Python

Context một xíu thì hồi mới đi làm, mình vẫn còn là kiểu thuần developer. Mọi thứ đều làm bằng tay: đọc documentation, lục Stack Overflow, debug từng dòng log. Rồi kiểu có những hôm ngồi debug mà tìm mãi không ra vấn đềThời điểm đó, công ty mình và đồng nghiệp thì không prefer AI, nên AI gần như không tồn tại trong workflow. Viết một feature là một quá trình khá tuyến tính: nghĩ → code → lỗi → sửa → lại lỗi → sửa tiếp. Nếu bí quá thì hỏi đồng nghiệp, không thì… ngồi mò =)))) chứ có khi 2 ngày chưa tìm ra vấn đề Rồi thời điểm anh lead mình bắt đầu khuyến khích dùng thử ChatGPT, ban đầu thì mình tò mò. Mình không kỳ vọng nhiều, chỉ nghĩ dùng để hỏi mấy câu kiểu syntax này viết sao, hoặc lỗi này là gì. Nhưng cái cảm giác khi nó trả lời gần như ngay lập tức, lại còn giải thích khá rõ ràng, làm mình thấy hơi… sai sai. Nó giống như Google, nhưng là Google biết nói chuyện và hiểu mình đang hỏi gì.Dần dần, mình bắt đầu dùng nhiều hơn. Không chỉ hỏi syntax nữa, mà hỏi cách thiết kế API, cách xử lý input, thậm chí hỏi cả về mấy lỗ hổng như XSS khi làm một project web. Lúc đó mình nhận ra một điều mà sau này đọc lại thread trên VOZ thấy nhiều người cũng nói giống: GPT đúng kiểu cái gì cũng làm được. Không hẳn là xuất sắc nhất ở mọi thứ, nhưng đủ tốt ở gần như mọi thứ.Nhưng rồi khi project lớn dần lên, code không còn vài chục dòng nữa mà lên tới vài trăm, vài nghìn dòng, mình bắt đầu thấy GPT hơi đuối trong việc giữ context. Lúc đó mình thử qua Claude, và đúng là có sự khác biệt. Mình quăng cho nó một file dài, nó vẫn đọc được, giải thích lại flow khá mạch lạc, thậm chí refactor lại code cho dễ đọc hơn. Cảm giác giống như có một người review code ngồi cạnh, kiên nhẫn đọc từng dòng và giải thích lại cho mình.Song song đó, mình cũng cài Copilot (sau này chuyển sang dùng Cursor). Và đây có lẽ là thứ thay đổi cách mình code rõ nhất. Trước đây, viết một API CRUD cũng phải gõ từng đoạn, giờ chỉ cần viết comment hoặc vài dòng đầu, phần còn lại gần như được gợi ý sẵn. Có lúc mình chỉ việc “tab tab tab” là xong cả một function. Nó không thông minh kiểu giải thích như GPT hay Claude, nhưng lại cực kỳ hữu dụng trong việc tăng tốc.Trong một dự án web mà mình làm gần đây, có phần demo về XSS, kiểu stored và reflected XSS trong một hệ thống chat đơn giản. Mình nhận ra mình đang dùng AI theo kiểu rất chia việc. Mình dùng ChatGPT để nghĩ kiến trúc, hỏi về các case tấn công, cách thiết kế sao cho vừa có lỗ hổng để demo vừa có thể fix lại. Khi code bắt đầu dài và rối, mình chuyển qua Claude để nhờ nó đọc lại, chỉ ra chỗ nào code smell, chỗ nào nên tách function. Còn trong lúc ngồi viết từng endpoint, từng component, Copilot/Cursor gần như luôn bật để hỗ trợ gõ nhanh.So với trước đây, tốc độ làm việc tăng lên thấy rõ. Những việc trước kia mất vài tiếng, giờ có thể rút xuống còn một nửa, thậm chí hơn. Nhưng đổi lại, mình cũng nhận ra một thứ hơi rủi ro: nếu không cẩn thận, rất dễ tin AI một cách mù quáng. Có những đoạn code nhìn rất hợp lý, chạy cũng không lỗi, nhưng logic bên trong lại sai. Đặc biệt là mấy phần liên quan tới security như XSS, nếu chỉ copy-paste mà không