AI lập trình: Cách nhận hỗ trợ chuẩn xác từ Llama

Theo tài liệu mô hình (model cards) của Meta, cả bốn mô hình Llama trên khung chat của chúng tôi đều được thiết kế để tạo mã nguồn cũng như văn bản. Chúng là những trợ lý lập trình rất đắc lực: giải thích đoạn code lạ, viết các hàm nhỏ, tạo bản thảo kiểm thử (test) hay biến thông báo lỗi thành giải pháp khắc phục. Tuy nhiên, chúng cũng có thể đưa ra câu trả lời sai với vẻ vô cùng tự tin. Vì vậy, hãy tiếp cận với tâm thế của một người đánh giá mã nguồn (code reviewer): đọc từng đề xuất như thể nó được gửi từ một đồng nghiệp nhanh nhẹn nhưng còn thiếu kinh nghiệm, và tuyệt đối không hợp nhất (merge) những gì bạn chưa kiểm tra. Hướng dẫn này sẽ chỉ cho bạn cách hỏi, cách kiểm tra và những giới hạn trong khung chat của chúng tôi.

Llama làm tốt những gì trong công việc lập trình hằng ngày

• Giải thích mã nguồn. Dán một hàm bạn vừa tiếp nhận và yêu cầu giải thích từng dòng hoạt động ra sao, cũng như những điểm có nguy cơ gây lỗi.
• Các tác vụ nhỏ, rõ ràng. Một hàm phân tích cú pháp chuỗi ngày tháng, biểu thức chính quy (regex), truy vấn SQL, một dòng lệnh shell, hay bố cục CSS.
• Gỡ lỗi từ thông báo lỗi. Dán toàn bộ thông báo lỗi kèm theo phần code xung quanh đó.
• Viết kiểm thử (tests). Câu lệnh "Viết unit test cho hàm này, bao gồm cả các trường hợp biên (edge cases)" thường giúp tìm ra những tình huống bạn chưa từng nghĩ tới.
• Chuyển đổi giữa các ngôn ngữ. Từ Python sang JavaScript, hoặc chuyển script Bash sang PowerShell.
• Thảo luận về thiết kế kiến trúc. Mô tả ý tưởng bạn định xây dựng và nhờ tìm ra những điểm yếu trước khi bạn viết dòng code đầu tiên.

Mô hình sẽ xử lý kém hơn khi thực hiện các thay đổi lớn trên nhiều tệp mà nó không nhìn thấy được, với các thư viện đã thay đổi sau thời điểm cập nhật dữ liệu (knowledge cut-off), và bất kỳ điều gì phụ thuộc vào thiết lập môi trường riêng trên máy tính của bạn.

Cung cấp ngữ cảnh như khi trao đổi với đồng nghiệp

Chưa tốt:
code của tôi không chạy, sửa giúp
[dán 300 dòng code]

Tốt:
Node.js 22, JavaScript thuần, không dùng thư viện. formatDue(dateString)
cần in ra ngày hết hạn theo giờ địa phương của người dùng, ví dụ: "Mon 3 March".
Với người dùng ở Brazil, nó lại hiển thị ngày hôm trước.

Kết quả tôi thấy trong console:
[dán chính xác kết quả hiển thị]

Code (chỉ gồm formatDue và dòng gọi hàm đó):
[dán code]

Hãy giải thích nguyên nhân trước, sau đó đưa ra hàm formatDue đã sửa. Giữ nguyên tên hàm
và tham số duy nhất của nó, đồng thời không thêm thư viện xử lý ngày tháng nào.

Phiên bản tốt đã nêu rõ ngôn ngữ và phiên bản, mô tả kết quả mong muốn và thực tế đang xảy ra, đính kèm lỗi chính xác, rút gọn code chỉ còn phần trọng tâm và nêu rõ yêu cầu sửa đổi. Mỗi chi tiết đó đều giúp loại bỏ sự phỏng đoán. Danh sách kiểm tra cho mọi prompt lập trình:

1. Ngôn ngữ, phiên bản, framework và các thư viện sử dụng.
2. Code cần làm gì, và thực tế nó đang làm gì.
3. Thông báo lỗi chính xác hoặc kết quả sai, sao chép nguyên văn thay vì diễn giải lại.
4. Một đoạn code mẫu tối giản nhưng vẫn tái hiện được lỗi.
5. Các ràng buộc: "không thêm dependencies mới", "phải chạy được trên Windows", "giữ cho code dễ đọc với người mới bắt đầu".

