Mở Rộng Quy Mô Lập Trình Tự Động Chạy Dài

Wilson Lin của Cursor gần đây đã xuất bản "Scaling long-running autonomous coding", một báo cáo thực địa về việc họ có thể đẩy AI agent xa đến đâu ngoài các pull request nhanh. Nhóm đã để cho đội copilot chạy trong nhiều tuần, viết hơn một triệu dòng code và phối hợp các dự án thường yêu cầu toàn bộ tổ chức kỹ thuật. Đây là một tour ngắn gọn về những bài học hữu ích nhất cho các builder.

Giới Hạn Của Agent Đơn Lẻ

Một agent đơn có thể đóng một ticket, nhưng nó nhanh chóng bị đình trệ trong các nỗ lực kéo dài hàng tuần. Cursor phát hiện rằng:

• Độ trễ tích lũy: một agent nối tiếp mọi quyết định, vì vậy các dự án phức tạp bị chậm lại.
• Context trôi dạt: khi yêu cầu thay đổi, agent quên các quyết định trước đó và việc làm lại bùng nổ.
• Sự né tránh rủi ro len lỏi vào: không có trách nhiệm giải trình, các agent nghiêng về các refactor an toàn thay vì công việc kiến trúc phức tạp.

Kết luận của họ: quy mô có nghĩa là tính song song, nhưng việc thêm nhiều agent một cách ngây thơ tạo ra các chế độ thất bại phối hợp hoàn toàn mới.

Phối Hợp Động Không Đủ

Nỗ lực đa agent đầu tiên dựa vào một file trạng thái được chia sẻ và concurrency lạc quan. Các agent sẽ:

1. Kiểm tra những gì người khác đang làm.
2. Lấy một tác vụ với một lock.
3. Cập nhật trạng thái được chia sẻ khi hoàn thành.

Nó trông thanh lịch trên giấy, nhưng thực tế đã cắn lại. Lock trở thành điểm tắc nghẽn, các agent bị lỗi bỏ lại công việc đang dở dang, và không ai sở hữu các vấn đề khó. Với vai trò bình đẳng, các agent tối ưu hóa cho những chiến thắng dễ dàng, để lại hệ thống dao động mà không hoàn thành các luồng chính.

Giới Thiệu Pipeline Planner-Worker

Đột phá đến từ việc giới thiệu chuyên môn hóa:

• Planner liên tục khám phá codebase, chia công việc thành các tác vụ và thậm chí sinh ra các sub-planner cho các khu vực sâu.
• Worker nhận một tác vụ duy nhất, bỏ qua phần còn lại của thế giới và làm việc cho đến khi hoàn thành.
• Judge xác thực tiến độ giữa các chu kỳ và quyết định tiếp tục đẩy hay reset.

Hệ thống phân cấp đơn giản này loại bỏ nhu cầu về locking nặng, trao cho mỗi tác vụ một chủ sở hữu rõ ràng và cho phép hàng trăm worker đóng góp mà không bị va chạm lẫn nhau.

Bằng Chứng Qua Các Lần Chạy Hàng Tuần

Với pipeline đã có, Cursor đã stress-test nó trên các mục tiêu táo bạo:

• Trình duyệt web từ đầu: Gần một tuần công việc agent không gián đoạn tạo ra 1M+ dòng trên 1,000 file.
• Migration Solid ➝ React trong Cursor: Hơn ba tuần, +266K/-193K diff, CI xanh.
• Rust video renderer: Một agent chạy dài hạn tạo ra một path nhanh hơn 25× với chuyển động zoom/pan mượt mà.
• Các bet đang tiếp tục: Một Java LSP (550K LoC), Windows 7 emulator (1.2M LoC) và spreadsheet engine (1.6M LoC) tiếp tục phát triển dưới sự quản lý tự động.

Điểm rút ra không phải là những dự án này đã sẵn sàng production, mà là tính tự trị có thể duy trì nhất quán qua hàng triệu token khi cấu trúc đúng.

Những Gì Lựa Chọn Model Tiết Lộ

Không phải tất cả các model đều hoạt động giống nhau trong các phiên marathon. Cursor báo cáo rằng các biến thể GPT-5.2 duy trì tập trung lâu hơn, tôn trọng hướng dẫn và hoàn thành triển khai đầy đủ hơn. GPT-5.1-Codex nhanh hơn cho các chỉnh sửa local nhưng có xu hướng trả lại quyền kiểm soát sớm. Việc khớp điểm mạnh của model với vai trò (planner vs. worker) tạo ra sự gia tăng đo được về thông lượng.

Prompt Vẫn Quyết Định Mọi Thứ

Ngay cả với kiến trúc đúng, hầu hết các cải tiến đến từ prompting tốt hơn:

• Tiêu chí kết thúc rõ ràng giữ cho worker không bị timeout một cách vô mục đích.
• Rào cản chống tích trữ tác vụ hoặc viết lại lẫn nhau ngăn chặn sự xáo trộn.
• "Fresh start" định kỳ reset context để tránh tầm nhìn hẹp.

Hạ tầng quan trọng, nhưng những từ chúng ta đưa cho agent quan trọng hơn.

Cách Các Builder Có Thể Áp Dụng Những Bài Học Này

1. Cấu trúc đánh bại tự phát: Nếu bạn đang thử nghiệm với các thiết lập đa agent, hãy xác định vai trò và handoff rõ ràng, ngay cả khi nhóm nhỏ.
2. Reset một cách có chủ ý: Các tác vụ dài hạn được hưởng lợi từ các checkpoint nơi bạn đánh giá lại giả định thay vì để agent trôi dạt vô thời hạn.
3. Đo lường hành vi agent: Theo dõi thời gian lock, các tác vụ bị bỏ dở và kích thước diff để phát hiện sự phân rã phối hợp sớm.
4. Chọn model theo vai trò: Một model "coding" có thể không phải là planner tốt nhất; kết hợp dựa trên hành vi quan sát được.
5. Lập kế hoạch cho review của con người: Cursor vẫn coi output của agent là bản nháp. CI, code review và QA thủ công vẫn thiết yếu.

Tại Sao Điều Này Quan Trọng

Các thử nghiệm của Cursor cho thấy rằng trần của lập trình tự động cao hơn nhiều so với những gì hầu hết các nhóm giả định. Với cấu trúc đúng, hàng trăm agent có thể chia sẻ một repo trong nhiều tuần, tấn công các refactor đa lớp và tiếp tục tiến bộ. Đối với bất kỳ ai xây dựng các hệ thống phức tạp—hoặc các công cụ trao quyền cho những người khác làm như vậy—thông điệp rõ ràng: đầu tư vào các mô hình phối hợp ngay bây giờ, vì đàn agent đang đến theo cả hai cách.

Nếu bạn tò mò muốn đào sâu hơn hoặc thậm chí giúp định hình vòng thử nghiệm tiếp theo, Cursor đang tuyển dụng ([email protected]). Đây là một trong những biên giới thú vị nhất trong AI ứng dụng, và nó đang di chuyển nhanh chóng.

Tham Khảo

Nguồn: Cursor — Scaling long-running autonomous coding