hiểu thì rất dễ dính bẫy.Có 1 vài thông tin mà anh em trong ngành có bàn trên VOZ cũng khá đúng. GPT đúng là lựa chọn an toàn và đa năng nhất, kiểu cái gì cũng làm được ở mức ổn. Claude thì mạnh ở việc đọc và xử lý code dài, viết lại cho sạch. Gemini thì có, nhưng không phải thứ mà dev nghĩ tới đầu tiên khi cần code. Và nếu nói về trải nghiệm làm việc hằng ngày, thì mấy tool như Copilot hay Cursor mới là thứ mình đụng tới nhiều nhất.Nên tóm lại: Với mình khi AI ra đời, việc tiếp thu kiến thức và học là một chuyện khá thú vị, nhưng mình nghĩ mọi người có thể tiếp cận nó theo trình tự Tư duy trước -> Xong sau đó đưa ra định hướng -> Giao việc cho nó kêu nó hoàn thành. Thì công việc mọi người sẽ vừa nhanh, mà mọi người còn nắm bắt được tiến độ cũng như những gì nó đang làm. Nên là chúc mọi người may mắn :D 

1. FunemploymentFunemployment = fun + unemploymentCó lẽ các bạn cũng sẽ nghĩ như mình: "thất nghiệp mà vui sao nổi".Đúng vậy, vừa mất kế sinh nhai cho bản thân và gia đình vừa chẳng tài nào vui được.Dù trước mắt ta không thể thay đổi điều đó, mà không vui quá 1 phút 30 giây đó chả được gì.Trái đất vẫn xoay và ta có thể lập trình lại bản thân.Hãy vui mừng đi! Vì mình được thoát khỏi những ngày vội vã, cật lực và chuẩn bị cho cơ hội sắp đến.2. Khi nào thất nghiệp trở thành funemployment?Nếu ta vẫn thấy mất mát và chưa sẵn sàng để nghĩ về cơ hội thì việc đơn giản nhất có lẽ là làm một giấc ngủ cho đã đời.Còn gì mà vương vấn? Vất hết hôm nay để ngày mai đầy pin mà tính tiếp.Vui ở đây có lẽ là cảm giác nhận ra giai đoạn này có ý nghĩa.Cần một động cơ cụ thể là xác định được việc cần làm, kiến thức cần học và nâng tầm giá trị bản thân.3. Làm gì để biến giai đoạn này thành tiến bộ?Một mai qua cơn mê, đây là cơ hội vàng để điều chỉnh lại trạng thái và làm những điều mình chưa có giờ thử.Chăm chút bản thân và gia đình.Cập nhật CV.Luyện tập phỏng vấn, kỹ năng mềm và ngoại ngữ.Rải CV.Bổ sung kiến thức còn thiếu từ JD hoặc thị trường.Nhìn nhận lại quy trình làm việc của bản thân.Tạo chứng minh thư cho kỹ năng của mình bằng những bản demo, bài nghiên cứu hoặc đóng góp cho cộng đồng.Gặp gỡ bạn bè trong ngành, mở rộng mối quan hệ.Có thể lúc này không có ai giúp mình nhưng có AI giúp mìnhNhìn lại thì ta thấy có cả tá việc làm muốn không xuể. Mỗi việc nhỏ đều là bước tiến, không phải thất bại.4. Thông điệp gửi đến "ta" đang lo lắngCảm giác lo âu là bình thường.Đó cũng là động lực để ta tìm kiếm và hoạch định những bước tiến tiếp theo.Bước ra khỏi phòng tắm hơi đó trước khi xỉu nhé!Thất nghiệp không định nghĩa giá trị của bạn.Đây là chương “chuyển tiếp” chứ không phải “kết thúc”.Còn thở là còn gỡ.Hãy coi đây là cơ hội để chuẩn bị cho bước tiếp theo.5. Kết luậnfunemployment là cách nhìn tích cực về thất nghiệp.Thất nghiệp có thể là khoảng thời gian để học hỏi, phát triển và tìm lại chính mình.“Bạn không hề đứng yên, bạn đang chuẩn bị cho cú nhảy tiếp theo.”Kết luận cá nhân: Đây là bước đóng góp cho cộng đồng hiếm hoi trong sự nghiệp của mình. Dù hành văn có hơi phóng túng nhưng hy vọng bà con cô bác anh chị em vui và sớm gặt hái thành công như ý nhé!Chúc mừng năm mới!

