Có nên đọc code? RAG đã chết? Skills có giết chết MCP?

Trong tập mới nhất của GitHub Podcast, các chuyên gia đã cùng nhau mổ xẻ những câu hỏi đang gây tranh cãi nhất trong cộng đồng AI hiện nay. Từ việc có nên đọc code do AI tạo ra, cho đến tương lai của RAG và cuộc cạnh tranh giữa Skills với MCP, buổi thảo luận mang đến nhiều góc nhìn thẳng thắn dành cho những ai đang làm việc với các công cụ AI lập trình.

Có nên đọc code do AI sinh ra?

Một trong những câu hỏi lớn nhất được đặt ra là: khi AI ngày càng viết được nhiều code hơn, liệu lập trình viên có còn cần phải đọc kỹ từng dòng code mà nó tạo ra?

Có hai luồng quan điểm trái chiều:

• Phe ủng hộ đọc kỹ: Cho rằng việc hiểu rõ code là cách duy nhất để đảm bảo chất lượng, bảo mật và khả năng bảo trì lâu dài. Nếu không đọc, bạn đang đặt niềm tin mù quáng vào một hệ thống có thể mắc lỗi.
• Phe thực dụng: Lập luận rằng khi tốc độ sinh code tăng vọt, việc đọc lại toàn bộ là không khả thi. Thay vào đó, nên tập trung vào kiểm thử tự động, review ở mức kiến trúc, và các công cụ đảm bảo chất lượng.

Điểm mấu chốt không nằm ở việc đọc hay không đọc, mà là bạn có cách nào khác để chịu trách nhiệm với code mình đưa vào sản phẩm hay không.

Với lập trình viên Việt Nam, đặc biệt là các bạn mới vào nghề, việc đọc code vẫn là cách học nhanh nhất để hiểu hệ thống. Tuy nhiên, khi làm việc trong các dự án lớn, kỹ năng đặt câu hỏi đúng chỗ và viết test tốt có thể quan trọng hơn việc đọc từng dòng.

RAG đã chết?

RAG (Retrieval-Augmented Generation) từng là kỹ thuật chủ lực để đưa dữ liệu riêng của doanh nghiệp vào các mô hình ngôn ngữ lớn. Nhưng khi cửa sổ ngữ cảnh (context window) của các mô hình ngày càng mở rộng và chi phí giảm dần, nhiều người bắt đầu đặt câu hỏi liệu RAG có còn cần thiết.

Các lập luận chính:

• RAG vẫn sống: Cửa sổ ngữ cảnh dù lớn đến đâu vẫn có giới hạn, chi phí xử lý toàn bộ tài liệu mỗi lần gọi vẫn cao, và độ chính xác suy giảm khi nhồi quá nhiều thông tin.
• RAG đang tiến hóa: Thay vì biến mất, RAG đang kết hợp với các kỹ thuật mới như truy vấn lai (hybrid search), reranking, và định tuyến thông minh để phù hợp hơn với từng loại truy vấn.

Thực tế tại Việt Nam, các doanh nghiệp đang xây dựng trợ lý AI nội bộ vẫn phụ thuộc rất nhiều vào RAG để truy xuất tài liệu, quy trình và dữ liệu khách hàng. Việc bỏ hoàn toàn RAG trong ngắn hạn là chưa khả thi.

Skills có giết chết MCP?

MCP (Model Context Protocol) do Anthropic khởi xướng nhanh chóng trở thành tiêu chuẩn để kết nối mô hình AI với công cụ và dữ liệu bên ngoài. Nhưng sự xuất hiện của Skills — các gói khả năng được đóng gói sẵn cho tác tử AI — đặt ra câu hỏi liệu hai hướng tiếp cận này có triệt tiêu nhau.

Sự khác biệt cơ bản:

• MCP tập trung vào giao thức kết nối, giúp mô hình gọi được các dịch vụ, cơ sở dữ liệu hay API bên ngoài theo cách chuẩn hóa.
• Skills tập trung vào đóng gói quy trình, giúp tác tử thực hiện một tác vụ cụ thể theo các bước đã được định nghĩa sẵn.

Thay vì thay thế nhau, nhiều người cho rằng hai hướng này bổ trợ cho nhau: MCP mở rộng khả năng truy cập, còn Skills giúp tác tử biết cách vận hành hiệu quả trong phạm vi đó.

Câu hỏi đúng có lẽ không phải là "cái nào sẽ thắng", mà là "khi nào dùng cái nào".

Ý nghĩa với lập trình viên Việt Nam

Những tranh luận này không chỉ là chủ đề học thuật. Với cộng đồng lập trình viên Việt Nam — nơi ngày càng nhiều đội nhóm tích hợp AI vào quy trình phát triển — việc hiểu rõ ranh giới giữa các công nghệ này sẽ giúp:

• Chọn đúng công cụ cho từng bài toán thay vì chạy theo xu hướng.
• Xây dựng quy trình review code phù hợp khi AI tham gia viết code.
• Thiết kế hệ thống AI nội bộ vừa tiết kiệm chi phí, vừa đảm bảo độ chính xác.

Điều đáng chú ý là GitHub Podcast lần này được dẫn dắt bởi một Senior Developer Experience Advocate của GitHub — người không chỉ chia sẻ góc nhìn kỹ thuật mà còn đúc kết từ hàng loạt buổi workshop, hội thảo và tương tác cộng đồng. Chính những trải nghiệm thực tế đó khiến các câu hỏi như "có nên đọc code" hay "RAG có chết" trở nên gần gũi và thiết thực hơn bao giờ hết.