AI Engineer Roadmap: Các Trình Soạn Thảo Code và Tiện Ích Mở Rộng Hàng Đầu cho Phát Triển AI

Chọn editor không phải chọn công cụ gõ nhanh nhất. Với dân AI, tiêu chí thật là: bạn nhìn thấy lỗi nhanh đến mức nào, và bạn chạy lại một thí nghiệm tốn 20 phút dễ đến mức nào. Autocomplete đẹp nhưng không giúp bạn phát hiện rằng tensor đang ở sai device.

Năm 2026, editor và coding agent đã chồng lên nhau. VS Code vẫn là trung tâm extension; Cursor và Windsurf đưa AI vào editor; Claude Code và Codex làm việc từ terminal; Jupyter vẫn là nơi khám phá dữ liệu. Bài này so sánh chúng theo tiêu chí công việc AI, rồi đưa ra một cấu hình cụ thể để dùng được ngay.

Cập nhật 2026

  • Coding agent trở thành công cụ độc lập: Claude Code và Codex có thể chạy từ terminal, đọc nhiều file, sửa code, chạy test. Chúng không thay editor nhưng thay phần lớn thao tác “gõ tiếp đoạn này”.
  • Agentic editor: Cursor và Windsurf gắn chat, diff và chỉnh sửa nhiều file vào editor. Đây là mô hình lai giữa IDE và agent.
  • VS Code vẫn là nền vì extension Python, Pylance, Jupyter, dev containers và remote SSH đều ở đó. Các editor AI-native thường vẫn dựa trên trải nghiệm VS Code.
  • AGENTS.md trở thành quy ước phổ biến: file Markdown ở gốc repo mô tả cách chạy, test, và quy ước code để agent đọc. Đây là context format, không phải security control.

Công việc AI thật sự cần gì

Một kỹ sư AI trong một ngày điển hình làm những việc sau. Mỗi việc đặt yêu cầu khác nhau lên editor:

  • Đọc dữ liệu và kiểm tra giả thuyết — cần cell, xem bảng, vẽ biểu đồ ngay tại chỗ. Notebook thắng.
  • Sửa pipeline nhiều file — cần go-to-definition, find references, rename, type check. IDE thắng.
  • Chạy lệnh dài (train, index, eval) — cần terminal, log streaming, không chặn editor. Terminal tích hợp thắng.
  • Debug lỗi hình dạng, device, batch — cần breakpoint và xem tensor/giá trị thật, không chỉ đọc code.
  • Làm việc trên máy GPU từ xa — cần remote development, không phải copy code qua SSH.

Không editor nào giỏi cả năm. Vì vậy cấu hình thực tế thường là: VS Code (hoặc Cursor) cho code, Jupyter cho khám phá, terminal cho tác vụ dài, và dev container để môi trường khớp với CI.

So sánh nhanh

Công cụ Hợp với Đổi lại
VS Code + extension Python, notebook, remote SSH, dev container; đa ngôn ngữ Phải tự cấu hình; extension xung đột có thể làm chậm
Cursor / Windsurf Sửa nhiều file bằng chat, review diff trong editor Là editor riêng; phụ thuộc dịch vụ AI và chính sách dữ liệu
Claude Code / Codex Task có phạm vi rõ, chạy test, refactor, đọc repo lớn Làm việc qua terminal; cần kiểm soát quyền và review kỹ
JupyterLab Khám phá dữ liệu, thử model, trình bày kết quả Khó test, khó review diff, khó tái sử dụng
PyCharm Refactor sâu, debug phức tạp, dự án Python lớn Nặng hơn; bản đầy đủ tính năng là bản trả phí

Đừng đọc bảng này như bảng xếp hạng. Cursor không “tốt hơn” VS Code; nó đổi một phần quyền kiểm soát lấy tốc độ sửa nhiều file. Claude Code không thay Jupyter; nó thay việc bạn tự gõ các thay đổi lặp lại.

