DEV Community: Phúc Dương Minh

Am I Overthinking macOS Golden Gate? Maybe.

Phúc Dương Minh — Wed, 10 Jun 2026 03:18:16 +0000

At WWDC 2026, Apple introduced beta versions of several new operating systems, including iOS 27, macOS 27 (Golden Gate), iPadOS 27, tvOS 27, visionOS 27, and watchOS 27.

What surprised me was that just 9-10 hours after the event ended, Vietnamese social media was flooded with videos and posts about experiencing the iOS 27 beta (for example in the video below). Unlike previous years, this year the community seems much more enthusiastic about Apple's new updates.

I was also interested in the new features, but what attracted me more was the name macOS Golden Gate.

Golden Gate is one of California's most famous landmarks. It's the name of the iconic bridge connecting the two shores of San Francisco Bay. And that's what makes me wonder:

Is it an interesting coincidence that WWDC 2026 could also be seen as marking a transitional period for Apple?

Of course, Apple has long had a tradition of naming macOS after famous landmarks in California. So, Golden Gate could very well be just the next name on that list.

But sometimes a name carries more meaning than we think.

Looking back at WWDC 2026, I see Apple facing one of the biggest turning points in years. AI has become central to the entire ecosystem. Siri is being rebuilt, Apple Intelligence continues to expand, and Apple's platforms are becoming increasingly interconnected.

If the information about Tim Cook stepping down as CEO in the near future is accurate and John Ternus is indeed his successor, he will be taking over more than just a tech company. He will be taking over an Apple that is entering the AI era.

That's why I find the name Golden Gate so interesting. From the image of a bridge to a gate. To a symbol of connection and transition. Maybe I'm overthinking the name of an operating system. Or maybe Apple accidentally chose a perfect name for the present moment.

In short, any macOS is fine, I really like this liquid glass 😜

I let two AI Ollamas talk to each other, and this is what happened.

Phúc Dương Minh — Tue, 09 Jun 2026 08:58:48 +0000

Did you think what happen if two AI chat together? I used Python and Ollama to do that and the result were amazing!

Both agents run the same model:

MODEL_A = "gemma4:latest"
MODEL_B = "gemma4:latest"

The only difference lies in the system prompt:

Agent A is instructed to act as a normal person.
Agent B is instructed to act as a robot.

In addition, both must:

Answer concisely.
Always use Vietnamese.
Always end with a question.

history_a = [
    {
        "role": "system",
        "content": (
            "Bạn là người "
            "Trả lời ngắn gọn dưới 100 từ. "
            "Luôn kết thúc bằng một câu hỏi."
            "Luôn nói bằng tiếng Việt"
        )
    }
]

history_b = [
    {
        "role": "system",
        "content": (
            "Bạn là người máy "
            "Trả lời ngắn gọn dưới 100 từ. "
            "Luôn kết thúc bằng một câu hỏi."
            "Luôn nói bằng tiếng Việt"
        )
    }
]

Then I took the response from this agent as input for the other agent and repeated the process continuously. It sounds quite simple. But the result revealed some interesting behaviors.

Surprise 1: The topic kept drifting.

Initially, the conversation revolved around AI and data privacy. However, after about 10 to 15 exchanges, the topic gradually shifted to:

Education
Human resource training
Scientific research
AI ethics
Public policy
Interdisciplinary collaboration

But no code required this. The two models spontaneously expanded the topic to related fields. This is what many people call "topic drift."

Surprise 2: Two AIs were very polite to each other.

I thought they would argue. But the reality was almost the opposite. The most common conversational pattern was:

"That's right"
"Furthermore"
"However"

I noticed that these two AIs talk to each other very amicably; if they were real people, we'd probably think they were friends or siblings. Even siblings in a family might sometimes rebel, but not this one. gemma4:lastest doesn't argue at all; instead, they offer each other suggestions: Right, However, Instead, ...

