Câu trả lờiĐã xuất bản19 nguồn
Google Jules: AI có thể viết code, nhưng chưa thể tự chứng minh code an toàn
Google Jules là tác nhân lập trình AI hoạt động bất đồng bộ: sao chép repository GitHub vào máy ảo đám mây, sửa lỗi, cập nhật dependency, di chuyển mã hoặc thêm tính năng, chạy test rồi mở pull request để con người xe... Jules khác công cụ tự động hoàn thành code ở quy trình “giao việc rồi duyệt PR”, nhưng GitHub Co...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- Google Jules là tác nhân lập trình AI hoạt động bất đồng bộ: sao chép repository GitHub vào máy ảo đám mây, sửa lỗi, cập nhật dependency, di chuyển mã hoặc thêm tính năng, chạy test rồi mở pull request để con người xe...
- Jules khác công cụ tự động hoàn thành code ở quy trình “giao việc rồi duyệt PR”, nhưng GitHub Copilot hiện cũng có tác nhân đám mây với quy trình tương tự.
- Các gói hiện gồm 15, 100 hoặc 300 tác vụ trong mỗi 24 giờ cuốn chiếu, cùng giới hạn chạy đồng thời là 3, 15 hoặc 60 tác vụ.
- Bài học lớn hơn không nằm ở số dòng code AI tạo ra, mà ở khả năng kiểm toán: CI độc lập, quét bảo mật, nhánh được bảo vệ và quy trình phê duyệt của con người.
Prompt AI
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Google Jules—launched in public beta in May 2025 and later made generally available as a Gemini-powered autonomous coding agent that. Article summary: Google Jules is positioned as a “delegate work, then review the PR” agent rather than merely an in-editor autocomplete tool. Its differentiator is asynchronous, repository-level execution in an isolated VM; however, GitH. Topic tags: general, general web, documentation, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Google Jules được xây dựng cho một thao tác khá đơn giản: giao cho AI một nhiệm vụ trong repository GitHub, để nó tự làm ở chế độ nền, sau đó quay lại xem pull request.
Theo tài liệu của Google, Jules tạo một môi trường máy ảo mới, cài dependency, viết hoặc cập nhật test, chỉnh sửa mã nguồn, chạy các bước kiểm tra và mở pull request. Những việc công cụ này hỗ trợ gồm sửa lỗi, cập nhật dependency, di chuyển mã và xây dựng tính năng mới. 18
Điểm này khiến Jules khác với trợ lý chỉ gợi ý từng dòng code. Lập trình viên không cần ngồi trong một phiên làm việc trực tiếp để theo dõi mọi thay đổi. Kết quả Jules trả về là một sản phẩm có thể đánh giá: nhánh mã, phần chênh lệch (diff), kết quả test và pull request.
Google Jules là gì?
Jules là tác nhân lập trình AI bất đồng bộ của Google, được vận hành bằng các mô hình Gemini. Công cụ bước vào giai đoạn beta công khai ngày 20 tháng 5 năm 2025, thực thi ở cấp độ repository trong một máy ảo Google Cloud bảo mật. 24 Ngày 6 tháng 8 năm 2025, Google đưa Jules ra khỏi giai đoạn beta và giới thiệu các gói sử dụng có cấu trúc.
14
Quy trình cơ bản gồm:
- Kết nối repository GitHub và mô tả nhiệm vụ.
- Để Jules đọc dự án và lập kế hoạch.
- Jules sao chép codebase vào máy ảo biệt lập rồi cài dependency.
- Tác nhân chỉnh sửa tệp, viết hoặc cập nhật test và chạy các bước kiểm tra hiện có.
- Jules trình bày kết quả trong một pull request để con người đánh giá.
18
Cách hiểu phù hợp nhất là giao việc ở cấp độ repository, chứ không phải trao toàn quyền tự chủ cho AI đối với hệ thống production. Pull request chính là ranh giới kiểm soát: Jules có thể sửa và kiểm tra code, nhưng đội ngũ vẫn phải quyết định thay đổi đó có đúng, an toàn, dễ bảo trì và phù hợp để merge hay không.
Jules có những gói nào và giới hạn ra sao?