Quy trình an toàn: lên kế hoạch, viết mã, chạy thử, đánh giá

1. Lên kế hoạch trước. Với bất kỳ thứ gì phức tạp hơn một hàm đơn lẻ, hãy hỏi về cách tiếp cận trước khi viết code: "Hãy phác thảo cấu trúc bạn định làm, bao gồm các file và hàm, nhưng chưa cần viết code vội." Sửa một bản kế hoạch bao giờ cũng dễ hơn sửa 200 dòng code.
2. Thực hiện từng bước nhỏ. Xử lý từng hàm hoặc từng thay đổi một. Câu trả lời quá dài sẽ dễ xảy ra sai sót, và phản hồi trong khung chat của chúng tôi cũng có giới hạn độ dài. Nếu code bị cắt ngang, hãy nhắn: "tiếp tục từ dòng hoàn chỉnh gần nhất".
3. Tự chạy thử code. Llama không thể thực thi code trong khung chat. Nó chỉ dự đoán xem code chạy được sẽ trông như thế nào; chỉ có việc trực tiếp chạy thử mới biết nó có thực sự hoạt động hay không.
4. Phản hồi kết quả thực tế. Dán thông báo lỗi mới hoặc kết quả chưa đúng. Vài lượt trao đổi ngắn như vậy thường hiệu quả hơn một lời giải thích dài dòng duy nhất.
5. Đánh giá trước khi commit. Đọc kỹ từng dòng. Sau đó, tiếp tục hỏi thêm: "Đoạn code này còn bỏ sót những edge case nào?" và "Có lỗ hổng bảo mật nào ở đây không?".

Lưu ý những lỗi thường gặp này

Tự chế hàm và tham số không tồn tại

Các mô hình đôi khi gọi một phương thức không có thật hoặc dùng cờ dòng lệnh (flag) của một công cụ khác. Nếu thấy cú pháp nào lạ, hãy kiểm tra tài liệu chính thức trước khi áp dụng vào dự án.

API đã lỗi thời

Dữ liệu huấn luyện có mốc giới hạn (cut-off): tháng 8 năm 2024 đối với Llama 4 và tháng 12 năm 2023 đối với Llama 3.3 và 3.1, theo tài liệu từ Meta. Các thư viện ra mắt hoặc thay đổi sau thời điểm đó sẽ là ẩn số với mô hình, và nó thường gợi ý theo cách cũ. Hãy nêu rõ phiên bản bạn đang dùng, và dán phần tài liệu hướng dẫn mới nhất nếu cần thiết.

Code chạy được nhưng không an toàn

Cảnh giác với các câu truy vấn SQL được tạo bằng cách nối chuỗi, thiếu bước kiểm thực dữ liệu đầu vào (input validation), thông tin bảo mật bị ghi trực tiếp trong code, bỏ qua bước kiểm tra chứng chỉ bảo mật và cấp quyền file quá rộng. Hãy yêu cầu kiểm tra bảo mật riêng cho bất kỳ phần nào kết nối với internet.

Logic nhìn có vẻ đúng nhưng sai

Lỗi lệch một đơn vị (off-by-one), múi giờ, làm tròn tiền tệ, danh sách rỗng. Hãy viết kiểm thử với kết quả mẫu đã biết chắc chắn trước khi tin tưởng đoạn code được tạo ra.

Không đưa thông tin nhạy cảm vào khung chat

Tuyệt đối không dán API key, mật khẩu, khóa riêng tư (private keys), chuỗi kết nối cơ sở dữ liệu hay dữ liệu khách hàng. Hãy thay thế chúng bằng các đoạn giữ chỗ như API_KEY_HERE. Tin nhắn của bạn sẽ đi qua máy chủ của chúng tôi và nhà cung cấp dịch vụ suy luận bên thứ ba để tạo câu trả lời; hãy coi bất kỳ thông tin mật nào rời khỏi máy bạn đều có nguy cơ bị lộ và cần đổi ngay. Nếu công ty bạn có quy định về việc chia sẻ mã nguồn với dịch vụ bên ngoài, hãy tuân thủ nghiêm ngặt. Xem thêm tại Quyền riêng tư và an toàn AI.

