AI agent tái cấu trúc 300.000 dòng mã C trong ba tuần, giới chuyên môn vẫn hoài nghi

CodeScene vừa công bố một nghiên cứu điển hình gây chú ý trong cộng đồng lập trình: các coding agent đã tái cấu trúc thành công 300.000 dòng mã C trong vòng ba tuần, với chi phí token chỉ khoảng 4.000 USD. Toàn bộ kết quả được kiểm chứng bằng một hệ thống phát lại (replay harness) ghi lại từng khung hình trong quá trình thực thi.

Điểm đáng chú ý là trong quá trình làm việc, các agent đã tự xây dựng nên một cẩm nang công thức (playbook) gồm những giải pháp đặc thù cho chính codebase đó. Tuy nhiên, giới chuyên môn vẫn tỏ ra thận trọng, đặt câu hỏi về phạm vi thực sự của thành tựu, cách đo lường hiệu quả, cũng như mức độ đóng góp của hệ thống kiểm chứng vào kết quả cuối cùng.

Chuyện gì đã diễn ra?

Theo báo cáo của CodeScene, nhóm nghiên cứu giao cho các AI agent nhiệm vụ tái cấu trúc một dự án C quy mô lớn. Trong suốt ba tuần, các agent liên tục phân tích mã nguồn, đề xuất thay đổi, thực thi và tự kiểm tra kết quả.

Điểm khác biệt so với nhiều thử nghiệm trước đây nằm ở chỗ: các agent không chỉ sửa từng lỗi riêng lẻ, mà dần tích lũy kinh nghiệm và hình thành một bộ quy tắc riêng cho codebase. Bộ quy tắc này giúp chúng xử lý các tình huống lặp lại nhanh hơn và nhất quán hơn.

Toàn bộ quá trình được ghi lại bằng một replay harness — hệ thống cho phép phát lại từng bước thực thi để xác minh rằng kết quả là thật, chứ không phải do may mắn hay thao túng số liệu.

Con số 4.000 USD và 300.000 dòng mã

Hai con số được nhắc đến nhiều nhất là 300.000 dòng mã và 4.000 USD tiền token. Nếu tính đơn giản, chi phí này tương đương khoảng 1,3 xu Mỹ cho mỗi dòng mã được tái cấu trúc — một mức giá khiến nhiều người trong ngành phải chú ý.

Tuy nhiên, đây cũng chính là điểm gây tranh cãi. Một số lập trình viên cho rằng số dòng mã không phải là thước đo chất lượng. Tái cấu trúc có thể chỉ là đổi tên biến, sắp xếp lại hàm hay thay đổi định dạng — những việc tốn ít chất xám nhưng lại tạo ra con số ấn tượng.

"Câu hỏi thật sự không phải là làm được bao nhiêu dòng, mà là chất lượng mã nguồn sau khi tái cấu trúc đã tốt hơn chưa."

Vai trò của hệ thống kiểm chứng

Một trong những lo ngại lớn nhất là mức độ phụ thuộc vào replay harness. Nếu kết quả đúng chỉ vì harness đã được thiết kế riêng cho bài toán này, thì thành tựu khó có thể nhân rộng ra các dự án khác.

Nói cách khác, câu hỏi đặt ra là: liệu đây có phải là minh chứng cho năng lực tổng quát của coding agent, hay chỉ là một thử nghiệm được thiết kế khéo léo để đạt kết quả đẹp?

Điều này có ý nghĩa gì với lập trình viên Việt Nam?

Với cộng đồng công nghệ Việt Nam, nghiên cứu này đáng để theo dõi vì vài lý do:

• Chi phí token ngày càng rẻ: các đội phát triển trong nước có thể cân nhắc dùng agent cho những khối lượng công việc nhàm chán như tái cấu trúc, viết test hay chuyển đổi ngôn ngữ.
• Cẩm nang công thức là hướng đi đáng học hỏi: thay vì dùng agent như công cụ dùng một lần, việc để chúng tích lũy kiến thức riêng cho dự án có thể tạo ra giá trị dài hạn.
• Kiểm chứng vẫn là khâu then chốt: dù agent có giỏi đến đâu, con người vẫn cần hệ thống đánh giá nghiêm ngặt để tránh những thay đổi âm thầm gây hại.

Kết luận

Nghiên cứu của CodeScene là một cột mốc đáng chú ý, cho thấy coding agent đang tiến gần hơn đến những bài toán thực tế quy mô lớn. Nhưng như mọi bước tiến trong lĩnh vực AI, thành tựu này cần được nhìn nhận thận trọng.

Điều quan trọng không nằm ở việc agent làm được bao nhiêu dòng mã trong bao lâu, mà ở chỗ chúng ta có thể tin tưởng và kiểm chứng kết quả đó đến mức nào. Đó vẫn là câu hỏi mở mà cộng đồng kỹ sư phần mềm sẽ còn tranh luận dài.