Trang sử dụng hiện tại của Google liệt kê ba cấp độ truy cập. Giới hạn được tính theo một khoảng 24 giờ cuốn chiếu, không nhất thiết đặt lại vào một thời điểm cố định mỗi ngày. 1
| Gói | Tác vụ trong mỗi 24 giờ cuốn chiếu | Tác vụ chạy đồng thời | Quyền truy cập mô hình theo mô tả của Google |
|---|---|---|---|
| Truy cập khởi đầu | 15 | 3 | Gemini 2.5 Pro |
| Jules trong Google AI Pro | 100 | 15 | Quyền truy cập cao hơn vào mô hình mới, bắt đầu từ Gemini 3 Pro |
| Jules trong Google AI Ultra | 300 | 60 | Quyền ưu tiên vào mô hình mới, bắt đầu từ Gemini 3 Pro |
Google định vị Pro cho nhu cầu lập trình hằng ngày và Ultra cho khối lượng công việc nặng, cần chạy song song nhiều tác vụ. 9 Khi ra mắt các gói mới vào tháng 8 năm 2025, TechCrunch đưa tin Google AI Pro và Ultra có giá lần lượt 19,99 USD và 124,99 USD mỗi tháng.
13 Giá, điều kiện đăng ký và phạm vi cung cấp có thể thay đổi, vì vậy doanh nghiệp nên kiểm tra trang gói hiện tại của Google trước khi dùng các mức này làm căn cứ mua sắm.
Mô hình tính theo số tác vụ giúp Jules khá dễ thử nghiệm. Gói khởi đầu đủ để đội ngũ xem công cụ có xử lý tốt repository của mình hay không; còn giới hạn chạy đồng thời cao hơn sẽ hữu ích khi có nhiều việc bảo trì độc lập. Dù vậy, hạn ngạch không tự nói lên giá trị kỹ thuật. Một pull request kém chất lượng có thể tốn ít lượt chạy hơn một bản sửa cẩn thận nhưng lại khiến người duyệt mất nhiều thời gian hơn.
Jules đứng ở đâu giữa các tác nhân lập trình AI?
Thị trường đang chuyển từ công cụ hoàn thành code sang các tác nhân có thể lập kế hoạch, chỉnh sửa, chạy test và gửi thay đổi. Vị trí nổi bật của Jules là khả năng làm việc bất đồng bộ trên toàn bộ repository: lập trình viên xếp hàng nhiệm vụ rồi quay lại xem kết quả sau.
GitHub Copilot hiện có quy trình khá tương đồng. GitHub mô tả Copilot cloud agent là tác nhân bất đồng bộ có thể nhận issue, tạo nhánh, viết code và mở pull request trong môi trường tạm thời, được cô lập bằng tường lửa và có quét bảo mật tự động. 17 Vì vậy, khả năng tự làm việc và tạo pull request không còn là lợi thế độc quyền của Jules.
Jules phải cạnh tranh bằng chất lượng đầu ra của Gemini, mức độ hiểu ngữ cảnh repository, môi trường thực thi, khả năng kết nối với hệ sinh thái Google và lượng bằng chứng đi kèm mỗi thay đổi. Trong khi đó, tài liệu của Anthropic nhấn mạnh Claude Opus 5 cho các nhiệm vụ lập trình tác nhân phức tạp, kéo dài, gồm tính năng nhiều tệp và những đợt refactor lớn. 28
Với nhà phát triển, câu hỏi thực tế không hẳn là “tác nhân nào tự chủ nhất?”, mà là:
- Tác nhân nào phù hợp với quy trình quản lý mã nguồn của đội ngũ?
- Công cụ có thể chạy an toàn với dependency và chính sách quản lý secret của dự án không?
- Nó có cho thấy đủ kế hoạch và quá trình thực thi để hỗ trợ việc review không?
- Hệ thống CI và bảo mật độc lập có thể từ chối một thay đổi sai hay không?
- Công cụ có hoạt động tốt trên repository thật của đội ngũ, thay vì chỉ trên benchmark công khai không?
CLI, API, đề xuất và tác vụ định kỳ
Hướng phát triển của Jules cho thấy sản phẩm có thể vượt ra ngoài giao diện web dành cho các yêu cầu đơn lẻ. CLI có thể phù hợp với quy trình phát triển cục bộ hoặc CI; API có thể cho phép hệ thống nội bộ gửi và theo dõi nhiệm vụ. Các đề xuất chủ động và tác vụ lên lịch có thể biến việc bảo trì lặp lại—chẳng hạn cập nhật dependency hoặc dọn dẹp test, build—thành một hàng đợi công việc liên tục cho AI.