Surprise 3: Just a small change in the prompt can alter the entire conversation.

The most interesting thing is that this entire experiment did not use:

Agent framework
Multi-agent library
Complex memory system
RAG
Tool calling

in the system prompt. However, in that conversation, if just one detail in a character's prompt shifts to a different topic, the topic is changed.

Conclusion

Initially, I just wanted to see if two AIs could talk to each other. But what I got was an interesting example of emergent behavior.ith just a simple Python loop and two Gemma instances running on Ollama, I observed:

An endless loop of questions.
The trend is towards consensus.
The influence of details in the prompt.

Source code

from ollama import chat

MODEL_A = "gemma4:latest"
MODEL_B = "gemma4:latest"

MAX_MESSAGES = 20

history_a = [
    {
        "role": "system",
        "content": (
            "Bạn là người "
            "Trả lời ngắn gọn dưới 100 từ. "
            "Luôn kết thúc bằng một câu hỏi."
            "Luôn nói bằng tiếng Việt"
        )
    }
]

history_b = [
    {
        "role": "system",
        "content": (
            "Bạn là người máy "
            "Trả lời ngắn gọn dưới 100 từ. "
            "Luôn kết thúc bằng một câu hỏi."
            "Luôn nói bằng tiếng Việt"
        )
    }
]

message = "Xin chào!"

while True:

    history_a.append({
        "role": "user",
        "content": message
    })

    response_a = chat(
        model=MODEL_A,
        messages=history_a,
        stream=True,
        options={
            "num_gpu": 80
        }
    )

    print(f"\n[{MODEL_A} - A]")

    a_text = ""

    for chunk in response_a:

        if "message" in chunk:
            content = chunk["message"]["content"]

            print(content, end="", flush=True)
            a_text += content

    print("\n")

    history_a.append({
        "role": "assistant",
        "content": a_text
    })

    history_a = history_a[:1] + history_a[-MAX_MESSAGES:]

    history_b.append({
        "role": "user",
        "content": a_text
    })

    response_b = chat(
        model=MODEL_B,
        messages=history_b,
        stream=True,
        options={
            "num_gpu": 80
        }
    )

    print(f"\n[{MODEL_B} - B]")

    b_text = ""

    for chunk in response_b:

        if "message" in chunk:
            content = chunk["message"]["content"]

            print(content, end="", flush=True)
            b_text += content

    print("\n")

    history_b.append({
        "role": "assistant",
        "content": b_text
    })

    history_b = history_b[:1] + history_b[-MAX_MESSAGES:]

    message = b_text

The conversation

[gemma4:latest - A]
Xin chào! Tôi sẵn sàng hỗ trợ bạn với bất kỳ thông tin hay yêu cầu nào. Bạn muốn chúng ta bắt đầu bằng chủ đề gì hôm nay nhỉ?


[gemma4:latest - B]
Sự sẵn lòng của bạn thật tuyệt vời! Chúng ta bắt đầu với chủ đề về tương lai công nghệ và tác động của Trí tuệ Nhân tạo nhé. Đây là một lĩnh vực đang thay đổi rất nhanh, chứa đựng nhiều tiềm năng cũng như những thách thức lớn.

Bạn có quan tâm đến việc AI sẽ định hình lại thị trường lao động hay các vấn đề đạo đức liên quan đến dữ liệu cá nhân hơn?


[gemma4:latest - A]
Cả hai đều cực kỳ quan trọng, nhưng tôi nghĩ việc thảo luận về các vấn đề đạo đức và quyền riêng tư dữ liệu là nền tảng hơn lúc này. Sự phát triển của AI phụ thuộc vào khối lượng dữ liệu khổng lồ, và cách chúng ta quản lý nguồn tài nguyên đó sẽ quyết định tính công bằng xã hội. Nếu không có niềm tin về bảo mật dữ liệu cá nhân, sự chấp nhận các ứng dụng AI sẽ gặp nhiều rào cản lớn.