Bộ extension tối thiểu cho VS Code

Bạn không cần 30 extension. Năm nhóm sau là đủ cho hầu hết dự án AI:

  • Python (ms-python.python) — chọn interpreter, chạy file, debug, test. Đây là extension nền; mọi thứ khác bổ sung cho nó.
  • Pylance (ms-python.vscode-pylance) — language server dựa trên Pyright: autocomplete, type checking, go-to-definition. Với thư viện có type stub, đây là công cụ giảm lỗi rẻ nhất.
  • Jupyter (ms-toolsai.jupyter) — mở .ipynb, chạy cell, xem output và biểu đồ trong editor.
  • Ruff (charliermarsh.ruff) — lint và format nhanh, thay cho combo flake8 + isort + black. Một công cụ, một cấu hình.
  • Dev Containers — chạy dự án trong container, khớp với CI. Cài khi bạn bắt đầu có nhiều hơn một người hoặc nhiều hơn một máy.

Thêm GitLens nếu bạn thường xuyên đọc blame, và Docker nếu bạn tự build image. Đừng cài thêm AI assistant thứ hai khi đã có một cái; hai gợi ý chồng nhau làm nhiễu và tăng chi phí.

Lint và type check phải khớp CI

Sai lầm phổ biến: editor báo xanh nhưng CI đỏ, vì editor dùng cấu hình riêng và CI dùng cấu hình khác. Cách sửa: đặt cấu hình vào pyproject.toml, để cả editor và CI đọc cùng một nguồn.

# File: pyproject.toml
[tool.ruff]
line-length = 100
target-version = "py313"

[tool.ruff.lint]
select = ["E", "F", "I", "B", "UP"]

[tool.pyright]
typeCheckingMode = "basic"
include = ["app", "tests"]

Với code AI, type checking có giá trị ở hai chỗ: bắt lỗi None và lỗi kiểu trong hàm xử lý dữ liệu, và giúp autocomplete hiểu cấu trúc. Nhưng đừng đặt strict cho toàn bộ repo ngay từ đầu; thư viện khoa học dữ liệu có nhiều stub chưa hoàn chỉnh, và bạn sẽ tắt cảnh báo thay vì sửa.

Một quy ước hữu ích: ruff check và pyright phải chạy được bằng một lệnh, và lệnh đó có trong CI. Nếu chúng chỉ chạy trong editor, chúng sẽ bị bỏ qua khi bạn vội.

Notebook hay script?

Đây là tranh luận tốn nhiều thời gian nhất và cũng ít giá trị nhất. Câu trả lời đúng là: notebook để khám phá, script để chạy lại. Vấn đề là biết lúc nào chuyển.

Tiêu chí Notebook Script/package
Mục đích Khám phá, vẽ, thử nhanh Chạy lặp lại, test, triển khai
Trạng thái Thứ tự cell không rõ ràng Có entry point, thứ tự tường minh
Review Diff khó đọc Diff theo dòng, review được

Dấu hiệu bạn đã đến lúc chuyển: một cell chạy quá 10 phút, một hàm được copy sang cell khác, hoặc bạn cần chạy lại toàn bộ sau khi restart kernel. Lúc đó hãy tách logic thành module trong src/, để notebook chỉ còn gọi hàm và hiển thị kết quả.

Một thói quen nhỏ nhưng hiệu quả: đặt %load_ext autoreload và %autoreload 2 ở cell đầu, để notebook dùng code mới trong src/ mà không cần restart kernel. Nó giảm đúng loại lỗi “đã sửa nhưng vẫn ra kết quả cũ”.

Dev container: môi trường khớp CI

Dev container là cách rẻ nhất để hết “chạy trên máy tôi”. Nó đóng gói Python, system library, và extension vào một image; máy nào cũng chạy cùng môi trường. Với dự án AI, nó còn giải quyết vấn đề CUDA: image GPU và image CPU khác nhau, và bạn muốn sự khác biệt đó được khai báo, không phải phát hiện muộn.

{
  "name": "ai-dev",
  "image": "mcr.microsoft.com/devcontainers/python:3.13",
  "postCreateCommand": "pip install -e '.[dev]'",
  "customizations": {
    "vscode": {
      "extensions": [
        "ms-python.python",
        "ms-python.vscode-pylance",
        "ms-toolsai.jupyter",
        "charliermarsh.ruff"
      ]
    }
  }
}

Đổi tag image theo phiên bản Python bạn thực sự hỗ trợ; đừng pin một tag rồi quên nó. Nếu cần GPU, dùng dev container có base CUDA và chạy container với --gpus all. Kiểm tra nvidia-smi trong container trước khi debug bất cứ thứ gì khác — nhiều “lỗi model” thực ra là lỗi driver.

