Võ Quốc Cường | Cường Hóa: tối ưu & đơn giản hóa mỗi ngày

Rớt chữ rớt dòng: cái lỗi nhỏ xíu làm landing page của bạn trông rẻ tiền

Mon, 20 Jul 2026 13:30:00 GMT

Chiều qua tôi ngồi review một cái landing page sự kiện. Nội dung viết ngon. Ảnh diễn giả chụp xịn. Màu mè, hiệu ứng, đủ cả. Mà kéo tới khúc tiêu đề lớn thì tôi khựng lại. Chữ cuối của câu tiêu đề nằm chèo queo một mình một dòng. Kéo xuống chút nữa, đoạn mô tả hai dòng thì dòng thứ hai còn đúng hai chữ. Xuống tới mấy cái card diễn giả, chức danh bị cắt, rớt một chữ xuống dòng dưới nằm trơ trọi như đứa em út bị bỏ quên ở bàn cuối đám giỗ. Cả trang, chỗ nào cũng có chữ rơi rớt kiểu vậy. Tôi khoanh đỏ chi chít rồi gửi lại anh em. Xong ngồi tự hỏi: ủa.. cái lỗi này sao quen quá vậy ta? Rồi nhớ ra. Nó có từ đời nào rồi. Tôi gặp hoài, gặp cả chục năm nay, chỉ là hồi đó chưa ai gọi tên cho tôi nghe thôi. ![Minh hoạ màu nước: một dòng sông trắng uốn lượn chảy dọc qua các khối chữ trên trang giấy](/blog-images/rot-chu-rot-dong-loi-typography-ai-khong-tu-sua-cho-ban/0.jpg) ## Ba cái lỗi này có tên đàng hoàng, từ hồi chưa có máy tính Dân dàn trang báo giấy, dân làm sách, họ đặt tên cho tụi nó từ lâu lắm rồi. **River (sông trắng).** Là mấy khoảng trắng giữa các chữ tình cờ xếp thẳng hàng nhau theo chiều dọc, tạo thành một con lạch chảy xuyên qua đoạn văn. Mắt bạn đọc ngang, nhưng cái khe trắng đó cứ kéo mắt bạn đi dọc. Đọc mệt mà không hiểu tại sao mệt. ![Đoạn văn căn đều hai bên, các khoảng trắng xếp thẳng hàng tạo thành một vệt trắng chảy dọc gọi là river of white](/blog-images/rot-chu-rot-dong-loi-typography-ai-khong-tu-sua-cho-ban/river-of-white.png) Nhìn cái vệt xanh trong hình đó. Lúc chưa ai chỉ thì bạn không thấy, mà thấy một lần rồi thì đọc trang nào cũng thấy, gỡ không ra :)) **Widow và orphan.** Một dòng lẻ bị tách khỏi bà con dòng họ của nó: hoặc là dòng đầu đoạn bị bỏ lại một mình cuối cột, hoặc là dòng cuối đoạn bị đẩy qua đầu cột mới, đứng chèo queo một mình. **Runt.** Cái này là đứa tôi gặp nhiều nhất trên web: đoạn văn hay tiêu đề mà dòng cuối chỉ còn đúng MỘT chữ. ![Hai cột chữ minh hoạ ba lỗi: runt là chữ lẻ cuối đoạn, widow là dòng cụt nằm đầu cột, orphan là dòng đầu đoạn bị bỏ lại cuối cột](/blog-images/rot-chu-rot-dong-loi-typography-ai-khong-tu-sua-cho-ban/widow-orphan-runt.png) *(Hai hình minh hoạ trên lấy từ bài của Pagination.com, link cuối bài.)* Nói thiệt là mấy cái tên widow với orphan này gây lú kinh khủng, mỗi tài liệu định nghĩa ngược nhau một kiểu, tôi tra ba nguồn thì ra ba kiểu khác nhau. Nên thôi, đừng học tên làm gì cho mệt (hổng biết đúng hem, nhưng tôi bỏ luôn vụ học tên rồi). --> Nhớ giùm tôi đúng một thứ: chữ mà bị bỏ lại một mình, hoặc khoảng trắng mà chảy thành dòng, thì trang đó đang có lỗi. ![Minh hoạ màu nước: hai cột chữ, một chữ nhỏ màu cam nằm lẻ loi cuối cột trái](/blog-images/rot-chu-rot-dong-loi-typography-ai-khong-tu-sua-cho-ban/1.jpg) ## Chuyện này không phải lỗi của AI Tôi phải nói rõ chỗ này, kẻo lại thành bài chửi AI. Hồi 2010, tôi làm web cho khách, cũng rớt chữ tè lè tét lét. Anh em content viết tiêu đề trên Word thấy đẹp lắm, bỏ lên web co lại còn 320px thì tiêu đề vỡ ra thành bốn dòng, dòng cuối một chữ. Anh em thiết kế xuất file Photoshop ra cũng vậy, chỗ nào cũng đẹp, trừ cái nút bấm có chữ rớt xuống. Đó là thời chưa có ChatGPT, chưa có Claude, chưa có ai vibe code hết. Nên cái lỗi này không mới. Nó cũ mèm. Cái mới là.. tốc độ nhân bản. Hồi xưa muốn ra một cái landing page phải qua ba bốn cửa: content viết, designer dàn, dev cắt, rồi ai đó ngồi soi lại lần cuối. Mỗi cửa là một lần có người NHÌN vào cái trang đó bằng mắt người. Giờ thì một mình một prompt, hai chục phút ra trang. Đẹp. Chạy được. Deploy luôn. Cái hố kỹ thuật hồi xưa lọc bớt lỗi, giờ AI lấp nó bằng một phím Enter. Tôi từng viết về chuyện này trong bài [VIBE CODING có phải đang tạo ra rác công nghệ?](/blog/goc-nhin/vibe-coding-co-phai-dang-tao-ra-rac-cong-nghe/), nhưng hồi đó tôi mới nói tới rác bên trong (code, kiến trúc). Giờ mới thấy còn một loại rác nữa nằm ngay bề mặt, ai cũng thấy mà không ai gọi tên: rác chữ. ## Vì sao vibe code lại dính nặng hơn? Tôi ngồi soi một hồi thì thấy bốn lý do, tôi đoán mò có kiểm soát thôi nha. Thứ nhất, AI viết chữ và AI dàn trang là hai lượt khác nhau. Bạn bảo nó "viết lại tiêu đề cho mạnh hơn", nó viết. Nó viết đúng nghĩa, đúng giọng, mà nó KHÔNG ngồi ngắm coi tiêu đề mới đó rớt xuống dòng ở chỗ nào. Nó có nhìn thấy cái trang đâu. Thứ hai, mình sửa chữ chứ mình không sửa trang. Đổi một chữ trong tiêu đề, cả cái heading nhảy dòng lại từ đầu. Cái này dân làm content web bị hoài, chả liên quan AI. Thứ ba, mình chỉ ngó ở màn hình của mình. Cái laptop 27 inch của bạn thì tiêu đề gọn gàng lắm. Mở điện thoại của mẹ bạn ra coi thử, nó vỡ ra như tô bún bị đổ. Thứ tư, cái này là đặc sản tiếng Việt: chữ mình ngắn. Toàn từ một âm tiết, "khai", "tế", "AI", "dự". Chữ càng ngắn thì khả năng bị rớt lại một mình càng cao, và rớt rồi nhìn càng thảm. Tiếng Anh còn có chữ dài kéo lại, tiếng Việt thì không. --> Nên là trang tiếng Việt dính lỗi này nặng hơn trang tiếng Anh, mà đa số tool với template thì làm cho tiếng Anh. > Nội dung của bạn là món ăn. Dàn trang là cách bưng ra bàn. Nấu ngon cỡ nào mà bưng ra bằng cái dĩa mẻ, nước sốt vương vãi thành đường, thì khách vẫn thấy quán này.. sao sao á. Khách không nói ra được là dĩa mẻ đâu. Khách chỉ thấy "quán này hình như hổng chuyên nghiệp lắm" rồi đi về. Y chang cái landing page. ## Chữa thì chữa sao? Phần này tôi làm thiệt trên site này rồi, không phải chép sách nha. ![Minh hoạ màu nước: đôi bàn tay xếp gọn lại các dải giấy chữ trên bàn gỗ, cạnh ly cà phê](/blog-images/rot-chu-rot-dong-loi-typography-ai-khong-tu-sua-cho-ban/2.jpg) **Một, bỏ căn đều hai bên (justify) đi.** Đây là nguồn gốc số một của mấy con sông trắng. Căn đều cho mép phải thẳng tắp nhìn "gọn", nhưng để thẳng được thì trình duyệt phải kéo giãn khoảng cách giữa các chữ, giãn không đều thì thành sông. Căn trái, mép phải lởm chởm chút, mà đọc êm hơn nhiều. **Hai, hai dòng CSS này gần như miễn phí.** Cái này giờ trình duyệt nào cũng chạy được rồi: ```css h1, h2, h3, h4, h5, h6 { text-wrap: balance; /* cân độ dài các dòng tiêu đề, đỡ rớt chữ mồ côi */ } p, li, blockquote, figcaption { text-wrap: pretty; /* tránh dòng cuối đoạn chỉ còn 1 chữ */ } ``` Đúng hai khai báo đó. Site này của tôi đang dùng đúng vậy, nằm trong `global.css`. Nó không chữa được 100%, nhưng nó dọn giùm bạn chắc phải bảy tám phần. **Ba, ép giữ chữ với nhau.** Chỗ nào quan trọng mà bạn không muốn nó rớt, ví dụ tên riêng, con số kèm đơn vị, thì nối bằng khoảng trắng cứng ` `. Ví dụ `50 triệu` thì "50" với "triệu" ôm nhau, không đứa nào bị bỏ lại. **Bốn, giới hạn bề ngang dòng chữ.** Dòng dài quá đọc mỏi mắt, ngắn quá thì lỗi rớt chữ càng dày. Khoảng 45 đến 75 ký tự một dòng là dễ đọc nhất, cái này dân typography đo lâu rồi. Trên Tailwind thì `max-w-prose` là ra đúng cỡ đó. **Năm, cái này quan trọng nhất mà chả ai làm.** Mở trang ra, kéo cái cửa sổ trình duyệt cho hẹp lại từ từ, rồi NHÌN. Kéo từ máy bàn xuống tablet xuống điện thoại. Chỗ nào chữ rớt lẻ loi thì sửa chỗ đó. --> Bốn cái trên là kỹ thuật, AI làm giùm được. Cái thứ năm là mắt người, không ai làm giùm được. ## Mà nói vậy thôi.. Ngồi khoanh đỏ trang người ta thì dễ. Site của chính tôi đây, hai dòng `text-wrap` ở trên tôi mới thêm vô gần đây thôi, chứ trước đó nó cũng rớt chữ tùm lum, và tôi cũng chả biết là mình đang rớt. Còn mấy chục bài cũ tôi migrate qua thì tới giờ tôi vẫn chưa soi lại hết. Nên tôi cũng chả hơn gì ai ^^ Với lại phải nói cho công bằng: đừng có xong bài này rồi thành thằng cầm cờ đỏ, ngồi soi từng pixel, bắt anh em sửa tới sửa lui một chữ lẻ trong khi cái nút "Đăng ký" bấm vô không ra gì. Lỗi rớt chữ là lỗi hạng B. Nó không giết ai. Nó chỉ làm người ta cảm thấy sản phẩm của bạn hơi cẩu thả một chút, mà cái cảm giác đó thì khách không nói ra, và họ cũng chả biết là mình đang cảm thấy vậy vì cái gì. Nhưng lỗi hạng B thì có cái hay: nó rẻ. Hai dòng CSS với mười lăm phút kéo cửa sổ. Rẻ vậy mà không làm thì.. uổng. ## DÀI QUÁ, LƯỜI ĐỌC: Chữ bị bỏ lại một mình cuối dòng, khoảng trắng chảy dọc thành sông, đó là lỗi typography có từ thời báo giấy. AI không đẻ ra nó, AI chỉ giúp bạn nhân bản nó nhanh gấp trăm lần. Bỏ justify, thêm `text-wrap: balance` cho heading và `pretty` cho đoạn văn, dùng ` ` giữ mấy cụm không được rớt, giữ dòng trong khoảng 45 đến 75 ký tự. Rồi tự kéo cửa sổ mà nhìn bằng mắt mình. Chỉ vậy thôi. Còn bạn, thử mở landing page bạn mới làm gần nhất ra, kéo hẹp lại coi thử. Có chữ nào đang đứng chèo queo một mình không? Comment tôi nghe thử coi :)) P/S: viết xong bài này tôi mở lại chính bài này ở khổ điện thoại. Sửa hết ba chỗ. Quê độ :3 #voquoccuong #typography #vibecoding #landingpage Nguồn tham khảo: - Pagination.com, "Fix Typography Rivers, Widows, and Orphans Easily" (khoảng 45 đến 75 ký tự mỗi dòng, các cách xử lý river/widow/orphan): https://pagination.com/fix-typography-rivers-widows-orphans/ - MDN Web Docs, thuộc tính CSS `text-wrap`: https://developer.mozilla.org/en-US/docs/Web/CSS/text-wrap

CafeTalk #3: The Tech Backbone for Solution Partner

Sun, 19 Jul 2026 06:00:00 GMT

CafeTalk #3 của CxO AI Automation Club diễn ra hôm 24/06 vừa rồi. Đây là buổi mình lôi ra chia sẻ cho các anh chị Partner gần như trọn bộ những thứ tích luỹ mấy năm qua khi bào AI.. hoặc bị AI bào.

Cũng từ buổi này mà sau đó có rất nhiều meeting 1-1 diễn ra, xúc tiến hợp tác nhanh lẹ với những người đang làm thật, có giải pháp thật, nhưng.. thiếu cái nền AI Platform/Foundation để đi tiếp. Ngồi nghe anh em kể mới thấy, thứ đang thiếu không phải ý tưởng. Cũng không phải khách. --> Thiếu cái nền để ráp đồ lên. ## BỌN MÌNH MANG GÌ RA BÀN Team NextLevelBuilder và EGANY đã dành rất nhiều thời gian để phát triển, đóng gói và tóm tắt lại cho anh em dễ hiểu: **GoClaw** khác OpenClaw thế nào (giờ thì khác xa quá nên mình lười so sánh luôn), và định hướng Community ra sao. **Dewee** (GoClaw for Business) là bản closed-source, tối ưu và bảo mật hơn, để doanh nghiệp xây AI Agent rồi cắm vào khắp mọi mặt trận vận hành của tổ chức. Tính hoàn thiện cao hơn vì team đầu tư và tích luỹ qua nhiều doanh nghiệp từ đầu năm tới giờ. **AgentBrain** là một hệ thống độc lập, quản lý tập trung mọi hoạt động vận hành và tri thức của doanh nghiệp tại một chỗ. Hôm đó mình có nói AgentBrain mới là thứ tạo ra giá trị lớn nhất, và thị trường chưa có ai làm. Mà nói vậy thôi. Tự khen sản phẩm nhà thì ai chả khen được. Cái này phải để anh chị cắm vô chạy thật vài tháng rồi phán mới công tâm, chứ mình đứng trên sân khấu nói thì nó cứ.. hơi thiên vị. Bọn mình mới đi được một đoạn, còn xa mới dám nhận là.. xong. ## VÌ SAO THỊ TRƯỜNG VẪN THIẾU HỆ THỐNG AI NATIVE Còn nhiều nội dung khác được chia sẻ trong buổi đó, nhưng tựu chung lại: mọi người hô hào về AI nhiều, mà thực tế đa số phần mềm hiện tại mới dừng ở hai chuyện. Một là tích hợp thêm AI vào cái đang có. Hai là phổ cập tư duy AI First cho anh em trong team. Còn hệ thống AI Native, tức là xây từ đầu để cho AI Agent xài, thì gần như không có sẵn. Nói cho dễ hình dung. Giống như mở quán ăn rồi mua thêm cái lò vi sóng, treo biển "bếp hiện đại". Nhưng cái bếp, quy trình ra món, cách sắp bàn.. vẫn y như hồi nào giờ. Khách vẫn ngồi đợi.. 45 phút một tô. --> Lắp thêm AI vô phần mềm cũ, khác với thiết kế lại cái bếp cho AI đứng nấu. Đó cũng chính là lý do bọn mình bỏ thời gian ra phát triển, và muốn đồng hành cùng các anh chị Partner. ## THE TECH BACKBONE FOR SOLUTION PARTNER

*The Tech Backbone for Solution Partner* không chỉ là khẩu hiệu mình viết đại cho vui trên slide trình bày trong buổi đó. Nó thực sự là thứ mà mình đã, đang và sẽ tiếp tục làm suốt trong thời gian tới. Ai cũng có thế mạnh riêng. Bọn mình lo cái bếp với cái kho, tức là phần nền tảng và hệ thống. Còn các anh chị đối tác cứ đi phân phối và phát triển giải pháp theo ngách của mình, phần ra món và tiếp khách. > Phía sau cứ để bọn mình lo, anh chị cứ ra tiền tuyến là được ^^ Hẹn gặp mọi người ở buổi CafeTalk #4 vào 24/7 tới! *p.s: Tháng 7 này mình sẽ đồng hành cùng Doanh Nghiệp và các chuyên gia để chia sẻ Case Study thật từ một bạn CEO ecommerce/retail, để mọi người tận mắt sở thị luôn nhé.* Anh chị nào có mặt hôm đó thì phần nào đọng lại nhất? Comment mình nghe thử coi có trùng với cái mình nghĩ không :3 #voquoccuong #cafetalk #cxoaiautomation #ainative

Xây lõi hay chạy theo công nghệ AI? Và chuyện tiết kiệm token ở tầm doanh nghiệp

Sun, 19 Jul 2026 04:00:00 GMT

Tại phiên panel talk bên sự kiện RESET 2026 của Sapo, có bạn hỏi tôi 2 câu mà chắc nhiều CEO cũng đang thắc mắc: - Học ứng dụng AI hôm nay, mai nó lỗi thời rồi thì sao? - Dùng AI Agent mà nó tốn token quá thì mình làm gì? Ý bạn đó là: làm sao xài AI Agent cho tiết kiệm token, mà công nghệ nó lại đổi xoành xoạch, hôm nay học cái này mai đã ra cái khác rồi. Cảm giác vừa ứng dụng xong đã.. lỗi thời. Câu hỏi này gồm 2 phần, mà càng nghĩ tôi càng thấy cần tách ra trả lời riêng mới rõ được. ## PHẦN 1: ĐUỔI THEO CÔNG NGHỆ LÀ CUỘC ĐUA KHÔNG CÓ ĐÍCH Hôm đó trả lời nhanh, tôi nối tiếp ví dụ từ Giáp Đức Thắng có trả lời trước đó. Bạn ấy có hệ thống data warehouse, BI dashboard được thiết kế bài bản. Khi đưa AI vào để phân tích, trả lời, gợi ý hành động từ dữ liệu đó thì hiệu quả rất rõ. Nhưng đó chỉ là một góc thôi. Muốn trả lời trọn vẹn thì phải tách 2 việc ra: cập nhật công nghệ, và thiết kế hệ thống cho doanh nghiệp. Ai làm nghề này cũng phải cập nhật liên tục, chuyện đó đương nhiên, không ai né được. Nhưng nếu doanh nghiệp có một khung ứng dụng đúng đắn thì mình không cần phải FOMO chạy theo từng tin tức. Vẫn có lộ trình cập nhật của riêng mình. Cách tôi hay làm là tách ra 2 phần: lõi và bề mặt. **Lõi** là đi từ nỗi đau thật của doanh nghiệp, xác định cái gì hiện tại giải quyết được, từ đó thiết kế ra khung và hướng đi. Cái này gần như có rất ít thay đổi theo thời gian, tại nếu đổi hoài thì.. thời gian đâu doanh nghiệp làm ăn. **Bề mặt** là công cụ hay tính năng AI cụ thể. Cái này thì tháo ra lắp vô tùy thời điểm cũng được. Giống xây nhà thôi. Lõi là cái móng, bề mặt là nội thất. Đổi bộ sofa thì cuối tuần làm xong, còn đụng tới móng là nguyên cái nhà nó rung. Ví dụ dễ thấy nhất gần đây là mảng tạo ảnh bằng AI. Đầu năm Nano Banana 2 của Google ra mắt, ai cũng khen tốc độ với chất lượng. Rồi tới tháng 4 GPT Image 2 của OpenAI ra, vượt mặt luôn Nano Banana 2 ở mấy bảng xếp hạng benchmark. Rồi cuối tháng 6 Google lại ra thêm Nano Banana 2 Lite, rẻ hơn, nhanh hơn. --> Cứ vậy đó, 4-5 tháng đổi ngôi liên tục. Nếu doanh nghiệp cứ chăm chăm học "dùng Nano Banana" như một kỹ năng cố định thì y như rằng vài tháng sau phải học lại từ đầu. Nhưng nếu lõi của mình là "quy trình tạo hình ảnh sản phẩm cho catalogue, cần tốc độ X, độ chính xác chữ Y" thì công cụ nào đang tốt nhất tại thời điểm đó mình cứ lắp vô xài. Không cần phải trung thành với một cái tên. > Làm tốt phần lõi rồi thì việc còn lại chỉ là thay công cụ. Doanh nghiệp cần sự ổn định để vận hành, nhân sự cần quy trình rõ để follow, chứ không thể hôm nay một kiểu mai một kiểu được. Còn phần con người thì sao? Nhân sự cần được huấn luyện, training để thích nghi và nâng năng lực. Đây là chuyện tất yếu của nghề, giống như bao năm nay vẫn phải học kỹ năng mới theo thời gian vậy thôi, không có gì mới mẻ cả. Mà nói thiệt.. cái framework lõi/bề mặt này nói thì gọn, làm thì không dễ đâu. Ví dụ của Thắng ở trên là doanh nghiệp đã có sẵn năng lực data engineering để xây BI dashboard đàng hoàng. Chứ SME nhỏ, chưa có ai rành dữ liệu, thì "xây lõi trước" nghe hay nhưng thực thi cả năm chưa xong à. Nên đừng nghe tôi nói xong.. rồi về gom hết team lại xây lõi nha. Tuỳ sức mà làm. ## PHẦN 2: TIẾT KIỆM TOKEN Ở TẦM DOANH NGHIỆP KHÁC TẦM CÁ NHÂN Trước đó tôi có viết một bài về [7 thói quen tiết kiệm token cho người mới](/blog/ai-automation/7-thoi-quen-de-song-sot-khi-ai-bop-quota-danh-cho-nguoi-moi/), chủ yếu là mẹo cá nhân khi chat với AI: gõ rõ ràng ngay từ đầu, edit thay vì chat tiếp, giữ chat dưới 10 lượt. Bạn nào chưa đọc thì tìm lại nhé, phần đó vẫn đúng và vẫn nên áp dụng. Nhưng ở tầm doanh nghiệp, câu chuyện tiết kiệm token nó rộng hơn một chút. Vì đây là chuyện thiết kế hệ thống chứ không còn là thói quen gõ chat nữa. Có 3 điểm tôi hay thấy doanh nghiệp mắc phải. **Một, xử lý trực tiếp trên file gốc.** Nhiều người kêu AI chỉnh sửa tới lui ngay trên file HTML hay file Word, cực kỳ tốn token vì mỗi lần AI phải đọc lại toàn bộ định dạng, không chỉ nội dung. Cách tôi hay làm là kêu AI ra dữ liệu thô trước, tự sửa tay hoặc nhờ AI sửa trên bản thô đó, tới khi ưng ý mới xuất ra file cuối (PDF, Docs, email). Vừa kiểm soát được token, vừa biết rõ token mình tạo ra là do đâu. **Hai, để chat chồng chất quá nhiều lượt.** Mỗi lần AI xử lý là nó cộng dồn hết kết quả và lịch sử chat trước đó vào. Chat tới 10-20 lượt là tốn kém khủng khiếp, y như bài 7 thói quen tôi từng nói. Ở tầm doanh nghiệp thì đây là chuyện phải training cho cả team hiểu, chứ không phải một mình CEO biết là đủ. **Ba, và cái này quan trọng nhất với ai đang làm AI Agent cho doanh nghiệp: thiết kế MCP chưa tốt.** (MCP là Model Context Protocol, tạm hiểu là cách AI kết nối với hệ thống dữ liệu bên thứ ba.) Một MCP chung chung, mô tả từng function không rõ ràng, thì AI Agent phải tự dò đường. Đi hướng này không được thì.. quay ra thử hướng khác. MCP dùng chung cho tất cả mọi người thường chỉ dừng ở mức API cơ bản, kiểu lấy danh sách, filter khách hàng. Nhưng nghiệp vụ thực tế phức tạp hơn nhiều, chỉ công ty mình hoặc trường hợp cụ thể mới có đường đi riêng. Đội Anthropic có mô tả một case thật: agent cần lấy transcript cuộc họp từ Google Drive rồi ghi vào Salesforce. Cách làm cũ, để AI gọi từng tool một rồi tự dò, thì riêng phần định nghĩa tool cộng dữ liệu trung gian đi qua lại context đã tốn khoảng **150.000 token**. Khi đổi qua cách để AI viết code gọi thẳng vào hệ thống, giống kiểu lập trình viên viết script thay vì bấm tay từng bước, số token đó giảm còn **2.000**. Tức là tiết kiệm gần **99%**. --> Đọc con số này tôi mới thấy cái mình hay nói "gọi vào đúng 3 bước ra kết quả thay vì để AI chạy gần 100 bước" không phải nói cho vui, mà có dữ liệu thật chứng minh. Mấy vụ MCP Code Mode team tôi học từ Tony cũng ứng dụng thường xuyên để giải quyết vấn đề này trong nhà rồi. Đợt offline lần trước tôi cũng có kể cho anh em nghe hơn 2 tiếng. Cái khó là thiết kế MCP tốt cho đúng use case thực tế là việc của dân thiết kế hệ thống. Nói mấy từ như MCP hay code execution ra thì người ngoài chuyên môn cũng khó mà hình dung được, nên phần này thường phải có đội kỹ thuật ngồi lại làm riêng cho từng nghiệp vụ. Không thể giao cho một con AI generic làm hết. Mà chỗ này tôi cũng phải công tâm miếng: EGANY của tôi làm công nghệ mà cũng đâu phải chỗ nào cũng ngon. Có mấy nghiệp vụ bọn tôi cũng đang dò.. sửa tới sửa lui hoài. Nên nói ra để anh em biết đường, chứ không phải đứng ngoài phán ^^ ## TÓM LẠI Cập nhật công nghệ, đừng đuổi theo. Xây lõi cho chắc, còn bề mặt để đó tháo ráp tùy thời điểm. Tiết kiệm token cá nhân là một chuyện, đọc lại bài [7 thói quen cho dân không chuyên](/blog/ai-automation/7-thoi-quen-de-song-sot-khi-ai-bop-quota-danh-cho-nguoi-moi/). Còn tiết kiệm token ở tầm hệ thống là chuyện khác, nó nằm ở cách thiết kế MCP và quy trình xử lý dữ liệu. Hai chuyện này thật ra là một. > Doanh nghiệp nào xây lõi tốt thì cũng tự nhiên tiết kiệm token tốt. Vì không có chuyện chạy tới chạy lui, dò đường, sửa sai liên tục. Bạn đang thiết kế hệ thống AI cho doanh nghiệp mình theo hướng nào? Xây lõi trước, hay đang mải chạy theo tính năng mới? Comment tôi nghe thử coi :3 *Nguồn tham khảo: case Google Drive sang Salesforce và con số 150.000 xuống 2.000 token lấy từ bài viết của đội Anthropic Engineering về code execution với MCP.* #voquoccuong #aiautomation #mcp #agenticworking

Cắm AI được vô ô chat Telegram/Zalo/Bitrix thì mới được gọi là AI Agent?

