LLM không chỉ hữu ích trong các dự án greenfield mà còn có tiềm năng hỗ trợ dự án legacy. Tuy nhiên, khi áp dụng vào hệ thống đã tồn tại bốn năm, mô hình thường tạo ra các khái niệm trùng lặp, viết adapter sai chỗ hoặc bỏ qua các ràng buộc quan trọng.
Nguyên nhân sâu xa là độ sâu kỹ thuật và thiếu ngôn ngữ chung trong codebase cũ. Để giải quyết, tác giả chia công việc thành hai phần:
- Tactical programming: thực hiện các thay đổi cơ bản, viết code, refactor, thêm test – phần việc mà LLM có thể thực hiện nhanh và rẻ.
- Strategic programming: đọc, hiểu hệ thống, quyết định gì cần thay đổi và vì sao – phần quyết định cuối cùng vẫn cần con người.
Trong thực tế, tác giả đề xuất dành 10‑20% ngân sách công nghệ cho việc clean‑up và chỉ để LLM thực hiện phần “mechanical” của quá trình. Khi đó, thời gian chi cho việc quyết định giảm đáng kể, còn LLM giúp giảm khối lượng công việc lặp lại.
Đối với cộng đồng AI và phát triển phần mềm Việt Nam, mô hình Domain‑Driven Agents mở ra cách tiếp cận mới: kết hợp sức mạnh của LLM với kiến thức sâu về hệ thống hiện có. Nếu áp dụng đúng, chúng ta có thể giảm nợ kỹ thuật, tăng tốc độ bảo trì và duy trì chất lượng phần mềm trong môi trường legacy.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com