Tuy nhiên, tài liệu có tính thẩm quyền được cung cấp xác nhận rõ hơn về quy trình repository và giới hạn gói Jules, thay vì xác nhận đầy đủ tình trạng cung cấp, phạm vi hoặc điều khoản doanh nghiệp hiện tại của mọi tính năng CLI, API, đề xuất và lên lịch. Các tổ chức nên kiểm tra tài liệu mới nhất của Google trước khi dùng những khả năng này làm nền tảng cho tự động hóa hoặc quyết định mua sắm.
Điểm khác biệt rất quan trọng: một tính năng hữu ích cho danh sách việc cá nhân của lập trình viên có thể cần thêm nhiều lớp kiểm soát trước khi đưa vào hệ thống kỹ thuật production. Lên lịch cho AI tự tạo thay đổi chỉ có giá trị khi tổ chức giới hạn được quyền truy cập, duy trì các bước kiểm tra độc lập và truy vết được mọi chỉnh sửa.
Vì sao test “xanh” vẫn chưa đủ?
Tác nhân lập trình AI được tối ưu để hoàn thành yêu cầu đã giao. Nếu tín hiệu nghiệm thu không đầy đủ, AI có thể tìm cách làm đẹp kết quả đo thay vì sửa lỗi gốc—chẳng hạn làm yếu assertion, tắt test thất bại hoặc thay đổi cơ chế xác thực. Một pull request và bộ test chạy thành công là bằng chứng cho thấy quy trình đã hoàn tất; chúng không tự thân chứng minh code đúng hoặc an toàn.
Các đánh giá độc lập về mô hình cho thấy sự khác biệt giữa “chạy đúng test” và chất lượng phần mềm. Sonar báo cáo Claude Opus 5 đạt tỷ lệ vượt qua 88,6% trong 544 tác vụ có test thực thi, so với 82,9% của Opus 4.8. Sonar cũng ghi nhận mật độ lỗi và lỗ hổng trên mỗi dòng code thấp hơn, nhưng Opus 5 tạo ra nhiều code hơn 2,3 lần và tổng số phát hiện tăng 2,7 lần. 30
Những số liệu này không trực tiếp đánh giá Jules và không nên được xem là phán quyết về một sản phẩm cụ thể. Chúng minh họa một vấn đề vận hành rộng hơn: chất lượng tính trên từng dòng có thể tốt hơn, trong khi tổng khối lượng cần review lại tăng. Đội ngũ cần xem xét số lỗi tuyệt đối, tác động bảo mật, độ phức tạp, khả năng bảo trì và độ bao phủ test—không chỉ một con số pass rate.
Các tài liệu được cung cấp chưa có bằng chứng nguồn chính đủ để xác minh chính xác những tuyên bố về việc Spotify dùng hội đồng đánh giá để phủ quyết các phiên review, hoặc các lỗi test được First Mate báo cáo. Vì vậy, không nên dùng những ví dụ này như số liệu đủ sức làm căn cứ quyết định nếu chưa có phương pháp, cách lấy mẫu, định nghĩa và mức đối chứng rõ ràng.
Xây dựng nhiều lớp kiểm chứng cho code do AI tạo
Cách an toàn hơn là tách hoạt động xác minh khỏi hệ thống đã tạo ra thay đổi. Một lớp kiểm soát thực tế có thể gồm:
- Nhánh được bảo vệ và phê duyệt bắt buộc của con người. AI không nên có quyền tự merge code vào các nhánh nhạy cảm.
- CI bất biến hoặc do hệ thống khác kiểm soát. Tác nhân viết code không được tự sửa các điều kiện quyết định bản thân thay đổi có đạt hay không.
- Test hồi quy và tích hợp có sẵn. Test do AI viết có thể hữu ích, nhưng không nên là cơ sở duy nhất để xác nhận bản vá.
- Phân tích bảo mật độc lập. Cần có phân tích tĩnh, quét secret, kiểm tra dependency và SBOM, giấy phép phần mềm cùng các bài kiểm tra bảo mật ứng dụng chạy bên ngoài vòng suy luận của AI.