1. Mở đầu: Vấn đề tưởng chừng đơn giảnTrong thời đại toàn cầu hóa, việc tiếp cận tài liệu bằng tiếng nước ngoài là nhu cầu thiết yếu. Tuy nhiên, khi cần dịch một tài liệu PDF dài mà vẫn muốn giữ nguyên định dạng gốc, tôi nhận ra rằng hầu hết các công cụ dịch thuật hiện có đều gặp một vấn đề chung: chúng phá vỡ bố cục của tài liệu.Bảng biểu bị xáo trộn, công thức toán học bị biến dạng, hình ảnh và đồ họa mất vị trí. Với những ai thường xuyên làm việc với tài liệu học thuật, báo cáo kỹ thuật hay hợp đồng, đây là rào cản thực sự.2. Ý tưởng: Tạo công cụ dịch PDF thông minhTôi đặt ra câu hỏi: "Liệu có thể xây dựng một công cụ dịch thuật PDF sử dụng AI để giải quyết vấn đề này giống như Doctranslate hay không?" Câu trả lời là có - và điều kỳ diệu đã xảy ra khi tôi bắt đầu hợp tác với các mô hình AI để biến ý tưởng thành hiện thực.3. Giải pháp: Translate PDF ToolTranslate PDF Tool ra đời với khả năng dịch tài liệu PDF nhanh chóng trong khi vẫn bảo toàn hoàn toàn bố cục gốc.Điểm nổi bật:Giữ nguyên bố cục hoàn hảo: Văn bản, bảng biểu, hình ảnh và đồ họa vẫn ở đúng vị trí ban đầu sau khi dịch.Bảo toàn công thức toán học: Các phương trình phức tạp được xử lý chính xác, không bị biến dạng.Tích hợp đa mô hình AI: Hỗ trợ OpenAI GPT-4o, Ollama (chạy local) và Gemini API.Chế độ PDF song ngữ: Tạo file PDF với bản gốc và bản dịch đặt cạnh nhau.Nhược điểm:Một số file PDF phức tạp có thể chỉ đạt 80% đến 90% chất lượng layout của file.Chưa xử lí được file không thể edit.4. Hành trình: AI như người đồng hànhĐiều tôi muốn chia sẻ không chỉ là sản phẩm, mà là câu chuyện về cách AI đã thay đổi quá trình làm việc của tôi. Với vai trò là một người không chuyên về AI, tôi đã sử dụng AI coding như một người đồng hành để:Học và áp dụng nhanh chóng: Thay vì mất hàng tuần để nghiên cứu tài liệu, tôi có thể hỏi AI và nhận câu trả lời ngay lập tức.Viết code chất lượng: AI giúp tôi tối ưu hóa code, tránh các lỗi thường gặp và áp dụng các best practices.Giải quyết vấn đề thực tế: Khi gặp khó khăn, tôi có thể mô tả vấn đề và nhận được hướng dẫn cụ thể.5. Kết luận: Sống cùng AITranslate PDF Tool là minh chứng cho thấy AI không chỉ dành cho các chuyên gia hay tập đoàn lớn. Với sự hỗ trợ của AI, bất kỳ ai cũng có thể biến ý tưởng thành sản phẩm thực tế, giải quyết những vấn đề trong cuộc sống hàng ngày.Đây là tương lai mà chúng ta đang hướng tới - nơi AI trở thành công cụ hỗ trợ để mỗi cá nhân có thể sáng tạo, học hỏi và phát triển. Không phải AI thay thế con người, mà là con người và AI cùng nhau tạo nên những giá trị mới.

The Problem: Dumb Cameras & Late Alerts As a Cybersecurity student, I noticed a flaw in affordable security setups (like the one in my family's shop). Traditional cameras are passive. They record everything but alert you to nothing. By the time you check the footage, the incident has already happened. Smart AI cameras exist, but they are expensive and proprietary.I wanted to build a solution that is Real-time, Intelligent, and Cost-effective using existing hardware.The Solution: A Hybrid AI Approach I developed "AI Guardian" – a Python-based system that upgrades any standard RTSP camera into a smart sentinel. To optimize performance and cost, I didn't just stream video to an LLM. I used a hybrid pipeline:Level 1: Motion Analysis (The Trigger) Using OpenCV and Frame Differencing, the system monitors the video stream for pixel changes. It filters out noise (lighting changes) and only flags significant motion patterns.Why? This keeps the system lightweight and prevents spamming the AI API.Level 2: Generative Intelligence (The Brain) Once significant motion or a specific pattern (like a sudden fall) is detected, the frame is captured and sent to Google Gemini 2.5 Flash.The Prompt: I instructed Gemini to act as a security guard, analyzing the image for specific threats: intruders, weapons, or—crucially—people falling (health safety).Level 3: Instant Action If Gemini confirms a threat, the system sends a photo and a description immediately to my Telegram via a bot.Implementation Logic Here is the core logic handling the optimization between raw Computer Vision and GenAI:Python:# Simplified Logic Flow def monitor_stream(): # 1. Detect Motion using Frame Difference frame_diff = cv2.absdiff(motion_prev, gray) motion_score = frame_diff.mean() # 2. Filter Patterns (e.g., Sudden high motion = Fall) if motion_score > THRESHOLD_HIGH: # 3. Verify with AI ai_analysis = ask_gemini(current_frame) # 4. Alert if critical if "danger" in ai_analysis or "fall" in ai_analysis: send_telegram_alert(current_frame, ai_analysis) Real-World Result I deployed this system at a local hair salon.The system successfully detected simulated dangerous behaviors and falls (as seen in the Telegram logs below) with a latency of under 3 seconds.Why This Matters? This project proves that "AI for Good" doesn't need expensive servers. By combining classic algorithms (for speed) with LLMs (for understanding), we can turn ubiquitous, cheap hardware into life-saving tools. It’s not just about catching thieves; it’s about detecting accidents when no one else is watching.