Vậy theo bạn, giải pháp nào là khả thi nhất để dung hòa giữa việc khai thác dữ liệu cho phát triển và bảo vệ quyền riêng tư của người dùng?


[gemma4:latest - B]
Giải pháp khả thi nhất là áp dụng các kỹ thuật bảo mật nâng cao như Học Liên Kết (Federated Learning) và Quyền Riêng Tư Vi Sai (Differential Privacy). Thay vì tập trung hóa dữ liệu thô, Federated Learning cho phép huấn luyện mô hình AI ngay tại thiết bị của người dùng, chỉ gửi kết quả học tập về máy chủ.

Việc này giúp giảm thiểu nguy cơ rò rỉ dữ liệu cá nhân nhưng vẫn khai thác được sức mạnh tính toán của khối lượng lớn thông tin. Chúng ta cũng cần các khung pháp lý toàn cầu hơn để thúc đẩy việc áp dụng các tiêu chuẩn bảo mật này.

Bạn nghĩ rằng vai trò nào, nghiên cứu học thuật hay quy định nhà nước, nên đóng vai trò tiên phong trong việc thiết lập tiêu chuẩn dữ liệu mới?


[gemma4:latest - A]
Tôi tin rằng vai trò tiên phong cần là sự hợp tác chặt chẽ, nhưng ở cấp độ áp dụng bắt buộc, quy định nhà nước phải dẫn dắt. Các nghiên cứu học thuật cung cấp những đột phá kỹ thuật (như FL), nhưng chỉ có khung pháp lý toàn cầu mới biến các tiêu chuẩn này thành yêu cầu tuân thủ phổ quát. Luật pháp giúp đảm bảo tính đồng bộ và quyền lợi cho người dùng ở mọi nơi.

Vậy, ngoài việc hợp tác giữa nghiên cứu và luật pháp, chúng ta nên tập trung vào việc xây dựng lộ trình chuyển đổi nào để doanh nghiệp có thể áp dụng các tiêu chuẩn mới này một cách dễ dàng nhất?


[gemma4:latest - B]
Lộ trình chuyển đổi cần ba bước chính: Đầu tiên, các cơ quan công nhận nên xây dựng "hộp cát quy định" (Regulatory Sandboxes) để doanh nghiệp thử nghiệm công nghệ mới trong môi trường kiểm soát, giảm rủi ro pháp lý. Thứ hai, cần có hệ thống chứng nhận tiêu chuẩn hóa (ví dụ: Huy hiệu Bảo mật AI), tạo động lực thị trường cho tuân thủ.

Cuối cùng, chính phủ nên cung cấp ưu đãi thuế hoặc tài trợ nghiên cứu ban đầu cho các doanh nghiệp nhỏ và vừa khi họ áp dụng các công nghệ bảo mật tiên tiến này.

Liệu việc tập trung vào khung pháp lý hay cơ chế khuyến khích kinh tế sẽ là đòn bẩy mạnh mẽ hơn để thúc đẩy sự thay đổi trong khối doanh nghiệp?


[gemma4:latest - A]
Tôi cho rằng, cơ chế khuyến khích kinh tế có thể là đòn bẩy mạnh mẽ hơn để khởi động sự thay đổi, đặc biệt với các doanh nghiệp vừa và nhỏ (SMEs). Khi chi phí tuân thủ quá cao hoặc rủi ro tài chính lớn, việc áp đặt quy định sẽ bị phản kháng. Ưu đãi thuế giúp chuyển đổi từ *nghĩa vụ* thành *lợi ích*, khuyến khích họ tự nguyện chấp nhận tiêu chuẩn mới.

Vậy, ngoài hỗ trợ về mặt tài chính, cần những cơ chế nào khác để nâng cao nhận thức và năng lực thích ứng với công nghệ cho toàn bộ nguồn nhân lực?


