Bản tin hằng ngày dành cho developer: AI agents, cloud, security, CI/CD, developer tooling và những thay đổi có tác động thực tế tới cách chúng ta xây, kiểm chứng và vận hành phần mềm.

---

📌 Executive Summary

• Google open-source Mantis, một agentic security harness dùng AI để tìm, triage, tái hiện và vá vulnerability. Điểm quan trọng không nằm ở việc “LLM scan code”, mà ở critic/reviewer agents, repository-history context và sandbox reproduction để lọc false positives.

• Google cho biết Mantis dùng hierarchical security summaries để giảm hơn 85% token overhead trên repository lớn trong khi vẫn giữ structural context cần cho vulnerability discovery.

• GitHub Copilot Content Exclusions đã GA trong Copilot app và CLI. Những file/path bị enterprise, organization hoặc repository admin loại trừ sẽ không được dùng làm context trong các agentic workflows.

• GitHub Enterprise Managed Settings giờ đặt được bất kỳ supported model nào làm Copilot default, đồng thời có thể chọn default khác nhau theo enterprise team. Model routing đang trở thành policy của organization thay vì preference riêng từng developer.

• Docker đưa ra một trust model đáng chú ý cho thế giới multi-model, multi-harness: agent là một dạng “confused deputy” — nó hành động bằng credential và authority của user trong khi input của nó có thể đến từ source không đáng tin. Docker cho rằng security boundary phải nằm bên dưới harness thay vì chỉ dựa vào guardrails của từng agent.

• Gemini 3.8 Flash lên Vercel AI Gateway, có context 1M token, tối đa 65.536 output tokens, nhận text/image/PDF/video, hỗ trợ tool calling và web search. Vercel đang giảm 50% giá model tới 31/12/2026.

• GLM‑5.3 được giảm 50% qua DigitalOcean trên AI Gateway đến 08/09, và Vercel cung cấp một promo model ID tự ngừng phục vụ khi promotion kết thúc. Đây là một guardrail hay để tránh chi phí vô tình phát sinh sau thời gian khuyến mãi.

• TeamCity 2026.2 đưa Pipelines lên GA, thêm MCP tools cho agents, BYOK cho AI Assistant và OAuth/PKCE để không phải đưa Personal Access Token thủ công vào cấu hình agent.

• CLion 2026.2.2 có AI skill chuyên debug ARM Cortex‑M hard faults. Agent đọc fault registers, memory và disassembly qua MCP tooling thay vì parse một raw register dump rồi đoán nguyên nhân.

• Firefox tiếp tục chọn hướng AI có kiểm soát bởi user: một switch có thể block toàn bộ AI features hiện tại/tương lai, từng capability có thể bật riêng, chatbot provider có thể đổi, còn Smart Window vẫn Beta và chỉ sử dụng context mà user cho phép.

• BigQuery bổ sung identity columns, cho phép database tự sinh sequential INT64 identifiers qua GENERATED ALWAYS AS IDENTITY hoặc GENERATED BY DEFAULT AS IDENTITY, giảm boilerplate ID generation trong ETL/application code.

• Xu hướng xuyên suốt hôm nay là AI infrastructure đang dịch từ “agent có thêm tool” sang “agent phải sống trong một policy boundary rõ ràng”: context exclusion, model policy, scoped CI/CD tools, sandbox reproduction và browser-level AI controls đều đang biến trust thành primitive của platform.

---

📈 Hôm nay có gì nổi bật?

Nếu phải chọn một từ khóa cho ngày hôm nay, đó là trust boundary.

Agent ngày càng có nhiều capability:

đọc repository
chạy shell
gọi MCP
inspect CI
truy cập browser
sửa code
mở PR
deploy

Nhưng capability tăng nhanh hơn không đồng nghĩa agent nên được nhận thêm authority mặc định.

Docker gọi đúng một failure mode rất cũ: confused deputy.

Một agent có thể đọc:

issue
web page
README
package metadata
support ticket

nhưng lại hành động bằng:

GitHub token
cloud credentials
database access
deploy permission

Nếu input không đáng tin và authority quá rộng, model mạnh hơn chỉ làm attack path nhanh hơn.

Các announcement khác hôm nay gần như đang giải cùng một bài toán ở các lớp khác nhau.

GitHub chặn sensitive files khỏi Copilot context.

TeamCity chỉ cho MCP post/delete khi user chủ động bật Brave mode.

Google Mantis tái hiện vulnerability trong sandbox trước khi coi finding là thật.