Tue, 30 Jun 2026 13:26:31 GMT

Mấy lời khẳng định kiểu này tôi gặp ngày càng nhiều, nhất là từ anh chị em doanh chủ không rành công nghệ lắm:

“Bên tôi giờ ngày nào cũng có bot bắn báo cáo doanh thu lên Telegram, vậy là có một AI Agent thực thụ rồi nè”

Thật ra.. phần lớn mấy thứ này không phải AI Agent đâu. Nó chỉ là con bot tự động bắn thông báo lên DM/group chat, cùng lắm là biết hỏi đáp thêm chút do có cắm thêm LLM vào thôi. Hết.

Mà cái nhầm này đang lan nhanh lắm

Mọi người đang đánh đồng “nơi AI xuất hiện” với “năng lực thực sự của AI”, nên có nhiều nhầm lẫn về khái niệm AI Agent.

Một bên là giao diện giao tiếp (interface): cái khung để mình ra lệnh và nhận kết quả.
Một bên là năng lực xử lý (capability): cái quyết định AI thực sự làm được gì.

Nhóm chat thuộc vế đầu, chỉ là một điểm chạm, một kênh giao tiếp. Nó không tự sinh ra “sự tự chủ” cho AI. Nhét một con bot ngơ ngơ vô nhóm Zalo/Telegram thì nó vẫn ngơ ngơ.. chỉ là ngơ ngơ trong nhóm chat thôi.

Giải thích nặng nề quá cũng phức tạp nên tôi lấy các hoạt động trong cái Bếp hoặc Quán Nhậu ra để ví dụ xuyên suốt trong bài này nhé.

Ví dụ trong cái Quán Nhậu

Ba thứ mà người ta hay nhầm là: Lò nướng thịt, ông Đầu Bếp và cái Bộ Đàm (điện thoại cũng được)

Nhưng ở đây có cái bẫy mà nhiều bài giảng dính phải: họ xếp ba thứ này thành ba cấp độ, trong đó cắm vô nhóm chat là cấp cao nhất.

Sai lầm là chỗ này nè.

Thực ra chỉ có hai cấp độ năng lực (lò nướng rồi mới tới đầu bếp), còn bộ đàm là thứ nằm ở trục hoàn toàn khác, không chung cái thang đo năng lực đó đâu.

1. Lò nướng:

Tạm hiểu như AI truyền thống / chatbot cơ bản. Bạn tự chuẩn bị nguyên liệu, cho vô, bấm đúng số phút (đây chính là cái prompt của bạn).

Lò làm đúng một việc: nướng, hết giờ là nó dừng.

Và bạn phải tự mở ra coi chín chưa, chứ nó không tự nghĩ, không tự xoay sở.

Một lệnh, một kết quả > Xong.

2. Đầu bếp (tui đây)

Cái này mới là AI Agent thực thụ. Vợ tôi không bấm nút từng bước nữa mà chỉ đưa mục tiêu:

“Nấu cho em bữa tối 3 món kiểu Cà Mau đi anh.”

Rồi ông Cường đầu bếp tự lên thực đơn, tự tính mua gì, tự chọn món nào nấu trước, tự nếm, mặn thì thêm nước, nhạt thì nêm mắm.

Và quan trọng: ổng làm một mình trong góc bếp cũng được, không cần ai đứng nhắc từng động tác.

3. Bộ đàm (hay cái gì để liên lạc cũng được)

Đây như cái giao diện chat (chỗ ai cũng lộn). Vậy “cắm AI vô nhóm chat” là gì? Là đưa cho ông đầu bếp một cái bộ đàm để nói chuyện với bà vợ mình hoặc em bồi bàn ngoài kia.

Có bộ đàm thì khách gọi món tiện hơn, báo món ra nhanh hơn. Nhưng cái quyết định món ngon hay dở vẫn là tay nghề ông đầu bếp trong bếp, không phải cái bộ đàm.

Và đây là điểm bất ngờ nè:

Bạn hoàn toàn có thể gắn bộ đàm cho.. cái lò nướng.

Một con chatbot ngơ ngơ nằm trong nhóm chat thì vẫn chỉ là cái lò nướng biết nói chuyện. Và đó đúng là cỡ 90% thứ đang được gọi là “AI Agent trong nhóm” hiện nay.

Nó vẫn chỉ có thêm tính năng hỏi đáp như Chabot thôi chứ không là một AI Agent thật sự. Kiểu tự động báo khi hết giờ, nhiệt độ trong lò bao nhiêu vào nhóm chat, rồi mọi người cùng thấy và.. cùng lắm là hỏi thêm thông số khác nữa.

Ảnh tóm tắt lại nội dung ví dụ trên

Vòng Lặp Tự Chủ: đây mới là thứ làm nên một AI Agent thực thụ

Đây là lõi của vấn đề. Một AI Agent thực thụ không được định nghĩa bởi nó thông minh cỡ nào, mà bởi nó chạy được cái vòng này:

MỤC TIÊU > LẬP KẾ HOẠCH > THỰC THI > QUAN SÁT > TỰ ĐÁNH GIÁ

Chưa đạt? Quay lại sửa tiếp.
Đạt rồi? Lúc này mới bàn giao.

Cái lò nướng truyền thống thì nó đi thẳng một đường rồi dừng. Đầu bếp thì lặp tới lặp lui tới khi đạt mục tiêu mới thôi.

Cái vòng “quan sát > tự đánh giá > sửa” đó chính là tự nhìn lại (reflection), và nó là thứ AI chat hỏi đáp thông thường khônng có.

MÂM CƠM 3 MÓN:

Thịt kho trứng, canh chua cá hú, đậu rồng xào cật heo

Để thấy cái vòng lặp này sống động, mình lấy mâm cơm thằng quê Cà Mau như mình rất mê đem ra nói. Cho ai chưa biết thì mình là người nấu cơm toàn thời gian cho vợ và con trong nhiều năm qua (trước kia thì nấu cho anh em trong công ty ăn).

Nên mình lấy ví dụ mấy món quen thuộc này cho tiện trình bày & ẩn dụ.

Giả sử giờ Vợ mình ra đúng một câu lệnh:

“Làm cho em mâm cơm: thịt kho trứng, canh chua cá hú, đậu rồng xào cật heo.”

Ông Cường đầu bếp (Agent) tự chạy trọn vòng lặp:

1. Lập kế hoạch, dựng đường đi (critical path).

Đầu bếp ngon là không lao vô nấu món đầu tiên trong danh sách đâu.

Ổng nhìn cả ba món:

Thịt kho trứng lâu nhất, kho riu riu cả tiếng cho thấm, nên bắc lên bếp trước tiên.
Đậu rồng xào cật heo nhạy giờ nhất, xào xong phải ăn liền kẻo cật dai, đậu úa, nên để cuối.
Canh chua ở giữa, nấu trước được, hâm lại vẫn ổn, làm khúc giữa.

Đó chính xác là cách Agent làm: không làm tuần tự theo thứ tự đề bài, mà sắp xếp lại theo ràng buộc thật.

Lò nướng thì làm đúng cái bạn bấm, không có khái niệm việc nào trước việc nào sau.

2. Dùng đúng đồ cho đúng việc (tool use).

Nồi kho cho thịt, nồi canh cho cá, chảo lửa lớn cho món xào.

Đâu ai đời đi luộc cật heo trong nồi canh chua :))

Với Agent, đây là chọn đúng tool cho từng tác vụ con, thay vì nhồi hết vô một lệnh.

3. Làm song song, phần hay nhất của một Agent.

Khi nồi thịt kho đã sôi và để riu riu nhỏ lửa, nó thành một tiến trình chạy nền. Đầu bếp không đứng canh từng giây, mà tranh thủ nấu canh chua, sơ chế cật heo (khía bông hoa hòe, bóp muối, gừng, rượu khử mùi.. tùm lum) cho bước cuối.

Còn lò nướng: bạn bấm 3 phút thì đứng đợi hết 3 phút, làm gì khác đâu.

4. Thứ tự và thời điểm trong từng món (workflow).

Canh chua thì nấu nước me, thơm, cà chua trước, thả cá hú vô sau cùng lúc nước đang sôi (thả sớm cá nát với tanh), rau thơm cho vô lúc tắt bếp. Đậu rồng xào cật thì lửa lớn nhanh tay, cật chỉ đảo tới chín tới, già lửa miếng là dai liền.

Agent hiểu thứ tự và thời điểm quyết định kết quả, không phải cứ cho hết vô nấu.

5. Nếm và tự sửa, thứ lò nướng không bao giờ có (reflection).

Nếm canh chua gắt thì thêm chút đường nêm lại.

Thịt kho nhạt thì thêm nước mắm, cạn nước thì châm thêm nước dừa.

Cái vòng nếm > nhận xét > chỉnh lại này mới là dấu hiệu của Agent.

6. Cứu món khi sắp “tèo” (error recovery).

Cá sắp rã thì tắt bếp ngay. Cật lỡ tay hơi già thì vớt ra liền.

Agent xử lý sự cố trong lúc đang chạy, chứ không chạy mù tới khi cháy mới biết.

Còn cái bộ đàm nằm ở đâu trong câu chuyện này?

Giữa chừng, vợ ngoài đường gọi về báo:

“Nay em hết nhiệt miệng rồi, để cay thêm xíu cho ngon nha anh iu.”

Cường đầu bếp nhận tin, nêm thêm ớt. Bộ đàm giúp nhận yêu cầu với báo cáo tiện hơn, nhưng cái quyết định canh ngon hay dở vẫn là tay nghề trong bếp.

Gỡ bộ đàm ra, đầu bếp vẫn nấu được cả mâm.
Gỡ đầu bếp ra, cái bộ đàm chỉ còn là cục nhựa kêu ò e thôi.

Vậy ChatGPT / Claude / Gemini trên web có phải Agent không?

Câu trả lời nhanh thì là.. Không.

Tới đây mình nâng lên một mức kỹ thuật. Ở trạng thái mặc định, mấy app Web/Desktop Chat thường là trợ lý hội thoại (conversational AI), không phải Agent thực thụ.

Lý do nằm ở cơ chế chạy theo lượt (turn-based): bạn gõ, AI tính, trả kết quả, rồi DỪNG, hết lượt. Muốn tiếp thì bạn phải gõ lệnh nữa. Nó thụ động hoàn toàn, và bị nhốt trong sandbox của trình duyệt, không tự mở file hay bật phần mềm khác nếu bạn hổng ra lệnh từng bước.

Đối chiếu với 4 trụ cột của một Agent:

Hành động theo mục tiêu: được một phần. Mục tiêu nhỏ (viết báo cáo) thì làm. Mục tiêu lớn (vận hành cả chiến dịch marketing) thì chịu, trừ khi bạn tự chẻ nhỏ prompt.
Lập kế hoạch và suy luận: cũng yếu. À.. nếu bật mấy chế độ “suy nghĩ sâu” thì cũng được, nhưng model chat thường gõ chữ ngay, không có bước lên kế hoạch trước khi làm.
Dùng công cụ: kha khá ngon. Web Chat giờ đã biết tìm web, chạy code Python, nối app bên thứ ba qua connector.
Tự trị và tự sửa sai: gần như không thấy. Đây là điểm chí mạng. Chạy code lỗi, nó hiện lỗi lên cho BẠN bấm “sửa đi”, chứ không tự chạy ngầm một vòng khác sửa cho xong rồi mới bàn giao.

Nói cách khác, Web Chat ngon ở mấy trụ đầu, nhưng gãy ở trụ cuối.. cái trụ quan trọng nhất. Thiếu vòng lặp tự sửa thì chưa gọi là Agent được đâu.

Mà nói vậy thôi.. ranh giới giờ mờ dần rồi

Tới đây mình phải tự cãi lại miếng, kẻo nói một chiều. Mấy hãng đang nhúng các sub-agent vô ngay trong khung chat.

Ví dụ rõ nhất là Code Interpreter / Advanced Data Analysis. Bạn ném một file Excel nặng vô nhờ phân tích, phần “chat” sẽ gọi một sub-agent chạy code. Con sub-agent này tự viết code, tự chạy trong môi trường ảo, gặp lỗi thư viện thì tự đọc log, tự sửa, chạy lại tới khi ra kết quả. Lúc đó khung chat chỉ còn là cái màn hình hiển thị, còn thứ chạy bên dưới đúng là một Agentic Workflow đủ vòng Plan > Act > Check > Fix.

Nên cách nói chính xác là: Web Chat không phải Agent, nhưng nó vẫn có thể chứa một Agent bên trong cho vài tác vụ nhất định. Vậy nên đừng vội phán theo cái nhãn, phải nhìn vô cái đang chạy bên dưới.

Tầng cuối: “Bị nhốt trên Web” vs “Tự do trên máy tính”

Tới đây mới là khác biệt lớn nhất về quyền thao tác, thứ quyết định giá trị thiệt của Agent.

AI Chat trên Web giống một chuyên gia giỏi nhưng bị nhốt sau tấm kính trình duyệt. Ổng tư vấn hay lắm, nhưng: bạn hỏi, ổng trả lời bằng chữ hoặc file, rồi dừng.

Bạn phải tự tay tải file về.

Muốn ổng xử lý tiếp file khác?

Bạn lại tự cầm file ném ngược lên khung chat.

Mọi thứ phụ thuộc 100% vô thao tác tay của bạn. Tốn công lắm, đứt quãng liên tục.

AI Agent dưới máy (Codex, Claude Code/Cowork, Antigravity...) thì đã chui thẳng vô hệ điều hành, ngồi ngay cạnh bạn. Nó có “tay chân”: tự mở Terminal gõ lệnh, tự mở trình duyệt tìm kiếm, tự đọc/ghi/sửa file ở bất kỳ thư mục nào trên ổ cứng, làm trọn A đến Z mà bạn không phải click hay upload/download gì.

Ví dụ sát thực tế là nhờ AI hỗ trợ nấu 3 món trên:

Cách 1, dùng Web Chat (tốn nhiều công). Bạn gõ nhờ lên danh sách nguyên liệu, AI tạo file PDF, bạn tự bấm tải về. Rồi bạn tự mở tab siêu thị, tự mở file ra coi, tự gõ tìm từng món.
Cách 2, dùng AI Agent local (tự động hết). Bạn ra lệnh một câu, Agent tự tạo file danh sách trên máy, thậm chí tự mở Chrome vô web siêu thị gõ tìm “cá hú”, “thịt ba rọi”, “đậu rồng”, “trứng vịt”, tự chụp giỏ hàng hoặc tải hóa đơn lưu thẳng vô ổ D. Bạn ngồi nhâm nhi cà phê coi con trỏ chuột với mấy tab tự nhảy múa.

Điều rút ra: giá trị của Agent không nằm ở chỗ AI thông minh tới đâu, mà ở chỗ nó được cấp quyền can thiệp vô môi trường (máy tính, web, file) sâu tới mức nào.

Túm lại:

Web Chat giống chuyên gia tư vấn ngồi trong phòng họp, kiến thức uyên thâm nhưng bảo đi cài phần mềm vô máy bạn thì chịu. Còn Codex / Claude Code / Antigravity giống kỹ sư thực địa, tự cầm đồ nghề ra hiện trường làm tới nơi tới chốn.

Bộ thước đo để bạn tự kiểm tra

Lần tới ai khoe “AI Agent”, thử hỏi 4 câu này. Nếu phần lớn câu trả lời là “không”, thì cái họ có là AI thường gắn giao diện chat, chứ chưa phải Agent:

Nó có tự lập kế hoạch không? Đưa mục tiêu lớn, nó tự chẻ ra các bước rồi làm, hay vẫn cần bạn cầm tay chỉ từng việc?
Nó có tự thao tác trong môi trường thật không? Tự mở file, gọi API, thao tác web, hay chỉ trả về chữ rồi bắt bạn tự làm phần còn lại?
Nó có vòng lặp tự sửa không? Gặp lỗi thì tự sửa chạy lại tới khi xong, hay chỉ báo lỗi rồi đứng chờ bạn?
Nó có chạy tới đích mà không cần bạn xen giữa chừng không? Giao việc xong bạn đi pha cà phê được, hay phải ngồi prompt từng lượt?

Còn chuyện “nó nằm trong nhóm chat hay chạy ngầm dưới máy”? Đó hổng phải câu hỏi để phân định Agent đâu. Đó chỉ là điểm chạm.. cái bộ đàm.

Tóm lại toàn bộ nội dung trên:

Đầu bếp là năng lực. Bộ đàm là kênh liên lạc.

Đừng khen cái bộ đàm rồi tưởng mình có đầu bếp giỏi.

Và mức tiến hóa cao nhất hiện giờ không nằm ở chỗ AI biết nói chuyện hay tới đâu, mà ở chỗ nó được cấp quyền can thiệp vô môi trường sâu tới mức nào.. từ “bị nhốt sau tấm kính trình duyệt” tới “tự do thao tác trên cả máy tính của bạn”.

Hiểu được lằn ranh này, bạn không còn bị mấy thuật ngữ marketing dắt mũi nữa.

Anh em đang xài “AI Agent” nào.. mà thử soi 4 câu trên coi nó là đầu bếp hay chỉ là cái lò nướng có bộ đàm? :3

#voquoccuong #kechuyen #aiagent

2h sáng, mấy anh em làm chủ hay làm gì?

Sat, 13 Jun 2026 15:54:18 GMT

Tôi thì.. nằm đó, mở mắt thao láo, nghĩ tới nghĩ lui nhiều quyết định:

Cắt người này hay giữ lại?
Chuyển đổi mô hình kinh doanh hay ráng trụ thêm vài tháng nữa?

Đổ tiền vô cái sản phẩm mới đầy tiềm năng hay thôi?
…

Mà nghĩ hoài hổng ra, vì.. biết hỏi ai giờ?

Hỏi nhân viên thì hổng được, nói ra mấy chuyện dòng tiền đang căng là tụi nhỏ hoang mang, rớt nhuệ khí liền. Hỏi mentor thì.. ai rảnh mà thức lúc 2h sáng nghe mình than. Mà thuê mentor xịn cũng đâu có rẻ, bèo cũng 360+ triệu/năm (tháng 30 triệu) rồi.

Nên cuối cùng founder hay tự gặm một mình. Cô đơn thiệt và quyết bừa ^^

--> Cảm giác này tôi nghĩ ai làm chủ rồi cũng dính ít nhất một lần.

Gần đây tôi mới có “mấy đứa” chịu ngồi cùng 24/7. Mà hay ở chỗ là nó không có nịnh.

Để tôi kể vài con số thiệt.

Có lần tôi bị một cơ hội đầu tư làm mờ mắt. Nền tảng mới, nghe ngon, chi 15 triệu mỗi tháng kỳ vọng thu về 100 triệu. Tôi gần như gật đầu rồi. Con cố vấn AI mới tạt cho tôi gáo nước lạnh: dòng tiền hiện tại đang yếu, ông đang ôm đồm quá trời, nhảy vô cái này là gãy.

--> Né được vụ phí gần 180 triệu.

Lần khác, thay vì bỏ 6 tháng với mấy trăm triệu chi phí ngầm đi xây sản phẩm trước, nó biểu: làm cái slide đi bán thử coi thị trường gật hông đã, rồi hãy xây.

--> Tôi nghe theo. Kết quả về 2 hợp đồng, 340 triệu.

Còn cái lần công ty tôi suýt phá sản, đốt 35 triệu mỗi ngày, thì.. để bài khác tôi kể, dài lắm ^^

Nói trước cho đỡ lo luôn, nó không phải con AI thần thánh gì đâu.

Tôi mà không nạp dữ liệu công ty vô, không kể cho nó nghe dòng tiền, điểm yếu, mấy chuyện sinh tử.. thì nó cũng “ngáo” y chang mấy con AI free, trả lời chung chung như sách giáo khoa thôi.

Cái khác nằm ở chỗ mình nạp đúng “DNA” công ty cho nó, để nó phản biện vỗ mặt bằng chính số liệu của mình, thay vì cứ “dạ ý tưởng hay lắm ạ”.

--> Mà nói vậy thôi, hổng phải lúc nào nó nói cũng đúng đâu. Quyết định cuối vẫn là mình chịu trách nhiệm. Nó chỉ giúp mình bớt mù đi một góc nào đó thôi.

Tối qua tôi có chia sẻ nguyên cái cách build “hội đồng cố vấn AI” này trong webinar. 4 case thực chiến, con số đầy đủ, cách nạp DNA công ty ra sao.

Ai tò mò muốn coi đầy đủ thì vô phòng chờ, link tôi để dưới comment. Hổng có gì cao siêu đâu, xài gói Free hoặc Pro ($20 mỗi tháng) và chịu khó ngồi hệ thống hóa lại tài liệu quy trình, thiết lập system prompt, tổ chức context/knowledge files lại là ngon.

—> Cái này thì tôi đã xài 9 tháng và đóng sẵn rồi nên có hướng dẫn từng bước một.

Nội dung chi tiết trong phòng chờ https://t.me/+9vHKw64tXZs3ZTc1

Để tạm cái ảnh recap nội dung Webinar vừa xong tối qua

#voquoccuong #BoAChallenge

Vì sao tôi không còn kêu ChatGPT vẽ ảnh tự do nữa dù nó vẽ rất đẹp

Thu, 11 Jun 2026 09:31:16 GMT

Có một thời gian dài tôi làm ảnh minh họa kiểu này: viết xong bài, copy nguyên cái nội dung, quăng vô ChatGPT rồi gõ một câu “vẽ giùm tôi cái ảnh minh họa cho bài này”.

Rồi ngồi chờ.. hên xui :))

Nói thiệt, ảnh nó ra đẹp. Đẹp lung linh là đằng khác. Mà xài hổng được.

Lúc thì nó nhồi chữ vô đầy ảnh, đọc trên điện thoại muốn lòi con mắt. Lúc thì nó cắt mất cái ý quan trọng nhất, giữ lại mấy thứ trang trí cho vui. Mấy bài tôi cần một cái CTA rõ ràng ở cuối thì nó đặt điểm nhấn trớt quớt đâu đâu, đọc xong hổng biết phải làm gì tiếp.

Tệ nhất là: mỗi lần một kiểu. Bài này màu nóng, bài kia màu lạnh, bài nọ nét vẽ khác hẳn. Gom 5 bài lại nhìn như 5 người khác nhau làm. Không ra được cái bộ nhận diện gì hết.

--> Tới một lúc tôi mới nhận ra vấn đề không nằm ở chỗ AI vẽ dở. Nó vẽ giỏi thấy bà. Vấn đề là tôi đang giao cho nó một việc mà không đưa cái khung để nó làm đúng.

Khúc Ngoặt: Dạy AI Cách Nghĩ Trước Khi Vẽ

Nên tôi đổi cách. Thay vì kêu nó vẽ, tôi quay qua dạy nó cách nghĩ trước khi vẽ.

Cụ thể là tôi đóng gói một cái “skill”, thực ra là một system prompt dài, đặt vô Project. Trong đó tôi không nói “vẽ cho đẹp”. Tôi bắt nó đi qua đúng 6 bước, y như cách một người làm thiết kế thiệt thụ sẽ nghĩ trước khi cầm cọ.

Để tôi kể từng bước.

6 Bước Tôi Bắt AI Đi Qua

1. Phân tích nội dung

Bước đầu nó không được vẽ liền đâu. Nó phải đọc nội dung, chắt ra một thông điệp chính, cái ý mà người xem phải hiểu trong vòng 3 giây. Một tấm ảnh ôm 5 ý là một tấm ảnh không có ý nào hết. Bước này ép nó, mà thật ra ép luôn cả tôi, phải chốt: bài này rốt cuộc muốn nói một câu gì?

2. Chọn style

Đây là chỗ trị cái bệnh “mỗi lần một kiểu”. Tôi không để AI tự bịa phong cách theo hứng. Tôi đưa sẵn một thư viện 7 style cố định, mỗi cái có nhiệm vụ riêng: ACD cho ảnh tương phản kiểu hook, before/after; WEC cho cover sang, ít chữ; SBS cho một insight duy nhất; SB cho dạng liệt kê nhiều ý; FBW cho quy trình từng bước; BLD cho sơ đồ framework; VTK cho bản đồ kiến thức sâu.

Nó chỉ được chọn trong số đó, dựa trên loại nội dung. Cái nhất quán của cả bộ ảnh đẻ ra từ đây chứ đâu.

3. Dựng Visual Blueprint

Trước khi đụng vô vẽ, nó phải tự trả lời mấy câu: thông điệp 3 giây là gì, ẩn dụ chính là cái gì (đòn bẩy, cổ chai, ngã ba đường..), bố cục sắp ra sao, chữ nhiều hay ít, cái CTA đặt chỗ nào.

Đây là khúc tôi tâm đắc nhất. Vì cái lỗi nhồi chữ hay vẽ đẹp mà vô dụng gần như biến mất khi mình bắt nó nghĩ bố cục TRƯỚC, thay vì vẽ xong rồi mới tính.

4. Quality Gate

Chấm điểm.. trước khi vẽ. Mấy tiêu chí đơn giản: thông điệp có rõ trong 3 giây không, ẩn dụ có đủ mạnh không, chữ có dễ đọc trên điện thoại không, có đúng chất của style đã chọn không. Dưới ngưỡng là không cho ra.

Giống như có một ông biên tập khó tính ngồi gác cửa, chưa đạt thì khỏi đi tiếp.

5. Tinh chỉnh

Rớt quality gate thì quay lại sửa cái blueprint rồi chấm lại, tối đa 1-2 vòng. Không phải vẽ đại một phát rồi thôi, đẹp xấu tính sau.

6. Ra ảnh cần dùng

Qua hết mấy cửa đó nó mới được vẽ. Và cái ảnh ra.. đúng là cái tôi cần xài, chứ không phải cái đẹp cho vui.

(cái ảnh này là một ví dụ, tôi vẽ bằng chính cái skill đó)

Vì sao cái khung lại ăn đứt việc vẽ tự do

Gói lại thì cái khung này được 3 thứ mà vẽ tự do không có:

Nhất quán: 7 style cố định, gom cả chục bài lại vẫn cùng một chất, ra được bộ nhận diện.
Đỡ sửa: hồi trước tôi gần như phải vẽ lại hoặc sửa te tua, giờ phần lớn xài được luôn hoặc chỉ chỉnh nhẹ.
Ảnh phục vụ thông điệp: nó không còn vẽ cho đẹp, nó vẽ cho ra ý.

Nói cho dễ hình dung: AI vẽ tự do giống mình thuê một họa sĩ giỏi, mà mỗi lần kêu vẽ là ổng quên sạch mình đang làm cho thương hiệu nào, vẽ theo hứng. Còn đưa cái khung giống đưa cho ổng cái brand guideline với cái brief rõ ràng. Cũng ông họa sĩ đó, mà kết quả khác hẳn.

