Các bạn đang dùng AI agent, các bạn đã viết cái file CLAUDE.md cả nghìn dòng, các bạn tải những cái skill của người khác về cài đặt và dùng nó, nhưng mà cái output nó vẫn tệ, vẫn phải làm lại, vẫn không đúng ý.

Thực ra cái vấn đề nó không nằm ở cái model, nó không nằm ở tool mà nó nằm ở cái việc các bạn đang làm sai đúng một thứ và gần như lại không ai nói với các bạn cái điều này. Hôm nay mình sẽ kể lại cho các bạn toàn bộ cái framework của một người đang xây agent thật cho công việc thật và nó chạy thật. Ok để mình bắt đầu với một cái điểm mà mình thấy cần phải nói thẳng. Các cái model AI hiện tại đã đủ tốt, Opus 4.6, 4.7 hay là GPT 4.5, 5.0, chúng rất là mạnh. Mình biết còn nhiều người vẫn ngồi tranh luận xem cái model nào tốt hơn cho công việc gì, cái này viết code tốt hơn, cái kia thiết kế đẹp hơn, nhưng mà nhìn tổng thể thì chúng ta đã đến một cái điểm mà model nó không còn là cái botleneck nữa rồi. Cái botleneck lúc này chính là cái context, tức là cái thông tin mà các bạn đưa vào cho AI để làm việc. Mình giải thích đơn giản nhé, mỗi một AI agent nó có một cái context window, tức là một cái bộ nhớ ngắn hạn trong một phiên làm việc, nó chứa cái system prompt của nhà cung cấp này, toàn bộ cái cuộc hội thoại của bạn này, code hoặc là những cái tài liệu mà bạn đưa vào, những cái công cụ AI được phép dùng và bất kỳ cái hướng dẫn nào mà các bạn thêm vào. Tất cả cộng lại có thể lên tới 20 đến 30 nghìn token ngay từ đầu khi mà các bạn còn chưa làm gì và khi cái cuộc hội thoại dài lên thì nó sẽ tăng lên. Và khi cái context window đấy nó gần đầy thì AI nó bắt đầu ngu đi và khi đó thì Claude Code và Chat GPT nó đều có một cái cơ chế là tự compact lại cái lịch sử để giải phóng bộ nhớ, nhưng mà tốt nhất thì các bạn không được để đến cái mức đấy. Vậy nên context window nó là cái tài liệu quý và phần lớn mọi người lại đang lãng phí nó theo cái cách mà không ngờ nhất. Mình sẽ đi sâu tiếp nhé. Thứ nhất là gần như các bạn không cần cái file CLAUDE.md hoặc là cái file agent.md quá dài. Đây cũng là cái điều mà mình thấy hơi ngược với những gì mà cộng đồng AI đang làm. Mọi người đang chạy đua viết những cái file CLAUDE.md rất là dài, rất là chi tiết, full hướng dẫn và nghĩ rằng càng đầy đủ thì AI nó sẽ càng tốt. Nhưng các bạn hãy thử nghĩ theo cái hướng này nhé, các bạn vừa mới thuê một nhân sự có 10 năm kinh nghiệm, rồi mỗi buổi sáng các bạn lại nhắc họ là nhớ dùng email công ty nhé, nhớ ghi lại kết quả sau mỗi cuộc họp nhé, nghe rất là buồn cười đúng không? Vì đấy chắc chắn là cái thứ mà họ đã biết. Bản thân AI nó cũng vậy, khi bạn nói là codebase này dùng React mà cái codebase trước mặt nó đang là React, tức là các bạn đang làm một cái việc rất là lãng phí token, hoặc là các bạn nói nó dùng cái dấu đô la cho cái đơn vị tiền, thì đấy nó là cái thứ cực kỳ hiển nhiên ở trong cái việc ngữ cảnh tiếng Anh. Cái vấn đề lớn hơn là cái file CLAUDE.md nó luôn được thêm vào context ở mỗi cuộc hội thoại. Một cái file khoảng 1000 dòng thì tương ứng với khoảng 7000 token, nhân với hàng chục lượt mỗi ngày đi, tức là các bạn đang tiêu tốn rất nhiều tài nguyên vào những thứ mà AI nó đã biết. Và theo thống kê thì có một con số hơi giật mình nhé, tới 95% những cái thông tin hiện tại của các bạn ở trong file CLAUDE.md là không cần