Firefox để user tắt AI toàn bộ bằng một switch.

Điều này gợi ý một architecture tốt hơn cho agent:

untrusted context
  ↓
model reasoning
  ↓
policy boundary
  ↓
scoped tool
  ↓
deterministic verification
  ↓
side effect

thay vì:

model
  -> mọi thứ user có quyền làm

---

📰 Tin nổi bật

🛡️ AI Security

Google open-source Mantis: tìm, tái hiện và vá vulnerability bằng agentic harness

Google ngày 02/09 công bố hướng dẫn sử dụng Mantis, framework open source mà Google đang dùng nội bộ cho vulnerability discovery.

Mantis không hoạt động như một LLM scanner đơn giản.

Pipeline kết hợp:

• repository history analysis;

• architectural summaries;

• threat-model context;

• critic agents;

• review agents;

• vulnerability reproduction trong sandbox;

• patching;

• post-fix verification.

Google lưu ý AI code scanning thiếu grounding có thể tạo true-positive rate dưới 7%.

Mantis cố tránh tình trạng đó bằng cách yêu cầu vulnerability phải có reproduction evidence thay vì chỉ dựa trên reasoning của model.

Một optimization đáng chú ý là hierarchical security summary tree.

Mantis tóm tắt:

files
  -> directories
  -> repository root

Google cho biết phương pháp này giảm token overhead hơn 85% trên codebase lớn mà vẫn giữ structural security context.

Tác động với developer

Điểm đáng học không phải:

“Hãy dùng AI để tìm bug.”

Mà là:

“Finding của AI cần executable evidence.”

Một vulnerability report đáng tin hơn khi pipeline có thể chứng minh:

vulnerable state
  -> reproduction
  -> exploit condition
  -> patch
  -> reproduction không còn thành công

Developer nên làm gì?

Nếu thử Mantis:

• chạy trên repository non-production trước;

• dùng sandbox riêng;

• không expose production credentials;

• cung cấp threat-model/context của organization;

• định nghĩa vulnerability acceptance criteria;

• bắt patch phải có regression test hoặc reproduction proof.

Nguồn: Google Cloud — Getting started with Mantis

---

🔒 Copilot Context Governance

GitHub Copilot Content Exclusions đã GA trong app và CLI

GitHub ngày 02/09 đưa Content Exclusions lên GA cho:

• GitHub Copilot app;

• GitHub Copilot CLI.

Policy được cấu hình ở:

• enterprise;

• organization;

• repository.

Các file bị exclude sẽ không được Copilot sử dụng làm context.

Use case rõ nhất là:

• security-sensitive files;

• internal policy;

• generated secrets;

• licensed/proprietary modules;

• repository areas không được phép đưa vào AI workflows.

Tác động với developer

Agent security không chỉ là:

agent được phép gọi tool nào?

Nó còn là:

agent được phép nhìn thấy context nào?

Context itself là một permission.

Một agent không cần biết secret để vô tình leak secret nếu secret đã có sẵn trong context window.

Developer nên làm gì?

Audit những path như:

.env*
secrets/
internal/
compliance/
production-config/
customer-data/

và quyết định chúng có thực sự cần nằm trong agent context không.

Content exclusion nên đi cùng:

• repository permissions;

• secret scanning;

• tool permissions;

• network policy.

Nó không thay thế các lớp đó.

Nguồn: GitHub — Content exclusions generally available in Copilot app and CLI

---

🧠 Enterprise Model Governance

GitHub enterprise có thể đặt bất kỳ supported model nào làm Copilot default

GitHub Enterprise Managed Settings giờ có thể đặt preferred model làm default cho conversation mới.

Setting này hiện GA với Copilot Business và Enterprise trong:

• Copilot app;

• Copilot CLI;

• Visual Studio Code.

Điểm thú vị là enterprise còn có thể chọn default model theo team.

Ví dụ:

frontend team
  -> model A

security team
  -> model B

data team
  -> model C

Nếu team không có override, họ kế thừa enterprise default.

Tác động với developer

Model selection đang chuyển từ user preference thành platform routing policy.

Điều này hợp lý vì model choice có thể ảnh hưởng:

• cost;

• data policy;

• latency;

• coding performance;

• provider requirements.

Developer nên làm gì?

Thay vì chọn model dựa trên popularity, platform team nên xây evaluation theo workload:

code review
bug fix
repository research
migration
security
lightweight questions

Sau đó map task/team tới model phù hợp.