Với máy GPU từ xa, Remote SSH tiện hơn container: code chạy trên máy có GPU, editor chạy trên laptop. Cùng một VS Code, cùng extension, không cần copy file. Hãy chọn một trong hai và viết vào README; đừng để mỗi người trong team làm một kiểu.

Cấu hình editor cụ thể

Ba cài đặt sau xử lý phần lớn khó chịu hàng ngày: interpreter đúng, format khi lưu, và sắp xếp import.

{
  "python.defaultInterpreterPath": "${workspaceFolder}/.venv/bin/python",
  "python.analysis.typeCheckingMode": "basic",
  "[python]": {
    "editor.defaultFormatter": "charliermarsh.ruff",
    "editor.formatOnSave": true,
    "editor.codeActionsOnSave": {
      "source.organizeImports": "explicit"
    }
  }
}

Đặt file này trong .vscode/settings.json và commit nó. Đây là một trong rất ít file cấu hình nên commit: nó làm onboarding nhanh hơn và giảm tranh cãi về format.

Dùng AI assistant trong editor

Ba quy tắc đủ để không gây hại:

  • Cung cấp context thật — mở đúng file, chỉ đúng hàm, nói rõ ràng buộc (phiên bản, kiểu dữ liệu, điều kiện lỗi). Gợi ý không thể tốt hơn context bạn đưa.
  • Đọc diff trước khi chấp nhận — đặc biệt với thay đổi nhiều file. Một thay đổi “hợp lý” vẫn có thể phá invariant mà chỉ bạn biết.
  • Không dán secret vào chat — API key, chuỗi kết nối, dữ liệu khách hàng. Nếu cần hỏi về cấu hình, thay bằng biến giả và giữ cấu trúc.

Nếu dùng agent, hãy viết AGENTS.md ở gốc repo: cách cài, cách chạy test, quy ước đặt tên, thư mục nào được sửa. Agent đọc file gần nhất và làm theo; không có nó, mỗi lần chạy là một lần đoán. Xem thêm bài về công cụ hoàn thành code để biết cách kiểm soát rủi ro của agent.

Pitfall

  • Cài quá nhiều extension — mỗi extension là một process, một nguồn lỗi và một nguồn telemetry. Bắt đầu từ danh sách trên, thêm khi có nhu cầu cụ thể.
  • Dùng notebook cho production — notebook không có entry point, không test được, và trạng thái phụ thuộc thứ tự chạy. Chuyển logic sang src/ trước khi nó phình to.
  • Interpreter sai — package cài vào global, editor trỏ vào .venv khác. Kiểm tra sys.executable ngay khi autocomplete “không thấy” thư viện vừa cài.
  • Format và lint xung đột — hai extension cùng format khi lưu sẽ tạo diff rác. Chọn một formatter và tắt phần còn lại.
  • Tin vào agent khi chưa có test — không có test, agent chỉ đang viết code tự tin hơn bạn. Test là thứ biến “có vẻ đúng” thành “đã kiểm tra”.

Nhìn trước 2027

Editor sẽ tiếp tục mờ ranh giới với agent: chat, diff, terminal và test sẽ nằm trong cùng một luồng. Điều đó làm kỹ năng đọc diff và viết test quan trọng hơn kỹ năng gõ phím. Với dự án AI, phần khó vẫn là môi trường và dữ liệu, không phải UI của editor — nên đầu tư vào dev container và cấu hình chung vẫn là khoản lãi chắc chắn.

Checklist

  • Cài đúng năm extension nền; bỏ các AI assistant trùng chức năng.
  • Đưa cấu hình ruff và pyright vào pyproject.toml, chạy được bằng một lệnh trong CI.
  • Commit .vscode/settings.json và .devcontainer/devcontainer.json.
  • Quy ước rõ: notebook chỉ để khám phá; logic chạy lại nằm trong src/.
  • Viết AGENTS.md trước khi cho agent sửa repo.

Bài liên quan