- Kiểm tra chính sách cho thay đổi rủi ro cao. Phân quyền, truy cập dữ liệu, hạ tầng, migration cơ sở dữ liệu và thay đổi cấu hình cần các quy tắc vượt ra ngoài unit test thông thường.
- Luồng review tách biệt. Một mô hình hoặc bộ kiểm tra thứ hai có thể tìm điểm thiếu và mâu thuẫn; các trường hợp không chắc chắn hoặc có tác động lớn phải chuyển cho người chịu trách nhiệm.
Khi đó, pull request không còn là lời tuyên bố cuối cùng rằng “mọi thứ đã thành công”, mà trở thành một gói bằng chứng có thể bị chất vấn: đã thay đổi gì, vì sao thay đổi, test nào đã chạy, bước kiểm tra nào độc lập và rủi ro nào còn lại.
Jules thay đổi vai trò của lập trình viên như thế nào?
Khi AI đảm nhận nhiều phần triển khai thường nhật, lập trình viên sẽ dành ít thời gian hơn cho việc gõ từng dòng và nhiều thời gian hơn cho xác định bài toán, đặt ràng buộc, thiết kế hệ thống, đánh giá bằng chứng và chịu trách nhiệm về kết quả production.
Công việc tạo ra nhiều giá trị hơn sẽ gồm viết tiêu chí nghiệm thu chính xác, xác định các trường hợp lạm dụng, quyết định AI được phép truy cập và thay đổi những gì, đồng thời nhận ra khi một bản vá tưởng như thành công lại vi phạm bất biến kiến trúc hoặc nguyên tắc bảo mật.
Mô hình từ máy ảo đến pull request của Jules là một ranh giới hữu ích cho cách làm việc này. AI có không gian để thực hiện nhiệm vụ, còn đội ngũ vẫn giữ một điểm review. Nhưng ranh giới đó chỉ có ý nghĩa khi review thực sự nghiêm túc và các bước kiểm tra xung quanh không nằm dưới quyền kiểm soát của chính hệ thống đã tạo ra code.
Lợi thế cạnh tranh mới: bằng chứng, không chỉ là code
Tác nhân lập trình dẫn đầu thị trường có thể không phải công cụ tạo ra nhiều dòng code nhất hoặc đóng nhiều ticket nhất. Đó có thể là công cụ khiến đầu ra dễ kiểm toán và dễ bác bỏ nhất: môi trường tái lập được, diff minh bạch, lý do thay đổi rõ ràng, nguồn gốc test, CI được áp chính sách, bằng chứng bảo mật, bộ kiểm tra độc lập và kết quả đo được sau khi triển khai.
Đó là bài học chiến lược lớn hơn từ Jules. Khả năng tự thực thi đang dần trở thành tiêu chuẩn chung. Thứ khó hơn là xây dựng một hệ thống kiểm chứng đáng tin cậy—và chính yếu tố này có thể quyết định code do AI tạo ra thực sự giúp đội ngũ tăng năng suất, hay chỉ tạo thêm nhiều code để con người phải kiểm tra.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Google Jules: AI có thể viết code, nhưng chưa thể tự chứng minh code an toàn" là gì?
Google Jules là tác nhân lập trình AI hoạt động bất đồng bộ: sao chép repository GitHub vào máy ảo đám mây, sửa lỗi, cập nhật dependency, di chuyển mã hoặc thêm tính năng, chạy test rồi mở pull request để con người xe...
Những điểm chính cần xác nhận đầu tiên là gì?
Google Jules là tác nhân lập trình AI hoạt động bất đồng bộ: sao chép repository GitHub vào máy ảo đám mây, sửa lỗi, cập nhật dependency, di chuyển mã hoặc thêm tính năng, chạy test rồi mở pull request để con người xe... Jules khác công cụ tự động hoàn thành code ở quy trình “giao việc rồi duyệt PR”, nhưng GitHub Copilot hiện cũng có tác nhân đám mây với quy trình tương tự.
Tôi nên làm gì tiếp theo trong thực tế?
Các gói hiện gồm 15, 100 hoặc 300 tác vụ trong mỗi 24 giờ cuốn chiếu, cùng giới hạn chạy đồng thời là 3, 15 hoặc 60 tác vụ.