Giữ model name ở configuration thay vì business workflow.

Nguồn: GitHub — Enterprise-managed settings support any default model

---

🐳 Agent Trust Architecture

Docker: multi-model, multi-harness cần một security boundary bên dưới agent

Docker ngày 02/09 công bố bài Below the Harness: Governing a Multi-Model, Multi-Harness World.

Docker nhìn AI agent dưới lăng kính classic security problem: confused deputy.

Agent nhận authority từ developer:

repo access
credentials
APIs
Internet

nhưng instruction của nó có thể đến từ:

code bên ngoài
documentation
ticket
web page
generated content

Docker cho rằng guardrail nằm riêng trong từng harness sẽ không đủ khi organization dùng:

• Claude Code;

• Codex;

• Cursor;

• custom agents;

• nhiều model khác nhau.

Lý do là developer workflow đang trở thành multi-model và multi-harness.

Tác động với developer

Nếu mỗi coding agent có permission system riêng, organization sẽ có:

policy A
policy B
policy C
policy D

và rất khó chứng minh policy được enforce đồng nhất.

Trust boundary tốt hơn nên nằm ở lớp mà mọi agent đều phải đi qua.

Developer nên làm gì?

Đặt policy ở infrastructure layer:

filesystem access
network access
credentials
container/sandbox
API proxy
audit

thay vì chỉ ở system prompt hoặc harness settings.

Nguyên tắc:

agent asks
  ≠
action automatically allowed

Nguồn: Docker — Below the Harness

---

⚡ AI Models

Gemini 3.8 Flash lên Vercel AI Gateway

Google Gemini 3.8 Flash hiện có trên Vercel AI Gateway.

Model ID:

google/gemini-3.8-flash

Vercel công bố:

• context window: 1M tokens;

• maximum output: 65.536 tokens;

• input:

  • text;

  • image;

  • PDF;

  • video;

• output: text;

• tool calling;

• web search;

• thinking bật mặc định.

Vercel cho biết model cải thiện software engineering, agent work và multi-step reasoning so với các Flash model trước, trong khi giữ cùng speed/cost class của thế hệ trước.

Model đang được giảm giá 50% tới 31/12/2026 qua AI Gateway.

Tác động với developer

Multimodal coding agents có thể nhận:

repository
+
screenshot
+
PDF spec
+
video reproduction

trong cùng workflow.

Nhưng context 1M không nên trở thành lý do để dump mọi file vào prompt.

Developer nên làm gì?

Benchmark Gemini 3.8 Flash theo:

• solved tasks;

• context consumed;

• tool-call reliability;

• output tokens;

• latency;

• cost.

Với repository lớn, retrieval vẫn nên là default, 1M context là safety margin chứ không phải storage layer.

Nguồn: Vercel — Gemini 3.8 Flash now available on AI Gateway

---

GLM‑5.3 được giảm 50% qua DigitalOcean với promo model ID

Vercel và DigitalOcean đang giảm 50% giá GLM‑5.3 đến 08/09/2026.

Promo ID:

zai/glm-5.3-promo-50

ID này:

• chỉ route DigitalOcean;

• không fallback sang provider khác;

• ngừng hoạt động khi promotion kết thúc.

Model chuẩn:

zai/glm-5.3

vẫn tiếp tục hoạt động bình thường sau promotion.

GLM‑5.3 có:

• text input;

• 1M context;

• tối đa 128K output.

Tác động với developer

Promo-specific ID là một design guardrail khá hay.

Nó tránh tình trạng:

thử miễn phí/rẻ
  -> quên cấu hình
  -> promotion hết
  -> production tiếp tục billing ở giá mới

Developer nên làm gì?

Dùng promo ID cho:

• benchmark;

• temporary batch job;

• evaluation.

Không hard-code nó trong long-lived production config.

Nếu production phải tiếp tục sau 08/09, dùng standard ID và explicit provider routing.

Nguồn: Vercel — GLM‑5.3 is 50% off through DigitalOcean

---

🏗️ CI/CD

TeamCity 2026.2: Pipelines GA, AI BYOK và MCP write tools

JetBrains phát hành TeamCity 2026.2.

Pipelines chính thức rời EAP và trở thành Generally Available trên cả:

• TeamCity Cloud;

• TeamCity On-Premises.

Các cải tiến gồm:

• branch-aware pipelines;

• protected branch warnings;

• run downstream job dù upstream fail;

• promote finished pipeline runs;

• debug individual jobs;

• unbound pipelines không cần VCS root.