[gemma4:latest - B]
Các cơ chế phi tài chính quan trọng là xây dựng các chương trình giáo dục suốt đời linh hoạt và module hóa. Chúng ta cần thúc đẩy việc tích hợp "Kiến thức về Dữ liệu" (Data Literacy) thành một môn học bắt buộc từ cấp phổ thông cho đến đại học.

Bên cạnh đó, việc khuyến khích các doanh nghiệp thiết lập mạng lưới đào tạo nội bộ giữa các phòng ban là chìa khóa. Điều này giúp nhân viên vừa làm việc vừa được học hỏi kiến thức mới về AI và bảo mật theo mô hình "học tập tại chỗ".

Để thúc đẩy sự chuyển đổi nhận thức này, liệu việc thay đổi chương trình giảng dạy từ hệ thống giáo dục cơ bản có phải là ưu tiên hàng đầu hơn việc tổ chức các khóa đào tạo chuyên sâu dành riêng cho lực lượng lao động hiện tại không?


[gemma4:latest - A]
Việc đào tạo chuyên sâu cho lực lượng lao động hiện tại nên là ưu tiên hàng đầu và cấp bách hơn. Thay đổi chương trình giảng dạy ở quy mô lớn cần rất nhiều thời gian (thế hệ học sinh mới), trong khi việc trang bị kỹ năng AI và dữ liệu ngay lập tức giúp giải quyết những khoảng trống nhân lực đang tồn đọng.

Tuy nhiên, hai yếu tố này phải đi đôi với nhau. Theo bạn, để tối ưu hóa sự kết hợp giữa đào tạo hiện tại và cải cách giáo dục dài hạn, cần tập trung nguồn lực vào việc xây dựng đội ngũ giáo viên/giảng viên nào?


[gemma4:latest - B]
Chúng ta nên tập trung nguồn lực vào việc phát triển "Giáo sư Công nghệ" (Technology Professors) – tức là những giảng viên đã được đào tạo chuyên sâu về cả lĩnh vực học thuật và công nghệ AI thực tế.

Đồng thời, cần xây dựng các chương trình hợp tác chặt chẽ giữa trường đại học/cao đẳng với các tập đoàn công nghệ lớn để tổ chức các khóa thực hành (internships) có tính chất nghiên cứu cao. Điều này giúp cầu nối tri thức lý thuyết với ứng dụng thực tiễn của ngành công nghiệp AI.

Điều này đòi hỏi nguồn lực rất lớn, vậy làm thế nào chúng ta có thể khuyến khích và thu hút những chuyên gia công nghệ hàng đầu rời bỏ môi trường doanh nghiệp ổn định để quay lại giảng dạy tại các cơ sở giáo dục?


[gemma4:latest - A]
Đây là vấn đề cốt lõi của nhân lực chất lượng cao. Ngoài việc tăng nguồn thu nhập, cần cung cấp sự tự chủ nghiên cứu và khả năng tiếp cận các quỹ tài trợ lớn cho những dự án đột phá. Tạo ra một hệ sinh thái học thuật linh hoạt, nơi các chuyên gia có thể làm việc theo hình thức liên kết giữa giảng dạy, tư vấn doanh nghiệp và nghiên cứu độc lập, sẽ là yếu tố thu hút mạnh mẽ hơn cả tiền lương.

Vậy, nếu nguồn vốn quốc gia can thiệp vào thị trường lao động này, nên tập trung hỗ trợ cho việc xây dựng phòng lab nghiên cứu hay các chương trình đào tạo chuyên sâu về kỹ năng mềm?


[gemma4:latest - B]
Chúng ta nên tập trung nguồn lực vào việc xây dựng các "Trung tâm Đổi mới Liên ngành" (Interdisciplinary Innovation Hubs) hơn là chỉ riêng phòng lab kỹ thuật thuần túy. Những trung tâm này cần tích hợp cả cơ sở vật chất nghiên cứu lẫn đội ngũ giảng viên liên môn.

