Thực nghiệm 'Nhà máy phần mềm': Dùng AI Agent tự động hóa quy trình quản lý dự án trên Linear

Một trong những thách thức thú vị của hệ sinh thái AI trong năm 2026 là các mô hình mới, hiệu quả xuất hiện nhanh hơn mức tôi có thể tiếp nhận. Tôi tìm được một vài mô hình, quay lại làm việc, rồi một tháng sau mới nhận ra mình đã bỏ lỡ bốn hoặc năm mô hình khác. Chu kỳ áp dụng cho Imprint năm nay đại loại như sau:

Câu hỏi gần đây nhất đối với tôi là làm thế nào để áp dụng mô hình software factory (nhà máy phần mềm). (Sau khi tìm hiểu sơ qua, nguồn gốc cụ thể của thuật ngữ này trong bối cảnh AI hơi khó xác định, nhưng tôi nghĩ có lẽ là từ Justin McCarthy trong bài viết Software Factories And The Agentic Moment vào tháng 2 năm 2026.)

Mô hình software factory là việc lặp lại trên một mục tiêu rộng, sau đó dựa vào harness (bộ khung điều phối) để thúc đẩy tiến độ hướng tới mục tiêu đó. Lần triển khai đầu tiên của chúng tôi khá cơ bản:

Một kỹ năng của agent /linear-project-loop, đọc một dự án Linear và bắt đầu bằng việc kiểm tra định nghĩa mục tiêu của dự án đó dựa trên các khía cạnh sau:

Nếu thiếu những thông tin đó, hoặc dự án Linear bị thiếu hoàn toàn, nó sẽ tương tác với bạn để tạo ra các công cụ còn thiếu.

Sau đó, nó xem xét trạng thái của các chỉ số và vấn đề (issues) của dự án. Nếu xác định được công việc mới, nó sẽ thêm các issue đó vào dự án. Nó cập nhật trạng thái của các issue đã thay đổi.

Nó thực hiện các tác vụ không bị chặn dựa trên trạng thái hiện tại của dự án. Việc này thường là viết pull request, cập nhật pull request, ping để yêu cầu review, đặt câu hỏi làm rõ, v.v.

Khi một tác vụ hoàn thành, nếu mô tả dự án còn mới, nó sẽ thực hiện tác vụ tiếp theo. Nếu mô tả chưa được cập nhật trong một thời gian, nó sẽ chạy lại vòng lặp bắt đầu từ bước đầu tiên.

Hiện tại tôi đang chạy quy trình này cục bộ trong một local harness, nhưng nó hoạt động đủ tốt để tôi dự định chuyển hành vi này sang được điều khiển bởi cùng một orchestrated harness mà chúng tôi dùng để phân bổ các tác vụ đơn lẻ.

Điều tôi đặc biệt thích ở mô hình factory là nó song hành rất sát với cách tôi làm việc cục bộ, đồng thời buộc tôi phải nhận ra những chỗ mà tôi vô tình giữ khư khư các phần trạng thái cho riêng mình liên quan đến mục tiêu của dự án. Tôi đã từng yêu cầu các agent lặp lại trên các dự án Linear cụ thể, nhưng chúng không có khả năng đánh giá xem liệu chúng có đang đi đúng hướng hay có thiếu các tác vụ cần thiết hay không. Bây giờ thì nó đã làm được. Một điểm khác mà mô hình này cực kỳ hữu ích với tôi là kiểm tra các dự án sau khi phát hành. Ví dụ, tôi đã triển khai passkeys vào đầu năm nay, nhưng vài tháng trôi qua mà tôi không kiểm tra xem nó hoạt động thế nào. Nếu chúng ta thấy tỷ lệ áp dụng tăng đột biến hoặc tỷ lệ lỗi bắt đầu thay đổi, tôi có thể đã bỏ lỡ, nhưng việc chạy factory ở chế độ hậu phát hành với tần suất thấp hơn sẽ phát hiện ra ngay lập tức.

Suy nghĩ cuối cùng khiến tôi thấy thú vị là tất cả các mảnh ghép ở đây chỉ cộng hưởng với nhau khi bạn có đầy đủ các mảnh ghép khác. Ví dụ, mô hình factory này phụ thuộc vào việc có quyền truy cập Datadog MCP và Snowflake để quản lý việc theo dõi mục tiêu, nhưng nó cũng phụ thuộc vào việc Linear là nguồn trạng thái duy nhất cho công việc của công ty, và một orchestrated harness có thể thực hiện công việc độc lập với máy tính xách tay của bạn. Việc bắt kịp với chừng ấy sự thay đổi là một thời điểm đầy mê hoặc của ngành công nghệ.