thiết. Vậy thì 5% xứng đáng đưa vào CLAUDE.md là gì? Đấy chính là những cái thông tin mà AI thật sự nó sẽ không thể tự biết, như là cái quy trình đặc thù của công ty bạn này, hay là định nghĩa riêng cho những cái thuật ngữ nội bộ, hoặc là cái phong cách giao tiếp cụ thể mà các bạn muốn AI nó giữ nhất quán ở trong mỗi cuộc hội thoại. Chỉ những cái thứ đấy thôi, còn lại các bạn bỏ ra. Tiếp theo cái thứ hai, thay vì nhồi tất cả vào CLAUDE.md thì các bạn hãy dùng Skills, nhưng mà các bạn phải hiểu cái cơ chế ở bên dưới. Skill nó là một cái file hướng dẫn cho một cái workflow cụ thể. Ví dụ các bạn có cái skill viết báo cáo analytics, cái skill lọc email nhà cung cấp, hay là cái skill cấu trúc lại code. Cái điểm then chốt là ở đây nhé, khi các bạn có skill thì AI nó sẽ không load toàn bộ cái nội dung vào context, nó chỉ cần biết tên và mô tả, tức là hai cái dòng đầu tiên của cái file skill đấy, nó chỉ khoảng vài chục token. Khi các bạn ra lệnh mình muốn tạo báo cáo analytics thì AI nó sẽ đọc cái danh sách skill, nó thấy cái tên khớp, lúc đấy nó mới load toàn bộ những cái nội dung chi tiết vào cái context. Cái kỹ thuật này nó gọi là Progressive Disclosure, tức là tiết lộ dần theo nhu cầu. Mình so sánh thực tế nhé, một cái skill 116 dòng, nếu các bạn để nó trong cái file CLAUDE.md thì nó sẽ tốn khoảng 1000 token mỗi cái lượt hội thoại, nhưng mà các bạn làm thành skill thì nó chỉ tốn có 50 token và chỉ được load khi thực sự cần. Nghe thì có vẻ đơn giản nhưng đây mới là cái chỗ mà phần lớn mọi người làm sai. Giống như khi các bạn có nhân viên ấy, thay vì bắt họ đọc toàn bộ sổ tay công ty mỗi sáng thì các bạn có SOP riêng cho từng loại công việc. Khi cần xử lý khiếu nại thì họ mở SOP khiếu nại, khi cần onboard khách hàng mới thì họ sẽ mở SOP onboarding, đúng việc đúng lúc, không lãng phí. Rồi và trước khi mình đi vào cái phần quan trọng nhất, cách tạo skill đúng cách thì nếu các bạn đang học cách xây agent hoặc là những cái workflow AI cho công việc thì nhớ follow mình nhé để mình chia sẻ thêm những cái thứ kiểu này nhé. Rồi tiếp theo là cái thứ ba, đây là cái mình nghĩ quan trọng nhất trong toàn bộ cái video này, đấy chính là cái quy trình phổ biến khi người ta tạo ra cái skill. Thường thì khi nhận ra một cái workflow lặp lại, mọi người sẽ ngay lập tức bảo AI là viết skill cho mình theo cái workflow này và đây chính là cái sai lầm lớn nhất. Bởi vì sao? Bởi vì AI chưa từng trải qua một cái lần chạy thành công của cái workflow đấy, nó viết cái skill dựa trên cái sự suy đoán từ mô tả của chính các bạn, trong khi các bạn cũng chưa biết kết quả, nó thiếu những bước nhỏ, thiếu cách xử lý khi có lỗi, nó thiếu những cái điều kiện đặc thù mà chỉ bạn mới biết hoặc là chỉ khi làm thì nó mới xảy ra. Kết quả là cái skill nó chạy rồi nó bị lỗi ở những cái chỗ không ngờ, các bạn bực khó chịu rồi bỏ luôn. Và cái cách đúng ấy là các bạn phải đi cùng cái workflow trước sau đấy mới tạo skill. Mình lấy ví dụ từ chính trong công việc của mình nhé, mình có cái agent nhận email từ những cái brand tiềm năng và mình cần lọc xem cái nào đáng để hợp tác, cái nào nên bỏ. Lúc đầu mình chỉ nói với AI là mày hãy nhận email, research cái brand đấy, cho tao biết là họ có xứng đáng hay không và cái kết quả mình nhận được là mọi email đều