Phần mềm mở rộng trong kỷ nguyên LLM: Khi người dùng có thể "điêu khắc" công cụ của riêng mình

Hầu hết phần mềm web hiện nay đều "tĩnh": nhà phát triển chỉ tập trung vào các tính năng phục vụ số đông người dùng, bỏ lại một "đuôi dài" (long-tail) những nhu cầu rất riêng của từng cá nhân. Với sự trỗi dậy của trợ lý lập trình bằng AI, khoảng trống này đang dần được lấp đầy khi người dùng không còn chỉ là người tiêu dùng thụ động mà có thể trực tiếp "nói" với máy để tạo ra những ứng dụng, tiện ích vừa vặn với quy trình làm việc của mình.

Triết lý này đang mở ra một mô hình phần mềm mới: phần mềm mở rộng (extensible software), nơi một lõi ứng dụng được trau chuốt kỹ lưỡng có thể được hàng triệu người dùng "mọc thêm" các nhánh chức năng do chính họ yêu cầu AI sinh ra, thay vì chờ đợi nhà phát triển cập nhật phiên bản tiếp theo.

Phần mềm đã trở nên "mềm dẻo" hơn

Một trong những quan sát thú vị nhất của bài viết là khái niệm "Software for One" - phần mềm được thiết kế riêng cho một người. Pete Koomen của Y Combinator gọi đây là cơ hội cho "Small Software". Thay vì phức tạp như phần mềm doanh nghiệp, các ứng dụng cá nhân này linh hoạt, tập trung vào một quy trình cụ thể và có thể chia sẻ như một tài liệu Google Docs.

Ví dụ điển hình là cách ứng dụng AI như Pi hay Deepseek cho phép người dùng mở rộng giao diện chỉ bằng yêu cầu bằng ngôn ngữ tự nhiên. Thay vì cố nhồi nhét mọi tính năng vào lõi ứng dụng, chúng cung cấp các "điểm móc" (hooks) ổn định cho công cụ, lệnh, sự kiện và giao diện người dùng. Người dùng có thể thêm một "người bạn cá voi" hay một trò chơi rắn săn mồi vào giao diện chỉ bằng một câu nhắc, và hệ thống sẽ tự động "ép" ra một tiện ích mở rộng TypeScript nhỏ rồi tải vào ứng dụng.

Bốn lĩnh vực "khát" khả năng mở rộng

Dưới đây là những nơi tác giả Jeremy Morrell tin rằng cách tiếp cận này sẽ tạo ra khác biệt lớn:

• AI Agents: Các trợ lý AI hiện tại thường dành cho lập trình viên. Nhưng kế toán, bác sĩ, luật sư cũng cần những công cụ AI được may đo theo nghiệp vụ riêng của họ. Họ không cần trở thành lập trình viên, mà cần phần mềm vừa vặn với công việc của mình một cách an toàn.
• Nền tảng nội bộ doanh nghiệp: Các công ty có rất nhiều dữ liệu nội bộ. Nhân viên muốn tự tạo các công cụ truy vấn, phân tích, cảnh báo sớm khách hàng rời bỏ. Thay vì tạo ra hàng trăm ứng dụng "vibe code" không được kiểm soát, một nền tảng an toàn cho phép họ viết mã hoặc tự động hóa trong một môi trường đã được tuân thủ bảo mật (GDPR, phân quyền dữ liệu) là điều cần thiết.
• Nền tảng hỗ trợ khách hàng: Hãy tưởng tượng một nhân viên hỗ trợ có thể thêm các nút chức năng như "đặt lại hạn mức X" hoặc khởi chạy một tác tử AI để điều tra sơ bộ trước khi xem ticket. Chia sẻ các tiện ích này cho cả đội là một lợi thế lớn.
• Nền tảng quan sát (Observability): Các công cụ giám sát hiện tại thường "đóng băng" một số biểu đồ như trace waterfall. Người dùng muốn tự vẽ các trực quan hóa riêng hoặc chạy các đoạn mã tùy chỉnh khi triển khai, khi cảnh báo, hoặc chuyển đổi dữ liệu khi thu thập.

Minh họa nhu cầu đuôi dài trong phần mềm bản đồ

Nhu cầu của người dùng không chỉ dừng lại ở "top của đường cong nhu cầu", mà có một "đuôi dài" rất lớn và khác biệt cho từng người.

Mở rộng trên web: Khó hơn bạn tưởng

Việc đưa khả năng mở rộng lên web là một thách thức lớn về bảo mật. Không giống như ứng dụng ghi chú cá nhân (như Obsidian) nơi bạn có thể chấp nhận rủi ro khi cài plugin, phần mềm web xử lý dữ liệu của người khác (hồ sơ khách hàng, giao dịch tài chính, tin nhắn riêng tư) đòi hỏi một tiêu chuẩn an toàn hoàn toàn khác.

Các vấn đề tiềm ẩn bao gồm:

• Lỗi hoặc vòng lặp vô hạn trong mã người dùng không được làm sập dịch vụ.
• Mã độc có thể đánh cắp khóa API và gửi dữ liệu ra ngoài.
• Ngăn chặn tấn công từ chối dịch vụ (DoS) hoặc khai thác để đào tiền mã hóa.
• Và rất nhiều vấn đề phức tạp khác.