Mà Nói Vậy Thôi..

Tôi không có bắt “ai cũng phải làm cái khung này”. Xây nó tốn công thiệt. Tôi ngồi mò mấy buổi mới ra được cái thư viện style với quality gate cho ưng cái bụng, mà vẫn còn đang chỉnh tiếp.

Với ai chỉ cần một tấm ảnh xài một lần, viết nguyên cái khung này là.. overkill. Quăng ChatGPT một câu cho lẹ, có khi còn nhanh hơn nhiều.

Cái khung chỉ đáng công khi anh em làm đi làm lại, ra ảnh đều đặn, và cần nhất quán. Tôi đoán mò là nó hợp với người làm content thường xuyên thôi, chứ hổng phải ai cũng cần đâu ^^

Vẽ ảnh hay viết prompt, cũng một tư duy

Viết tới đây tôi mới thấy nó y chang cái chuyện tôi kể trong bài cấu trúc prompt 8 tầng hồi trước: khác biệt giữa “giao việc” cho AI và “thiết kế một hệ thống làm việc” với nó.

Kêu một câu “vẽ giùm” là giao việc. Dựng 6 bước để nó nghĩ trước khi vẽ là thiết kế hệ thống. Cái đầu nhanh, cái sau lâu hơn.. nhưng ra kết quả khác hẳn.

Tiện đây hỏi anh em: mình đang “kêu AI vẽ giùm” hay đang “dạy AI cách mình muốn nó vẽ”?

#voquoccuong

Nội dung đính kèm:

EGA Sketchnote Creator xài nhanh trên CustomGPT:
https://chatgpt.com/g/g-6a2a5f7115dc8191af8630e5afe715ee-ega-sketchnote-creator
Sketchnote Creator skill: https://rec.egany.com/f/pz26Dr

5 Cách Anh Em Đang Xài Second Brain + AI

Fri, 29 May 2026 10:43:13 GMT

Tối nay tôi ngồi cafe online với anh em CxO AI Automation Club (nhóm kín), mỗi người chia sẻ một góc về cách họ đang xài Second Brain + AI trong công việc thật.

Recap lại để ai không dự được vẫn nắm được mấy cái hay, và cũng tự lưu để mình đọc lại sau.

Mới bài trước đó tôi đăng thì mọi người cho là lý thuyết, nhưng trùng hợp là vừa có buổi chia sẻ thực tế từ các thành viên trong nhóm đang ứng dụng ra sao. Buổi chia sẻ tới 3 tiếng đồng hồ & có nhiều thông tin nhạy cảm nên không thể kể hết, nhưng tôi sẽ cố gắng recap các điểm có thể chia sẻ bên dưới nhé.

1. Đừng làm nô lệ cho framework người khác

Mr. Lễ có kinh nghiệm xài Obsidian 3 năm, mở màn bằng quan sát này tự nhận: lỗi lớn nhất của anh ấy là từng quá phụ thuộc vô khung mẫu cứng nhắc của người khác.

Ảnh chia ghi chú làm 2 loại:

Ghi chú nháp: thứ nhặt từ internet (wiki, code mẫu, paste tạm). Dữ liệu thô, để lâu không xử lý thì thành rác.
Ghi chú vĩnh viễn: cái bạn tự tư duy và viết lại bằng lời của mình.

Điểm tôi tâm đắc: ảnh KHÔNG bắt AI viết hộ. Ảnh dùng AI (qua Telegram bot) làm “người thẩm vấn”, AI đặt câu hỏi ngược lại để ép ảnh phải suy nghĩ và tự tổng hợp câu trả lời.

Quy tắc tối giản của ảnh: mỗi ghi chú mới phải nối với ít nhất một ghi chú cũ, để tạo ra mạng lưới tri thức thực sự.

--> Đây đúng y cái giai đoạn 2 (tổng hợp + tăng cường) tôi nói bài trước: AI làm verifier, không làm writer.

2. AI không chỉ để hỏi, AI còn là đôi tay kỹ thuật số

Anh Nguyên Leon thì đẩy AI lên một bước: biến nó từ máy hỏi-đáp thành một Agent biết thực thi.

Quy trình ra lệnh từ xa của ảnh:

Chat với con bot Telegram (ảnh đặt tên “Tiểu Minh Khuê”) --> máy tính ở nhà bật 24/7 nhận lệnh (qua Antigravity) --> tự chạy code, tạo file ghi chú, trích xuất dữ liệu --> đồng bộ vô Obsidian.

Nó hay ở chỗ này: dành cho người hay đi lại. Đang ngồi quán cũng tạo được biên bản họp, soạn SOP, lưu ý tưởng đột xuất chỉ bằng vài dòng chat điện thoại, khỏi mở laptop.

Đây không còn là chuyện lưu trữ. Là chuyện điều khiển.

3. Metadata và Index để AI không lạc trong biển dữ liệu

Mrs. Chinh nói khúc này hơi kỹ thuật mà rất hữu ích.

Muốn AI truy xuất nhanh, đúng, lại rẻ token thì cấu trúc dữ liệu đầu vào là yếu tố sống còn. Chị làm 2 lớp:

YAML Frontmatter (metadata): gắn nhãn ở đầu mỗi file (ngày, tag, trạng thái, dự án). AI hiểu ngay bối cảnh mà khỏi phải đọc hết nội dung file.

File Index (bản đồ thư mục): thay vì bắt AI quét cả ngàn file để tìm, hệ thống kêu AI đọc bản đồ trước, biết thông tin nằm thư mục nào rồi mới đi thẳng vô đó bóc tách.

Chị chia data làm 4 không gian rõ rệt: Dự án (Project), Vận hành (Operation), Con người (People), Kho tri thức (Knowledge Space).

Hôm trước trong bài Agent Skill tôi cũng có nói ý liên quan metadata, có thể đọc lại:

4. Use case Sale: AI đề xuất hành động dựa trên dữ liệu lịch sử

Anh Hoàng làm Sale/Marketing ngành linh kiện máy tính. Workflow của ảnh tóm tắt như sau:

AI tự quét dữ liệu tồn kho và lịch sử nhập hàng của các đại lý. Mỗi sáng 9h, hệ thống gửi thông báo kiểu: “Hôm nay nên gặp đại lý A, chào mức giá B, vì họ đã 2 tuần chưa nhập hàng và đây là mức giá cạnh tranh nhất theo lịch sử của họ.”

Mấy hôm tiếp khách về muộn người mệt do hôm trước say quá, hệ thống vẫn tự soạn báo giá, nhắc việc, gửi báo cáo đúng bối cảnh.

Cái này tôi thấy đáng học: AI không thay anh đi gặp khách, không quyết thay anh. Nhưng nó rút ngắn khoảng cách giữa “có data” và “biết phải làm gì với data đó”.

5. Đừng xây hệ thống cho 10.000 người khi chưa phục vụ nổi chính mình

Khúc này tôi với Đạt và vài anh em khác có nói góp vô, và cũng là cái tôi tâm đắc nhất.

Dân giỏi kỹ thuật hay mắc một bệnh: sa đà tối ưu hệ thống cho quy mô lớn (scalability) mà quên mất mục tiêu thực tế ngay trước mặt.

Đừng mơ hệ thống quản trị cả tập đoàn. Cứ bắt đầu từ nỗi đau nhỏ nhất.

Ví dụ Mrs. Chinh chia sẻ trong buổi: Morning Briefing. Thay vì tốn 1 tiếng mỗi sáng lục lọi dữ liệu các nguồn, chị xài Windows Task Scheduler (công cụ cũ rích mà work) lập lịch cho AI tự động quét Excel, Slack, Obsidian.. tạo ra một bản tóm tắt công việc ngay khi chị vừa mở máy.

Câu tôi nói trong buổi đó: cứ cả gan đặt mấy câu hỏi lớn cho AI. Đừng để mấy giới hạn về kỹ thuật hay bảo mật ngăn mình bắt đầu giải quyết nỗi đau sát sườn nhất.

Nói thì nói vậy chứ nhìn kỹ..

Nghe 5 người chia sẻ thì nghe có vẻ ngon vậy chứ mấy cái này hổng phải setup một buổi là chạy đâu. Anh em trong club vọc cả tháng trời, sai lên sai xuống mới ra được.

Và quan trọng nhất: mấy người làm được vì đã có nền domain vững và đã rèn First Brain rồi. Bê nguyên xi về xài mà chưa có nền thì cũng tạch.

Cái insight có chia sẻ thêm khi mở rộng chương trình The Board of Advisors thành BoA 15 days challenge để mọi người có thời gian tích luỹ như một second brain cho chủ Doanh Nghiệp.

Second Brain khi ghép với AI, nếu xây đúng, sẽ chuyển vai trò. Từ chỗ là cái kho ghi nhớ thụ động, nó thành cái mà anh em trong buổi gọi là Hội đồng cố vấn (Board of Advisors) cho riêng mình. Đóng vai CFO khi chất vấn lại mấy dự án viển vông của bạn. Đóng vai CBDO khi đề xuất hành động dựa trên dữ liệu lịch sử và còn nhiều vai trò khác khi mình tích luỹ mỗi ngày một chút dữ liệu qua các cuộc hội thoại với AI.

Quan trọng hơn là chuyển dịch của chính người dùng: từ vai người ghi chép nhặt nhạnh.. sang vai người ra lệnh (commander).

… tạm kết ở đây …

Anh em đang xài Second Brain theo cách nào? Còn cất giữ thụ động hay đã chuyển sang điều khiển nó? Comment chia sẻ nhé :))

#voquoccuong #cuonghoaai #secondbrain

Link tóm tắt chi tiết cuả cộng đồng tại đây:

https://recap.egany.ai/CafeTalk-28-05-2026

Build Second Brain hoài mà vẫn Fail?

Fri, 29 May 2026 03:07:26 GMT

Hỏi thẳng mất lòng: bạn đã cài Obsidian và các công cụ tương tự lên máy rồi xóa, cài lại rồi xóa.. bao nhiêu lần rồi? ^^

Để tôi mô tả thử cái vòng lặp này coi có trúng không.

Đọc được một bài của ông nào đó (mà chắc gần đây là của Karpathy rồi), máu lên. Cài Obsidian. Tuần đầu lưu 200 notes hăng say. Tuần hai còn 50. Tuần ba mở vault ra thấy một đống notes nằm im như bãi phế liệu, không biết bắt đầu từ đâu.. nản. Bỏ ngang.

Hoặc ngược lại, không viết hay lưu cái gì vào hết, xong rồi cũng bỏ vì chả khai thác được giá trị gì từ cái “não thứ 2” này.

Ba tháng sau nghe podcast về “Second Brain với AI”, máu lại lên. Lần này đổi app mới cho nó khác (Tana, Logseq, Reflect.. cái nào nghe ngầu là quất). Rồi.. lặp lại vòng lặp trên.

Tôi nói trúng tim đen rồi đúng không? :))

Mà thôi đừng quê, tôi cũng vậy thôi.. hớ hớ..

Đợt rồi ông bạn tôi, Duy Nguyễn (Mr. Goon), có viết một bài về vụ này mà thấy rất là ưng tại đây.

Đại khái Duy nói: đừng vội build Second Brain khi cái First Brain (bộ não thật của mình) còn chưa rèn. Ổng giải thích rất kỹ phần TẠI SAO, nào là AI vẫn bịa số liệu rất tự tin (Duy kể vụ để Opus tự research một cái proposal rồi bị nó dắt như dắt bò, số liệu sai bét mà trông cực thuyết phục), nào là mấy nghiên cứu chuyện càng dựa AI thì tư duy càng teo (MIT, Microsoft..).

Bài đó hay rồi, đọc xong khỏi cần tôi nói lại. Tôi chỉ muốn nối thêm cái phần SAU đó: ok, hiểu là đừng vội rồi, vậy giờ build thì build SAO cho đúng?

Duy có đưa ra mấy nguyên tắc rất chuẩn (đọc chậm, tự viết, verify nguồn..). Tôi xin phép xếp lại mấy cái đó thành 3 giai đoạn theo thời gian, để mọi người dễ tự định vị mình đang kẹt ở khúc nào.

Vì vấn đề lớn nhất tôi thấy là: ai cũng nhảy thẳng vô giai đoạn cuối (khai thác) mà bỏ qua 2 giai đoạn nền phía trước.

Giống như muốn ăn trái mà hổng chịu trồng cây, hổng chịu tưới nước, cứ ra vườn đứng há mồm chờ trái rụng vô miệng vậy đó.

Nhảy cóc thì không gãy chân cũng lọi giò, nên giờ làm lại nhe:

1. Thu thập thông tin

Giai đoạn này lâu nhất, chán nhất, và là chỗ 90% người ta bỏ cuộc.

Nói “thu thập” nghe sang vậy thôi chứ cốt lõi của nó KHÔNG phải lưu cho nhiều. Mà là đọc cho kỹ.

Như Duy nói: bookmark 100 bài chưa đọc không bằng đọc 1 bài và hiểu sâu. Lưu nhiều mà không tiêu hóa thì chỉ là cái mà ông Duy gọi là “nhà sưu tầm khảo cổ”, đúng quá trời.

Ở giai đoạn này tôi tập đúng một thứ: đọc xong, gập màn hình lại, tự tóm tắt bằng lời của mình. Tóm không nổi --> tức là chưa hiểu, đọc lại.

Dấu hiệu bạn xong giai đoạn 1: bạn tóm tắt được một bài hay một paper bằng 3 câu của CHÍNH BẠN, mà không cần mở lại để coi lén.

2. Tổng hợp và tăng cường thông tin

Đây mới là chỗ AI hữu ích thiệt sự nha. Không phải để nó viết hộ, mà để nó làm trợ lý kiểm chứng cho mình.

“Tổng hợp” là nối các mảnh kiến thức rời rạc lại. Bài A liên quan bài B chỗ nào, ý này mâu thuẫn ý kia ra sao. Viết tài liệu bổ sung và sắp xếp lại cho dễ tra cứu bằng AI.

“Tăng cường” là thêm vô cái mà chỉ mình bạn có: góc nhìn riêng, phản biện riêng, và quan trọng nhất.. case thật của bạn. Cái mà AI có cào nát internet cũng chưa chắc kiếm ra được.

Cách tôi làm: tự viết tay cái hiểu của mình trước (xấu cũng được, miễn là của mình). Xong mới quăng cho AI, kêu nó “tìm chỗ tôi sai, tìm góc tôi bỏ sót, dẫn nguồn đàng hoàng”.

Nhớ cái vụ Duy bị Opus dắt như dắt bò không? Đó, ở giai đoạn này nếu bạn để AI viết thay vì verify, là bạn đang tự rước ảo giác vô não đó.

Dấu hiệu bạn xong giai đoạn 2: bạn tự cãi lại được chính cái mình vừa viết. Tự phản biện được nghĩa là đã thật sự nắm, chứ không phải học vẹt.

3. Khai thác 2nd brain hiệu quả

Tới đây cái vault của bạn mới bắt đầu đáng tiền.

Và nói thiệt lòng: cái pattern của Karpathy mà cả cộng đồng đang đua nhau làm.. nó phù hợp ở CHÍNH giai đoạn này. Không phải nó sai. Nó chỉ sai chỗ người ta áp dụng quá sớm thôi.

Khi bạn đã có một nền kiến thức đã đọc kỹ, đã tự viết, đã verify.. thì lúc đó cho LLM cross-reference, tự build wiki mới có nghĩa. Vì giờ bạn ĐỦ TRÌNH để biết chỗ nào nó bịa.

Karpathy nói “bạn là người curate”. Nhưng muốn curate thì phải biết cái gì đúng cái đã. Giai đoạn 1 và 2 chính là lúc bạn xây cái khả năng đó.

Dấu hiệu giai đoạn 3: bạn dùng cái vault để RA QUYẾT ĐỊNH thật, để giải quyết vấn đề thật. Chứ không phải để chụp màn hình khoe “vault tui 5000 notes nè” như các thầy để lùa gà là chính :3

Nhiều mà toàn thông tin rác, không có giá trị với bản thân thì dữ liệu noise khỏi bàn, truy vấn để ra quyết định xàm lông không luôn.

Điều tôi tin chắc không có con đường ngắn đâu. Trên mạng bán template, bán skill pack, bán khóa “Second Brain trong 7 ngày”.. nghe cho vui thôi. 7 ngày xây được cái vault, nhưng cái não để xài cái vault đó thì 7 ngày không xây nổi đâu.

Nó cần tích luỹ mỗi ngày một chút, liên tục, không dừng lại và hệ thống hoá lại thật sự tốt.

Vậy nên lần sau, trước khi cài lại Obsidian lần thứ N, tự hỏi:

- Mình đang fail vì thiếu app, hay vì đang nhảy cóc giai đoạn?

Và nhớ giùm tôi một câu:

Đừng đếm số notes trong vault. Hãy đếm số insight bạn đã thật sự xài được vào việc thật.

Một cái vault 50 notes mà bạn hiểu hết, xài hết, còn hơn 5000 notes nằm đó làm cảnh, đẹp mà vô dụng như.. bộ ebook 1001 pdf mà đó giờ download mà để ngâm giấm luôn, chưa bao giờ mở ra đọc lại =))).

DÀI QUÁ, LƯỜI ĐỌC:

Giai đoạn 1: Đọc kỹ, lưu ít. Tóm tắt được bằng lời mình là xong.

Giai đoạn 2: Tự viết trước, AI verify sau (đừng để nó viết hộ). Tự cãi lại được mình là xong.

Giai đoạn 3: Lúc này build wiki kiểu Karpathy mới có nghĩa.

Nhảy cóc 1 với 2 để lên thẳng 3 thì dễ vô vòng lặp cài lại app lần thứ N như trên thoai.

Còn bạn, bạn đang ở giai đoạn mấy? Comment tôi nghe thử coi có cùng cảnh ngộ kẹt ở 2.5 không nha :))

Tối nay có buổi Cafe Talk online với hội kín CxO AI Automation Club để thảo luận, chia sẻ về chủ đề Second Brain này, nào xong tôi sẽ viết tổng hợp tóm tắt kinh nghiệm từ các thành viên trong đó cho mọi người đọc sau. Dự là.. sẽ rất thú vị, vì toàn case study thực tế.

#voquoccuong #secondbrain

Nguồn tham khảo: bài viết về First Brain / Second Brain của Duy Nguyễn (Mr. Goon). Mấy nghiên cứu về cognitive offloading (Microsoft + Carnegie Mellon 2/2025, MIT Media Lab 6/2025) Duy đã dẫn chi tiết trong bài đó, anh em đọc bài gốc của ổng để rõ hơn nha.

Lập lịch cho AI Agent thu thập content trong 5 phút, nhưng mất 3 ngày để chạy.. ổn

Sat, 23 May 2026 04:47:56 GMT

Tuần này mình nhờ Tiểu Cường (AI Agent mình đang xây) tự động đi gom content từ 22 creators trên mạng xã hội, chọn ra bài hay nhất, rồi gửi tóm tắt vào group Telegram. Sáng 1 lần, tối 1 lần.

Nghe đơn giản phải hôm?

“Harvest data > chọn bài > gửi group.”

Ba bước này (ai đó) nói có thể xong trong 5 phút.

Thực tế thì mình và Tiểu Cường ngồi với nhau hơn 3 ngày. Qua khoảng 5 lần viết lại format, 3 lần sửa workflow harvest, không đếm nổi bao nhiêu lần timeout, 404, permission denied.. tè lè tét lét lỗi khắp nơi..

Bài này không khoe AI Agent làm được gì như mấy bài trước nữa, lần này mình viết tại sao AI Agent có thể build được rất nhanh với GoClaw, nhưng để nó chạy ổn trong thực tế.. bạn vẫn phải có chính kiến, có kinh nghiệm, kiến thức nghiệp vụ và sẵn sàng rất rất rất chi là kiên nhẫn để.. sửa đi sửa lại nhiều lần mà.. không đập máy.

1. “Xong rồi em cứ làm đi” và timeout liên tục

Lần đầu: mình cứ prompt với Tiểu Cường: “Harvest 22 creators, chọn 1 bài phù hợp cho Founder, format đẹp đẹp gửi vào group.”

Hắn hào hứng chạy, 22 creators cùng lúc, cứ 55 giây lại timeout (lăn ra ngỏm).

Lần 2:

“Chia batch đi em, X thì 1 creator 1 lệnh, YouTube gộp chung.”

Vẫn timeout và rety hoài, xong tắt điện luôn.

Lần 3:

“Mỗi lượt chạy tối đa 3 creators thôi. Chạy xong batch nào thì lưu data batch đó vào file. Lỗi lượt này không mất dữ liệu lượt kia nhe”

Ố ồ.. Giờ thì nó chạy được khá là ngon lành luôn.

Bạn thấy sự khác biệt không?

Lần 1 và 2, Tiểu Cường AI Agent đề xuất giải pháp “tối ưu”: chạy song song, gộp cho nhanh. Nghe rất hợp lý trên giấy tờ. Nhưng thực tế server cần thời gian xử lý tuần tự, và GoClaw bash excec (tool mình đang dùng để giao việc cho agent) mặc định bị giới hạn 60 giây mỗi lệnh.

Mình giả lập lại quy trình này như những anh chị em không chuyên (non-tech) khác vẫn hay làm với AI, thuần chat và lựa chọn giải pháp nó đề xuất, cứ thế chạy. Thật ra, ban đầu có ý đồ này để soạn được giáo án đào tạo cho anh chị em non-tech dễ hơn thôi, không phải cố chấp gì.

Nhưng cuối cùng, ngày thứ 3 mình đành bỏ cuộc và lao vào làm như người làm nghề: đọc Trace Log > đặt câu hỏi sâu > đề xuất giải pháp giảm timeout > đề xuất giải pháp lưu memory theo chặng > kiểm thử vài lần rồi lựa chọn workflow phù hợp nhất cho bộ API Harvest này.

Nếu không có kinh nghiệm ngồi làm giải pháp phần mềm, cứ ngồi đó nhìn vào đề xuất của tụi AI, rồi cứ “làm đi, chạy theo đề xuất em đi”.. thì cái cron-job đó sẽ mãi không biết tới bao giờ mới xong và không ai biết tại sao.

Mình tin nhiều anh chị em non-tech sẽ bỏ cuộc sớm thôi, do cũng đi đào tạo chủ doanh nghiệp và cấp quản lý nhiều, không có hơn 10% nỗ lực tới cùng (3-6 tháng) để hoàn thiện 1 workflow đâu.

2. Bài viết “hay”.. nhưng sai đối tượng thì sao?

Tiểu Cường tự chọn được bài đầu tiên. Content về Claude Design, công cụ tạo UI prototype bằng AI. Kế tiếp thì chọn Claude Code và cách tối ưu rất sâu về hệ thống kỹ thuật..v.v…

Nó tóm tắt thế này:

“Không cần thuê nhân sự, không cần phòng ban Marketing, không tốn tiền lương, 1 người + AI = đội 5 người, tiết kiệm vài ngàn đô mỗi tháng!”

Mình đọc xong đoạn đầu thì.. chán luôn, không muốn đọc tiếp.

Đây không phải tóm tắt content cho chủ doanh nghiệp và quản lý

→ đây là văn “lùa gà” điển hình mà.

Mình phải ngồi chỉnh lại:

“Viết lại. Cấm không được dùng ngôn ngữ [lùa gà] nhé. Trung thực và thực tế đi, làm gì có chuyện không cần nhân sự, không cần phòng marketing. Em tập trung vào outcome cụ thể công cụ này giải quyết việc gì, bài học rút ra là gì, tiết kiệm bao nhiêu tiền, ROI ra sao.. kèm ví dụ cụ thể dễ hiểu”

Bonus: thật ra trước đó nó còn viết như vầy luôn, cực kỳ chán, vậy mà nó cho là tối ưu đó, đọc xong không hiểu cái gì luôn.

Lần 2 nó đã làm tốt hơn. Nhưng vẫn thiếu link nguồn cuối bài theo format.

Toàn là kiểu làm rồi báo cáo “xong hết rồi anh, em đã ghi nhớ và làm đúng những gì anh mô tả, luôn kèm link nguồn bài viết, anh cứ an tâm chờ sáng mai em sẽ thực hiện nhé…”

AI nó không tuân thủ như nó hứa hẹn đâu, mọi người đừng có tin. Cứ phải kiểm tra lại tận mắt tới lui vài lần rồi hẵng chốt tiếp.

Đây, mất tiêu luôn link source của tôi rồi

Lần 3: thiếu divider đúng chỗ, thanh divider dài ơi là dài

Mình lại tiếp tục phải sửa cho nó từng chút một, thiếu điều muốn gõ và đếm từng ký tự cho nó hiểu để.. đỡ ngáo đi.

Lần 4: format tác giả/tương tác gộp chung 1 dòng.

Y chang như trên, nó cứ làm theo ý nó thôi, hoặc là ngu quá.. hoặc là tự tin quá mà làm theo format của nó luôn chứ không theo mẫu mình đã gõ.

Lần 5: Đúng. Thật ra chắ hơn 20 lần, tại viết dài kể hông nổi nên tạm vậy đi.

Mỗi lần Tiểu Cường “gần đúng”.. nhưng “gần đúng” không đủ.

Trong doanh nghiệp, một email gửi khách hàng sai 1 con số, một báo cáo thiếu 1 link nguồn, một proposal dùng ngôn ngữ sales quá đà.. tất cả đều là “gần đúng” và đều gây hậu quả thật.

Cũng may là cái này mình làm workflow này cho cộng đồng sử dụng thôi, nên du di đại đại, sai tới đâu sửa tới đó.

Vậy nên anh em làm nghề như mình cũng không hiểu tại sao mọi người vẫn cứ tin là có AI thì có thể đuổi hết phòng marketing, phòng bán hàng.. mà còn là mảng B2B nữa, người làm kiểm tra tới lui còn làm khách nổi khùng nói gì mấy con AI. Mà thôi, đây chắc cũng là mong muốn thầm kín của tất cả mọi người, các ‘khầy” chỉ cần viết tiêu đề bài viết như vậy là auto triệu view.. haiz…

Rồi giả sử thay luôn đi, vậy giờ ông CEO lại phải đi audit kết quả của tất cả phòng ban, thời gian đâu mà làm chiến lược kinh doanh, đi gặp khách hàng, đi lo trăm công ngàn việc khác (chưa kể pháp lý nhe).

3. YouTube 404 và bài học đừng tin mù quáng AI

6 kênh YouTube trong watchlist của mình thì nó báo toàn bộ không tìm thấykhi đi thu thập tin tức (tức là lỗi 404) .

Tiểu Cường sau nhiều lần bị mình vặn thì lại lý do lý trấu thêm:

“YouTube RSS feed bị lỗi, có thể YouTube đã deprecated.”

Mình kiểm tra lại: kênh vẫn còn sống, video vẫn đăng đều, cũng không phải vấn đề ở YouTube RSS như trên luôn.

Vấn đề là server không resolve được @handle sang Channel ID qua RSS.

Nó còn làm mình thấy lỗi ngứa mắt và đề xuất:

“Xóa 6 channels này khỏi danh sách cho anh.”

Đúng bị thao túng luôn.