được đánh giá là tốt, không một cái nào bị từ chối, bởi vì thực tế thì những cái proposal của những cái brand ấy thì cái nào nghe mà chả tốt. Các bạn không đưa cho AI những cái framework để nó đánh giá, nó chỉ làm theo cái nghĩa đen của lệnh thôi, research rồi báo cáo, nhưng nó không biết cái tiêu chí thế nào là xứng đáng với mình. Rồi và từ cái lần đấy mình đã điều chỉnh, mình mở cái cuộc hội thoại ra, đưa cái email thật vào, rồi hướng dẫn agent từng bước, check website của brand này, check xem agency là ai này, check xem sản phẩm của họ đã chạy thật chưa này, rồi check những cái sản phẩm mà họ đã từng hợp tác với những người khác, xem cái phản ứng của khán giả như thế nào này, và khi nó không đạt một số cái yếu tố mà mình đưa ra thì nó sẽ tự động từ chối. Tất nhiên mình sẽ cần làm đi làm lại với AI, AI nó sẽ tự đề xuất rồi mình sửa, AI nó điều chỉnh, mình lại kiểm tra lại và sau vài lần thì mình đã có một cái quy trình hoạt động thực sự. Và tới lúc này thì mình mới nói ở Claude Code những gì chúng ta vừa cùng nhau làm thì bạn hãy viết thành skill. Cái kết quả cái skill đấy được viết từ kinh nghiệm thật, nó có đủ những cái điều kiện biên, nó có đủ SK chứ không phải là lý thuyết. Rồi tiếp theo mình sẽ nói về cái điểm mà khiến mình thấy cái framework này nó khác biệt, tức là kể cả khi mà các bạn đã tạo ra cái skill đúng cách thì cái skill đấy vẫn sẽ fail, không phải là tất cả nhưng mà sẽ có lúc nó fail ở những cái tình huống nhất định, những cái tình huống mới, ở những cái API mà nó chưa từng gặp hoặc là ở những cái dữ liệu đầu vào mà nó khác với những gì mà chúng ta đã thử. Và đây chính là cái lúc mà hầu hết mọi người làm sai cái bước thứ hai, mọi người bực bội đổ lỗi cho AI, bỏ cuộc hoặc là viết lại từ đầu. Cái cách tư duy đúng ấy là các bạn phải coi cái lần fail đấy là cái bước cải thiện skill. Quy trình đơn giản như thế này thôi, cái skill chạy này, fail này, các bạn hãy hỏi AI là tại sao mày lại fail ở cái bước này, AI nó sẽ giải thích cụ thể cho các bạn, ví dụ API trả về lỗi 402 không đủ credit, sau đấy các bạn sẽ fix, skill nó chạy lại thành công, rồi các bạn sẽ nói là hãy cập nhật skill để lần sau không xảy ra cái lỗi này nữa. Cứ tiếp tục làm 3 đến 5 cái vòng lặp kiểu này, các bạn sẽ có một cái skill cho chính các bạn, chạy gần như không lỗi cho dù những cái workflow nó phức tạp đến mức nào. Ví dụ như mình cũng thế thôi, mình tạo những cái skill phân tích đối thủ của mình ở trên YouTube, nó kéo dữ liệu từ 15 đến 20 cái nguồn khác nhau, từ TikTok này, từ YouTube này, nội dung, lượt xem, lượt comment, nội dung comment và rất nhiều những cái thứ khác nữa. Không ai có thể prompt một lần mà agent nó làm hết được những cái việc đấy, mình còn mất cả chục lần để iterate và tới bây giờ thì cái skill của mình chạy 10 đến 15 phút mỗi lần gần như không bị lỗi. Và từ cái câu chuyện này thì mình cũng đưa ra một cái kết luận quan trọng nhé, các bạn đừng nên tải cái skill của người khác về dùng, không phải là vì cái việc này là xấu hay là người ta sai cái gì nhé, các bạn hoàn toàn có thể tải về để tham khảo, để xem cái cách họ xây dựng skill, nhưng mà đối với mình nhé, cái skill tốt nhất sẽ được viết từ context của một cái lần chạy thành công và cái context đấy phải là của bạn, chứ không phải là của người