Anti-patterns và Decision Traps

Đây là các lỗi phổ biến làm AI engineering stack trở nên rối, dễ vỡ hoặc quá nặng không cần thiết.

So sánh tools khác layer như thể chúng cạnh tranh trực tiếp

Dấu hiệu: Team hỏi "LangGraph vs AI-DLC?" hoặc "Hermes vs Spec Kit?" như thể chỉ được chọn một.

Vì sao fail: Các tool này sở hữu layer khác nhau. LangGraph build runtime behavior. AI-DLC govern delivery. Hermes chạy agents. Spec Kit cấu trúc specs.

Cách làm tốt hơn: Bắt đầu từ stack map và xác định layer: app framework, harness, workflow, tools, data, evals hoặc governance.

Dùng LangGraph như delivery governance

Dấu hiệu: Graph cho agent app đã tồn tại, nhưng requirements, approvals, tests và release evidence vẫn informal.

Vì sao fail: Runtime orchestration không chứng minh feature đã được specify, review hoặc approve đúng.

Cách làm tốt hơn: Dùng LangGraph cho stateful agent behavior và kết hợp OpenSpec, Spec Kit hoặc AI-DLC cho delivery control.

Xem Hermes là replacement cho AI-DLC

Dấu hiệu: Team deploy custom harness và tưởng rằng nó giải quyết audit, approvals, NFR và enterprise delivery.

Vì sao fail: Harness execute. Nó không tự định nghĩa governance, source of truth, risk tiers hoặc production readiness.

Cách làm tốt hơn: Dùng Hermes khi cần custom/open agent execution. Thêm AI-DLC hoặc governance rõ cho high-risk work.

Dùng GSD speed mode cho high-risk regulated changes

Dấu hiệu: Multi-agent execution chạy nhanh trên auth, payments, customer data hoặc infrastructure mà thiếu formal review.

Vì sao fail: Throughput có thể vượt accountability. High-risk domains cần traceability, security review và approval.

Cách làm tốt hơn: Dùng GSD cho execution dưới AI-DLC-style gates khi risk cao.

Viết specs đẹp nhưng không ai review

Dấu hiệu: Repo có generated specs rất polished, nhưng product, security và engineering reviewers không verify.

Vì sao fail: Một spec sai nhưng viết rõ vẫn sinh code sai.

Cách làm tốt hơn: Assign artifact reviewers. Review requirement, architecture, security và implementation evidence riêng biệt.

Chạy RAG không có evals

Dấu hiệu: Chatbot demo tốt, nhưng không ai đo retrieval quality, grounding, freshness hoặc regressions.

Vì sao fail: RAG quality thay đổi khi sources, chunking, embeddings, prompts hoặc models thay đổi.

Cách làm tốt hơn: Tạo golden questions, expected evidence, retrieval evals, generation evals và CI eval gates.

Cấp broad tools cho agents mà không có policy

Dấu hiệu: Agents có shell, database, cloud hoặc ticketing access với chỉ dẫn mơ hồ kiểu "hãy cẩn thận."

Vì sao fail: Prompt instructions không phải authorization boundaries.

Cách làm tốt hơn: Dùng scoped credentials, allowlisted tools, approval gates, audit logs và tool gateway cho production actions.

Dùng local LLMs không capability testing

Dấu hiệu: Local model được chọn vì cost hoặc privacy, nhưng coding, retrieval, tool use hoặc reasoning quality giảm.

Vì sao fail: Local serving thay đổi model capability và operations burden. Privacy không bảo đảm quality.

Cách làm tốt hơn: Chạy evals theo workload trước khi route traffic. Dùng local models ở nơi chúng đạt required bar.

Thêm tất cả frameworks cùng lúc

Dấu hiệu: Team cài Spec Kit, OpenSpec, AI-DLC, GSD, Superpowers, Hermes, LangChain, LangGraph, MCP và observability tools trong một rollout.

Vì sao fail: Quá nhiều owner tạo artifact conflicts và adoption fatigue.

Cách làm tốt hơn: Thêm từng layer. Bắt đầu từ pain: vague requirements, execution context, quality discipline, app runtime, tools, evals hoặc governance.

Xem AI-DLC là ceremony nặng cho mọi bug

Dấu hiệu: Small fixes cũng cần full lifecycle artifacts, approvals và audit.

Vì sao fail: Team sẽ bypass process khi ceremony không khớp risk.

Cách làm tốt hơn: Định nghĩa risk tiers. Dùng full AI-DLC cho high-risk work, và lightweight specs/tests cho low-risk changes.