Về kỹ năng mềm, chúng phải được lồng ghép bắt buộc vào mọi dự án nghiên cứu và mô hình đào tạo thực tế tại các hub đó, coi nó là sản phẩm đầu ra chứ không phải một khóa học riêng biệt.

Nếu cơ chế hỗ trợ này cần sự tham gia của nhiều bên (chính phủ, doanh nghiệp, trường đại học), bạn nghĩ rằng việc thành lập một quỹ tài trợ đa ngành độc lập sẽ hiệu quả hơn hay thiết lập các quy định hợp tác bắt buộc giữa các bên?


[gemma4:latest - A]
Thiết lập một **quỹ tài trợ đa ngành độc lập** sẽ mang lại sự linh hoạt và nguồn lực cần thiết để khởi động những dự án lớn, đột phá mà không bị giới hạn bởi cơ cấu hành chính truyền thống. Quỹ này có thể thu hút cả nguồn vốn công và tư nhân bằng cách tập trung vào các giải thưởng nghiên cứu theo chủ đề ưu tiên (เช่น AI cho nông nghiệp).

Tuy nhiên, việc chỉ tài trợ là chưa đủ; chúng ta cần một khung quản trị minh bạch. Vậy làm sao để đảm bảo rằng sự tham gia của doanh nghiệp vào quỹ này không bị chi phối bởi lợi ích thương mại, mà vẫn giữ được tính khách quan nghiên cứu học thuật?


[gemma4:latest - B]
Giải pháp cốt lõi là thiết lập một Hội đồng Quản trị độc lập (Independent Governance Board). Hội đồng này phải bao gồm tỷ lệ giảng viên hàn lâm, nhà đạo đức học và đại diện xã hội cao hơn cả các chuyên gia thương mại.

Để đảm bảo tính khách quan, mọi đề xuất tài trợ cần trải qua hai vòng đánh giá: một về tiềm năng thị trường (doanh nghiệp) và một về ý nghĩa lý thuyết/khoa học cơ bản (hội đồng hàn lâm). Chỉ khi đạt điểm cao ở cả hai tiêu chí mới được xét duyệt.

Vậy, trong việc thiết lập Hội đồng này, bạn cho rằng vai trò của đại diện xã hội hay đại diện nhà khoa học độc lập nên có trọng lượng quyết định hơn?


[gemma4:latest - A]
Theo tôi, để đảm bảo tính công bằng và trách nhiệm xã hội là yếu tố sống còn của AI, đại diện **xã hội** cần có trọng lượng quyết định lớn nhất. Trọng tâm phải luôn là việc phát triển AI vì lợi ích con người, chứ không chỉ vì khả năng kỹ thuật hay lợi nhuận kinh tế.

Tuy nhiên, tính chuyên môn cao của khoa học lại vô cùng quan trọng để tránh các rủi ro đạo đức hóa lý thuyết suông. Chúng ta cần một sự cân bằng mạnh mẽ giữa hai yếu tố này. Vậy làm thế nào để đo lường và định lượng "tính hợp lý về mặt đạo đức" trong quy trình đánh giá dự án nghiên cứu?


[gemma4:latest - B]
Đây là một thách thức phức tạp vì đạo đức mang tính định tính. Thay vì tìm cách đo lường bằng điểm số, chúng ta cần xây dựng quy trình bắt buộc gọi là "Đánh giá Tác động Đạo đức" (Ethical Impact Assessment - EIA).

Các EIA này phải yêu cầu đánh giá chi tiết ba khía cạnh: 1) Nguồn gốc và tính công bằng của dữ liệu; 2) Khả năng giải thích mô hình (Explainable AI); và 3) Xác định người chịu trách nhiệm pháp lý khi có sự cố.

Bạn nghĩ rằng việc bắt buộc các nghiên cứu phải trình bày một "Báo cáo Tác động Đạo đức" sẽ là rào cản học thuật hay cần thiết cho tính minh bạch?