khác. Cái skill của người khác nó chạy rất tốt với người ta nhưng mà nó sẽ thiếu những cái bước đặc thù của cái workflow của bạn, thiếu những cách xử lý SK trong cái hệ thống của bạn. Các bạn tải về không chỉnh sửa, không kiểm tra rồi chạy cho cái workflow của các bạn, kết quả nó fail và các bạn lại nghĩ là AI nó tệ. Tiếp theo cái thứ tư, đây là cái điểm mà mình thấy rất nhiều người đang làm ngược, các bạn thấy người ta set up Open Claw này hay là Claude Code với 15 sub agent, 30 skill đủ thứ tool, trông rất pro nhưng mà chạy vào thực tế thì sẽ không ra kết quả, bởi vì họ scale trước khi họ biết họ cần gì. Cái cách đúng nhé, các bạn hãy bắt đầu với một agent, xây skill cho những cái workflow lặp lại lớn nhất của bạn và khi cái agent đấy nó đủ ổn định và các bạn hiểu rõ cái giới hạn của nó thì lúc đấy các bạn mới nên tách ra những cái sub agent cho những nhóm công việc riêng và các bạn chỉ nên mở rộng nó khi mà nó thực sự cần thiết chứ đừng làm chỉ để thể hiện cái gì cả. Nó cũng tương tự cái việc các bạn đi mua tool kit hay là những cái bộ skill, thực ra thì chúng vẫn rất tốt nhưng mà nếu các bạn tự xây từ dưới lên theo đúng những cái workflow của bạn thì cái tính ứng dụng cho công việc của các bạn sẽ cao hơn rất là nhiều, bởi vì các bạn sẽ hiểu từng phần, các bạn biết cái gì đang chạy và tại sao. Vậy thì những cái câu chuyện mình vừa nói có ý nghĩa gì với các bạn? Nếu các bạn đang dùng AI agent và thấy nó hay ra cái kết quả kỳ lạ hoặc là không nhất quán ấy thì đừng đổi model, các bạn hãy nhìn vào cái context các bạn đang đưa cho nó và bắt đầu bằng cái việc cắt bớt cái CLAUDE.md, chỉ giữ lại những cái thứ mà AI nó thực sự không thể tự biết. Tiếp theo nếu các bạn đang muốn build skill thì đừng viết skill trước, các bạn hãy làm cái workflow thật với AI trước, đi từng bước và khi các bạn có một cái lần chạy hoàn chỉnh không bị lỗi, không bị sửa giữa chừng thì lúc đấy các bạn mới bảo AI viết cái skill từ cái context đấy. Rồi tiếp theo khi cái skill nó fail thì các bạn đừng vội bực mình, bởi vì đấy là cái thông tin quý, các bạn hãy hỏi AI tại sao nó sai, sau đấy sửa rồi cập nhật cái skill. Khi mà lặp lại đủ vài lần các bạn sẽ có một cái hệ thống hoàn chỉnh và rất là ổn định. Tiếp theo các bạn hãy scale chậm thôi, bắt đầu với một agent, hiểu rõ nó rồi mới mở rộng. Những cái người xây từ dưới lên step by step, họ luôn ứng dụng cho công việc tốt hơn rất là nhiều so với những cái người mà copy cái setup của người khác rồi paste vào. Và cái điểm cuối cùng mình muốn nói là những cái model AI hiện tại nó đã đủ mạnh và cái thứ tạo ra cái sự khác biệt lúc này không phải là model AI nữa mà là cái workflow của riêng bạn được codify thành skill và được cải thiện qua thời gian, đấy chính là cái thứ mà không ai có thể copy được. Ok các bạn đang muốn xây agent cho cái việc gì? Email này, báo cáo này, lọc khách hàng này hay là tự động hóa cái quy trình nào ở trong công ty thì comment cho mình biết nhé. Nếu mà phù hợp ấy thì mình sẽ làm cái video chi tiết cho chính cái case study của các bạn và nếu các bạn muốn cập nhật những cái insight như thế này vào mỗi tuần ấy thì nhớ follow cái kênh của mình nhé. Mình sẽ giải thích mọi thứ đang xảy ra trong cái thế giới AI bằng cái ngôn ngữ đơn giản nhất. Hẹn gặp các bạn ở cái video sau.