AI-related updates đáng chú ý hơn.

TeamCity MCP thêm:

teamcity_pipeline_get
teamcity_pipeline_post
teamcity_pipeline_delete

Hai tool có side effect — post và delete — chỉ hoạt động khi user chủ động bật Brave mode.

AI Assistant cũng hỗ trợ Bring Your Own Key, cho phép dùng OpenAI, Anthropic, Gemini hoặc provider hỗ trợ khác.

OAuth/PKCE được bổ sung cho MCP authorization, giảm nhu cầu tạo Personal Access Token thủ công.

Tác động với developer

TeamCity đang đi đúng pattern:

read capability
  -> dễ cấp

write/delete capability
  -> explicit elevated mode

Agent permission nên phản ánh mức độ side effect.

Developer nên làm gì?

Nếu bật TeamCity MCP:

• giữ read-only mặc định;

• không bật Brave mode globally;

• log pipeline mutations;

• dùng OAuth/PKCE thay PAT dài hạn;

• không cho agent tự delete pipeline production nếu không có approval.

Nguồn: JetBrains — TeamCity 2026.2

---

🧰 Embedded Development

CLion cho AI agent tự điều tra ARM Cortex‑M hard faults

CLion 2026.2.2 có bundled AI skill:

clion-embedded-hardfault

Skill được hỗ trợ bởi dedicated MCP tooling.

Khi application dừng trong:

• HardFault_Handler;

• MemManage_Handler;

• BusFault_Handler;

• UsageFault_Handler;

agent có thể:

• đọc fault status registers;

• inspect memory;

• inspect disassembly;

• correlate program counter với source;

• lần tới root cause.

Thay vì đưa raw CFSR/HFSR dump cho model tự parse, MCP tooling cung cấp decoded evidence.

JetBrains cho biết solution tương thích nhiều debugger, gồm:

• Lauterbach TRACE32;

• Segger J-Link;

• ST-LINK.

Tác động với developer

Đây là một ví dụ mạnh cho nguyên tắc:

semantic tool tốt có thể quan trọng hơn model mạnh hơn.

Agent shell-only phải:

read register dump
  -> hiểu bit layout
  -> chạy debugger
  -> parse text
  -> đoán

Agent với specialized tool nhận evidence đã được decode.

Developer nên làm gì?

Với embedded debugging:

• cho agent debugger access trước source mutation;

• yêu cầu root-cause evidence;

• giữ hardware flashing phía sau approval;

• log register/state snapshot;

• rerun trên hardware sau patch.

Nguồn: JetBrains — Stop Guessing at Hard Faults

---

🌐 Browser AI

Firefox cho phép block toàn bộ AI hiện tại và tương lai bằng một switch

Mozilla ngày 02/09 công bố chi tiết cách Firefox quản AI features.

Trong Settings, Firefox có một khu vực AI controls nơi user có thể:

• block toàn bộ AI features hiện tại/tương lai;

• bật/tắt từng capability;

• chọn chatbot provider.

Các provider sidebar hiện gồm:

• Claude;

• ChatGPT;

• Gemini;

• Le Chat Mistral.

Firefox Smart Window vẫn ở Beta, hiện hỗ trợ tiếng Anh tại Mỹ và Canada.

Smart Window có thể dùng context mà user cho phép từ:

• tabs;

• browsing history;

để:

• summarize;

• compare;

• plan;

• group tabs.

Mozilla cũng tích hợp Exa để tìm thông tin web và hiển thị nguồn.

Tác động với developer

Firefox đang đưa ra một UX principle đáng chú ý:

AI capability
  nhưng
user-controlled scope

Agent/browser AI có rất nhiều context tiềm năng.

Việc context chỉ được sử dụng khi user chủ động cho phép là một boundary quan trọng.

Developer nên làm gì?

Nếu xây AI feature trong browser/app:

• không assume toàn bộ user data là context mặc định;

• expose per-feature controls;

• cho user biết provider nào nhận dữ liệu;

• có master opt-out;

• giữ context scope dễ hiểu.

Nguồn: Mozilla — AI on your terms

---

🗃️ Data Engineering

BigQuery có identity columns để tự sinh sequential IDs

Google Cloud ngày 02/09 công bố identity columns cho BigQuery.

Developer có thể khai báo:

GENERATED ALWAYS AS IDENTITY

hoặc:

GENERATED BY DEFAULT AS IDENTITY

để BigQuery tự tạo sequential 64-bit integer values.

