạn). Hai chi tiết hay bị bỏ qua: CLAUDE.md cascade trong monorepo — root/CLAUDE.md và root/services/billing/CLAUDE.md đều load khi làm việc trong billing, lý tưởng cho repo có convention khác nhau theo folder; rules/*.md path-gated — guidance cho migrations folder không nên ở CLAUDE.md (bloat mọi session) mà thuộc .claude/rules/migrations.md với glob. Skills (skills/<name>/SKILL.md) thắng commands vì support file phụ trợ, disable-model-invocation, allowed tools, agent override — new work nên vào skills/. Cat Wu (Claude Code team): “model perform tốt nhất khi bạn treat như engineer delegate, không phải pair programmer hướng dẫn line-by-line.” Tip ẩn: khi Claude mắc lỗi, kết prompt bằng “Update CLAUDE.md để bạn không lặp lại” — Boris gọi Claude “eerily good at writing rules for itself” từ chính failure. Action tuần này: audit CLAUDE.md của repo lớn nhất, hỏi từng dòng “nếu xoá có khiến Claude mắc lỗi không?” — không thì cắt.
Models & Tools
PostHog tự train model trên dữ liệu session replay — bài kiểm thử “in-house model thay API” đầu tiên ở scale tool dev · 4 phút https://posthog.com/blog/training-ai-models
PostHog announce kế hoạch train model trên data của họ với hai mục tiêu: làm existing AI feature (installation wizard, PostHog AI, MCP) smarter; build sản phẩm mới như PostHog Code. Focus đầu tiên là session replay analysis — PostHog AI hiện đã detect được issue trong replay nhưng “expensive và không scale tốt”, model train trên data nền tảng replay sẽ rẻ hơn ở scale. Idea thứ hai: synthetic user testing dùng kiến thức về user pattern để tự test sản phẩm. Đây là tín hiệu sớm cho trend lớn hơn — sau khi Cursor, Replit, Codeium đều ship custom model năm 2025, các SaaS dev-tool tier dưới đang bắt đầu tính rằng inference cost (HBM-driven, đã 63% chi phí chip AI theo Epoch tuần trước) khiến API margin biến mất ở scale nhất định. Nếu bạn vận hành SaaS có domain data lớn, câu hỏi 6-12 tháng tới không còn là “API nào rẻ nhất” mà là “ở volume nào thì train model nội bộ rẻ hơn?”
Research & Insights
FuzzingBrain V2: multi-agent LLM tự reproduce CVE qua OSS-Fuzz — fuzzer-reproducible mọi vuln, không còn false positive “hypothetical” · 5 phút https://arxiv.org/abs/2605.21779
Paper presenting multi-agent system fix 3 vấn đề lớn của LLM vuln discovery: (1) false positive rate cao do report không reproducible, (2) granularity sai — function-level bỏ sót khi context dài, line-level thiếu context, (3) khó reason về vuln có cross-function dependency phức tạp. 4 đóng góp chính: full automation built on Google OSS-Fuzz đảm bảo mọi vuln được report đều fuzzer-reproducible (kết liễu category “AI nói có bug nhưng không trigger được”); Suspicious Point — abstraction control-flow-based cho localization ở granularity tối ưu; logic-driven hierarchical function analysis với dual-layer fuzzing tăng coverage dưới ràng buộc tài nguyên; MCP-based static + dynamic analysis tool với context engineering cho complex vuln reasoning. Test trên AIxCC 2025 Final Competition C/C++ dataset. Đây là tiến hoá tiếp theo của chuỗi Claude/Mythos tìm CVE thật trong macOS kernel (tinAI #109): từ “tìm được bug” → “reproduce được bug tự động” — bước đứng giữa report và patch, vốn là phần con người vẫn phải làm thủ công. Team nào đang scan internal codebase nên xem template OSS-Fuzz integration: thay vì để LLM emit text “có thể có bug ở đây”, buộc nó emit fuzzer harness chạy được.
Ecosystem & Policy
YouTube đưa label AI lên video player — disclosure bắt buộc cho content photorealistic, áp dụng từ hôm nay · 2 phút https://blog.youtube/news-and-events/improving-ai-labels-viewers-creators/
YouTube đổi vị trí label disclosure cho AI-altered/AI-generated content: long-form label hiển thị ngay dưới player (trên description), Shorts label overlay trực tiếp lên video. Đây là single label format cho mọi content photorealistic hoặc altered meaningfully. Content “unrealistic, animated, or slightly altered” giữ ở expanded description. Bước này hợp nhất với policy YouTube từ 2024 yêu cầu creator tự khai báo. Ý nghĩa thực tế: pipeline tạo content video bằng Sora/Veo/Runway giờ phải bake disclosure vào workflow ngay từ đầu — nếu bạn ship video tool cho creator, button “mark as AI-altered” cần là default, không phải opt-in. Đáng theo dõi: YouTube chưa nói gì về detection tự động (label hiện vẫn dựa vào creator khai báo), nhưng việc đưa label lên main stage là tín hiệu rằng họ đang prep cho phase auto-detect — và khi detection sai, creator sẽ là người gánh.
— tinAI