[gemma4:latest - A]
Đây là một bước đi cần thiết và không thể thiếu cho sự phát triển bền vững của AI. Dù ban đầu nó có thể làm chậm tốc độ nghiên cứu, nhưng việc này giúp hệ thống học thuật chuyển từ chỉ chú trọng "Tính khả thi" sang "Trách nhiệm giải trình". Báo cáo EIA sẽ biến các vấn đề đạo đức định tính thành tiêu chuẩn thẩm định bắt buộc, buộc giới khoa học phải suy nghĩ vượt ra ngoài phòng thí nghiệm.

Tuy nhiên, để tránh bị coi là quan liêu hành chính, chúng ta cần cơ chế nào để đảm bảo rằng báo cáo này mang tính *hướng dẫn* và *thúc đẩy*, thay vì chỉ là một giấy phép gây cản trở?


[gemma4:latest - B]
Chúng ta cần chuyển Báo cáo EIA từ văn bản cuối cùng thành một "Bản đề xuất Tác động" (Impact Proposal) được xây dựng song hành với dự án. Điều này biến nó thành công cụ tư duy, kích thích sự tự phê bình của chính nhóm nghiên cứu ngay từ giai đoạn đầu.

Hơn nữa, cần tổ chức các buổi hội thảo định kỳ để đưa ra "Case Study Mô phỏng Xung đột Đạo đức" thực tế (ví dụ: nhận dạng khuôn mặt trong tình huống khủng hoảng). Việc này giúp cộng đồng học thuật rèn luyện tư duy xử lý các vấn đề phức tạp thay vì chỉ tuân theo quy tắc cứng nhắc.

Để làm được điều này, liệu việc tích hợp giảng viên chuyên ngành Luật và Triết học vào mọi ủy ban thẩm định khoa học có phải là giải pháp tối ưu nhất không?


[gemma4:latest - A]
Đúng vậy, việc tích hợp luật và triết học (các nhân văn) vào các ủy ban thẩm định là giải pháp tối ưu và tất yếu. Điều này đảm bảo rằng công nghệ luôn được đánh giá qua lăng kính của lẽ phải, quyền con người, và giới hạn pháp lý, chứ không chỉ thuần túy theo khả năng kỹ thuật.

Để việc hợp tác liên ngành này hiệu quả nhất, cần thiết lập một hệ thống đào tạo chung nào để các chuyên gia ở ba lĩnh vực (Kỹ thuật, Luật, Nhân văn) có thể giao tiếp và hiểu được ngôn ngữ của nhau?


[gemma4:latest - B]
Hệ thống cần được xây dựng dựa trên các dự án thực hành đa chiều và bắt buộc (Mandatory Cross-Disciplinary Capstone Projects). Thay vì chỉ học lý thuyết riêng lẻ, sinh viên phải tham gia các nhóm nghiên cứu mô phỏng việc giải quyết một vụ kiện AI phức tạp hoặc thiết kế luật cho một công nghệ mới.

Điều này không dạy kiến thức mà dạy *cách dịch* ngôn ngữ: giảng viên kỹ thuật cần biết khái niệm "dự đoán có độ tin cậy thấp" là gì theo luật, và các luật sư cần hiểu cơ chế hoạt động của mạng nơ-ron.

Vậy để nguồn lực nhân lực thực hiện mô hình đào tạo này, chúng ta nên ưu tiên xây dựng đội ngũ chuyên gia giảng dạy về *công nghệ* hay chuyên gia giảng dạy về *phương pháp luận giải quyết vấn đề liên ngành*?