Nên chọn mô hình Llama nào để lập trình?

Hãy bắt đầu với lựa chọn mặc định: Llama 4 Maverick. Llama 3.3 70B là phương án chỉ xử lý văn bản rất vững chắc và là góc nhìn thứ hai đáng tin cậy cho cùng một vấn đề. Llama 3.1 8B xử lý nhanh cho các tác vụ nhỏ như viết regex hoặc câu lệnh một dòng, nhưng hãy kiểm tra lại kỹ lưỡng với các vấn đề phức tạp. Bài viết hướng dẫn chọn mô hình sẽ so sánh chi tiết cả bốn lựa chọn.

Bạn muốn dùng Llama ngay trong trình soạn thảo code hoặc ứng dụng của mình? Các mô hình này có trọng số mở (open-weight), vì vậy bạn có thể chạy Llama cục bộ hoặc kết nối qua API. Hãy xem trước các điều kiện tại trang giấy phép Llama của chúng tôi.

Gợi ý prompt mẫu để dùng ngay

• "Hãy giải thích đoạn code này cho một lập trình viên mới tham gia dự án. Sau đó liệt kê ba trường hợp nó có thể gây lỗi trên môi trường production. [code]"
• "Hãy viết một hàm bằng [ngôn ngữ] để [làm tác vụ X]. Điền đầy đủ type hints, docstring và ba ví dụ gọi hàm kèm kết quả đầu ra dự kiến."
• "Hãy viết unit tests bằng [framework] cho hàm này. Bao quát các trường hợp: đầu vào bình thường, đầu vào rỗng và đầu vào không hợp lệ. [code]"
• "Hãy chuyển đổi đoạn code [ngôn ngữ A] này sang [ngôn ngữ B] sao cho giữ nguyên hành vi. Chỉ ra những phần không có cú pháp tương đương trực tiếp."
• "Chỉ đánh giá đoạn code này về mặt bảo mật, sắp xếp theo mức độ nghiêm trọng giảm dần. [code]"

Dùng thử trợ lý viết code cho các tác vụ đơn lẻ, xem thêm các prompt lập trình, đọc bài viết Llama dành cho lập trình viên, hoặc nhờ Llama giải thích một đoạn code ngay bây giờ.

Câu hỏi thường gặp

Llama có thể chạy trực tiếp code của tôi không?

Không. Trong khung chat này, mô hình chỉ đọc và tạo văn bản. Nó không thể thực thi code, không thể mở tệp hay truy cập vào kho mã nguồn (repository) của bạn, vì vậy bạn cần tự chạy thử và kiểm tra mọi thứ.

Tôi có thể dùng mã nguồn do Llama tạo ra trong dự án của mình không?

Nhìn chung là có, nhưng bạn phải chịu trách nhiệm về đoạn mã đó: hãy kiểm tra, chạy thử và cẩn trọng với các đoạn mã dài trông giống như trích từ một dự án nổi tiếng, vì chúng có thể đi kèm nghĩa vụ về giấy phép bản quyền. Đây là thông tin tham khảo chung, không phải tư vấn pháp lý.

Khả năng lập trình của mô hình có khác nhau giữa các ngôn ngữ không?

Thường là có. Các ngôn ngữ phổ biến với lượng lớn mã nguồn công khai (như Python, JavaScript, Java, PHP, SQL...) thường nhận được câu trả lời tốt hơn so với các ngôn ngữ hiếm gặp hoặc framework quá mới. Dù là ngôn ngữ nào, hãy luôn kiểm tra lại kết quả.

Tại sao mô hình lại gợi ý phiên bản thư viện cũ?

Dữ liệu huấn luyện của mô hình có mốc thời gian giới hạn. Bạn hãy nêu rõ phiên bản đang dùng và dán tài liệu hướng dẫn liên quan, mô hình sẽ dựa vào đó để xử lý thay vì chỉ nhớ lại từ dữ liệu cũ.

Dán code của công ty vào khung chat có an toàn không?

Chỉ nên làm vậy nếu công ty của bạn cho phép. Hãy xóa hết các thông tin bảo mật và dữ liệu cá nhân trước. Khi chưa chắc chắn, bạn nên hỏi bằng một ví dụ đơn giản hóa nhưng vẫn mô phỏng đúng vấn đề cần xử lý.