Hola, I’m Hieu, a Software Engineer

Rào cản để thử một AI coding agent trước đây là một cái API key và một cái thẻ tín dụng. OpenCode gỡ cả hai: gateway Zen của nó cho bạn chọn model hosted và dùng ngay, không mất tiền, không cần key. Nghĩa là lý do cuối cùng để chưa học cách làm việc với agentic coding đã biến mất. Nhưng cũng nghĩa là sắp có rất nhiều người chĩa một model miễn phí vào repo riêng tư mà chưa kịp nghĩ chuyện đó kéo theo cái gì. Cả hai điều đều đáng coi trọng. Dưới đây là tier free thật sự tốt cho việc gì, nó lấy của bạn cái gì bằng một loại tiền tệ không phải tiền, và cách sắp xếp công việc để bạn không phải trả tiền cho một model frontier chỉ để đổi tên biến. ”Miễn phí” ở đây nghĩa là gì Có ba thứ khác nhau bị gộp chung dưới một chữ, và giới hạn của chúng khác nhau: Công cụ thì miễn phí. Bản thân OpenCode là mã nguồn mở. Không giới hạn ở phía client, không license theo ghế, không đo đếm. Cắm API key riêng của bạn từ bất kỳ nhà cung cấp nào thì nó hoạt động như mọi agent harness khác. Model hosted ...

Bảo model tạo ảnh vẽ “một cái poster”, bạn sẽ nhận về một tấm ảnh có hình dạng poster: hình ở trên, chữ ở dưới, hai bên tranh nhau sự chú ý, chẳng có gì gắn chúng lại với nhau. Nó nhìn ra ngay là do AI sinh vì bố cục chung chung, chứ không phải vì chất lượng render kém. Cách sửa không phải là đổi model xịn hơn. Mà là đưa cho model một hệ bố cục thay vì một chủ đề. Dưới đây là hai hệ cho ra kết quả nhìn như có art director thật. Cả hai đều kèm template điền chỗ trống. Cả hai đều chạy được trên mọi model tạo ảnh hiện tại có nhận prompt dài — Nano Banana, Midjourney, Seedream, GPT Image, Flux. Vì sao chỉ dẫn bố cục ăn đứt tính từ mô tả phong cách Đa số prompt làm poster là một đống tính từ: tối giản, thanh lịch, cao cấp, chuyên nghiệp, đoạt giải . Mấy từ đó đẩy model về phía trung bình cộng của tất cả những gì được gắn nhãn như vậy trong dữ liệu huấn luyện. Mà trung bình chính là thứ bạn đang muốn thoát khỏi. Chỉ dẫn bố cục thì khác. “Vùng thông tin phía dưới chiếm 25–40% chiều cao”...

Sau nửa năm, setup AI của phần lớn mọi người trông giống hệt nhau: mười một con trợ lý tự tạo nhớ mang máng, một nghĩa địa tab trình duyệt, và cảm giác lấn cấn rằng cái mình mò ra hồi tháng Ba đang nằm đâu đó trong một cuộc chat không bao giờ tìm lại được. Tạo agent là phần dễ. Nền tảng nào — Grok Bot, custom GPT, Claude Projects — cũng làm được trong hai phút. Thứ phân biệt một setup hữu ích với một mớ bừa bộn không phải là số lượng agent. Mà là chúng có dùng chung bối cảnh không, có báo cáo công việc không, và có chạy được khi bạn không ngồi đó không. Chín thói quen dưới đây đưa bạn tới đó. Mình viết theo hướng không phụ thuộc nền tảng, vì mô hình này sống lâu hơn công cụ bạn đang xài năm nay. Phần 1 — Dạy hệ thống hiểu bạn là ai 1. Phỏng vấn chính mình trước Một đội ngũ agent chỉ tốt bằng mức nó hiểu tình hình của bạn. Mà phần lớn mọi người không bao giờ viết cái đó ra, vì nó chán và vì mình đã biết rồi. Vậy thì để AI moi nó ra. Tạo một skill hoặc prompt lưu sẵn với nhiệm vụ d...

Gần đây có một bài tóm tắt “khoa học đằng sau prompt engineering” được chia sẻ rất nhiều, dựa trên năm kết quả nghiên cứu. Danh sách ý tưởng thì hay. Nhưng mấy con số đi kèm lại thuộc kiểu được copy từ bài này sang bài khác mà không ai mở paper gốc ra coi. Nên mình mở ra coi. Hai trong năm tuyên bố là đúng. Ba cái còn lại thì không — ít nhất là không đúng theo cách đang được lan truyền. Có một trường hợp nghiên cứu thật còn cho kết quả ngược lại với lời khuyên. Không phải vì vậy mà vứt cả danh sách đi. Phần lời khuyên nền tảng phần lớn vẫn hợp lý. Nhưng nếu bạn định thay đổi cách làm việc dựa trên một nghiên cứu, thì nên biết đó là nghiên cứu nào và nó thật sự đo cái gì. Dưới đây là từng tuyên bố, phần nào mình kiểm chứng được, và mình sẽ làm gì với nó. Tóm tắt nhanh Tuyên bố Kết luận Câu hỏi mớm đáp án sẽ đẩy model theo hướng bạn đã ngụ ý ✅ Đúng ”Think step by step” giờ thua một role ngắn (IBM, 430.000 lượt đánh giá) ❌ Không tìm được nghiên cứu — và ...

The barrier to trying an AI coding agent used to be an API key and a credit card. OpenCode removed both: its Zen gateway ships hosted models you can select and start using immediately, at no cost and with no key. Which means the last excuse for not learning how agentic coding works is gone. It also means a lot of people are about to point a free model at a private repository without thinking about what that involves. Both things are worth taking seriously. Here’s what the free tier is actually good for, what it costs you in a currency that isn’t money, and how to structure your work so you’re not paying for a frontier model to rename variables. What “free” means here Three separate things get bundled under the word, and they have different limits: The tool is free. OpenCode itself is open source. There’s no cap on the client, no seat licence, no metering. Bring your own API key from any provider and it behaves like any other agent harness. The hosted models are free with a quot...

Ask an image model for “a poster” and you get a poster-shaped image: picture on top, text at the bottom, both fighting for the same attention, nothing holding them together. It reads as generated because the composition is generic, not because the rendering is bad. The fix isn’t a better model. It’s giving the model a layout system instead of a subject. Below are two systems that reliably produce work that looks art-directed. Both come with fill-in templates. Both work in any current image model that accepts long prompts — Nano Banana, Midjourney, Seedream, GPT Image, Flux. Why layout instructions beat style adjectives Most poster prompts are a pile of adjectives: minimalist, elegant, high-end, professional, award-winning . Those words push the model toward the average of everything tagged that way in training. Average is exactly what you’re trying to escape. Layout instructions are different. “The bottom information zone occupies 25–40% of the height” is a constraint the model ...