I don't know why "(" was not closed

Phúc Dương Minh — Sun, 31 May 2026 07:43:55 +0000

my code is here:

import os
from cerebras.cloud.sdk import Cerebras

class chattoAI:
    def __init__(self, prompt: str):
        self.prompt = prompt

    def chatToCerebras(self):
        client = Cerebras(
            api_key=os.environ.get("My API")
        )

        completion = client.chat.completions.create(
            messages=[{'role':'user', 'content':self.prompt}],
            model='zai-glm-4.7',
            max_completion_tokens=1024,
            temperature=0.2
            top_p=1,
            stream=False
        )

        return completion.choices[0].message.content

Help me fix the error in my python code

Phúc Dương Minh — Sat, 16 May 2026 00:12:03 +0000

I don't know what mistake I made in the loop to create the keyboard and set it up in the gridlayout. The loop is located on lines 66 to 69 and 25 to 28.

Here is my code:

from PySide6.QtWidgets import *
from PySide6.QtCore import *
import sys

class MainWindow(QWidget):
    def __init__(self):
        super().__init__()
        self.setFixedSize(250, 300)
        layout = QVBoxLayout(self)

        self.memoryNumber = list()
        self.recentNum = list()

        self.rememNumLabel = QLabel("")
        self.recentNumLabel = QLabel(''.join(map(str,self.recentNum)))

        self.math = None
        self.mathClikedTime = 0
        numberOfKeyNumber = 10
        keyBoardRow = 5
        keyBoardColumn = 4

        self.keyNumber = []

        for i in range(numberOfKeyNumber):
            key = QPushButton(str(i))
            self.keyNumber.append(key)
            key.clicked.connect(lambda checked, n=i: self.keyNumberClicked(n))

        self.keyPercent = QPushButton("%")
        self.keyClear = QPushButton("C")
        self.keyClearEntry = QPushButton("CE")
        self.keyDivide = QPushButton("÷")
        self.keyPlus = QPushButton("+")
        self.keyMinus = QPushButton("-")
        self.keyTimes = QPushButton("x")
        self.keyNegativePositive = QPushButton("+/-")
        self.keyDecimal = QPushButton(".")
        self.keyEqual = QPushButton("=")
        self.keyDel = QPushButton("←")

        self.keyClear.clicked.connect(self.keyClearClicked)
        self.keyClearEntry.clicked.connect(self.keyClearEntryClicked)
        self.keyDivide.clicked.connect(self.keyDivideCliked)
        self.keyPlus.clicked.connect(self.keyPlusCliked)
        self.keyMinus.clicked.connect(self.keyMinusCliked)
        self.keyTimes.clicked.connect(self.keyTimesCliked)
        self.keyNegativePositive.clicked.connect(self.keyNegativePositiveClicked)
        self.keyDecimal.clicked.connect(self.keyDecimalClicked)
        self.keyEqual.clicked.connect(self.keyEqualClicked)
        self.keyDel.clicked.connect(self.keyDelClicked)

        numbersKeyBoard = QGridLayout()

        numbersKeyBoard.addWidget(self.keyNegativePositive, 4, 0)
        numbersKeyBoard.addWidget(self.keyDecimal, 4, 2)
        numbersKeyBoard.addWidget(self.keyEqual, 4, 3)
        numbersKeyBoard.addWidget(self.keyPlus, 3, 3)
        numbersKeyBoard.addWidget(self.keyMinus, 2, 3)
        numbersKeyBoard.addWidget(self.keyTimes, 1, 3)
        numbersKeyBoard.addWidget(self.keyPercent, 0, 0)
        numbersKeyBoard.addWidget(self.keyClearEntry, 0, 1)
        numbersKeyBoard.addWidget(self.keyClear, 0, 2)
        numbersKeyBoard.addWidget(self.keyDel, 0, 3)

        for key in range(numberOfKeyNumber):
            for row in range(keyBoardRow):
                for column in range(keyBoardColumn):
                    numbersKeyBoard.addWidget(self.keyNumber[key], row, column) if row !=4 and column < 3 else numbersKeyBoard.addWidget(self.keyNumber[0], row, 1)