Nhưng mình chợt tỉnh lại: “Không. Channels vẫn tồn tại, video vẫn có. Lỗi là ở cách mày gọi. Tìm Channel ID đúng, add lại, test tiếp.”

Kết quả: sau khi chuyển đổi và tìm đúng Channel ID (UCxxxxxxx), harvest chạy bình thường. 60 videos từ 6 channels.

Kinh nghiệm là.. khi tool báo lỗi, đừng vội kết luận “platform kia chết”. Hãy kiểm tra lại từ gốc, truy trace log chi tiết vô. Xác thực tool lỗi gì rồi tính tiếp, còn AI nó đọc lỗi xong nó hay.. nói xạo lắm.

Thật ra không khác con người là mấy, trong quá khứ mình cũng gặp trường hợp này khi làm với một bạn freelancer nọ. Cứ đụng lỗi xíu thì lại bảo “nó không làm được, nó không cho phép”, mình mà bận rộn không để ý thì chắc bỏ qua luôn, nhưng truy lại lịch sử email trao đổi với đối tác thì chỉ cần gửi email nhờ họ trả lời lại API xíu là xong.

4. Cron job chạy nội dung chả giống với kế hoạch

Mình tạo cron job (lập lịch chạy tự động) để Tiểu Cường tự gửi báo cáo mỗi sáng 6h30 và tối 18h30.

Lần chạy đầu tiên: hắn gửi bài vào group, nhưng format sai hoàn toàn. Divider ở cuối thay vì giữa sections. Thừa câu “Đã lưu vào weekly report nhé anh chị!” ở cuối. Tác giả/tương tác/nguồn gộp chung 1 dòng.

Tại sao? Vì cron job chạy như một isolated agent turn, nó không “nhớ” những gì mình đã dặn trong session chat. Nó chỉ đọc cái message trong cron job payload.

Giải pháp: mình nhét toàn bộ template + rules + batch plan vào cron job message. Chi tiết đến mức “copy-paste template này, điền nội dung vào”.

Nghe hình như thừa đúng hôm? Không đâu.

Vì nếu không làm vậy hắn sẽ lại “sáng tạo” theo cách của hắn mỗi lần chạy. Kết quả sẽ khác nhau mỗi ngày.

Trong doanh nghiệp, bạn không muốn nhân viên “sáng tạo” quy trình báo cáo mỗi ngày. Bạn muốn SOP rõ ràng, ai làm cũng ra kết quả giống nhau.

Cron job message chính là SOP cho AI agent.

--> Có lẽ đây là điểm nhiều người mới làm AI Automation hay bỏ qua nhất. Cứ tưởng “chat với AI một lần thì lần sau nó nhớ”, không có đâu.

5. Incremental save, vì thực tế không bao giờ hoàn hảo

Giải pháp cuối cùng mình chốt cho workflow harvest:

1. Chia 8 batches, mỗi batch tối đa 3 creators

2. Sau mỗi batch, lưu kết quả vào file

3. Batch nào lỗi thì retry 1 lần, skip nếu vẫn fail, qua batch tiếp

4. Khi xong hết thì đọc file tổng hợp để chọn bài

Tại sao phức tạp vậy?

Vì trong thực tế, network chập chờn, server quá tải, API thay đổi, rate limit đánh đủ thứ. Bạn không thể giả định mọi thứ sẽ chạy smooth 100%.

Nếu harvest 22 creators cùng lúc và timeout ở creator thứ 15, bạn mất hết 14 content trước đó. Trắng tay.

Nếu harvest incremental, timeout ở batch 5, bạn vẫn có data từ batch 1-4 (~12 creators). Đủ để chọn bài.

Đó là tư duy vận hành và kinh nghiệm làm thực tế, không phải kiểu làm cho có rồi đi lùa đã xong.

Demo chỉ cần chạy được 1 lần đẹp. Vận hành cần chạy được 1000 lần, trong đó 200 lần có lỗi, và hệ thống vẫn cho ra kết quả chấp nhận được.

Giống như nấu cơm gia đình thôi. Bạn nấu 1 nồi cơm khoe Instagram thì dễ, làm tỉ mỉ từng hạt. Nấu cơm cho cả nhà ăn 365 ngày/năm thì khác, phải có quy trình, có “plan B” khi nồi cơm điện hỏng, có cách xử lý khi cơm hơi nhão.

AI mạnh thiệt, nhưng không thay được kinh nghiệm & nghiệp vụ riêng cho từng tổ chức

Sau 3 ngày, cron-job chạy ổn. Mỗi ngày 2 lần, tự động harvest 22 creators, chọn 1 bài phù hợp, format đẹp, gửi vào group.

Nhưng để đạt được điều đó, mình đã phải:

Sửa workflow harvest 3 lần: từ “chạy tất cả” thành “chia batch” rồi “incremental save”
Sửa format bài viết 5 lần: từ “lùa gà” thành “thiếu link” rồi “sai divider” rồi “đúng chuẩn”
Debug YouTube 404: không xóa channels, mà tìm root cause
Viết SOP chi tiết cho cron job: vì agent không “nhớ” context giữa các lần chạy

Tiểu Cường AI Agent không làm sai đâu. Hắn làm đúng những gì hắn biết.

Nhưng “đúng những gì bả biết” khác xa “đủ tốt cho thực tế”.

Và khoảng cách đó.. chính là nơi kinh nghiệm, chính kiến, và tư duy vận hành của con người tạo ra khác biệt.

Nếu bạn đang xem AI như một công cụ để “build nhanh”, mình đồng ý. Nó build nhanh thiệt, giờ ai cũng có thể dùng Claude, Antigravity, Codex có sẵn hoặc dùng GoClaw để build chạy đa kênh.

Nhưng nếu bạn muốn AI “vận hành được”, chạy ổn mỗi ngày, trong môi trường thật, với dữ liệu thật, lỗi thật.. thì bạn cần nhiều hơn là một prompt đẹp ăn ngay trên mạng chia sẻ.

Bạn cần một người đã từng vá lỗ thủng trên con thuyền thật.

Tiện tay.. tiện tay.. mình để ý cái này:

Mấy bạn mới vào nghề khi gặp lỗi thường có 2 phản ứng:

- “Tool/platform có vấn đề, mình bỏ qua đi”

Người lâu năm ăn hành thì:

- “Khoan, kiểm tra lại từ gốc đã”

AI agent hiện tại đang ở mức phản ứng A.

Người vận hành lâu năm ở mức phản ứng B vì họ quan tâm nhiều hơn tính phù hợp và linh hoạt của từng tổ chức chứ không phải lý thuyết suông từ sách ra.

Khoảng cách giữa A và B chính là khoảng cách giữa “demo đẹp” và “production ổn”.

- Còn bạn, khi giao việc cho AI, bạn đang ở mức A hay B?

#voquoccuong #cuonghoaai #aiautomation

Nguồn tham khảo: Case study nội bộ EGANY, workflow harvest content sử dụng GoClaw + Telegram + cron job. Đội quân AI agent của mình gồm Tiểu Cường, Song Nhi, Bảng Đôn..v.v..

Xem sơ vài Use Case mình có cập nhật cho anh chị Doanh Chủ xem tại:

https://cxo.egany.ai/ai-agent-use-cases

Founder's Playbook Của Anthropic: 4 Chỗ Founder Việt Cần Đọc Bằng Con Mắt Phê Phán

Sun, 17 May 2026 04:51:02 GMT

Hôm trước tôi viết bài diễn giải Founder’s Playbook của Anthropic theo 4 giai đoạn (link bài cuối). Hôm nay tôi muốn nói về mặt còn lại: 4 chỗ trong PDF mà founder Việt cần đọc kỹ, không phải để bóc phốt, mà để filter (lọc) lại cho phù hợp.

Mọi playbook đều có context. Anthropic viết playbook này cho founder Mỹ là chính. Nếu mình bê nguyên xi vào startup VN làm SME, hoặc startup VN target Đông Nam Á, thì sẽ.. lệch ray. Có khi over-invest vào việc không cần, có khi miss cái cần làm.

Đây là 4 chỗ tôi nghĩ nên đọc với con mắt phê phán.

1. Sean Ellis Test (40% “very disappointed”)

PDF khuyên: hỏi user “How would you feel if you could no longer use this product?”, nếu >40% trả lời “very disappointed” thì đó là chỉ báo PMF (product-market fit).

Vấn đề: test này có gốc ở Dropbox (Sean Ellis là growth marketer của Dropbox thời đầu). Context: B2C SaaS, audience là early adopter trẻ Mỹ, sản phẩm dùng hàng ngày.

VN làm SME B2B thì khác hoàn toàn. Khách doanh nghiệp Việt trả tiền không có nghĩa họ sẽ “very disappointed” nếu mất sản phẩm. Họ chỉ chọn cái rẻ hơn / tiện hơn / có sales chăm hơn. Mức độ “đau” khi mất product không phải là tín hiệu mạnh ở thị trường này.

Filter lại cho VN: với B2B SME, indicator PMF nên là:

- Renewal rate cao (khách gia hạn được vài kỳ)

- Expansion revenue (khách mở rộng dùng nhiều hơn theo thời gian)

- Referral organic (khách giới thiệu khách mới mà không cần program)

Đây là cái tôi đang tập đo ở EGANY. Không phải vì Sean Ellis test sai, mà vì nó không hợp context của tôi.

2. IPO Readiness / Analyst Briefings / Wall Street

PDF dành cả Chapter 6 (Scale Stage) cho việc chuẩn bị IPO, analyst relations, enterprise procurement.

Vấn đề: VN có mấy startup IPO Mỹ? Đếm trên đầu ngón tay. VNG đã thử và rút lại, VinFast (mảng auto, không phải tech startup). Đa số founder Việt sẽ exit qua M&A (bán cho công ty lớn hơn) hoặc tiếp tục bootstrapped tự nuôi mình.

Filter lại: thay vì IPO readiness, founder Việt nên focus vào “M&A readiness” hoặc “sustainable cash flow”:

- Giấy tờ tài chính minh bạch, audit được (cái này SME VN yếu)

- IP rõ ràng, không vướng tranh chấp với co-founder cũ / nhân viên cũ

- Customer concentration không quá cao (top 1 khách không quá 30% revenue)

- Codebase có thể due-diligence được (CLAUDE.md, spec, documentation đầy đủ)

- Operational dependency trên founder thấp (cái này khớp với “founder bottleneck” bài trước)

Cảnh báo cá nhân: tôi thấy không ít founder Việt đi nghe podcast Mỹ về IPO rồi về tự nhận mình đang “Series A track” trong khi cash flow âm. Đừng over-invest vào “IPO playbook” khi mình đang ở giai đoạn cần tự nuôi mình.

3. SOC 2 / GDPR / HIPAA

PDF nhấn mạnh compliance review trước khi vào enterprise contracts. SOC 2, GDPR, HIPAA được lặp đi lặp lại nhiều lần như là “minimum responsible threshold”.

Vấn đề: SOC 2 audit ở Mỹ tốn $20-50k/năm (chưa kể chi phí internal làm framework). GDPR thì cần legal consultant, data processing agreement, sub-processor agreement, DPO (Data Protection Officer). HIPAA chỉ áp dụng nếu chạm tới dữ liệu y tế Mỹ.

Hợp khi: target khách hàng Mỹ/EU, đối tác là enterprise (Fortune 1000), bán contract $50k+/năm.

KHÔNG hợp khi: bán SME VN giá vài triệu/tháng, đối tác là SMB Đông Nam Á. Đầu tư SOC 2 lúc này là technical debt ngược: làm trước khi cần, đốt tiền vô ích.

Filter lại cho VN: ưu tiên Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân (có hiệu lực từ 1/7/2023). Đây là compliance VN bắt buộc nếu thu thập + xử lý dữ liệu cá nhân của người VN. Làm cái này trước, sau đó nếu mở rộng ra Mỹ/EU thì mới tính SOC 2 / GDPR.

Tôi đang tập làm bài này ở EGANY: rà soát lại data flow theo Nghị định 13 trước, không phải SOC 2 trước. Vì khách của tôi đa số là SMB VN.

4. Product Hunt Launch / Hacker News Spike

PDF nhiều lần đề cập “early traction” qua kênh như Product Hunt, Hacker News, founder’s personal network US.

Vấn đề: channel này phù hợp với startup target audience là dev / startup community Mỹ. Founder Việt làm SaaS cho SME VN mà đi launch Product Hunt là.. lãng phí năng lượng. Khách hàng thật của mình không ở đó.

Filter lại cho VN:

- B2C / consumer app: Facebook (vẫn là king ở VN), TikTok (gen Z), Tinh Tế (tech enthusiast)

- B2B SME: Group Zalo theo ngành, Group Facebook chuyên môn (FounderUps, các group HR/Marketing/Sales), Substack/Newsletter cho audience C-level

- Developer audience: vẫn có thể HN / Product Hunt nếu sản phẩm thật sự là dev tool quốc tế, nhưng đừng kỳ vọng VN dev traffic nhiều

- Enterprise VN: tham dự sự kiện ngành, partnership với system integrator local, đi qua chứ không bỏ qua “sales gặp mặt trực tiếp”

Trước khi viết content launch, tôi tự hỏi: khách hàng thật của mình có đọc kênh này không? Nếu không, đừng tốn công.

Vậy có nên đọc playbook này không?

Có. Vẫn nên đọc. Framework 4 giai đoạn (Idea > MVP > Launch > Scale), insight về Founder = Orchestrator, các failure mode mới (Agentic Technical Debt, Mistaking Building for Validating) đều rất giá trị, đều rất relevant với founder Việt.

Cách đọc đúng, theo tôi, là filter qua 3 câu hỏi:

1. Cái khuyến nghị này gốc ở context nào? (US, B2C SaaS, Series A+, enterprise sales..)

2. Audience của mình có khớp context đó không?

3. Nếu lệch, “phiên bản VN” của khuyến nghị này là gì?

Đọc playbook Tây như đi du học: học framework tư duy, không học hết case study. Case study tự nó là sản phẩm của context. Mình mang về VN, mình build case study của VN.

... mà nói vậy thôi, tôi cũng đang tập filter này thôi, hổng biết đúng hem :3

Có khi có cái tôi đang filter sai, có cái tôi bỏ qua đáng lẽ phải apply. Founder Việt nào đang apply playbook này theo cách khác thì comment cho tôi học với nha.

- Trong 4 chỗ trên, có chỗ nào anh chị đã.. bị vướng (apply nguyên xi rồi lệch ray) chưa?

#voquoccuong #anthropic #aistartup

Nguồn tham khảo:

- Anthropic, “The Founder’s Playbook: Building an AI-Native Startup”, May 2026

- Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân

- Bài “Idea > MVP > Launch > Scale” (link bài trước của tôi)

ANTHROPIC VỪA RA FOUNDER’S PLAYBOOK 36 TRANG.. ĐÁNG ĐỌC KHÔNG?

Sun, 17 May 2026 04:23:09 GMT

Nói chung tôi đọc xong để anh em không phải đọc :3

Mà thiệt là đáng đọc, không phải dạng playbook tips & tricks lùa gà thường thấy. Nó có vài insight ngon mà tôi nghĩ ae founder Việt có thể.. lụm.

1. Founder thời 2026 không còn là người tự làm mà nên là.. người điều phối AI Agent.

Hồi xưa, founder kỹ thuật thì code và xây dựng sản phẩm chính, founder business thì bán hàng + báo cáo và kiếm tiền (hoặc gọi vốn).

Giờ bức tường này nó không còn nữa.

Người không biết code vẫn xây dựng được ứng dụng với Agentic Coding. Dev không rành business vẫn dựng được pitch deck, báo cáo tài chính và mô hình kinh doanh đẹp như mấy ông kinh doanh.

--> dĩ nhiên có chuyên môn thì làm tốt hơn, không phải bàn. Chỉ là nói giờ không còn rào cản quá lớn nữa.

Vai trò founder dịch chuyển lên trên: ít làm tay hơn, nhiều Orchestrate (kiểu.. điều phối) hơn.

2. AI-native startup khác startup có dùng AI như thế nào?

AI-native là khi AI là hạ tầng cốt lõi từ ngày đầu, không phải tool xài thêm cho.. có đâu.

Team siêu gọn (1-5 người), có thể đạt Product-Market Fit hoặc thậm chí có lãi trước khi tuyển người. Cái này khớp với những gì tôi quan sát ở anh em NextLevelBuilder, FounderUps, hay vài solopreneur làm tools nhỏ mà ra tiền thật.

3. Hành trình 4 giai đoạn: Idea > MVP > Launch > Scale. Mỗi giai đoạn có kiểu fail mới, để ý nha.

Đáng để ý nhất là 2 cái:

- Nhầm việc BUILD với việc VALIDATE: Vì build prototype giờ dễ và nhanh quá, nhiều founder build xong rồi.. cứ coi như đã validate được idea. Sai.. toang...

--> Prototype chỉ là cái cớ để đi nói chuyện với khách hàng thật. Bằng chứng nằm ở phản ứng của họ, không phải ở việc cái app này vừa chạy được.

- Agentic Technical Debt (nợ kỹ thuật do AI): AI code nhanh không có nghĩa code có context. Mỗi session AI lại re-derive (suy luận lại) từ đầu nếu mình không ghi xuống đâu đó. Codebase nhìn thì chạy, nhưng đến lúc scale là sập.

*Cái này anh em vibe-code chú ý nha :))

(tôi cũng đang vướng phần này, không phải đứng ngoài đâu)

Bẫy này nó phê vãi chưởng luôn, cứ thấy build được nghĩ ngon, tới chừng build dễ thì lại lạm phát build quên khách hàng thật sự cần gì

--> tới chừng codebase hỗn loạn, founder lạc lối luôn, chỉ có biết thức đêm phê pha cho thêm dopamine chứ.. đơn không có.

4. Câu chốt cuối PDF khá xịn:

“Bottleneck giờ không phải khả năng BUILD, mà là CHỌN cái gì để build.”

Đọc đến đây tôi thấy đúng vãi. Build thì AI làm thay được. Quyết định build cái gì, cho ai, vì sao.. mới là phần AI không thay được.

... mà nói tới thì cũng nên nói lui...

Đọc kỹ thì PDF này nặng tư duy Mỹ. SOC 2, GDPR, IPO roadshow, Sean Ellis test.. mấy thứ founder Việt làm SME phải lọc lại nhiều mới apply được. Để rảnh tôi viết bài riêng “đọc playbook Tây như nào”, bài này dài rồi

(Tôi có viết bài mới phản biện chi tiết hơn tại đây)

Trước cũng có viết về 5 giai đoạn Agentic Working trong EGANY (cá nhân > team > hệ thống > loạn credentials > Agent Brain), khá khớp với góc Scale stage của PDF này.

Ai quan tâm có thể bấm đây để đọc lại.

Anh em đang ở giai đoạn nào trong 4 giai đoạn này?

Link PDF gốc tôi đặt ở đây để tiện download:

https://cdn.prod.website-files.com/6889473510b50328dbb70ae6/69fe2a55b93bb0732b1fe33c_The-Founders-Playbook-05062026_v3%20(1).pdf

#voquoccuong #anthropic #claude

CafeTalk #2: AI Trong Vận Hành Thực Chiến

Fri, 15 May 2026 16:44:30 GMT

Sau buổi CafeTalk #2: AI in Action, from Hype to Real Business Outcome thì đến giờ mới hồi tỉnh lại để ngồi đây viết post này recap một số ý chính cho mọi người.

Thay mặt cộng đồng CxO AI Automation Club (do EGANY sáng lập), tôi xin gửi lời cảm ơn chân thành đến các Anh/Chị đã dành thời gian tham dự buổi offline CafeTalk #2 vừa rồi.

Buổi này tụ hợp 4 góc nhìn rất khác nhau về cùng một chủ đề: làm sao đưa AI Agent vào thực chiến vận hành doanh nghiệp.. mà không bị mắc kẹt ở giai đoạn “hype”.

Dưới đây là phần tổng hợp chi tiết nội dung từng diễn giả, để Anh/Chị nào không tham dự được vẫn có thể nắm trọn ý chính.

1. Giới thiệu cộng đồng và lộ trình tiếp cận AI

(Võ Quốc Cường, Founder EGANY)

Mở đầu chương trình, tôi giới thiệu tổng quan về cộng đồng CxO AI Automation Club và định hướng hỗ trợ doanh nghiệp ứng dụng AI thực chiến.

Để giải quyết bài toán “lãnh đạo doanh nghiệp tiếp cận AI sao cho ra kết quả”, cộng đồng chia thành 2 nhóm giải pháp chính:

Done for you (DFY): Lộ trình “Express Lane” dành cho các nhà điều hành cần kết quả ngay để giải quyết điểm nghẽn. Rút ngắn thời gian triển khai từ 6 tháng xuống chỉ còn 1-5 tuần thông qua mô hình Co-build.
Do it yourself (DIY): Hành trình dành cho lãnh đạo muốn tự tay làm chủ công nghệ. Gồm các chương trình chuyên đề (workshop/course) và Group Coaching chuyên sâu 8 tuần để tự tay xây AI Agent hay Website vững tư duy từ gốc.

Lộ trình tham gia được thiết kế tinh gọn qua 3 bước: Tiếp cận ban đầu (Zalo), Trải nghiệm giá trị (nhận 1 tháng Premium) và Lựa chọn phát triển chuyên sâu.

2. Vận hành doanh nghiệp qua khung chat

(Trình bày bởi Chinh Đặng, CEO tại SYNITY)

Anh Chinh Đặng demo trực quan việc đưa toàn bộ tác vụ vận hành vào.. khung chat quen thuộc.

Thay vì quy trình phức tạp, AI Agent được tích hợp trực tiếp vào phần mềm Bitrix để xử lý:

Lưu contact, deal, tra cứu deal và tự động tạo task
Tổng hợp mọi thông tin khách hàng, hóa đơn chỉ bằng một câu chat tự nhiên như trao đổi với người thật
Tự động tạo báo giá, proposal dưới dạng landing page chuyên nghiệp

Giải pháp này trực tiếp tháo gỡ 3 nỗi đau kinh điển của doanh nghiệp khi chuyển đổi số:

Đôn đốc nhân sự nhập liệu (mệt mỏi nhất)
Khó khăn khi onboarding người mới
Thời gian training hệ thống quá dài

3. Đưa AI vào toàn bộ quy trình tổ chức sự kiện

(Anh Trí Võ, CMO BiPlus)

Anh Trí Võ mở phần chia sẻ bằng một quan sát thú vị:

Tại sao người làm kinh doanh (như CMO) lại đang dùng nhiều model AI hơn cả Developer?

Qua sự kiện Atlassian Day với hơn 500 khách tham dự tại Hà Nội và TP.HCM, team BiPlus đã dùng hơn 10 loại AI khác nhau để tối ưu quy trình Trước, Trong, Sau sự kiện:

Pre-event: Tạo Landing page chỉ trong 1 buổi sáng (Antigravity + Astro + Cloudflare). Dùng AI Agent (Atlassian Rovo) để cá nhân hóa 200 thiệp mời, giúp gỡ bỏ ma sát cho nhân sự.
During event: Dựng ứng dụng check-in và theo dõi tương tác tại 10 gian hàng. Concept vẽ bằng Loom, Claude lên file yêu cầu (PRD), Bolt.new làm bản mẫu, rồi giao team Dev. Kết quả: thu thập gần 90% tương tác thực tế.
Post-event: Thu hoạch dữ liệu tự động ra Dashboard và báo cáo PDF (Data Pipeline).

Nguyên tắc anh Trí nhấn mạnh:

“Đừng hỏi mua tool gì. Hãy tìm ra quy trình tốn thời gian và lặp lại nhiều nhất rồi ứng dụng AI vào đó.”

Và đừng phụ thuộc vào một nhà cung cấp duy nhất.

4. Định nghĩa vấn đề và dùng AI như “Cây búa”

(Anh Tony, CTO tại VantayMedia)

Anh Tony mang đến một góc nhìn quản trị sắc sảo:

“Đừng cầm búa (AI) đi tìm đinh (vấn đề).”

Sức mạnh của CxO không nằm ở việc biết hết mọi tool, mà nằm ở đòn bẩy 3 thứ:

Bối cảnh đầy đủ
Quyền quyết định
Động lực gánh hệ lụy

Để duyệt chi phí hay triển khai AI, mọi yêu cầu phải lọt qua “Bộ lọc 5 câu hỏi”:

Nút thắt thật sự là gì? (Đọc/viết/tổng hợp, hay do thiếu người, thiếu dữ liệu?)
Quy trình có lặp lại đủ nhiều không?
Input có sẵn không, hay phải đi dọn rác dữ liệu trước?
Ai dùng output, và sai thì ai chịu trách nhiệm?
AI làm cụ thể cái gì, và phần phán đoán nào bắt buộc do con người chốt?

Anh Tony nhấn mạnh: thay vì “hỏi AI từng việc lẻ tẻ” tuần này qua tuần khác, CxO cần thiết kế một “môi trường” dùng một lần cho cả một nhóm vấn đề. Bao gồm: bề mặt chạy, kết nối API/Data, bộ kỹ năng và ranh giới quyết định.

Và quan trọng nhất.. AI là một lớp nằm trên nền tảng dữ liệu. Thiếu dữ liệu, AI không có gì để làm.

5. Use Case thực chiến và bài học xương máu

(Anh Nguyễn, CTO tại DIGITOP)

Mở đầu bằng một câu khẳng định mạnh:

“AI không thay thế bạn, nó xóa phần hỗn loạn.”

Anh Duy đưa ra các case study triển khai GoClaw trong 6 tháng qua:

Bất động sản:

- Sinh ra cẩm nang xử lý 30 lời từ chối thường gặp cho đội sales

- Tự động hóa hệ thống chấm điểm KPI cho 80 đại lý từ file Excel thô

Bán lẻ:

- Đưa thời gian phản hồi khách hàng từ 8 tiếng xuống còn 5 giây

- (Lưu ý: cần người giám sát giai đoạn đầu để tránh rủi ro phát ngôn)

Marketing & Ops:

- Chạy full pipeline: lắng nghe mạng xã hội, audit kiểm chứng sự thật, viết bài, thiết kế, phát sóng đa kênh

- Quản lý đa nền tảng (GitHub, Bitrix, Lark) chỉ bằng một câu lệnh

Demo AgentWiki - một giải pháp mà Duy + Thiệu + Kai phát triển

5 bài học xương máu anh Duy đúc kết:

Bắt đầu từ nỗi đau cụ thể, không hô hào “chiến lược AI” chung chung
Dữ liệu và quy trình (SOP) phải có trước, Agent mới chạy được
Luôn có sự giám sát của con người (Human-in-the-loop). AI làm nháp 80%, người duyệt 20% cuối
Đo lường hiệu quả (ROI) bằng tiền, doanh thu hoặc thời gian. Không đo bằng “số lượng AI sử dụng”
Các Agent có kỹ năng nhỏ, chuyên biệt sẽ tốt hơn một “Super-agent” ôm đồm mọi thứ

Q&A và Panel Discussion

Phần cuối chương trình là phần hỏi đáp sôi nổi. Các diễn giả giải đáp những trăn trở của doanh chủ về tối ưu chi phí đầu tư, và ranh giới giữa việc AI có thay thế con người hay không.

