06/10/2026 · VietTechies · Biên tập
JetBrains Research hợp tác cùng các nhà nghiên cứu từ Đại học Lund công bố một khung lý thuyết phục vụ việc kiểm duyệt mã nguồn do AI tạo ra. Dự kiến trình bày tại Tuần lễ Quốc tế về Kỹ thuật Phần mềm Thực nghiệm 2026 (ESEIW) vào tháng 10 năm 2026, nghiên cứu tập trung vào cách quy trình làm việc của lập trình viên cần thích ứng khi các AI Agent lập trình có khả năng tạo ra các tập thay đổi trên nhiều tệp chỉ trong vài giây.
Giới hạn của giao diện xem mã thay đổi truyền thống
Hoạt động kiểm duyệt mã nguồn truyền thống phụ thuộc nhiều vào ngữ cảnh giao tiếp giữa các cá nhân, chẳng hạn như hiểu rõ năng lực của đồng nghiệp hoặc hỏi nhanh để làm rõ vấn đề. Trái lại, các mô hình ngôn ngữ lớn lại hiển thị từng dòng mã do chúng tạo ra với mức độ tự tin đồng nhất, bất kể mô hình có thể không chắc chắn đến đâu khi xử lý các logic cụ thể như chuyển đổi cơ sở dữ liệu hay các quy tắc bảo mật.
Nghiên cứu chỉ ra rằng các công cụ so sánh sự khác biệt mã (diff viewer) tiêu chuẩn không đủ khả năng mở rộng khi áp dụng cho đầu ra của AI. Do mô hình tạo ra nhanh chóng các pull request lớn và phức tạp với hình thức hiển thị mức độ tự tin đồng nhất, thách thức cốt lõi của người kiểm duyệt chuyển dịch từ việc hiểu những gì đã thay đổi sang việc hiệu chuẩn niềm tin trên các đoạn mã có mức độ rủi ro khác nhau.
Mô hình kiểm duyệt ba cấp độ
Dựa trên nghiên cứu thiết kế có sự tham gia của 17 chuyên gia thực hành và khảo sát 43 chuyên gia phần mềm, các nhà nghiên cứu đề xuất quy trình kiểm duyệt ba cấp độ dựa trên các khái niệm hiển thị thông tin thị giác kinh điển. Mô hình hướng dẫn người duyệt đi từ bức tranh tổng quan cấp cao đến các chi tiết đoạn mã chọn lọc.
Trong quy trình này, lập trình viên trước tiên xây dựng các giả thuyết tổng quan, sau đó phân tầng rủi ro ở cấp độ tệp trước khi đọc chi tiết từng dòng mã, và cuối cùng phân tích các đoạn mã cụ thể. Tương tác ở cấp độ đoạn mã sử dụng phương pháp phân rã thành khối và liên kết chuỗi suy luận (chain-of-thought) nhằm cung cấp các tín hiệu ngữ cảnh vốn thường do tác giả người thật trực tiếp giải thích.
Khoảng trống thiết kế và các công cụ hiện có
Báo cáo nghiên cứu cũng điểm qua những triển khai một phần của các khái niệm này trên các công cụ hiện hành, như bản tóm tắt pull request của CodeRabbit, tính năng gắn thẻ mức độ nghiêm trọng của Claude Code hay mô hình pull request xếp chồng của Graphite. Bên cạnh đó, GitHub báo cáo rằng việc kiểm duyệt mã có sự hỗ trợ của Copilot hiện chiếm hơn một phần năm tổng số lượt kiểm duyệt trên nền tảng này.
Bất chấp những bước tiến đó, các nhà nghiên cứu lưu ý rằng các môi trường phát triển tích hợp (IDE) hiện tại vẫn chủ yếu tổ chức giao diện xung quanh việc hiển thị sự thay đổi mã thuần túy. Các tác giả kêu gọi nhà phát triển công cụ nên thiết kế giao diện dựa trên tín hiệu rủi ro và mức độ chú ý của người kiểm duyệt thay vì chỉ hiển thị sự thay đổi văn bản đơn thuần.
Ảnh minh họa do AI tạo, không phải ảnh tư liệu.