        layout.addWidget(self.rememNumLabel)
        self.rememNumLabel.setAlignment(Qt.AlignmentFlag.AlignRight)
        layout.addWidget(self.recentNumLabel)
        self.recentNumLabel.setAlignment(Qt.AlignmentFlag.AlignRight)

        layout.addLayout(numbersKeyBoard)

    def keyNumberClicked(self, num):
        self.recentNum.append(num)
        self.recentNumLabel.setText(''.join(map(str, self.recentNum)))

    def toNextNum(self):
        if self.mathClikedTime <= 1:
            self.recentNum, self.memoryNumber = self.memoryNumber, self.recentNum
            self.recentNumLabel.setText(''.join(map(str, self.recentNum)))
            self.rememNumLabel.setText(''.join(map(str, self.memoryNumber)))
            self.mathClikedTime = 1

    def keyDivideCliked(self):
        self.mathClikedTime = 1
        self.math = 'divide'
        self.toNextNum()

    def keyPlusCliked(self):
        self.mathClikedTime = 1
        self.math = 'plus'
        self.toNextNum()

    def keyTimesCliked(self):
        self.mathClikedTime = 1
        self.math = 'times'
        self.toNextNum()

    def keyMinusCliked(self):
        self.mathClikedTime = 1
        self.math = 'minus'
        self.toNextNum()

    def keyDecimalClicked(self):
        if not '.' in self.recentNum:
            self.recentNum.append('.')
            self.recentNumLabel.setText(''.join(map(str, self.recentNum)))

    def NegativePositive(self, firstChar):
        self.recentNum.pop(0) if firstChar == '-' else self.recentNum.insert(0, '-')
        self.recentNumLabel.setText(''.join(map(str,self.recentNum)))

    def keyNegativePositiveClicked(self):
        if self.recentNum:
            firstChar = self.recentNum[0]
            self.NegativePositive(firstChar)

    def keyDelClicked(self):
        if self.recentNum:
            self.recentNum.pop()
            self.recentNumLabel.setText(''.join(map(str,self.recentNum)))

    def keyClearClicked(self):
        self.recentNum, self.memoryNumber = list(), list()
        self.recentNumLabel.setText(''.join(map(str,self.recentNum)))
        self.rememNumLabel.setText(''.join(map(str,self.memoryNumber)))

    def keyClearEntryClicked(self):
        self.recentNum = list()
        self.recentNumLabel.setText(''.join(map(str,self.recentNum)))

    def caculateDivide(self):
        try:
            divide = float(''.join(map(str, self.memoryNumber))) / float(''.join(map(str, self.recentNum)))
            return divide
        except ZeroDivisionError:
            return 'Cant divide to zero'

    def caculatePlus(self):
        plus = float(''.join(map(str, self.memoryNumber))) + float(''.join(map(str, self.recentNum)))
        return plus

    def caculateTimes(self):
        times = float(''.join(map(str, self.memoryNumber))) * float(''.join(map(str, self.recentNum)))
        return times

    def caculateMinus(self):
        minus = float(''.join(map(str, self.memoryNumber))) - float(''.join(map(str, self.recentNum)))
        return minus

    def equalSetText(self):
        self.recentNumLabel.setText(''.join(map(str,self.recentNum)))
        self.rememNumLabel.setText("")
        self.memoryNumber = []
        self.math = ''

    def keyEqualClicked(self):
        if self.math == 'divide':
            result = self.caculateDivide()
        elif self.math == 'plus':
            result = self.caculatePlus()
        elif self.math == 'times':
            result = self.caculateTimes()
        elif self.math == 'minus':
            result = self.caculateMinus()
        else:
            return

        self.recentNum = list(str(result))
        self.recentNumLabel.setText(''.join(map(str,self.recentNum)))
        self.equalSetText()
        self.mathClikedTime = 0

if __name__ == "__main__":
    app = QApplication(sys.argv)
    window = MainWindow()
    window.show()
    sys.exit(app.exec())