Các câu trả lời tựu trung lại ở một quan điểm:

AI sẽ giải phóng con người khỏi những công việc lặp đi lặp lại mang tính máy móc. Không thay thế nhân sự giỏi, mà chỉ thay thế những người không chịu dùng AI.

Bên cạnh đó, việc áp dụng AI đòi hỏi doanh nghiệp phải liên tục nâng cấp dữ liệu nội bộ (Data) và không ngừng tinh chỉnh quy trình thực tế để giải quyết các nút thắt phát sinh.

Networking và Giao lưu VIP

Chương trình chính thức khép lại bằng buổi giao lưu thân mật dành riêng cho các thành viên sở hữu vé VIP cùng các speakers tại quán Ụt Ụt.

Đây là khoảng thời gian quý giá để các doanh chủ kết nối sâu hơn, chia sẻ trực tiếp về những khó khăn trong doanh nghiệp của mình và tìm kiếm các cơ hội hợp tác chiến lược cùng cộng đồng. Tôi hay gọi đây là thời điểm gặp nhau để trích xuất KB/KG (Knowledge Base/Graph) tốt nhất, vì trên bàn có nhiều câu chuyện trong hội trường không ai “dám” nói.

Một lần nữa, cảm ơn các Anh/Chị đã tham gia và tạo nên sự thành công cho sự kiện. Hy vọng những khung tư duy và công cụ được chia sẻ trong buổi này sẽ giúp các Anh/Chị áp dụng đòn bẩy AI vào doanh nghiệp mình một cách thực chất.

Hẹn gặp lại ở CafeTalk #3

#voquoccuong #cafetalk #cxoaiautomation

…

Bonus++

Trong buổi chia sẻ có nhiều anh chị hỏi về 14 Use Cases mà tôi có trình bày nhanh ở đoạn đầu ở đâu, xin phép bổ sung thêm tại đây:

Truy cập tại: https://cxo.egany.ai/ai-agent-use-cases

(Lưu ý: đây là link demo để đặt lịch tư vấn trực tiếp 1-1 với tôi, nếu anh chị không có nhu cầu xin vui lòng bỏ qua nhé)

Andrew Ng Nói Sẽ Không Có "Ngày Tận Thế AI" Cho Việc Làm.. Còn Việt Nam Thì Sao?

Wed, 13 May 2026 00:49:59 GMT

Andrew Ng Nói Sẽ Không Có "Ngày Tận Thế AI" Cho Việc Làm... Còn Việt Nam Thì Sao?

Gần đây, Giáo sư Andrew Ng – một trong những cây đại thụ của ngành trí tuệ nhân tạo thế giới – đã dội một gáo nước lạnh vào những luồng ý kiến bi quan cho rằng AI sẽ cướp sạch bát cơm của nhân loại.

Ông khẳng định chắc nịch: Sẽ không có "ngày tận thế" nào cho việc làm cả.

Thay vì vẽ ra một viễn cảnh tăm tối nơi máy móc thống trị, Andrew Ng chỉ ra một thực tế phũ phàng nhưng hợp lý hơn nhiều: AI không cướp việc của bạn, nhưng người biết dùng AI thì có. Trí tuệ nhân tạo sinh ra để làm công cụ, để tự động hóa các tác vụ lặp đi lặp lại, chứ không phải để thay thế hoàn toàn một con người bằng xương bằng thịt với tư duy phức tạp.

Vậy từ góc nhìn của thế giới nhìn về thị trường Việt Nam – nơi có hàng triệu người đang làm việc trong các mảng công nghệ, gia công phần mềm, viết lách và thiết kế – câu chuyện này thực tế sẽ diễn ra như thế nào?

Bức tranh thực tế tại Việt Nam

Nếu nhìn nhận thẳng thắn, Việt Nam sẽ không nằm ngoài guồng quay của AI. Tuy nhiên, sự dịch chuyển này sẽ mang tính chất "lọc máu" nhiều hơn là hủy diệt. Dưới đây là những tác động rõ ràng nhất:

1. Ngành Công nghệ thông tin (IT) và Gia công phần mềm

Việt Nam là một điểm sáng về gia công phần mềm (outsourcing). Khi AI hỗ trợ lập trình xuất hiện, nhiều người lo sợ nghề gõ phím viết mã sẽ tàn lụi.

Sự thật là: Các lập trình viên kỳ cựu đang dùng AI để làm việc nhanh gấp đôi, gấp ba. Tuy nhiên, những bạn mới vào nghề (thực tập sinh hoặc người ít kinh nghiệm) chỉ biết sao chép, chỉnh sửa những đoạn mã cơ bản sẽ gặp rắc rối lớn. Các công ty sẽ không muốn trả lương cho một người ngồi làm việc cả ngày trong khi AI có thể xuất ra kết quả tương tự trong vài giây. Để tồn tại, người làm IT buộc phải nâng cấp bản thân lên mức giải quyết vấn đề và thiết kế hệ thống, thay vì chỉ làm thợ gõ mã.

2. Ngành Sáng tạo nội dung và Thiết kế

Đây là nhóm phản ứng mạnh nhất khi các công cụ tạo ảnh, viết bài tự động ra mắt.

Sự thật là: Chẳng có công cụ nào tự động hiểu được ý đồ oái oăm của khách hàng Việt Nam tốt bằng bạn cả. Thay vì ngồi sợ máy móc viết thay, vẽ thay, những người làm nghề đang dần chuyển mình thành "tổng biên tập" hoặc "giám đốc nghệ thuật". AI làm phần việc tay chân như lên ý tưởng thô, viết nháp, tạo hình nền; còn con người làm phần đầu óc: chắt lọc, thổi hồn và tinh chỉnh sao cho hợp văn hóa, hợp thị hiếu. Ai cố chấp làm theo cách cũ, gõ từng chữ một cách máy móc, chắc chắn sẽ bị đào thải.

3. Đặc quyền của sự linh hoạt

Điểm mạnh nhất của lao động Việt Nam là sự nhạy bén, linh hoạt và tốc độ học hỏi cái mới cực kỳ nhanh. Chỉ cần một công cụ mới ra mắt, hàng loạt hội nhóm chia sẻ kinh nghiệm sử dụng đã mọc lên như nấm. Chúng ta không có tâm lý bảo thủ ôm khư khư cách làm cũ. Do đó, làn sóng AI này đối với người Việt thực chất là một cơ hội vàng để rút ngắn khoảng cách với thế giới, tăng năng suất cá nhân và nhận thêm được nhiều việc cùng lúc.

Cuối cùng thì..

Giáo sư Andrew Ng nói đúng. Sẽ chẳng có ngày tận thế nào cả. Xã hội vẫn cần con người vận hành.

Luật chơi mới đã được thiết lập: Trí tuệ nhân tạo là vũ khí, không phải kẻ thù. Ở Việt Nam lúc này, câu hỏi không phải là "Liệu mình có bị AI cướp việc không?", mà phải là "Làm sao để mình dùng AI giỏi hơn đối thủ bên cạnh?". Những ai chớp được thời cơ này sẽ vươn lên rất nhanh, còn những ai từ chối thay đổi thì việc bị bỏ lại phía sau chỉ là chuyện sớm muộn.

Agent Skill có xịn đến mấy mà thiếu phần này cũng như mở quán Bún Bò Huế chỉ treo biển "quán ăn sáng"

Sun, 03 May 2026 07:22:15 GMT

Năm ngoái mình bị “quê độ” trong lúc demo tạo skill bằng tay mà mãi SKILL không nhận, lý do đơn giản là mình đặt tên folder chứa skills bị sai (agent thay vì agent, claud thay vì claude).

Dù làm nghề giải pháp phần mềm hơn 16+ năm nhưng mình cũng mắc lỗi tương tự anh chị em mới khác, nên mọi người có bị thì cũng nên “quê độ” như mình nha (ủa) ^^

Sau đợt đó cũng “rảnh” nên ngồi tìm hiểu tài liệu từ Anthropic và đọc thêm blog của họ để đào sâu thêm cách viết skill sao cho hiệu quả, sẵn chia sẻ lại cho anh chị em trong cộng đồng luôn.

Agent Skill là gì? Tại sao nên dùng nó?

Hiểu đơn giản nó như là quy trình (SOP) và kỹ năng của nhân viên ảo, không khác gì quy trình với nhân viên thật.

Mình viết SOP 1 lần > nhân viên đọc > làm đúng vậy lần kế tiếp > không hỏi lại nữa.

Agent Skill cũng y chang vậy đó, mình đóng gói lại các bước và cách thức để AI Agent đọc và thực thi theo giống như mình đã mô tả.

Chỗ này nhiều người dễ nhầm, nghe skill là nghĩ ngay tới chuyện kỹ thuật của mấy ông developer, nhưng thật ra không cần biết code vẫn có thể làm được. Vì vốn dĩ nó là câu chuyện của quy trình và hướng dẫn cho AI làm thay mình.

Không có skill thì mỗi lần Claude/Antigravity mở lên là bắt đầu từ số 0, mình phải prompt lại từ đầu, giải thích lại từ đầu hoặc.. nó tự đoán rồi làm trúng hay không là hên xui.

Cấu trúc SKILL chuẩn

Mỗi skill là 1 folder, bên trong chứa:

SKILL. md (bắt buộc): file chính, gồm YAML frontmatter + instructions
references/: tài liệu chi tiết, Claude chỉ đọc khi cần
scripts/: code chạy trực tiếp (Python stdlib only)
assets/: templates, fonts, images

Folder name viết kiểu kebab-case, ví dụ: video-to-audio, sketch-note-graphic...

SKILL. md mô tả rằng phải viết đúng case, viết sai là Claude không nhận.

Cái này thì mình viết sai thành skill.md hoặc Skill.md thì upload lên Claude nó vẫn tự chuyển lại thành SKILL.md cho mình luôn, chắc tài liệu đã cũ.

Nhưng mà thật ra phần quyết định skill có hoạt động hoặc nhận diện được đúng không thì.. không phải đến từ chất lượng nội dung (instruction) bên trong.

Mà là DESCRIPTION.

Progressive disclosure 3 tầng để AI nhận diện chính xác và.. kích hoạt SKILL

Phần đầu file SKILL. md bắt buộc có 2 trường:

name: tên skill, kebab-case
description: mô tả dưới 1024 ký tự, viết cho Claude đọc (không phải cho người)

Chỗ này 90% anh em viết skill bỏ qua. Dành 3 tiếng viết instructions viết tới viết lui thật hay, còn description viết cho có.

Kết quả: Claude không bao giờ tự bật skill, phải gọi tay mỗi lần.

Cái này giống như mở quán ăn ồ ngon cỡ nào mà biển hiệu chỉ ghi “quán ăn sáng” --> không ai biết mình bán gì để mà ghé. Ghi đúng “bún bò Huế chính gốc, mở từ 6 sáng” --> khách đúng nhu cầu sẽ tự tìm tới.

Description cũng vậy. Nó là biển hiệu. Là điểm tiếp cận đầu tiên. AI chưa kịp đọc sâu bên trong thì đã phải quyết định: có nên gọi skill này ra hay không rồi.

Description không viết cho người đọc. Description viết cho AI đọc.. để nó quyết định CÓ BẬT SKILL HAY KHÔNG.

Mọi người có thể xem trong tài liệu của Anthropic có nhắc tới.

Tầng 1 (YAML frontmatter): khoảng 100 tokens/skill, luôn được load. Claude scan qua tất cả skill để quyết định cái nào liên quan đến yêu cầu hiện tại.
Tầng 2 (SKILL. md body): chỉ load khi Claude quyết định skill này cần được bật lên. Nên giữ dưới 500 dòng.
Tầng 3 (references/): zero tokens cho đến khi Claude tự quyết định cần đọc thêm chi tiết.

Tại sao phải thiết kế vậy? Vì context window có giới hạn. Nếu bạn nạp 1001 skill mà cái nào cũng dài 1000 dòng, Claude sẽ không còn chỗ để suy nghĩ và làm việc. Thiết kế đúng 3 tầng thì nó nhẹ mà vẫn thông minh.

Có một số con số cụ thể:

Description chung chung --> tỉ lệ được gọi ~20%.
Có trigger phrases (câu user hay nói) --> ~50%.
Có trigger phrases + ví dụ tình huống cụ thể --> 72-90%.

Khác biệt không nằm ở skill phức tạp hay đơn giản. Nằm ở cách mọi người mô tả nó để AI nhận ra đúng lúc.

Checklist để viết Description đúng

1. 5+ trigger phrases — cả tiếng Việt lẫn tiếng Anh.

Anh chị em hay nói gì khi cần việc đó? Ghi lại đúng câu đó.

Vì user đâu có nói theo kiểu chung chung. Họ nói “coi giúp em file này”, “review bài viết này đúng policy fb chưa”, “so lại doanh thu tháng này”.

Description càng gần ngôn ngữ thật, Claude càng dễ bắt đúng.

2. Mô tả TÌNH HUỐNG.. “khi user muốn...”

Không ghi “dùng để phân tích.” Ghi “khi user muốn so sánh doanh thu tháng này với tháng trước và tìm nguyên nhân chênh lệch.”

Mô tả tác vụ thì còn mơ hồ. Mô tả tình huống thì AI mới hiểu lúc nào nên nhảy vào.

3. Bắt đầu bằng “BẤT CỨ KHI NÀO user...”

Cho Claude biết trigger condition.. giống như cài công tắc.

Nó nghe đơn giản thôi, nhưng đây là cách biến 1 đoạn mô tả thành điều kiện kích hoạt rõ ràng.

4. Thêm ví dụ câu user có thể nói thật.

Lấy từ chat history thật. Không bịa.

Ví dụ thật luôn ăn đứt ví dụ tự nghĩ ra, vì nó phản ánh đúng cách user gọi việc trong đời thực.

5. Dưới 1024 chars.. và KHÔNG dấu tiếng Việt.

Nghe kì cục nhưng description không dấu Claude xử lý mượt hơn. Mình cũng không hiểu tại sao nhưng.. số liệu nó vậy đó.

Đừng tham nhét quá nhiều. Description không phải chỗ để kể hết mọi thứ skill biết làm. Nó chỉ cần đủ rõ để được gọi đúng.

Nói vậy thôi.. instructions bên trong skill cũng quan trọng (không cãi được)

Nhưng instructions hay mà description dở --> không ai (và không AI nào) tìm ra skill đó để dùng. Giống như sách hay mà bìa ghi “sách đọc”.. không ai mở.

Mình làm cả trăm mô tả giải pháp tối ưu conversion cho khách hàng. Bài học xuyên suốt: điểm tiếp cận đầu tiên vẫn quyết định 80% thành bại.

Và Description chính là điểm tiếp cận của skill với AI.

Anh chị em nào đã thử viết Agent Skill rồi.. description của anh chị viết gì? Quăng mình xem thử. Nhìn description là mình đoán được skill đó có tự bật nổi hay không. ^^

#voquoccuong #EGANY

Nguồn:

The Complete Guide to Building Skills for Claude (Anthropic, 2026)
Anthropic Engineering Blog: Equipping Agents for the Real World
Có lấy cảm hứng thêm từ bài của em nữa hehe..

Bạn có đang lãng phí 97.7% token mỗi khi dùng AI cào web?

Sun, 05 Apr 2026 05:05:46 GMT

“Cường ơi, anh chạy có 3 prompt hết m.ị.a quota rồi”

“Sao cái con AI này nó ngờ-u, nó íu quá zậy”

Trong rất nhiều lần cafe trà đá tâm sự (online/offline) riêng với các anh chị nhóm CxO AI Automation, mình toàn phải nhờ mọi người mở lịch sử chat lên xem để.. gãi cho đã ngứa.

Đây là một ví dụ mình vừa làm cho anh chị CxO xem.

Cùng một đường dẫn website (URL).

Khi lấy thuần HTML như thông thường, kết quả là:

- 317,736 ký tự

- 113,830 token

Nhưng nếu xuất thành Markdown sạch, chỉ còn nội dung thật sự thì chỉ còn:

- 8,445 ký tự

- 2,594 token

Tức là giảm gần 97.7% token.

Chuyện này không mới, nhưng rất nhiều người bỏ qua khi làm việc với AI Agent, web scraping (cào nội dung web) hay browser automation.

Vấn đề không chỉ nằm ở model mạnh hay yếu.
Vấn đề là anh chị đang đưa cho AI cái gì để nó đọc.

Nếu quăng nguyên HTML vào, AI sẽ phải “nuốt” luôn:

_ code layout
_ class CSS
_ script
_ các block lặp
_ CTA, popup, thành phần trang dư thừa
_ và.. hằm bà lằng thứ không tạo thêm giá trị cho câu trả lời

Trong khi thứ mình thực sự cần thường chỉ là:

Tiêu đề
Nội dung chính
Vài gạch đầu dòng quan trọng
CTA / giá / FAQ cốt lõi

Đây cũng là lý do nhiều hệ thống nhìn thì rất “xịn”:

_ biết browse web
_ biết đọc site
_ biết cào
_ biết nghiên cứu
...

Nhưng chạy một hồi lại:

- đốt quota rất nhanh

- chậm dần

- phình context

- tốn tiền vô ích

- và khó scale

Muốn tối ưu AI, đừng bắt đầu từ prompt. Hãy bắt đầu từ input.

Prompt hay chỉ giúp AI nghĩ tốt hơn.

Còn input sạch mới giúp AI làm việc rẻ hơn, nhanh hơn, bền hơn.

Nếu bạn đang build:

AI Agent
Workflow research tự động
Hệ thống đọc website
Tool phân tích landing page / content / đối thủ

Thì đây là câu hỏi nên tự hỏi đầu tiên:

“Mình đang cho AI đọc nội dung thật, hay đang bắt nó ăn cả đống rác HTML?”

Chỉ cần sửa đúng chỗ này, nhiều khi chưa cần đổi model mà chi phí đã giảm cực mạnh. AI cũng bớt ngáo, trả lời cchính xác hơn nhiều, thử xem.. ^^

À.. trong nhóm CxO thì agent Song Nhi đã được trang bị sẵn các món này rồi, nên các tác vụ web-fetch thì tiết kiệm token khỏi bàn. Mình lấy chính demo vừa làm việc với Song Nhi chụp ra cho mọi người xem tại chỗ luôn 😃

p.s:

Bài này mình không bàn và kỹ thuật hay công cụ, chủ yếu chia sẻ cho anh em cách mình vẫn thường suy nghĩ & rút kinh nghiệm sau mỗi lần làm việc với anh em Builder trong nhà.

Còn lại tool nhà trồng thì mặt định làm sạch HTML thành Markdown trước khi đẩy qua cho LLM ăn rồi nên không phải lo nữa.

7 Thói quen để "sống sót" khi AI bóp quota, dành cho người mới

Tue, 31 Mar 2026 02:01:11 GMT

Cuối tuần rồi, mình có hỗ trợ riêng cho vài anh CEO trong hội CxO AI Automation thì thấy sự khác biệt rõ ràng, mình xài gói Claude Pro phà phà, còn các anh chị làm mấy phát là hết quota luôn.

Nay đọc bài của bạn L.H.Đ.Anh xong thấy nhiều ý tương đồng quá, mà gửi cho các anh chị đọc thì không hiểu, nên mình làm bài này luôn để tiện gửi link ^^

AI bóp quota là có, nhưng cái chính vẫn là cách mình dùng đang “đốt” token vô ích.

Sau thời gian dài ăn nằm với AI mỗi ngày (nhiều lúc cao điểm còn chiến 300+ chat/tuần), từ bản thân và quan sát anh chị em xung quanh có dùng mình thấy:

Người dùng AI hiệu quả không phải người có quota nhiều nhất,
mà là người biết cách “kéo dài” quota lâu nhất.

Dưới đây là 7 thói quen mình rút ra, đơn giản, dễ áp dụng, và quan trọng nhất là dành cho người mới bắt đầu.

1. BIẾT MÌNH CẦN GÌ TRƯỚC KHI GÕ

Tình huống kinh điển:

Bạn: “Viết content đi AI”
→ AI: “Viết về gì ạ?”
Bạn: “À... bán tai nghe”
→ AI: “Cho ai ạ?”
Bạn tiếp: “Sinh viên đi”
→ AI: “Kênh nào ạ?”
Bạn thêm: “Facebook”
→ N.. lượt chat trôi qua, quota bay 15% mà chưa có gì trong tay.

Mình ví dụ cho nhanh thôi, chứ thực tế AI nói hỏi lại dài dòng hơn nhiều.

Mẹo của mình:

Chậm một tí để suy nghĩ rồi cung cấp thông tin trong 1 lượt chat:

“Viết 3 post Facebook bán tai nghe Bluetooth 599k cho sinh viên. Tone trẻ trung, có emoji, 80-100 từ/post. Không dùng từ ‘rẻ’.”

Kết quả:

AI ra đúng ý ngay lượt 1. Tiết kiệm 3-4 lượt chat tương đương tiết kiệm 30-40% quota.

Bài học ở đây là:
Càng mơ hồ, AI càng “đoán mò” → càng tốn quota để sửa sai.
Mỗi lần sửa lại tốn input token lấy từ lịch sử chat trước đó nữa.

2. SAI THÌ EDIT, ĐỪNG CHAT TIẾP

Sai lầm chắc.. 90% newbie mắc phải:

Bạn: “Viết email chào hàng”
AI: [Ra email quá suồng sã]
Bạn: “Ơ sai rồi, sửa lại cho trang trọng hơn đi”
AI: [Sửa nhưng vẫn phải “nhớ” cả phần sai ban đầu]

Vấn đề:

AI phải lưu cả phần sai + phần sửa → context phình ra → quota tăng 30-50%.

Cách hợp lý hơn:

Bấm Edit vào tin nhắn đầu → Sửa thành “Viết email chào hàng, tone trang trọng” → Send.

Kết quả:

Context sạch sẽ, AI không phải nhớ phần sai. Tiết kiệm 20-30% token.

Bài học ở đây là:
Edit để reset context. Còn chat tiếp là gánh cả đống rác vào bộ nhớ.

3. ĐỪNG ĐỂ CUỘC CHAT DÀI QUÁ 10 LƯỢT

Sự thật phũ phàng, chắc ai cũng đã.. cảm thấy tương tự:

Lượt 1-10: AI nhanh, chính xác, quota ổn định
Lượt 15-20: AI bắt đầu chậm, hay “quên” instruction đầu, quota tăng vọt

Tại sao?
AI phải đọc lại toàn bộ cuộc trò chuyện từ đầu mỗi lần bạn gửi tin. Chat càng dài, “gánh nặng” càng lớn.

Dấu hiệu cần dừng ngay:

AI bắt đầu lặp ý
Quên mất yêu cầu ban đầu
Output càng lúc càng lạc đề

Giải pháp:

Copy những gì đã chốt, các ý chính → Mở chat mới → Paste + tiếp tục thì ngon hơn.

Kết quả:

Token giảm 50-60%, output sạch hơn hẳn.

Bài học:
10 chat ngắn tốt hơn 1 chat dài 50 lượt.

Dĩ nhiên, con số 10 tượng trung thôi, bạn có thể cảm nhận và ra quyết định sớm.

4. TỰ TÓM TẮT RỒI MỞ CHAT MỚI (ĐỪNG ĐỢI AI)

Khi nào làm?

Chat đã qua 10 lượt
Cảm thấy AI bắt đầu.. ngáo ngáo rồi
Bạn có khi cũng.. không nhớ mình đang làm gì nữa

Cách làm (30 giây):

“Tóm tắt nhanh những gì đã chốt:
Sản phẩm: tai nghe 599k
Target: sinh viên
Đã xong: 3 post Facebook
Chưa xong: Call-to-action, hashtag
Tiếp tục phần chưa xong nhé.”

→ Copy đoạn này → Mở chat mới → Paste → Send.

Kết quả:

Context từ 5000 tokens xuống còn 500 tokens. Tiết kiệm 68% quota.

Bài học là:
Nhờ AI tóm tắt cũng được nhưng.. AI tóm tắt thường dài và sai ý.
Chịu khó tự tóm tắt để kiểm soát 100%, cũng đơn giản mà ^^

5. CHIA NHỎ CÔNG VIỆC THÀNH NHIỀU CA

Sai lầm:

8:00-10:00: Chat liên tục 50 lượt → Hết quota lúc 9:30
→ nguyên buổi sáng ngồi nhìn màn hình, không làm được gì.

Đúng cách:

Ca 1 (8:00-10:00): Research ý tưởng (1-3 chat)
Ca 2 (11:00-12:00): Viết draft (tầm 5 chat)
Ca 3 (15:00-16:00): Review + chỉnh sửa (tầm 5-10 chat)

Riêng Claude thì mỗi session có 5 tiếng nên sáng 6h dậy gõ “xin chào” (chọn model Haiku thôi nhe) một phát để nó kích hoạt sớm, cũng đỡ hơn nhiều.

Lợi ích nhân lên nhiều lần:

Mỗi ca là 1 chat mới để context sạch → quota dùng hiệu quả hơn
Ý tưởng hay thường đến... lúc nghỉ giữa ca, hoặc lúc đi ra ngoài, đi nhà vệ sinh (hehe..) chứ không phải lúc đang cắm đầu chat đâu. Tin mình đi.

Bài học:
Đừng dồn hết trứng vào 1 giỏ. Quota cũng vậy.

6. CHỐT NỘI DUNG TRƯỚC, TẠO FILE SAU

Cảnh báo đỏ lè đỏ lét:

Tạo file Word/PowerPoint là “hố đen” hút quota nhanh nhất.

Tại sao?
File Word không chỉ chứa nội dung, mà còn:

Font chữ, màu sắc, căn lề
Metadata, XML formatting
Hàng ngàn ký tự “vô hình” bạn không thấy

Hậu quả:

Tạo file Word tốn gấp 3-5x token so với chat thuần
Sửa nội dung trong file Word là AI phải xử lý lại toàn bộ phần format đó

Quy trình vàng (3 bước):

Bước 1: Chat thuần → Chốt nội dung, logic, cấu trúc
Bước 2: “Tạo file Markdown từ nội dung trên”
Bước 3 (nếu cần): “Convert Markdown sang Word” trên AI này hoặc AI khác đều được, phòng khi hết quota vẫn dùng được nội dung MD đã có.

Tại sao Markdown?

Nhẹ hơn Word 15-30%
AI xử lý nhanh hơn 20-30%
Dễ convert sang Word/PDF sau này

Bài học:
Format là kẻ thù của quota.
Nội dung mới quan trọng, nên ra Markdown là HDPE, ngon luôn.

7. DÙNG MẪU CHO NHỮNG VIỆC LẶP LẠI

Tình huống:
Bạn phải viết email chào hàng, viết content Facebook, viết kịch bản video... gần như mỗi ngày.

Sai lầm:

Gõ lại từ đầu mỗi lần → Tốn quota + tốn thời gian.

