Mô hình AI về bản chất chỉ là một cỗ máy dự đoán từ tiếp theo. Để AI làm được việc thực tế, bạn không cần phải là kỹ sư. Bạn chỉ cần hiểu bộ khung vận hành đơn giản bao quanh nó là đã có thể giải quyết được nhiều vấn đề.

Mỗi khi có model mới ra mắt, mọi người thường bàn tán về điểm benchmark. Nhưng khi áp dụng vào công việc hàng ngày, bạn sẽ thấy một thực tế quen thuộc: AI viết câu chữ rất mượt, nhưng lại không thể tự hoàn thành một quy trình gồm nhiều bước.

Bản chất của model chỉ là dự đoán token tiếp theo. Khi nhận dữ liệu đầu vào, nó tính toán và sinh ra những từ có xác suất cao nhất. Nó không nhớ chuyện hôm qua, không tự chạy phần mềm, và không tự truy cập được dữ liệu trong máy tính của bạn.

Harness là bộ khung phần mềm bao quanh mô hình. Nó cung cấp công cụ, bộ nhớ, rào chắn an toàn và vòng lặp thực thi để AI có thể thực sự hoàn thành công việc.

Dưới đây là những khái niệm cốt lõi bạn nên biết:

1. Skills: Tập hướng dẫn để tái sử dụng một quy trình cố định

Thay vì phải giải thích lại quy trình 10 bước mỗi lần viết bài, xử lý số liệu hay kiểm tra code, bạn lưu quy trình đó một lần duy nhất thành một skill. Ví dụ, skill blog-craft của mình tự động kích hoạt các quy tắc về giọng văn, giới hạn độ dài và bộ lọc chống văn mẫu AI ngay khi mình bắt đầu viết nháp. AI nạp và tuân thủ chính xác quy trình đó trong nền.

2. Tools (MCP): Mang lại đôi tay cho Model

Model đứng một mình chỉ sinh ra văn bản trong ô chat. Công cụ (Tools) là đoạn code kết nối model với các phần mềm bên ngoài. Nhờ giao thức Model Context Protocol (MCP), mình kết nối AI trực tiếp với cơ sở dữ liệu Notion cá nhân. Model quyết định nội dung cần viết, và công cụ Notion gọi API để tự tạo trang, định dạng văn bản, gắn thẻ chủ đề trong đúng một bước. Không cần copy-paste thủ công.

3. Hooks: Rào chắn code cứng không bao giờ ảo giác

Nếu bạn dặn AI bằng lời: "Đừng bao giờ xóa các thư mục quan trọng", model vẫn có thể hiểu nhầm và chạy lệnh sai. Hook là đoạn code thực tế chạy trước hoặc sau mỗi hành động. Ví dụ, nếu AI cố chạy lệnh xóa file nằm ngoài thư mục nháp tạm thời, hook sẽ chặn đứng thao tác đó ngay lập tức. Lời nhắc bằng chữ có thể bị quên, nhưng code thì không bao giờ ảo giác.

4. Context Management: Giữ bàn làm việc luôn gọn gàng

Ngữ cảnh (Context) là cửa sổ đọc đang hoạt động của model. Nếu bạn chat liên tục trong cùng một cửa sổ suốt nhiều tuần, 50 trang tin nhắn cũ sẽ chất đống. AI sẽ chạy chậm chạp, tốn chi phí và bắt đầu quên các chỉ dẫn ban đầu. Quản lý ngữ cảnh tốt là lược bỏ lịch sử cũ và chỉ đưa đúng tài liệu của tác vụ hiện tại vào cửa sổ ghi nhớ.

5. The Execution Loop: Tự chạy thử, kiểm tra và sửa lỗi

Chatbot thông thường trả lời mọi thứ trong một lượt duy nhất. Nếu một công thức Excel hoặc đoạn code có lỗi nhỏ, nó sẽ bị gãy và bạn phải tự tìm lỗi để sửa. Vòng lặp thực thi buộc AI tự chạy thử kết quả, kiểm tra đầu ra thực tế, sửa các lỗi phát sinh, rồi mới bàn giao kết quả hoàn chỉnh cho bạn.

Bạn không cần chờ một model thông minh hơn để cải thiện công việc mỗi ngày. Hiểu cách Skills, Tools và Hooks phối hợp cùng nhau sẽ giúp bạn thiết lập những luồng làm việc thực sự hoàn thành được việc.

Nguồn tham khảo & Đọc thêm

  • Anthropic. (2024). Building Effective Agents. Anthropic Research.
  • Anthropic. (2025). Claude Code Architecture and Hooks Reference. Anthropic Documentation.
  • Model Context Protocol. (2025). MCP Specification and Architecture. Anthropic Documentation.
  • Yao, S., et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. Princeton University & Google Research.