Tôi còn nhớ cách đây ba tháng, khi đội ngũ backend của chúng tôi chuyển sang dùng nhiều mô hình AI song song — một luồng dùng Claude Sonnet 4.5 để sinh code review, một luồng DeepSeek V3.2 để tóm tắt log, một luồng GPT-4.1 để dịch payload — chúng tôi gặp ngay một vấn đề đau đầu: làm sao debug đồng thời bốn endpoint với cấu hình khác nhau m