Đúng cách:

Tạo 1 file note (Notion, Google Docs, MD, thậm chí là tin nhắn ghim) với các template cố định:

📧 EMAIL CHÀO HÀNG
- Sản phẩm: [điền]
- Target: [điền]
- Tone: trang trọng
- Độ dài: 150-200 từ
- CTA: Đặt lịch demo

📱 POST FACEBOOK
- Sản phẩm: [điền]
- Target: [điền]
- Tone: trẻ trung, có emoji
- Độ dài: 80-100 từ
- Hashtag: 5-7 cái

🎬 KỊCH BẢN VIDEO
- Sản phẩm: [điền]
- Platform: TikTok/Reels
- Độ dài: 30-45 giây
- Cấu trúc: Hook → Problem → Solution → CTA

Hoặc kêu AI viết tool tạo form mẫu cho mình điền cũng được, có điều hơi nâng cao với người mới nên mình không mô tả chi tiết.

Mỗi lần dùng:

Copy template → Điền thông tin → Paste vào AI → Send.

Kết quả:

Tiết kiệm có khi tới 40-50% quota cho các tác vụ lặp và không bao giờ quên yêu cầu.

Bài học:
Những gì làm 2 lần thì nên có template.
Lần thứ 3 mà vẫn gõ tay là.. đang đốt tiền.

TÓM TẮT NHANH (LƯU LẠI NGAY)

Mình mô tả dạng Thói quen —> Tiết kiệm được gì cho tiện xem nhé

Biết rõ cần gì trước khi gõ —> 30-40% quota, 3-4 lượt chat
Sai thì Edit, đừng chat tiếp —> 20-30% token
Giữ chat dưới 10 lượt —> 50-60% token
Tự tóm tắt rồi mở chat mới —> 68% token
Chia nhỏ thành nhiều ca —> Tận dụng quota tốt hơn 2-3x
Chốt content trước, tạo file sau —> 40-50% token
Dùng template cho việc lặp —> 40-50% quota + thời gian

Tổng cộng: Có thể tiết kiệm 70-80% quota mỗi ngày nếu áp dụng đủ 7 thói quen.

CUỐI CÙNG

AI không đắt như bạn tưởng. Dùng AI sai cách mới đắt.

Mình từng nghĩ quota ít là do nhà cung cấp “bóp” là chính, nhưng sự thật: Quota ít phần lớn là do mình đang “đốt” nó vào những thứ không đáng.

7 thói quen trên không phải mẹo hack gì đâu. Đó là cách làm việc thông minh hơn với AI, hiểu cơ chế, tôn trọng giới hạn, và tối ưu từng đồng quota.

Thử áp dụng 1 tuần, bạn sẽ thấy:

Quota dùng được lâu hơn 2-3x
Output ổn định hơn, ít phải sửa lại
Không còn cảm giác “AI đang bào tiền mình quá đáng nữa”

Cơm thêm:
Lưu bài này lại, thử đọc trước mỗi lần mở AI.
30 giây đầu tư có khi tiết kiệm hàng ngàn token về sau.

Bạn có tip nào hay hơn không? Share ở comment để anh em cùng học nhé!

P/P/S: Bài viết dựa trên 3 năm “nằm vùng” với AI mỗi ngày + research từ 10+ nguồn uy tín 2026. Không phải lý thuyết suông, toàn là cổ vai gáy với trĩ của tôi đó =))

#voquoccuong

Tại sao Claude có Memory tự động rồi mà còn đưa thêm Context & Knowledge Files?

Fri, 27 Mar 2026 05:51:25 GMT

Câu hỏi này tôi nhận được khá nhiều từ anh em CxO lúc setup cái The Board of Advisors (Hội đồng cố vấn số). Mọi người thấy Claude báo “Memory is ON” thì mặc định kiểu: “À, nó tự nhớ rồi, cứ chat thôi, chuẩn bị data chi cho mệt mỏi”.

Nhưng thực tế thì không đơn giản như cắm điện là máy chạy.

Anh em tưởng tượng thế này.. Memory của Claude giống như một người trợ lý đi theo bạn vài tuần. Nó biết bạn thích đọc báo cáo dạng gạch đầu dòng, nó biết bạn ghét nói đạo lý, nó biết công ty bạn làm ngành gì sơ sơ.

Nhưng nếu sáng nay bạn hỏi trợ lý đó: “Nhìn vào Q3 vừa rồi, tôi có nên lo lắng hông? Và Q4 tôi cần cắt giảm chi phí chỗ nào?”

Ông trợ lý sẽ nghệt mặt ra: “Dạ thưa sếp, để đánh giá Q3 thì sếp quăng em xem quyển báo cáo tài chính, tỷ lệ churn, với dòng tiền cái đã..”

Đó chính xác là cách Claude phản ứng nếu bạn chỉ xài Memory thuần mà không có Knowledge Files. Nó sẽ HỎI NGƯỢC lại vì nó làm gì có số liệu cụ thể nhà bạn.

Đó là lúc nhận ra sự khác biệt giữa con AI có vẻ gì cũng biết, với con AI “biết rõ chuyện nhà mình”.

Hồi đầu lười như tôi thì cứ mở máy lên gõ thẳng vô khung chat, xong gặp con bot nó cứ trả lời “Bạn nên tối ưu dòng tiền, cắt giảm chi phí linh tinh” mà chán..

Cho nên, thay vì cứ hỏi rồi phải đi cung cấp tràng giang đại hải số liệu, tôi ép tụi nó vào 3 lớp rõ rệt:

Nội quy văn phòng (System Prompt).. xác định vai trò. Ai lo việc nấy, không nói lan man.
Hồ sơ công ty (Context File).. góc nhìn tổng thể về mục tiêu, nhân sự, quy mô doanh nghiệp.
Tủ hồ sơ (Knowledge Files).. nhét sẵn báo cáo thu chi Q3, phân tích khách hàng bỏ đi tháng rồi, danh sách pipeline Q4.

Quay lại chuyện hỏi “Q3 vừa rồi thế nào?” với con Board đã được chuẩn bị sẵn 3 cái lớp kia.

Cái rụp, nó không hỏi lại một chữ nào. Nó dọc thẳng vô file và nổ số luôn:

“Theo file bao-cao-tai-chinh-q3.md, Q3 đáng lo. Doanh thu trung bình chỉ 617 củ, giảm 4.7% so với quý trước. Kết hợp với file phan-tich-churn, thì khách hàng bự FRESHOUSE đang lăm le cancel. Nếu mất cục này thì tháng 12 rơi xuống dưới ngưỡng hòa vốn.
ACTION 24H: Gọi đích thân sếp bên FRESHOUSE cầm theo ROI case study tháng trước để deal lại.”

Nghe đã hông? ^^

Nó dẫn chứng đúng cái file, đúng con số đang nhức nhối, đúng tên cái khách hàng đang định rời đi. Khác hoàn toàn ba cái văn mẫu sáo rỗng.

Đó là lý do Memory giúp AI hiểu ý bạn, nhưng Data thật mới giúp nó tư vấn đúng chuyện của bạn.

Thà nhịn đau cất công làm 1-2 cái file ngắn gọn như hồ sơ công ty và tài chính tải lên, còn hơn tiêu 30 phút mỗi lần gặp nó chỉ để kể lể lại từ đầu tình hình tháng qua hớ hớ..

Nội dung 3 ngày chia sẻ cho anh chị Doanh Chủ dùng Claude Project để xây dựng Hội Đồng Cố Vấn cũng khó nói hết trong 1 bài viết, tôi trích ra nội dung buổi 2 chia sẻ nhanh đoạn này chút thôi.

---

Sẵn tiện nói thêm chuyện bên lề.

Thực ra mấy vụ setup này lúc đầu cản trở tâm lý lắm. Tự dưng đang chat ngon lành phải đi đóng gói file, xong update định kỳ, nghe mùi y chang ba vụ giấy tờ hành chính.. Nhưng AI hiện tại không thiếu “trí tuệ”, thứ nó thiếu là “bối cảnh” nhà mình. Thuê một dàn cố vấn học vị đầy mình về mà cất giấu sổ sách kế toán, xong bắt tụi nó nhắm mắt tư vấn kinh doanh thì hư hết..

Setup đau một lần, nhưng ráp được vào working memory hàng ngày thì tiết kiệm hàng trăm giờ tự trăn trở một mình.

Xây hệ thống là trồng cây lấy gỗ, chứ đâu phải cắm hoa chưng tạm vài ngày.

Đã cất công mời tướng tài, thì tiếc gì vài giờ chuẩn bị bản đồ. Đầu tư bối cảnh chính là vũ khí tối thượng.

#voquoccuong

Stack Overflow Từng Nuôi AI Lớn.. Giờ AI Quay Lại “Xử” Luôn?

Fri, 27 Mar 2026 05:37:23 GMT

Nếu bạn là dân lập trình, chắc ít nhất một lần trong đời bạn đã Google một lỗi code rồi click vào link Stack Overflow. Đôi khi không phải là dân lập trình thì tìm cách giải quyết vấn đề gì đó trên máy tính, có khi bạn cũng đã gặp trang stackoverflow.com rồi.

Tôi thì không phải “ít nhất một lần”. Tôi click vào đó chắc không dưới trăm lần từ 2008 đến giờ. Hồi đó mỗi lần code bị lỗi, reflex đầu tiên là copy cái error message paste vô Google. Kết quả đầu tiên luôn luôn là Stack Overflow. Luôn luôn.

Giờ thì hổng còn nữa.

Tháng 12/2025, Stack Overflow còn đúng 3.862 câu hỏi mới cả tháng. Giảm 78% so với cùng kỳ năm trước. Mà năm trước cũng đã giảm te tua rồi.

Để so sánh cho dễ hình dung: năm 2014, đỉnh cao của Stack Overflow, mỗi tháng có hơn 200.000 câu hỏi. Hai trăm ngàn đó.

Từ 200.000 xuống 3.862. Mười sáu năm xây dựng, giờ quay về mức của năm 2009, lúc site mới ra mắt được 10 tháng.

--> không khác gì phim kinh dị đối với bất kỳ doanh nghiệp nào sống nhờ traffic.

1. AI “ăn thịt” chính cha đẻ

Cái sự thật mỉa mai lớn nhất của câu chuyện này là gì?

ChatGPT, Claude, Gemini.. mấy con AI mà dev đang dùng thay Stack Overflow.. chúng nó được huấn luyện (train) trên chính dữ liệu của Stack Overflow.

Đọc lại cho kỹ nha: Stack Overflow mất 16 năm xây dựng một kho kiến thức khổng lồ từ cộng đồng. Hàng triệu câu hỏi, hàng triệu câu trả lời, được vote lên vote xuống, được kiểm chứng bởi hàng triệu lập trình viên.

Rồi mấy công ty AI tới, crawl hết đống data đó, train model, xong tung ra sản phẩm.. giải quyết đúng cái nhu cầu mà Stack Overflow từng phục vụ. Nhanh hơn. Tiện hơn.

Và quan trọng nhất.. không có ai reply chửi bạn ngu vì hỏi ngu. AI nó sẵn sàng trả lời mọi thứ cho bạn mà không cần cho ai biết, cho ai lao vảo chửi hehe..

Stack Overflow từng “nuôi” AI lớn. Giờ AI quay lại “xử” luôn nơi đã nuôi nó.

(có thể search “Stack Overflow data used to train AI” để đọc thêm)

2. Nhưng khoan.. AI có phải “kẻ giết người” chính không?

Nói vậy thôi.. thật ra nhìn kỹ data thì câu chuyện phức tạp hơn.

Số câu hỏi trên Stack Overflow bắt đầu giảm từ 2014. ChatGPT ra mắt tháng 11/2022. Tức là 8 năm trước khi AI xuất hiện, Stack Overflow đã tự đi xuống rồi.

Tại sao?

Vì văn hóa kiểm duyệt (moderation) của Stack Overflow ngày càng khắc nghiệt. Câu hỏi bị đóng vì “trùng lặp”. Người mới bị vote xuống vì hỏi “không đúng chuẩn”. Có dev chia sẻ: ngay cả người có hơn 20.000 điểm uy tín, viết câu hỏi cẩn thận, vẫn bị đóng gần như ngay lập tức.

Một dev trên Hacker News nói thẳng: “AI chắc chắn đẩy nhanh sự suy tàn, nhưng đây là kết quả của việc liên tục trừng phạt người dùng khi họ cố gắng tham gia cộng đồng.”

--> Kiểu.. bạn xây một thư viện khổng lồ, rồi đuổi mọi người ra khỏi cửa vì họ không biết xếp sách đúng chỗ :))

AI không giết Stack Overflow. AI chỉ đạp thêm vào cái xe đang lao dốc.

3. Cái sai lớn nhất: ngồi trên mỏ vàng mà quên đào

Đây mới là phần tôi thấy đáng nói nhất.

Stack Overflow có gì? 16 năm dữ liệu hỏi đáp lập trình, được cộng đồng kiểm chứng, vote lên vote xuống, có context, có edge case, có tranh luận. Đây là loại dữ liệu mà OpenAI, Google, Anthropic.. phải bỏ hàng tỷ đô để crawl và train.

Mà Stack Overflow có sẵn.

Từ sớm luôn.
Lại iễn phí.
Dữ liệu chất lượng do chính cộng đồng tạo ra.

Vậy mà họ làm gì với đống mỏ vàng đó?

Tháng 6/2021, Prosus (công ty đầu tư Hà Lan) mua Stack Overflow với giá 1,8 tỷ đô. Hai người sáng lập, Jeff Atwood và Joel Spolsky, bán xong rút lui. Nhìn lại.. timing hoàn hảo, ừ.. mà hoàn hảo cho 2 ông này thôi.

Từ 2021 đến cuối 2025, Stack Overflow ra được OverflowAI (2023), rồi AI Assist (tháng 12/2025), rồi MCP Server (đang beta). Tức là mất gần 3 năm sau khi ChatGPT ra mắt, họ mới bắt đầu ứng dụng AI vào chính nền tảng của mình.

3 năm. Trong thời đại mà 3 tháng đã là cả một kỷ nguyên.

--> Tôi đoán mò thôi nha.. nhưng có lẽ vì Prosus là công ty đầu tư, không phải công ty công nghệ. Họ mua Stack Overflow để khai thác doanh thu (tuyển dụng, bán phần mềm enterprise), không phải để xây sản phẩm AI. Lúc mua chắc cũng éo ai nghĩ ChatGPT sẽ ra đời 1 năm sau đó.

Nói vậy thôi.. có khi họ biết mà không kịp xoay. Cái này tôi không đủ thông tin để phán :3

4. Bài học “ngồi trên data mà không biến thành vũ khí”

Câu chuyện Stack Overflow gợi cho tôi một bài học rộng hơn, không chỉ cho dân tech.

Rất nhiều doanh nghiệp đang “ngồi trên data” mà không nhận ra. Đống email khách hàng. Đống ticket hỗ trợ. Đống tài liệu nội bộ. Đống quy trình đã chạy mấy năm.

Stack Overflow có kho dữ liệu lập trình lớn nhất thế giới, được cộng đồng kiểm chứng suốt 16 năm.. mà vẫn bị “xử” vì không biến đống đó thành sản phẩm AI sớm hơn.

Bạn nghĩ doanh nghiệp bạn sẽ khác hơn sao?

Thật ra cũng chưa chắc là “biết mà không làm”. Có khi là “biết mà không biết bắt đầu từ đâu”. Cái này tôi thấy ở rất nhiều doanh nghiệp Việt Nam.

Data thì có.
Ý tưởng thì có.
Nhưng từ data này tạo ra hiệu quả gì, đề xuất quyết định thế nào, cảnh bảo ra sao còn chưa có
Nói gì tới tạo ra mấy con AI agent thực sự hoạt động

Khoảng cách này xa hơn người ta tưởng nhiều.

(à.. EGANY của tôi là công ty công nghệ mà cũng chỉ mới khai thác được data từ CRM và Datawarehouse chung tương đối, gần đây mới thử được mấy con AI Agent gần đây thôi, cũng chả hơn gì ai)

5. Rồi giờ sao?

Stack Overflow đang cố xoay. MCP Server cho phép AI agent truy cập trực tiếp vào kho kiến thức SO. AI Assist dùng data cộng đồng để trả lời câu hỏi. Prosus báo cáo doanh thu vẫn tăng 12% nửa đầu 2025, chủ yếu từ sản phẩm enterprise.

Nhưng cũng có tín hiệu khác.. Mozilla vừa ra mắt “cq” tuần trước (25/3/2026), gọi thẳng là “Stack Overflow cho AI agents”. Ý tưởng: thay vì con người hỏi đáp, giờ cho các AI agent chia sẻ kiến thức với nhau. Nghe vừa sợ nhưng kiểu vừa hay vì nó.. hợp lý quá :))

Thú vị ở chỗ này: Khảo sát Stack Overflow Developer Survey 2025 cho thấy 84% lập trình viên đang dùng hoặc dự định dùng AI tools. Nhưng chỉ 3,1% nói họ “tin tưởng cao” vào output AI.

Tức là.. mọi người dùng AI nhưng hổng tin AI. Dùng vì nhanh, vì tiện, vì hổng bị chửi. Nhưng vẫn biết AI có thể sai.

--> Chỗ này mới là chỗ Stack Overflow đáng lẽ phải nhảy vào: “Bạn dùng AI cho nhanh, rồi verify trên Stack Overflow cho chắc.” Nếu họ build cái narrative đó sớm hơn 2 năm.. câu chuyện có khi khác.

Mà nói vậy thôi, ngồi ngoài phán thì dễ. Làm thì khó. Tôi cũng chỉ suy luận ngược từ kết quả để chia sẻ thêm góc nhìn cá nhân thôi :3

6. Vài điều tôi nghĩ (không chắc đúng)

Câu chuyện Stack Overflow dạy tôi mấy điều, tạm ghi ra đây:

Thứ nhất, data là vàng.. nhưng chỉ khi bạn biến nó thành sản phẩm. Nếu không, người khác sẽ lấy data của bạn và biến nó thành sản phẩm thay bạn. Đúng nghĩa đen.

Thứ hai, văn hóa cộng đồng quan trọng hơn công nghệ. Stack Overflow chết không phải vì công nghệ tệ. Chết vì đuổi người dùng đi bằng thái độ. AI chỉ là cái cửa mới để họ bước qua, thay vì phải chịu đựng.

Thứ ba, timing quyết định tất cả. Prosus mua SO năm 2021 giá 1,8 tỷ đô. Giờ giá trị thực tế chắc đã giảm đi nhiều. Hai ông founder bán đúng đỉnh. Hổng biết may hay giỏi.. hay cả hai :))

Thứ tư.. và cái này mới là cái tôi hay nghĩ: disruption không bao giờ tới từ hướng bạn đang canh. Stack Overflow canh đối thủ là GitHub, là Reddit, là các forum khác. Không ai nghĩ “kẻ giết” lại là một con chatbot.

(hổng biết đúng hem, nhưng tôi thấy pattern này lặp lại hoài)

… tạm kết ở đây …

Bạn đang “ngồi trên data” nào mà chưa khai thác? Hay team bạn đang dùng AI nhưng chưa nghĩ tới chuyện biến dữ liệu nội bộ thành lợi thế?

Nếu có câu chuyện tương tự, kể nghe chơi đi :3

#voquoccuong #cuonghoaai #aiautomation

Nguồn tham khảo:

- DevClass, “Dramatic drop in Stack Overflow questions” (01/2026)

- The Pragmatic Engineer, “Stack Overflow is almost dead” (05/2025)

- PPC Land, “Stack Overflow traffic collapses” (01/2026)

- Stack Overflow Blog, “A new era of Stack Overflow” (12/2025)

- WinBuzzer, “Mozilla Launches cq” (03/2026)

- Stack Overflow Data Explorer (data cộng đồng)

Công ty bạn đang ở giai đoạn nào trên hành trình chuyển đổi sang làm việc với AI Agent?

Sat, 21 Mar 2026 11:37:41 GMT

Hôm trước ngồi nói chuyện với mấy anh chủ doanh nghiệp, có một cái pattern lặp đi lặp lại mà tôi thấy khá rõ.

Ban đầu ai cũng hào hứng. Nhân viên dùng ChatGPT, Gemini, Antigravity, Claude, .. mỗi người mỗi kiểu. Sếp thấy vui vì “ồ team mình đang ứng dụng AI nè”.

Rồi từ từ bắt đầu thấy.. không ổn. Mà không ổn chỗ nào thì không diễn ta được, chỉ thấy kiểu.. càng ngày càng loạn.

Đến mức không kiểm soát nổi credential đã giao cho ai, data này ai được/không được truy cập, mỗi người 1 skill 1 rule khác nhau..v.v… . Không cấp thì không ai (hay AI) không làm gì được, còn cấp hết thì không quản lý được.

Tôi nghĩ đây là câu chuyện mà khá nhiều công ty đang trải qua, chỉ là chưa ai ngồi vẽ lại cái bản đồ hành trình cho nó rõ ràng.

Mỗi lần cafe hay chat nhóm, phải mất rất nhiều thời gian để diễn giải cho các anh chị doanh chủ thấy điều này. Nên tôi làm bài này để vẽ lại những gì tôi quan sát được từ chính EGANY, từ các anh em trong cộng đồng NextLevelBuilder, và từ mấy cuộc trò chuyện gần đây.

Tôi tạm chia thành 5 giai đoạn Agentic Working (mà tôi vẫn hay nói). Mỗi giai đoạn có dấu hiệu nhận biết riêng, và quan trọng hơn là.. mỗi giai đoạn có một nỗi đau riêng mà nếu không đi qua thì khó mà có thể hiểu được.

Giai đoạn 1: Cá nhân tự dùng AI

Dấu hiệu: Mỗi người trong công ty tự mò AI theo cách của mình. Người thì ChatGPT, người thì Claude, người thì Gemini. Ai thấy hay thì dùng, không ai ép.

Cái hay là tốc độ thử nghiệm nhanh, ai hợp tool nào thì xài tool đó.

--> Giai đoạn này hầu hết công ty tôi gặp đều đang ở đây hoặc vừa trải qua rồi.

Tôi thấy rất nhiều sếp tích cực cho các nhân sự và quản lý đi học các kỹ năng ứng dụng AI cơ bản, từ đó mọi người đều có tiếng nói chung. Chứ không chỉ mấy ông sếp là biết xài AI, hô hào mãi chả ai ứng dụng được gì cũng không tới đâu.

Ví dụ tình huống tôi vừa gặp sếp T. quạt nhân sự

“Ủa em.. cái này thả vô NotebookLM rồi cho các bạn mới onboard phát một mà, làm gì mà rị mọ cả cả tuần lễ không xong vậy!?”

Đoạn này là khởi đầu của mọi chuyện, không cài đặt được tư duy & thói quen ứng dụng hàng ngày từ những việc đơn giản thì khi.. đụng chuyện, các bạn chắc chắn sẽ không biết phải dùng AI như thế nào.

Mà rèn luyện thói quen thì phải có quá trình tích lũy, không phải là một sớm một chiều, cái thứ sếp nói ở trên nó cũng là 1 trong những con AI mà sếp để trải qua trong suốt nhiều tháng liền. Còn bạn nhân viên mới chỉ nghe hôm nay, không thể nào hiểu được những lời sếp nói được.

Chốt đoạn này: đừng đòi hỏi gì cao siêu, làm thứ đơn giản thôi, mỗi ngày một chút, quyết liệt lên để cho đội ngũ của mình có tư duy & thói quen ứng dụng AI vào công việc.

Giai đoạn 2: Agentic Working & đóng gói skill

Dấu hiệu: Các công cụ từ phổ thông dễ dùng như Antigravity, Claude Cowork cho đến Claude Code bắt đầu được sử dụng nhiều.

Ở giai đoạn này, mọi người bắt đầu thấy “wow” và thay đổi mọi nhận thức trước đó, đặc biệt là so với các AI Chat app trước đó.

Các AI Agent như Antigravity hay Claude Code len lỏi vào trong mọi ngóc ngách: thực hiện mọi tác vụ như mở trình duyệt thao tác giùm mình, mở Termincal chạy command line để xử lý xóa/sửa và cả tạo thêm file/folder mới, thậm chí truy cập các ứng dụng khác thông qua API, MCP và.. CLI để lấy dữ liệu về cho mình..v.v..

Một số người trong công ty (thường là 1-2 người “mê” nhất) ngồi đóng gói lại những thứ mình làm được thành workflow/skill cho AI Agent có thể tái sử dụng.

Câu chuyện chia sẻ skill, đóng gói skill này hiện nay diễn ra nhộn nhịp hơn bao giờ hết ở khắp các cộng đồng AI. Đơn cử tháng 3/2026 này thì có thể kể đến phong trào xóa mù Antigravity của Đức Minh (Product Academy) hay các hoạt động truyền bá cách doanh nghiệp chuyển đổi với các AI Agent phổ biến từ Minh Đức (SISU AI)..v.v…

Bản thân mình bắt đầu truyền bá từ khóa AgenticWorking.io bằng chuỗi 3 workshop liên tục từ trước Tết, do may mắn tiếp cận sớm với anh em làm Agentic Coding.

Mình thấy nó cực kỳ có giá trị cho cả những anh chị làm việc văn phòng, không cần phải biết code gì cả, vẫn có thể dùng AI Agent phục vụ cho công việc của mình.

Và không cản nổi xu hướng này thật, Anthoropic ra mắt luôn Claude Cowork cực kỳ nhanh chóng để dân non-tech có thể tiếp cận dễ dàng hơn rất nhiều.

Nhưng phần lớn là các rule, workflow & skill cho chính cá nhân đó làm việc với Claude/Antigravity, thật sự chưa chuẩn hóa ở mức độ tổ chức.

Lúc này mới bắt đầu thấy.. ủa, skill ngon rồi nhưng “ăn” dữ liệu ở đâu? Đặc biệt là trong công việc thì cần truy xuất dữ liệu (cũng là tài sản) của công ty như: hồ sơ khách hàng, các giao dịch và hóa đơn, thông tin tóm tắt sau mỗi cuộc họp, SOP và Rules của công ty phải tuân theo.

Mà nói ở trên rồi đó, mấy cái này lấy về toàn máy cá nhân từng người, thì mỗi người update một kiểu, mạnh ai nấy xài. Nên tình trạng nhân sự làm việc không tuân thủ các quy định công ty rồi cả team đi xử lý hậu quả chắc chắn như cơm bữa.

Ví dụ cho dễ hiểu: CS viết content hoặc BD viết email cho khách hàng, công ty quy định là luôn gọi là anh/chị và xưng là em. Nhưng skill ở máy mỗi bạn làm theo một kiểu (lúc xưng mình, lúc xưng là tôi) là đã đưa thông tin ra ngoài không thống nhất rồi.

Đây chỉ là 1 ví dụ nhỏ để các sếp dễ hiểu, thời AI hay không thì vẫn quay về cái cốt lõi (như SOP, Rules) mà công ty đã xây bao năm. Nhưng tự dưng tới thời AI, mãi lo ứng dụng xong lại “quên ngang” vậy đó. Chuyện thật 100%.

Giai đoạn 3: Gom lại một chỗ, bài toán muôn thuở của tổ chức

Dấu hiệu: Công ty bắt đầu gom dữ liệu lại một chỗ (hoặc ít nhất là cố gắng). Tạo Knowledge Base trên NotebookLM/Github hoặc các DB Vector, Skill cho từng phòng ban và lưu chung trên Github, upload tài liệu, kết nối database.. để AI có nguồn mà làm việc.

AI nằm trên máy mình bắt đầu “hiểu” công ty hơn. Không còn trả lời chung chung nữa mà biết context cụ thể, ra được kết quả dùng được trong công việc rõ ràng.