Ví dụ:

CREATE TABLE orders (
  order_id INT64 GENERATED ALWAYS AS IDENTITY
    (START WITH 1 INCREMENT BY 1),
  customer_name STRING,
  order_date DATE
);

Identity columns hoạt động với DML như:

• INSERT;

• MERGE.

Tác động với developer

Trước đây nhiều ingestion pipeline phải tự:

• generate surrogate keys;

• giữ sequence;

• gọi external logic;

• xử lý collision.

Đưa logic này xuống database giảm application/ETL boilerplate.

Developer nên làm gì?

Identity column phù hợp với surrogate key nội bộ.

Đừng mặc định dùng sequential ID làm public identifier nếu enumeration là security concern.

Với distributed data ingestion, benchmark semantics/constraints trước khi thay logic hiện có.

Nguồn: Google Cloud — BigQuery identity columns

---

🔥 Top 5 đáng chú ý nhất hôm nay

Hạng	Chủ đề	Vì sao đáng chú ý
1	Google Mantis	Vulnerability discovery được grounded bằng sandbox reproduction và critic/review agents thay vì dựa vào raw LLM findings.
2	GitHub Content Exclusions	Agent governance mở rộng từ “agent được làm gì” sang “agent được phép nhìn thấy gì”.
3	Docker multi-harness trust model	Khi team dùng nhiều coding agents, security boundary cần nằm dưới harness để policy nhất quán.
4	TeamCity MCP + Brave mode	CI/CD agent tooling bắt đầu phân biệt read capability với side-effect capability một cách rõ ràng.
5	CLion hard-fault skill	Semantic debugger evidence cho thấy agent có thể đáng tin hơn mà không cần tăng model intelligence.

---

🛠 Công cụ đáng thử

Google Mantis

Đáng thử nhất hôm nay nếu team đang nghiên cứu AI-assisted secure code review.

Điểm mạnh:

discovery
  -> triage
  -> reproduction
  -> patch
  -> verification

thay vì chỉ output một danh sách finding.

Google Mantis trên GitHub

---

TeamCity MCP

Phù hợp nếu muốn coding agent:

• xem build;

• đọc pipeline;

• debug CI;

• quản pipeline có kiểm soát.

Điểm cần chú ý nhất là tách read-only khỏi Brave mode.

TeamCity 2026.2

---

CLion Embedded Hard Fault Skill

Đáng thử với ARM Cortex-M project dùng:

• J-Link;

• ST-LINK;

• TRACE32.

JetBrains hard-fault debugging

---

GitHub Copilot Content Exclusions

Enterprise đang đưa nhiều code vào agent workflows nên audit exclusions trước khi mở rộng tool access.

GitHub Copilot Content Exclusions

---

📚 Bài viết nên đọc

Getting started with Mantis

Bài kỹ thuật đáng đọc nhất hôm nay.

Hai ý quan trọng nhất:

1. AI security finding cần sandboxed reproduction.

2. Context architecture có thể giảm token rất mạnh mà vẫn giữ security signal.

Đọc trên Google Cloud

---

Below the Harness

Đáng đọc nếu organization đang có hơn một coding agent.

Bài viết đặt đúng câu hỏi:

Security policy nằm trong mỗi agent hay nằm ở lớp mà tất cả agents đều phải đi qua?

Đọc trên Docker

---

Stop Guessing at Hard Faults

Một case study hay về cách biến IDE/debugger knowledge thành semantic tools cho agent.

Đọc trên JetBrains

---

AI on your terms

Đáng đọc nếu đang thiết kế AI UX có quyền truy cập context cá nhân.

Mozilla đưa ra một implementation rất rõ của:

selective opt-in
provider choice
master opt-out

Đọc trên Mozilla

---

🚀 GitHub Repository nổi bật

google/mantis

Repository nổi bật nhất hôm nay.

Mantis là ví dụ khá hoàn chỉnh của một agent harness cho security:

• repository analysis;

• threat context;

• critic/reviewer agents;

• sandboxed reproduction;

• finding triage;

• patch workflow.

github.com/google/mantis

---

docker/cagent

Bài trust-model của Docker hôm nay liên quan trực tiếp tới cách agent workflows được đóng gói và chạy xuyên nhiều model/harness.

cagent đáng xem nếu bạn muốn nghiên cứu cách declarative agent configuration có thể trở thành portable artifact.

github.com/docker/cagent

---

googleapis/python-bigquery

BigQuery identity columns tiếp tục làm warehouse có nhiều database-native primitives hơn, giảm logic phải tự dựng ở ingestion layer.

github.com/googleapis/python-bigquery

---

💬 Góc nhìn của mình

Điểm đáng chú ý nhất hôm nay là agent security đang dần dịch khỏi model.