Tuy nhiên, có một ví dụ đã chứng minh điều này khả thi ở quy mô khổng lồ: Salesforce. Ra mắt từ năm 2007, Salesforce là một nền tảng lập trình đa đối tượng thuê (multi-tenant), cho phép khách hàng chạy mã logic tùy chỉnh (ngôn ngữ Apex) ngay trong giao dịch của họ. Đó chính là tiền thân của serverless hiện đại.

Yêu cầu cho một "nguyên thủy" mới

Để xây dựng phần mềm mở rộng an toàn trên web, chúng ta cần một primitive (nguyên thủy) với các tính chất sau:

• Rẻ: Chi phí tiến hành một tác vụ phải ở mức phân số của một xu, và gần như bằng 0 khi không được sử dụng. Không thể chạy một container riêng cho mỗi người dùng.
• Khởi động nhanh: Thời gian khởi động lạnh (cold start) nên được tính bằng mili giây, đặc biệt nếu mã người dùng nằm trong chuỗi xử lý của một request.
• Giới hạn tài nguyên: Có thể kiểm soát CPU, bộ nhớ, số lượng request, kích thước log, v.v. để chống lại việc lạm dụng.
• Cô lập vững chắc: Phân lập cả về lỗi và bảo mật. Mã độc không được phép truy cập vào tenant khác, kể cả qua các cuộc tấn công kiểu Spectre.
• Cho phép tương tác thế giới thực một cách an toàn: Thay vì cung cấp fetch thô sơ (có thể bị lợi dụng), hãy trao cho mã không tin cậy các capability (năng lực) hẹp.

Mô hình "capability" này hoạt động như sau: thay vì đưa cho mã một khóa API có thể đọc toàn bộ hộp thư, hãy đưa cho họ một hàm getEmailById(id) chỉ có thể lấy một email cụ thể. Nếu không có "capability" để gửi dữ liệu ra ngoài, mã độc gần như không có cách nào đánh cắp thông tin.

Công nghệ nào phù hợp?

Bài viết điểm qua các lựa chọn chính:

• Trình thông dịch nhúng: Lua, QuickJS... đơn giản nhưng có thể hạn chế về hiệu năng.
• V8 Isolates: Tận dụng sức mạnh bảo mật của engine JavaScript V8 (Google đã chi rất nhiều tiền để bảo mật). Đây là nền tảng của Cloudflare Workers.
• MicroVM: Như Firecracker, cung cấp khả năng cô lập mạnh mẽ, khởi động nhanh, phù hợp cho các tác vụ nặng, nhưng chi phí trên mỗi yêu cầu cao hơn.
• WASM + WASI: Bắt đầu từ một "trang giấy trắng" an toàn, chip khả năng do host định nghĩa. Rất linh hoạt, nhưng toolchain phức tạp.

Dynamic Workers: Nền tảng để xây "nền tảng"

Tác giả dành sự chú ý đặc biệt cho Dynamic Workers của Cloudflare, mô tả nó như một "viên gạch" lý tưởng để xây dựng các ứng dụng mở rộng. Bên cạnh các tính năng cơ bản như V8 Isolates, nó còn được tích hợp sẵn những thứ mà các giải pháp khác phải tự xây:

• Quan sát (Observability): Trace OpenTelemetry được cài sẵn.
• Lưu trữ dữ liệu đa đối tượng: Mỗi người dùng có thể có một SQLite hoặc R2 bucket riêng.
• Thực thi bền bỉ (Durable Execution): Chạy các quy trình dài, có retry.
• Quản lý mã nguồn: Tích hợp version control ngay trong sản phẩm.
• LLM được lưu trữ: Trao cho phần mở rộng khả năng gọi mô hình AI một cách có kiểm soát ngân sách token.

Hình ảnh minh họa về hệ thống quan sát và mở rộng

Các nền tảng quan sát là một ứng cử viên sáng giá cho mô hình "lõi vững chắc + phần mở rộng do người dùng tạo ra".

Tác giả đã tự tay biến blog tĩnh của mình thành một "nền tảng vibe-coding nhỏ nhất thế giới" để chứng minh khái niệm. Anh cũng tạo ra các bản demo về một trình nhận dữ liệu (scraper) mà người dùng có thể viết lại logic xử lý cho phù hợp với nhu cầu của mình.

Kết luận: Vất vả nhưng xứng đáng

Jeremy Morrell kết luận rằng việc biến ứng dụng thành một nền tảng là điều "khó thiết kế, khó vận hành, khó gỡ lỗi", đặc biệt khi phải hỗ trợ lâu dài cho các API đã công bố. Tuy nhiên, đây là một hướng đi đầy hứa hẹn, cho phép người dùng sáng tạo không giới hạn, vượt xa những gì đội ngũ phát triển ban đầu có thể tưởng tượng.

"Platforms are hard, but it's worth it" - Nền tảng rất khó, nhưng đáng để làm. Với sự trợ giúp của LLM, rào cản để mỗi người dùng trở thành một "lập trình viên" cho chính mình đang giảm xuống nhanh chóng, và ranh giới giữa người dùng và nhà phát triển sẽ ngày càng mờ nhạt.

"Nếu chúng ta muốn nhiều người sử dụng các tác tử AI hơn, điều đó không có nghĩa là biến họ thành kỹ sư phần mềm. Mà là làm cho phần mềm phù hợp với nhu cầu của họ."