Nếu xem post hôm rồi của Giáp Đức Thắng, mọi người cũng sẽ thấy ý này..
(xin phép Thắng cho anh dẫn lại lời em để dễ hiểu hơn, đỡ viết lại nhe)

Thực tế là.. các sếp đi đầu nên toàn quyền hết, rồi giao xuống cho nhân sự là giao luôn skill, workflow automation và một đống credential/API_Key luôn. Chứ giờ không giao thì AI có 1001 skill cũng.. không có quyền truy cập cái gì mà xử lý =))

10 người dùng 5 tool khác nhau, mỗi tool cần kết nối 3-4 nguồn dữ liệu.. tính ra là mấy chục cái credentials bay tứ tung.

Ai giữ key nào? Ai có quyền truy cập gì? Nhân viên nghỉ việc thì key đó ai thu hồi?

--> Đây là chỗ mà đa số công ty bắt đầu.. đau đầu nè.

Không phải đau đầu vì AI dở, mà đau đầu vì AI giỏi quá nên cần truy cập rất nhiều. Không cho nó truy cập thì cũng là AI “cụt tay cụt chân” hết.

Hôm trước mình cũng có chat với sếp Nguyễn Tùng Giang ý này, nhưng nhiều anh chị Doanh Chủ có khi chưa nhận ra, hoặc chưa có đội ngũ nhân sự dùng AI bung bét lên nên chưa thấy bi kịch hehe..

(xin phép chụp một góc ảnh và lược bỏ các đoạn nhạy cảm nha sếp Giang)

Giai đoạn 4: Loạn credentials và bảo mật

Dấu hiệu: Workflow chạy bằng n8n, Make, Claude, Antigravity.. đủ thứ. Mỗi workflow cần credentials riêng. Mỗi người tạo một đống key. Không ai biết key nào còn hoạt động, key nào đã hết hạn, key nào đang bị share lung tung.

Đã thế key/credential cắm lồ lộ luôn trong các workflow hoặc file file skill md luôn, có mà bị chuyện gì thì Doanh Nghiệp cũng không biết ai đã làm gì, lỗi ở đâu khi truy xuất vào trong dữ liệu công ty.

Ví dụ: key được cấp cho AI thao tác full quyền, nhân sự A dùng AI Agent (thường nó làm cả chuỗi hành động, các bạn chỉ có bấm Next hoặc rung đùi ngồi chờ thôi, sao mà biết nó xóa những gì và ghi đè những gì. Có khi nhân sự CS nhưng lại có quyền để cho AI Agent ghi vào những dữ liệu kế toán.

Tiếp tục là một ví dụ đơn giản, sẽ còn nhiều thứ nguy hiểm hơn khi key bị leak ra ngoài từ nhân sự cũ hoặc chính nhân sự hiện tại.

Đây không phải vấn đề kỹ thuật nữa, đây là vấn đề quản trị.

Một cái API key bị lộ có thể truy cập toàn bộ database khách hàng. Một cái token share qua Zalo (thời trước AI bùng nổ) có thể bị forward cho 10 người khác.

Vô tình tôi mở Perplexity lên thẩm định thử các điều mình đang hiểu thì thấy California Management Review vừa đăng nghiên cứu tháng 3/2026 gọi đây là “Agentic Operating Model”, xem AI agent như một bài toán thiết kế tổ chức chứ không phải bài toán công nghệ. Cũng khá là tương đồng với quan điểm của này.

Mà nói thật.. đa số công ty SME ở Việt Nam bây giờ quản lý credentials kiểu “ai cần thì hỏi admin, admin gửi qua chat”. Chưa có hệ thống, chưa có quy trình.

--> Nói vậy thôi chứ EGANY hồi trước cũng vậy. Tôi cũng không ngoại lệ đâu. Lúc team còn nhỏ thì “gửi key qua chat” nó work. Nhưng tới lúc 5-7 người cùng dùng AI agent thì.. bể là đương nhiên :3

Mọi người đã bắt đầu hình dung về sức mạnh của các con AI và những nguy hiểm tiềm tàng trong công ty mình, và bắt đầu nghĩ về một bộ não trung tâm rồi đúng không.

Chính xác đó là Agent Brain mà mình thường nhắc tới trong các bài viết gần đây.

Giai đoạn 5: Agent Brain, một cửa duy nhất

Đây là giai đoạn mà tôi nghĩ nhiều công ty sẽ phải tới, sớm hay muộn.

Ý tưởng cốt lõi: Thay vì mỗi tool, mỗi agent, mỗi workflow tự kết nối riêng lẻ vào từng nguồn dữ liệu.. thì tất cả đi qua MỘT cửa duy nhất.

Cụ thể hơn: Một cái MCP/CLI Hub duy nhất.

Mọi datasource (database, HTTP API, file storage..) cắm vào Hub này. Phân quyền theo user, theo schema, theo table. Nhân viên A được xem bảng khách hàng nhưng không được xem bảng lương. Agent B được query báo cáo bán hàng nhưng không được sửa.

Key chỉ cấp một lần, đi theo user. Không cần tạo 50 cái API key khác nhau cho 50 tool/workflow nữa. Ai truy cập gì hệ thống đều ghi log lại được hết, bất kể các phòng bạn có dùng Antigravity, Claude Code hay các con Tôm Cua nhà *Claw thì.. để làm được việc, cũng phải gọi vào Agent Brain của công ty.

Khi Bộ Não này đã ổn định, công ty bắt đầu có thể audit được. Ai query gì, agent nào tạo cuộc họp nào, dữ liệu nào đang chảy ra ngoài.. tất cả đều nhìn thấy.
Agent Brain không chỉ là "phân quyền" mà còn là "nhìn thấy mọi thứ đang diễn ra" (observability).

Trích thêm nguồn:

Deloitte cũng có khảo sát hơn 3,200 lãnh đạo doanh nghiệp và thấy rằng chỉ 1/5 công ty có mô hình quản trị đủ trưởng thành cho AI agent tự động (xem thêm)
Trong khảo sát hơn 120,000 người tại doanh nghiệp, chỉ 8.6% công ty có AI agent đang chạy trong sản phẩm thực tế, còn gần 64% chưa có sáng kiến AI chính thức nào (xem thêm)

Còn đây là câu chuyện có thật 1 DN đã ứng dụng Agent Brain:

Team vừa họp xong, nhân viên chạy workflow tóm tắt cuộc họp thành website dashboard chi tiết. Link website được vibe code này giờ nhân viên nào cũng làm được và giờ còn được bảo mật, chỉ nhân viên công ty mới xem được.
Dữ liệu cuộc họp ngay lập tức được đồng bộ vào Knowledge Base của công ty. Các AI Agent truy cập vào ngay lập tức hiểu context mới mà cho ra kết quả chính xác hơn.
Dữ liệu các nguồn được đồng bộ về hệ thống DataWarehouse tập trung cũng ở đây, và mọi người trong công ty được phân quyền ai được truy cập cái gì rõ ràng.
Các workflow/skill/rule của công ty được tập trung tại đây, ở dưới máy tính nhân viên truy cập lên một chỗ thống nhất, tuân thủ mọi quy định công ty và tận dụng được tri thức công ty cập nhật mới nhất.
… còn nhiều thứ khác chưa kể hết..

Nghe thì to tát, nhưng thật ra nó chỉ là bước tiến tự nhiên khi đã đi qua 4 giai đoạn kia thôi. Giống kiểu.. hồi nhỏ mỗi người tự giữ tiền trong túi, lớn lên mở tài khoản ngân hàng, rồi cuối cùng công ty phải có phòng kế toán. Không ai nhảy thẳng từ “tiền trong túi” lên “phòng kế toán” được đâu.

Vậy công ty bạn đang ở đâu?

Tóm gọn lại 5 giai đoạn:

Cá nhân tự dùng AI (ai thích gì xài nấy)
Agentic Working & đóng gói Skill / Agent (bắt đầu tái sử dụng)
Gom lại một chỗ để dùng chung (AI cần dữ liệu công ty, cần thống nhất)
Loạn credentials và bảo mật (nhiều key, nhiều tool, không kiểm soát)
Agent Brain (1 cửa duy nhất, kết nối data, phân quyền, audit…)

Đa số công ty Việt Nam bây giờ đang ở giai đoạn 1-2. Một số đã chạm giai đoạn 3 và bắt đầu thấy đau ở giai đoạn 4.

Giai đoạn 5 thì.. thật ra chưa nhiều công ty còn chưa nghĩ tới. Nhưng nếu bạn nghiêm túc muốn cả công ty vận hành với AI Agent thì mình tin rằng sớm muộn cũng phải tới.

Mà nói vậy thôi.. 5 giai đoạn này là tôi tạm chia theo những gì quan sát được. Thực tế có công ty nhảy từ 1 lên 3 luôn vì CEO là dân kỹ thuật, cũng có công ty ở giai đoạn 2 mà đã loạn rồi. Nên coi như bản đồ tham khảo, đừng cứng quá.

Điều quan trọng là không cần nhảy cóc. Nếu không có năng lực nội tại tích lũy sẵn nhiều năm mà nhảy cóc thì không gãy chân cũng lọi giò.

Đi từng bước, mỗi bước giải quyết một cái đau cụ thể, rồi tự nhiên sẽ thấy tại sao cần bước tiếp theo.

Vẽ thêm cái infographic này cho dễ hình dung

Nói thêm.. nếu bạn đang ở giai đoạn 1-2 và muốn hiểu rõ hơn cách đóng gói skill, cách xây agent cho team, thì có chương trình AI Automation Bootcamp tôi đã nhắc nhiều lần, thiết kế cho doanh nghiệp muốn đi từ “dùng AI cá nhân” lên “hệ thống hóa cho cả team”.

Còn đang ở đoạn 3-4 đang là chủ Doanh Nghiệp thì khoan, cứ trải nghiệm dần đến lúc thật sự cần đội ngũ có kinh nghiệm triển khai thì tính tiếp.

Chứ đoạn này thì đa số anh chị em không không tự học và làm được. Tôi cũng khó mà nói hết trong vài ngày huống chi trong bài viết này, nên gần đây tôi lập nhóm kín CxO AI Automation để có chỗ tâm sự cũng các anh chị chủ DN thực sự nghiêm túc muốn ứng dụng vào hoạt động vận hành công ty mình.

Dĩ nhiên là.. từng bước một, đang bắt đầu rất là đơn giản với Claude Project rồi Claude Cowork/Antigravity rồi đóng gói skill xong mới bắt đầu nuôi tôm (*Claw) :D

Nào rảnh tôi đi chi tiết hơn về từng giai đoạn trong các bài sau trên blog này, mọi người ủng hộ cho một comment để lấy động lực nhé ^^

#voquoccuong #EGANY #aiagent

Nguồn tham khảo:

- Slide “AI Agent” từ buổi Weekly NextLevelBuilder Live sáng nay

- Trao đổi với các anh chủ doanh nghiệp trong cộng đồng CxO AI Automation Club

- Hình ảnh các post FB anh em mà tôi quen có chia sẻ

- California Management Review - Governing the Agentic Enterprise: A New Operating Model for Autonomous AI at Scale

- The State of AI in the Enterprise - Deloitte’s 2026 AI report tracking adoption and impact

AI Automation thay đổi tổ chức qua 3 tầng: Cá Nhân > Team > Hệ thống

Sun, 08 Mar 2026 18:12:41 GMT

Tầm 2 năm trước, nội bộ team EGANY của tôi vẫn còn cảnh:

Bạn làm Content ngồi chờ bạn Designer. Designer ngồi chờ brief từ Marketing. CS lục tài liệu 15 phút mới trả lời được 1 câu hỏi khách hàng. Dev gõ code boilerplate mệt nghỉ. Manager họp xong thì.. quên mất action item là gì để dí tiếp…v.v…

Quen thuộc quá đúng không? Chắc công ty nào cũng có vài cảnh như vậy.

Rồi team tôi bắt đầu ứng dụng AI vào công việc hàng ngày. Không phải kiểu bước tiến nhảy vọt hay chuyển đổi số toàn diện gì đâu. Chỉ là.. từng thói quen nhỏ, từng workflow nhỏ, tích lũy.. tích lũy dần...

Hơn 1 năm sau, nhìn lại thì thấy công ty đã thay đổi khá nhiều. Và tôi nhận ra những thay đổi đó đi qua 3 tầng rõ ràng (xem từ dưới lên nhe):

Mỗi tầng xây trên nền tảng của tầng trước. Không có tầng 1 vững thì tầng 2, tầng 3 chỉ là lý thuyết.

Để tôi đi chi tiết từng tầng, kèm ví dụ thực tế từ team EGANY.

Tầng 1: Từng cá nhân thay đổi thói quen ứng dụng AI Automation từ những việc nhỏ nhất

Trước khi nói chuyện workflow hay hệ thống gì, điều đầu tiên cần thay đổi là mindset và thói quen ứng dụng AI Automation của từng người trong tổ chức.

Cách tiếp cận từ dưới lên này đặc biệt hữu ích trong thời đại AI thay đổi nhanh như chong chóng bây giờ. Vì nếu cứ đợi sếp hoặc chuyên gia trong công ty đi học, xong lại thử sai, xong lại rút ra kinh nghiệm, rồi tối ưu và đóng gói lại cho dễ hiểu để.. training cho từng team một thì ít nhất cũng phải 6-12 tháng.

Không phải cứ muốn hỗ trợ khách hàng nhanh chóng hơn là phải xây hệ thống AI khủng khiếp, knowledge base xịn xò, rồi dựng vector database lên đủ kiểu, tích hợp vào từng kênh chat một.

—> chắc tới mùa quýt luôn cũng không xong một việc, và việc còn thắt cổ chai ở ông sếp / ông chuyên gia trong công ty được giao nhiệm vụ này.

Ví dụ cho trường hợp này:
- Nếu bạn Customer Service biết dùng NotebookLM cơ bản thôi, upload tài liệu của công ty vào rồi.. hỏi. Trả lời chính xác không hề bịa luôn. Cứ thế mở 2 tab ra, một bên chat với khách hàng, 1 bên tra cứu hỏi đáp với NotebookLM là xong.
Gần như 80% thời gian nhọc nhằn nhất đã giải quyết được ngay trong ngày/tuần đầu tiên mà không cần phải nhờ ông sếp ông chuyên gia công nghệ nào.

Chưa kể nhiều trường hợp, sếp biết rất nhiều về AI lại có trải nghiệm vài tháng trời, nhưng khi nói chuyện với nhân sự thì “Cái này dễ mà, Gemini Nano Chuối là xong, sao em không làm được”.

Ra cafe nói chuyện có 1 vài từ khóa đơn giản thôi nhưng cả team không ai hiểu ai hết, phải chờ vài tháng (mà phải tích cực tìm hiểu vọc vạch) thì mới hiểu nhau đang nói gì.

Thực tế thì.. sếp đã biết có thứ Nano Chuối tồn tại > rồi còn biết nó có thể tạo được ảnh minh họa dạng này > và còn để tối ưu độ chính xác thì sếp còn có kinh nghiệm thử sai không dưới chục lần > nên sếp thấy nó dễ.
Rất nhiều thứ dễ vậy, nhưng không làm thì tuyệt đối không thể thấu hiểu được những gì người đã làm nói được. Đây cũng chính là nút thắt trong việc hình thành thói quen ứng dụng từ những thứ nhỏ nhất, mỗi ngày một chút để dần có tư duy “khi đụng chuyện này … thì mình sẽ …”, kiểu kiểu vậy.

Chưa kể sếp hoặc chuyên gia IT của công ty cũng không phải là người trực tiếp vận hành chi tiết nghiệp vụ từng phòng ban mỗi ngày, không thể hiểu sâu sát & có động lực đủ lớn để áp dụng nó.

Nỗ lực cỡ nào cũng rất dễ gãy, giờ kêu tôi bỏ hết thời gian mỗi ngày chỉ để ngồi làm việc với HR & Sales Admin từng việc để hỗ trợ họ ứng dụng từng chút một suốt 3 tháng trời thì chắc tôi trầm cảm luôn. Còn bao nhiêu việc phải làm

Đó là lý do vì sao tôi tạo ra chương trình AI Automation Bootcamp, workshop mỗi tuần với những chủ đề cực kỳ đơn giản nhưng.. phải giá trị và thực tế.

—> mục tiêu ban đầu cũng là để cho từng thành viên trong team EGANY tôi có thói quen học là làm được luôn trong 60p, đơn giản hiệu quả, sau 4 tuần là mọi thứ thay đổi rõ rệt luôn.

Giờ ngồi tâm sự trà đá lề đường hay bàn về AI thì cả team kiểu như.. có tiếng nói chung, dễ hiểu nhau hơn trước rất nhiều. Mọi kế hoạch dự định triển khai cũng lẹ làng hơn vì ai cũng đã có thói quen ứng dụng AI Automation mỗi ngày rồi.

Tầng 2: Team, phá bỏ ranh giới và workflow mới

Khi từng cá nhân đã có thói quen dùng AI, bước tiếp theo là thay đổi cách team làm việc với nhau.

Phá bỏ ranh giới phòng ban, mỗi nhân sự là một Team

Trường hợp của Mrs.Như team MKT là ví dụ rõ nhất

Trước đây, một bạn Content chỉ biết viết. Cần hình thì đợi Designer. Cần data thì đợi Marketing. Cần đăng bài thì đợi Social.

Bây giờ, nhờ AI, bạn Content có thể kiêm luôn vai trò trợ lý, thiết kế hình ảnh (Visual, Carousel, Infographic), và phân tích dữ liệu khách hàng để đưa ra quyết định Marketing “chạm” đúng mục tiêu ngay lập tức.

Một người làm được việc của cả một team nhỏ. Không phải vì “siêu nhân”, mà vì có AI hỗ trợ những phần không phải chuyên môn chính cũng rất là 5-7 điểm.

Product Leader cũng có thể độc lập tác chiến

Không còn cảnh đợi Dev, chờ Marketing.

Bạn Tú làm Product team mình giờ đây có thể tự tay dựng Landing Page, thiết lập luồng đăng ký, tự vận hành, thậm chí là “Sales” luôn cho sản phẩm mình tạo ra mà ít phụ thuộc vào các team khác. Các buổi workshop ExpertOS hoặc thứ 5 tuần rồi là một ví dụ điển hình, bạn solo luôn từ A-Z.

Trước đây Mr.Tú mất nhiều thời gian cấu hình thủ công, dễ gặp lỗi logic. Giờ AI hỗ trợ kiểm tra logic, tiết kiệm khoảng 40% thời gian setup. Xây dựng checklist quy trình cũng siêu nhanh và cực kỳ chi tiết, bao quát được nhiều kịch bản khác nhau.

Lập trình viên cũng nhàn hơn

(dù team mình chưa áp dụng nhiều lắm)

AI hỗ trợ Dev gánh cả Front-end lẫn Back-end, tự viết kịch bản test (UAT) và fix bug thần tốc.

Cụ thể: Giảm 70-80% việc gõ code thủ công, chỉ tập trung vào kiểm soát logic. Mở nhiều Session, code nhiều tính năng song song mà không lẫn lộn ngữ cảnh.

Một nhân sự kỹ thuật giờ đây có năng suất bằng cả một đội ngũ truyền thống. Thấy vậy chứ coi bộ hơi phóng đại.. nhưng so với năm ngoái thì đúng là khác biệt rõ rệt.

Hệ thống Support “tự vận hành” dựa trên tri thức nội bộ

Thay vì nhân viên phải lục lọi tài liệu, Thảo tự dùng nhanh NotebookLM để làm Knowledge Base cho các dự án chính tại EGANY để hỗ trợ trả lời khách hàng chính xác và nhanh chóng hơn.

Trước: Thảo phải “lục lọi” tài liệu để trả lời, thường xuyên quá tải với câu hỏi lặp lại.

Sau: AI Bot (trained từ KB) phản hồi 24/7. Team CS giờ đây chỉ tập trung vào những ca khó và mang tính chiến lược.

Quyết định dựa trên dữ liệu “sạch”

Việc nhập liệu, phân loại và tổng hợp data khách hàng từ nhiều nguồn không còn là nỗi ác mộng.

Automation và AI giúp xử lý dữ liệu thô giúp team Marketing có ngay báo cáo sạch để dễ dàng nhìn thấy cơ hội từ những con số thực, thay vì đoán mò.

--> Cái này quan trọng lắm. Hồi trước data chồng chéo, sai sót, mất cả ngày để đối soát. Giờ automation khâu nhập liệu và phân loại, data luôn “sạch”, sẵn sàng khai thác.

Họp để ra quyết định, không phải để ghi chép

Mọi cuộc họp đều được AI Recap (đơn giản xài Fireflies miễn phí thôi là đủ) và trích xuất Task tự động. Sau này thì tự chế bộ skill để xử lý file audio và làm báo cáo sau.

Nhân viên dành toàn bộ tâm trí để phản biện và thảo luận, thay vì cắm cúi ghi chép rồi sau đó lại quên mất mình cần làm gì.

Nghe đơn giản nhưng thay đổi này giải phóng rất nhiều “năng lượng tinh thần” trước, trong và sau mỗi cuộc họp.

Tầng 3: Hệ thống, tổ chức tự vận hành

Khi cá nhân và team đã vận hành tốt với AI, bước cuối cùng là nâng lên tầm hệ thống.

Sự chủ động trong vận hành hệ thống

Không cần đợi IT hay team Data hỗ trợ, bà Quỳnh nhà tôi tự dùng AI để xây dựng Dashboard báo cáo hoặc thiết lập các luồng Automation cho riêng mình.

Trường hợp Ms.Quỳnh, CPO tại EGANY:

- Tự động hóa workflow, checklist, tool: Giảm ~25% Effort nhân sự

- Hệ thống Lark Base đồng bộ cho vận hành khóa học: Giảm Effort ít nhất x5 lần, cái này do bả làm luôn cho cả team xài nên x5 là còn ít.

- Tạo dashboard báo cáo tự động: Ra quyết định nhanh dựa trên data

Đây chính là sự tự chủ trong vận hành. Mỗi người không còn phụ thuộc vào “phòng ban khác” để có được công cụ mình cần.

Giải phóng lãnh đạo khỏi “bẫy” việc không tên

Khi đội ngũ đã biết dùng AI để tự giải quyết vấn đề và vận hành quy trình, tôi và các Manager có thêm không gian để thở và thời gian để tập trung vào những chiến lược tăng trưởng dài hạn cho doanh nghiệp.

--> Thật ra nói vậy thôi.. vẫn còn nhiều việc “không tên” lắm. Nhưng so với trước thì đỡ hơn nhiều :))

Sơ đồ tổ chức mới: Người thật + AI Agent

Đây là cách tôi hình dung sơ đồ tổ chức EGANY hiện tại:

Mỗi vị trí người thật đều có AI Agent như đồng nghiệp số bên cạnh. Không phải thay thế, mà là khuếch đại năng lực của mấy người này.

Tương lai: Đội quân AI Agent trên các kênh chat

Đây là hướng chúng tôi đang triển khai dần, hiện đang giai đoạn khởi tạo, nếu anh chị em có quan sát và tham gia EGANY Group trên Telegram mấy ngày nay cũng đã trải nghiệm thử và thấy.. phê ra sao.

Nguyên đội quân của bé Tiểu Hồ làm Leader, Mễ Mễ chiêm tinh, Tiểu La thiết kế, Tiểu Ngôn viết bài, Tiểu Claw trả lời thông tin hệ thống

Ý tưởng: AI Agent được gắn vào các kênh chat (Telegram, Lark, Zalo...) để có thể ra lệnh luôn từ các group làm việc mà không cần mở công cụ.

Ví dụ:

- Trong group Lark của team Marketing, gõ “@ContentAgent viết draft bài về chủ đề X” là có bản nháp

- Trong group Telegram cá nhân, gõ “@TaskAgent nhắc tôi họp lúc 3h” là có reminder

- Trong group Zalo với khách hàng, “@SupportBot tra cứu tình trạng đơn hàng” là có câu trả lời

Workflow trước đó:

Người > Mở tool > Prompt AI > Copy kết quả > Dán vào chat

Workflow hiện tại & tương lai:

Người > Gõ trong chat > AI Agent trả lời > Xong

Đơn giản hơn, nhanh hơn, ít bước hơn.

Tất nhiên còn nhiều thứ cần hoàn thiện.
Đây mới là giai đoạn đầu, chưa biết kết quả thế nào :3

Tại sao không thể “nhảy cóc”?

Tôi muốn nhấn mạnh một điều: Tất cả những gì tôi kể ở trên không đến trong 1 ngày 1 giờ.

EGANY mất hơn 1 năm để đi qua 3 tầng này. Và vẫn đang tiếp tục học, tiếp tục điều chỉnh.

Nhảy cóc thì không gãy chân cũng lọi giò

Vì năng lực tiếp nhận của đội ngủ quan trọng hơn công nghệ rất nhiều.

Kể cả giờ có đội mạnh đến chuyển giao hết quy trình, workflow, AI Agent cho bạn.. thì chính bạn và đội ngũ cũng không đủ năng lực tiếp nhận nếu chưa có nền tảng.

Giống như đưa xe hơi cho người chưa biết lái giống tôi. Xe xịn, nhưng tôi không có chạy được, còn cố gắn nữa có khi.. gây tai nạn luôn.

Nền tảng đó là gì?

- Thói quen dùng AI hàng ngày, nhỏ thôi nhưng phải làm được thật.

- Tư duy thẩm định (ở đây là AI) thay vì nhận task làm như trước.

- Thoải mái với việc AI làm thô, còn mình kiểm tra.

- Hiểu rõ workflow của chính mình trước khi tự động hóa.

Vậy giờ bắt đầu từ đâu?

Vẫn câu nói cũ, bắt đầu từ những việc nhỏ nhất.

Dùng AI viết 1 email.
Dùng AI tóm tắt 1 tài liệu.
Dùng AI brainstorm 1 ý tưởng.

Dễ mà, làm ngay đi, đừng có chỉ xem rồi nghĩ là.. mình đã làm được. Làm đi rồi sẽ thấu ^^.

Rồi từ từ mới có năng lực thật sự để tiếp nhận chuyển giao kiến thức và công nghệ từ người khác. Cũng như tự nâng cấp năng lực của bản thân mà không quá lo ngại AI thay đổi từng giờ.

Đây là việc rèn luyện có tính tích lũy. Không có đường tắt.

Tiện tay.. tiện tay..

Các thay đổi tôi liệt kê ở trên là những gì EGANY đã trải qua. Không phải công ty nào cũng có cùng điều kiện, cùng ngành nghề, cùng quy mô.

Nhưng nếu có một điều tôi muốn chia sẻ với mọi người chân thành là:

AI Automation không bắt đầu từ công nghệ.
Nó bắt đầu từ thói quen nhỏ nhất của từng người trong tổ chức.

Công ty bạn đang ở tầng nào trong 3 tầng:
Cá nhân, Team, hay Hệ thống?

#voquoccuong #EGANY #sharing

Nội dung được hỗ trợ từ:

- Case study nội bộ EGANY Tech JSC (2024-2025)

- Infographic: Mrs.Như (Content Marketing), Mrs.Thảo (Customer Service), Mr.Tú (Product Owner), Ms.Quỳnh (CPO), Team Dev

- Dùng Gemini và Napkin AI để vẽ lại các chỗ nhiều chữ hoặc cần hình mô phỏng

Xôi Lạc TV có thật là đã làm Product tốt hơn nhà đài?