Trước đây nhiều team nghĩ:

Nếu system prompt tốt hơn, agent sẽ an toàn hơn.

Nhưng các platform ngày càng chọn cách khác.

GitHub:

context exclusion

TeamCity:

explicit elevated mode

Google Mantis:

sandbox reproduction

Docker:

authority boundary dưới harness

Firefox:

user-controlled context

Tất cả đều có điểm chung:

đừng yêu cầu model tự enforce quyền của chính nó.

Đó là nguyên tắc security đã tồn tại từ lâu.

Một application không tự quyết định:

“Tôi nghĩ user này là admin.”

Nó phải đi qua authentication và authorization system bên ngoài business logic.

Agent cũng nên như vậy.

Điểm thứ hai là context permission đang trở thành first-class security concept.

Một agent có thể không có write permission nhưng vẫn gây rủi ro nếu nó đọc:

secrets
source proprietary
customer data
production configuration

rồi gửi chúng vào external provider/tool.

Vì vậy permission matrix trong tương lai có thể cần hai trục:

what can the agent see?
what can the agent do?

Chỉ quản tool access là chưa đủ.

Điểm thứ ba là semantic tools.

Mantis dùng structured security summaries.

CLion decode fault registers.

TeamCity expose pipeline operations qua MCP.

Đây là những thứ LLM có thể cố tự làm bằng shell, nhưng đó không phải cách tốt nhất.

Nếu platform đã biết chính xác:

fault register nghĩa gì
pipeline state là gì
repository topology ra sao

hãy đưa knowledge đó cho agent dưới dạng typed tool.

Đừng bắt model reconstruct infrastructure từ text.

Điểm thứ tư là multi-model governance.

GitHub cho enterprise đặt model mặc định.

Vercel thêm Gemini và GLM promotion gần như liên tục.

Model landscape thay đổi quá nhanh để user tự quản bằng tribal knowledge.

Organization cuối cùng sẽ cần một router/policy layer:

task
  -> allowed models
  -> cost target
  -> data policy
  -> chosen backend

Model picker có lẽ sẽ dần trở thành implementation detail.

Cuối cùng là Mantis.

Mình nghĩ security là nơi thể hiện rõ nhất difference giữa:

plausible answer

và:

verified outcome

Một finding nghe rất thuyết phục vẫn không có giá trị nếu không reproduce được.

Điều tương tự áp dụng cho coding agents:

"Tôi đã sửa bug"

không quan trọng bằng:

reproduction trước fix -> fail
patch
reproduction sau fix -> pass

Agent engineering sẽ trưởng thành nhanh hơn khi chúng ta ngừng hỏi:

Model nói gì?

và bắt đầu hỏi:

Hệ thống chứng minh được gì?

---

📝 Kết luận

03/09 có lượng developer news tốt hơn những ngày cuối tuần, với 10 chủ đề chất lượng được công bố ngày 02/09/2026. Bản hôm nay không cần mở rộng sang cửa sổ 24–72 giờ.

Ba việc đáng cân nhắc:

1. Audit agent policy theo hai hướng riêng biệt: context được phép đọc và actions được phép thực hiện.

2. Nếu AI security/code review đang có false positives cao, thêm deterministic reproduction/verification trước khi đổi sang model mạnh hơn.

3. Nếu organization dùng nhiều coding agents, đưa credential, network và filesystem controls xuống dưới harness thay vì cấu hình riêng từng tool.

Xu hướng lớn hôm nay có thể tóm lại:

Agent càng mạnh, trust càng phải nằm ngoài agent.

Model nên reasoning.

Infrastructure nên quyết định:

nó được nhìn thấy gì, được làm gì và bằng chứng nào đủ để một action được coi là thành công.

---

🔗 Nguồn tham khảo

1. Google Cloud — Getting started with Mantis

2. GitHub — Content exclusions GA

3. GitHub — Enterprise-managed default models

4. Docker — Below the Harness

5. Vercel — Gemini 3.8 Flash

6. Vercel — GLM‑5.3 DigitalOcean promotion

7. JetBrains — TeamCity 2026.2

8. JetBrains — Hard Fault Debugging in CLion

9. Mozilla — AI on your terms

10. Google Cloud — BigQuery identity columns