Thu, 05 Mar 2026 18:04:14 GMT

Hôm qua nay cả nước xôn xao vụ triệt phá Xôi Lạc TV - “đế chế” stream bóng đã lậu chắc lớn nhất nhì Việt Nam hiện tại rồi. Có 38 người bị bắt, hơn 30 bị khởi tố, gần 1.000 tỷ đồng liên quan..

Tóm tắt nhanh từ báo doisongphapluat cho anh chị em đỡ phải đọc:

Ngày 5/3/2026, Cục An ninh mạng và phòng chống tội phạm sử dụng công nghệ cao (A05, Bộ Công an) chính thức họp báo công bố triệt phá hệ thống Xôi Lạc TV — mạng lưới phát bóng đá lậu lớn nhất Việt Nam hoạt động từ năm 2016. 38 nghi can bị bắt giữ, hơn 30 bị can bị khởi tố với các tội danh xâm phạm quyền tác giả, tổ chức đánh bạc và truyền bá văn hóa phẩm đồi trụy. Quy mô tài chính liên quan lên tới gần 1.000 tỷ đồng, trong đó cơ quan chức năng đã kê biên, phong tỏa hơn 300 tỷ đồng chủ yếu bằng tiền điện tử.
Điều khiến giới công nghệ và truyền thông chú ý không chỉ là quy mô tài chính, mà là mô hình tổ chức bài bản, chuyên nghiệp ở cấp độ “startup công nghệ” - với đội ngũ nhân sự trẻ có trình độ cao (thậm chí thạc sĩ), cơ sở hạ tầng kỹ thuật tinh vi, và phong cách vận hành khiến nhiều nhà đài chính thống phải “ghen tỵ”.

Và các thông tin lịch sử hình thành cùng các con số khác trích từ báo tuoitre:

Xôi Lạc TV ra đời năm 2016, được phát triển bởi một nhóm ẩn danh. Tên miền đăng ký qua dịch vụ GoDaddy và trỏ về máy chủ có địa chỉ IP tại Mỹ, trong khi bình luận viên luôn tuyên bố đang sống ở nước ngoài.
Bước ngoặt lớn đến vào mùa hè 2018 khi Xôi Lạc TV phát trực tiếp Asian Games 2018 - giải đấu mà Việt Nam chưa có đơn vị nào mua bản quyền. Từ khóa “Xoilac TV” lọt top tìm kiếm Google tại Việt Nam với hàng trăm nghìn lượt truy vấn, website đạt 500.000 – 1 triệu lượt xem mỗi ngày.
Từ giai đoạn đó, Xôi Lạc TV không còn là trang đơn lẻ mà phát triển thành hệ sinh thái gồm nhiều tên miền: Xoilactv, ThapcamTV, CakeoTV, Banhkhuc, và liên kết với các nền tảng cá cược 8XBET, Hbet, Lu88. Nội dung phát sóng bao trùm gần như toàn bộ bóng đá toàn cầu - từ Premier League, Champions League, La Liga, Serie A, Bundesliga cho đến V-League, World Cup, Olympic, SEA Games.

Mô hình tổ chức “startup công nghệ” ẩn dưới vỏ bọc doanh nghiệp:

Pháp nhân đứng sau
Theo đại diện Công an tỉnh Hưng Yên, Xôi Lạc TV được hậu thuẫn bởi một công ty đa ngành đăng ký hoạt động trong lĩnh vực truyền thông, viết phần mềm và xuất nhập khẩu lao động. Ban giám đốc trực tiếp cắt cử bộ phận chuyên biệt để duy trì hệ thống kỹ thuật và vận hành phát sóng.
Mô hình quản trị nhân sự kiểu “cell structure”
Đây là điểm đáng chú ý nhất từ góc nhìn tổ chức. Cơ quan công an xác định mô hình quản trị nhân sự được thiết lập theo quy trình phân công khép kín: các nhân viên thuộc bộ phận biên kịch, kỹ thuật, tài chính và bình luận viên không được chia sẻ thông tin chéo nhằm bảo mật tuyệt đối. Khi tuyển dụng cũng diễn ra độc lập, “ai biết việc nấy, nhóm nào biết nhóm đấy”.
Mô hình này tương tự cấu trúc “cell structure” (cấu trúc tế bào) thường thấy trong các tổ chức bảo mật cao — mỗi “cell” (nhóm nhỏ) hoạt động độc lập, chỉ biết nhiệm vụ của mình, không nắm toàn cảnh hệ thống. Điều này khiến việc truy vết cực kỳ khó khăn cho cơ quan chức năng.
Nhân sự: Trẻ, trình độ cao, giỏi công nghệ
Cục A05 nhấn mạnh đội ngũ nhân viên đều rất trẻ, đa số có trình độ từ đại học, thậm chí thạc sĩ tốt nghiệp bằng đỏ, rất giỏi về công nghệ thông tin. Đây không phải những “hacker rau non” mà là nhóm chuyên gia kỹ thuật được tuyển dụng bài bản, tạo nên bộ máy vận hành ở cấp độ doanh nghiệp công nghệ.

Ô cê.. tóm tắt tin đã xong, giờ vô cái anh em Product thấy nè

Điều khiến anh em làm công nghệ bàn tán nhiều không phải là con số, mà là cái bảng trắng trong văn phòng của mấy ông XoiLacTV, mình có chụp hình được đoạn video quay trụ sở làm việc bảng ghi gì?

“State management”, “async handling”, “root cause analysis”, “unit testing”.. Tức là đội tech của một trang web lậu đang họp product review y hệt startup công nghệ nghiêm túc (mà chắc là nghiêm túc rồi chứ y hệt gì nữa).

Bảng trắng 1 — Chiến lược sản phẩm (Product Roadmap)

Các nội dung ghi trên bảng bao gồm (tôi phán bừa):

Boost phim bộ..: Cho thấy đội ngũ không chỉ stream bóng đá mà đang mở rộng sang nội dung phim, muốn tăng traffic từ mảng phim bộ (tham vọng nhể)
Tạo kênh chat Streaming..: Phát triển tính năng chat trực tiếp trong khi xem stream, giống mô hình Twitch/YouTube Live. Đây là tính năng tăng engagement và giữ chân người dùng nè.
Tự biên tập providers của mình..: Đội ngũ có lẽ đang xây dựng hệ thống nguồn cung cấp nội dung (providers) riêng, thay vì phụ thuộc bên ngoài hả ta?

Bảng này cho thấy tư duy product thinking rõ ràng: mở rộng nội dung (phim bộ), tăng tương tác (chat), và kiểm soát chuỗi cung ứng nội dung (tự biên tập providers).

Bảng trắng 2 — Kỹ thuật phát triển ứng dụng (Technical Quality)

Đây rõ ràng là bảng ghi chép từ buổi technical review / QA meeting, bao gồm:

“1. Ổn định → Đánh giá độ vỡ của hệ thống & kỹ thuật” - Có lẽ đội tech đang đánh giá stability của hệ thống, bao gồm tỷ lệ crash.
“Hiện tại: crash nhiều liên quan đến vòng đời ứng dụng (xoay màn hình, thoát nhanh, back màn hình, null pointer)” — Chắc là đang phân tích các lifecycle bugs kinh điển trong mobile dev: rotation handling, back navigation, null pointer exceptions (chả biết phải không, anh em thử cmt bên dưới)
“Về mức nghiêm trọng: Thao tác gây crash nào gặp rõ nhất?” — Prioritization theo severity, đúng phương pháp bug triage chuyên nghiệp.
“Về gốc rễ: Tại sao lại có quá nhiều lỗi xảy ra khi thực hiện thao tác đó?” — Phân tích root cause, không chỉ fix bề mặt.
“(Vd đào sâu: Kiến trúc quản lý State/Memory của app mạnh hay yếu? Xử lý async giữa...” — Đội tech đang thảo luận state management, memory management, async handling — những khái niệm core trong kiến trúc app hiện đại.
“UT và data có phù hợp chưa?” — Đặt câu hỏi về unit testing và cấu trúc dữ liệu.
“Trải nghiệm & logic → Đánh giá độ mượt & logic nghiệp vụ” — Tách biệt rõ ràng giữa UX quality (độ mượt) và business logic (logic nghiệp vụ).
“Hiện tại: nhiều lỗi dẫn về input (trim space), logic hiển thị...” — Đang debug các lỗi input validation và display logic.

Nội dung này cho thấy đội ngũ kỹ thuật của Xôi Lạc TV đang vận hành theo đúng quy trình software engineering bài bản: bug triage, root cause analysis, state/memory architecture review, unit testing, UX evaluation. Đây là thứ mà nhiều startup “chính thống” tại Việt Nam chưa chắc đã thực hiện nghiêm túc đến vậy.

Và rồi câu hỏi đặt ra: Tại sao Xôi Lạc TV làm product ngon hơn nhà đài F và K?

Tôi cũng tò mò, nhưng sau khi chat nhóm với Kevin (anh bạn có kinh nghiệm nhiều năm trong mảng media & tech tôi quen) và tự research thêm thì câu trả lời nó.. phức tạp hơn mà cũng đơn giản hơn nhiều người nghĩ.

Góc nhìn của Kevin:

“Lậu nó làm có lãi ngay từ day 1. Cơ bản là làm lậu nhẹ chi phí + lãi cao nên đầu tư vào product nó là cái duy nhất cần lo.
Còn các ông nhà đài nuôi một đống những thứ khác.”

Cấu trúc chi phí bất đối xứng có lẽ là yếu tố cốt lõi mà bạn Kevin đề cập

Nếu so sánh chi phí vận hành giữa Xôi Lạc TV và nhà F nhà K (đã hẹo), bạn sẽ thấy một bức tranh rất khác:

Chi phí bản quyền nội dung:

Xôi Lạc TV: 0 đồng. Mấy ổng lấy signal từ kênh có bản quyền rồi “restream” lại.
Nhà F: Hàng nghìn tỷ đồng mỗi chu kỳ.
Nhà K còn lỗ lũy kế hơn 5.500 tỷ đồng trong nhiều năm qua, đóng cửa luôn gòi.

Hạ tầng:

Xôi Lạc TV: CDN nước ngoài, server IP đặt tại Mỹ, chi phí thấp, hổng cần comply gì hết.
Nhà F: Hạ tầng trong nước, phải tuân thủ quy định phát sóng, compliance nặng.

Nhân sự:

Xôi Lạc TV: Khoảng 20 BLV x 9 triệu/tháng = 180 triệu/tháng. Mỗi trận BLV nhận 300.000 đồng → đó là báo nói vậy, còn sự thật thế nào thì tôi chưa chắc, chờ cập nhật thêm.
Nhà đài chính thống: Đội ngũ hàng trăm người, lương thị trường, bảo hiểm, văn phòng.. đủ thứ

Nguồn thu:

Xôi Lạc TV: Quảng cáo cờ bạc trực tuyến - CPM (tiền quảng cáo mỗi nghìn lượt xem) cao gấp nhiều lần quảng cáo thông thường. Đây là lý do doanh thu lên tới hàng trăm tỷ.
Nhà F: hình như chỉ có Subscription + quảng cáo bình thường - CPM thấp hơn, và còn phải chia sẻ với bên có bản quyền.

Khi chi phí cận biên gần bằng 0 mà doanh thu chính là quảng cáo cờ bạc (CPM cực cao), thì biên lợi nhuận (profit margin) béo quá trời. Toàn bộ “thặng dư” đó mấy ổng đổ vào product, đúng như Kevin nói.

Nói cách khác, Xôi Lạc TV không phải “giỏi hơn” F Play về mặt kỹ thuật.. mà là mấy ổng được phép chỉ lo product, còn những thứ khác thì.. éo cần lo :3

Nhưng ngoài ý trên của Kevin tôi thấy còn tầng tổ chức & văn hóa cần kể đến.

Kevin dừng ở lý do kinh tế. Nhưng còn một tầng nữa quan trọng không kém: cấu trúc tổ chức.

1. “Dân tech làm cả” í mà, thực tế sâu hơn là gì?

Xôi Lạc TV không có bộ phận nào không liên quan đến sản phẩm cốt lõi. Không có PR, không có pháp chế, không có phòng họp với sếp lớn. Whiteboard trong ảnh cho thấy đội tech họp bàn stability, state management, async handling.. những thứ mà ở nhiều công ty truyền hình chính thống (có khi) bị gác lại vì “sếp muốn thêm banner quảng cáo trước”.

Đây là văn hóa product-first (sản phẩm là trên hết) mà ngay cả startup hợp pháp bình thường cũng rất khó duy trì.

2. Áp lực ngược chiều

Nhà đài chính thống có thêm áp lực mà Xôi Lạc TV không có: phải phục vụ nhiều bên liên quan (stakeholders) như.. đối tác quảng cáo, cổ đông, ban biên tập, quy định phát sóng.. Mỗi stakeholder thêm vào là một lực cản với chất lượng product (thiệt..)

Xôi Lạc TV chỉ có một “khách hàng” thực sự: người xem + advertiser cờ bạc. Đơn giản hơn nhiều.

3. Incentive của BLV

BLV nhà đài: được đào tạo bài bản, đọc đúng format, tránh controversy (tranh cãi).

BLV Xôi Lạc TV: 300k/trận, không có ràng buộc biên tập → phong cách cởi mở hơn, cảm xúc hơn. “Anh Thỏ”, “Batman”, “Người Rơm”.. đều nổi tiếng vì style bình luận tự nhiên, thậm chí chửi bậy.

Đây không hắn là “người giỏi hơn” mà đây là cấu trúc ưu đãi (incentive structure) tạo ra output khác nhau.

--> Tóm lại, cách đặt vấn đề đúng tui nghĩ phải là: Xôi Lạc TV không giỏi hơn F Play vì dân kỹ thuật giỏi hơn — họ “giỏi hơn” vì hệ thống của họ chỉ được phép giỏi về product, không có gì khác để lo.

Mà nói vậy thôi.. so sánh kiểu này có công bằng không?

Thật ra.. hổng công bằng đâu :3

F Play đâu phải chỉ là “app xem bóng đá”. Đó là một mảng trong toàn bộ hệ sinh thái F Tel, phải gánh chi phí vận hành tập đoàn, rồi tuân thủ, báo cáo cổ đông, thuế má.. đủ thứ.

Xôi Lạc TV thì chỉ có một mục tiêu duy nhất: giữ người dùng xem đến khi click vào quảng cáo cờ bạc. Không cần quan tâm bất cứ thứ gì khác.

Giống như so sánh quán cơm tấm vỉa hè với nhà hàng 5 sao, quán vỉa hè có thể ngon hơn vì chỉ tập trung vào một thứ duy nhất, không phải lo tiền mặt bằng, đồng phục nhân viên , giấy phép tuân thủ vệ sinh an toàn thực phẩm.. Nhưng bạn không thể biểu nhà hàng 5 sao “học theo quán vỉa hè” được.

Góc nhìn rộng hơn: Khi tất cả làm chính thống đều gặp trở ngại như nhau..

Đây là điểm tôi muốn đào sâu thêm.

Trong một thị trường mà tất cả các bên chính thống đều phải chịu cùng một loại chi phí (bản quyền, tuân thủ, thuế..), thì mọi người không thể chỉ cạnh tranh với nhau bằng product nữa.

--> Phải cạnh tranh bằng sales, marketing, partnership, hoặc.. gì khác nữa.

Xôi Lạc TV tạo ra sự mất cân bằng là bởi vì không chơi theo luật.

Cũng giống như mảng thương mại điện tử Việt Nam năm 2025 tới nay, chứng kiến rất nhiều bên nhỏ lẻ sập tiệm và.. đi tò, vì “lách luật” để có lời (thậm chí lời nhiều). Tôi không nói tất cả anh em ecom đều vậy nhưng muốn lấy ví dụ tương tự cho dễ hình dung. Họ không trả thuế, bán hàng giả, nhập lậu.. và nhờ vậy có thể bán rẻ hơn đối thủ chính thống.

Nhưng cái giá phải trả? Một ngày đẹp trời, 38 người bị bắt, hơn 30 bị khởi tố, gần 1.000 tỷ bị phong tỏa.

--> “Lợi nhuận từ vi phạm pháp luật không phải là lợi nhuận, đó là nợ chưa đến hạn thôi.. hihi..”

Góc nhìn ngược cho Tech Startup:

Product-first có thể thắng thật.. nhưng.. Thấy vậy chứ coi bộ phức tạp hơn nhiều :3

Đúng, product-first vượt trội và khác biệt hoàn toàn so với thị trường (ví dụ stream không lag giật, linh hoạt chuyển kênh, bình luận cá nhân hóa..) thì có thể chiến thắng thật.

Nhưng trong thực tế, để đạt ngưỡng product vượt trội đó, bạn phải:

Tinh gọn hoặc tối giản vận hành, không phình to team: không thuê người không cần thiết
Tối ưu chi phí cực tốt: biết từ chối những thứ “có vẻ hay” nhưng không tạo giá trị
Tập trung tối đa vào chất lượng: thay vì dành thời gian làm những việc không tạo giá trị nhiều nhưng có vẻ.. ngầu

“Có vẻ ngầu” là gì? Kiểu chơi văn phòng hoành tráng khi team chỉ có 5 người. Hợp tác với mọi đối tác “có vẻ lớn” mà không chọn lọc phù hợp, tốn thời gian. Đi sự kiện này hội nghị nọ để chụp hình check-in. Mua tools đắt tiền để khoe dù không xài..

Thực tế là, nếu bạn không đạt ngưỡng tinh gọn đó, thì phải dành thời gian đi làm các công việc khác nếu không muốn chết đói.

(Cá nhân tôi cũng vậy — phải học kỹ năng bán hàng, chốt sales và đi làm partnership để có thêm lead thêm deal. Không phải vì thích, mà vì.. chưa đủ giỏi về product để chỉ cần tập trung vào product thôi. Nói thật vậy.)

Mở rộng ra thời đại AI: Tập trung tạo giá trị thực

Bài học này cũng áp dụng cho những người đang học hoặc ứng dụng AI vào vận hành doanh nghiệp.

Tôi thấy rất nhiều người mỗi ngày FOMO đủ công cụ mới. Hôm nay là A, ngày mai là B, tuần sau là tool XYZ nào đó vừa ra mắt. Rồi đi giao lưu với tổ chức này hiệp hội nọ, toàn gặp các “chuyên gia” có title dài ngoằng nhưng vào hỏi thì.. không thực sự làm được dự án nào thực tế cho doanh nghiệp. Đa phần toàn đi copy tin nước ngoài chia sẻ lại để.. lùa gà.

Bài học từ Xôi Lạc TV là gì? Họ tập trung tối đa vào việc tạo ra giá trị thực cho người xem: stream ổn định, BLV vui vẻ, chuyển kênh dễ dàng. Không phông bạt, không PR, không hội nghị.. chỉ có product.
Tất nhiên họ làm sai luật và phải chịu hậu quả. Nhưng riêng về mặt chiến lược tập trung sản phẩm, có thể học được.

Còn bạn? Nếu bạn dành 4 tiếng mỗi ngày để scroll feed xem tool AI mới, đi event networking, và post LinkedIn về “AI transformation”.. nhưng không có output cụ thể nào..

..thì có khi nên dừng lại hỏi:

Bạn đang tập trung tạo giá trị thực hay đang chạy theo những thứ “có vẻ ngầu”?

#voquoccuong #startup #product #thoughts

Lưu ý:
Bài viết chỉ nêu lên quan điểm cá nhân về việc phát triển sản phẩm. Tuyệt đối không cổ vũ cho mọi hành vi phạm pháp và Xôi Lạc TV làm sai và phải chịu trách nhiệm trước pháp luật.

Nguồn tham khảo:

Tuổi Trẻ Online: Khởi tố 30 bị can trong hệ thống ‘Xôi Lạc TV’

VnExpress: Bình luận viên ‘Anh Thỏ’ của Xôi Lạc TV nhận thù lao 300.000 đồng mỗi trận

CafeF: Hé lộ công ty đứng sau Xôi Lạc TV, F… có thêm hàng nghìn tỷ vốn hóa

24H: Giải mã ‘ma trận’ công nghệ restream tinh vi của Xôi Lạc TV

Kenh14: Bên trong cơ sở làm việc của Xôi Lạc TV trên đường Tố Hữu, Hà Nội

Bộ Công an: Khởi tố 30 bị can trong đường dây web lậu Xôi Lạc

GPT-5 là “một model” hay “cả một hệ thống”.. và tại sao điều đó quan trọng?

Thu, 26 Feb 2026 15:32:24 GMT

Có nhiều người hiểu lầm rằng GPT-5 là “một mô hình AI mới”. Tôi cũng từng nghĩ vậy.. cho đến khi đọc lại System Card của OpenAI.

GPT-5 không phải một model. Nó là một hệ thống hợp nhất (unified system) gồm nhiều model chuyên biệt, một bộ định tuyến thời gian thực (real-time router), và nhiều lớp kiểm soát an toàn chạy song song.

Nghe phức tạp hông? Để tôi ví dụ cho dễ hiểu..

Hình dung thử về quán cơm 4 kiểu phục vụ

Tưởng tượng bạn vô một quán cơm có 4 cách phục vụ:

Kiểu 1 là cơm phần sẵn: Bạn vô, chỉ tay, lấy liền. Nhanh, rẻ, éo cần suy nghĩ. Đây là chế độ Instant — gửi thẳng tới model nhanh (gpt-5-main), tối ưu cho tốc độ. Viết email ngắn, giải thích khái niệm đơn giản, tóm tắt văn bản.. kiểu công việc hàng ngày không cần suy luận sâu.

Kiểu 2 là cơm order riêng: Bạn gọi món, chờ bếp nấu, lâu hơn nhưng đúng ý. Đây là chế độ Thinking, dùng model suy luận (gpt-5-thinking), chạy nhiều bước lập luận nội bộ trước khi trả lời. Phù hợp cho bài toán phức tạp: lập kế hoạch, phân tích chiến lược, giải toán nhiều bước.

Kiểu 3 là chủ quán nhìn mặt đoán món: Bạn vô, chưa nói gì, chủ quán đã biết “anh này chắc ăn cơm tấm”. Đây là chế độ Auto — có thêm bộ định tuyến (router) phân tích câu hỏi và tự quyết định nên gửi tới model nhanh hay model suy luận. Người dùng không cần chọn, hệ thống tự lo.

Kiểu 4 là nấu 3 món, bạn chọn ngon nhất: Bếp nấu 3 phiên bản khác nhau của món bạn gọi, rồi có người chấm điểm và đưa bạn món ngon nhất. Tốn thời gian, tốn tiền, nhưng chắc ăn. Đây là chế độ Pro, vẫn dùng model suy luận, nhưng tạo ra nhiều phương án, rồi dùng một model đánh giá (reward model) để chọn kết quả tốt nhất.

Mà nói vậy thôi.. phần giải thích về Pro mode là tôi suy ra từ cách các mô hình AI thường được thiết kế (best-of-N sampling). OpenAI chưa công bố chi tiết kỹ thuật cụ thể cho phần này đâu ^^

Cái diagram động này tôi dùng AI gen ra từ ảnh trên của Alex Xu cho dễ hình dung

Bộ định tuyến, hay cứ gọi là “não” của hệ thống

Điểm hay nhất của kiến trúc này không phải ở từng model riêng lẻ, mà ở bộ định tuyến (router).

Router này là một bộ phân loại nhẹ (lightweight classifier), phân tích câu hỏi ngay khi nhận được và quyết định: câu này đơn giản → gửi model nhanh; câu này phức tạp → gửi model suy luận.

Và nó học liên tục. Theo System Card, router được huấn luyện dựa trên tín hiệu thực: khi nào người dùng tự chuyển mode, tỉ lệ hài lòng với câu trả lời, độ chính xác đo được.. Tức là càng dùng, nó càng thông minh hơn trong việc đoán ý bạn.

Đây là tư duy thiết kế định tuyến động (dynamic routing) — phân bổ tài nguyên thông minh theo đặc tính đầu vào. Không phải câu nào cũng cần “nghĩ sâu”. Câu đơn giản mà kích hoạt model suy luận nhiều bước thì vừa chậm, vừa tốn tiền, vừa.. không cần thiết.

Safeguards — phòng thủ nhiều lớp

Song song với toàn bộ quá trình trên là các tầng kiểm soát an toàn (safeguards). Không phải một bước cuối cùng đơn lẻ, mà là hệ thống giám sát nhiều lớp:

Đầu tiên là bộ phân loại chủ đề nhanh (fast topic classifier) — xác định nội dung có thuộc nhóm rủi ro cao không.

Sau đó là bộ giám sát suy luận (reasoning monitor), kiểm tra nghiêm ngặt hơn để đảm bảo phản hồi không vi phạm chính sách an toàn.

Kiến trúc này gọi là phòng thủ theo chiều sâu (defense-in-depth), nhiều lớp bảo vệ thay vì dựa vào một điểm kiểm soát duy nhất.

Thật ra.. người dùng bình thường có cần hiểu vậy không?

Tôi cũng tự hỏi câu này khi viết bài.

Nếu bạn chỉ dùng ChatGPT để hỏi đáp hàng ngày, viết email, brainstorm ý tưởng.. thì có lẽ không cần. Cứ mở lên, gõ, nhận kết quả. Hệ thống tự lo phần còn lại.

Nhưng nếu bạn làm trong ngành AI, xây dựng sản phẩm AI, hoặc tư vấn AI cho doanh nghiệp.. thì hiểu kiến trúc này khá quan trọng.

Vì sao?

Thứ nhất, đây không còn là câu hỏi “model nào mạnh nhất”. Câu hỏi đúng là: “Hệ thống này phân bổ tài nguyên và quản trị rủi ro như thế nào?” Khi AI chuyển từ model đơn lẻ sang kiến trúc hệ thống, năng lực thực tế không còn nằm ở kích thước tham số, mà ở thiết kế điều phối thông minh.

Thứ hai, các hãng AI khác gần như chắc chắn cũng đang làm tương tự. Google với Gemini, Anthropic với Claude.. đều có nhiều model size khác nhau. Việc có một router tự động chọn model phù hợp là bước tiến hợp lý tiếp theo. OpenAI chỉ là hãng công bố rõ ràng trong System Card thôi (hổng biết đúng hem, nhưng tôi chỉ đọc được từ đây nên nói vậy, ai biết chỉ thêm nhe).

Thứ ba, nếu bạn đang xây AI nội bộ cho doanh nghiệp, đây là một tham chiếu kiến trúc đáng học. Thay vì dùng một model cho mọi thứ, có thể nghĩ theo hướng: model nhẹ cho tác vụ đơn giản, model nặng cho tác vụ phức tạp, và một lớp router ở giữa để quyết định.

Điểm đáng chú ý nhất?

Nếu phải chọn một điểm, tôi chọn khả năng định tuyến động.

Vì trong kỷ nguyên AI quy mô lớn, bài toán không chỉ là “trả lời đúng”. Mà còn là “trả lời đúng với chi phí hợp lý và mức rủi ro được kiểm soát”.

Giống như quán cơm không thể nấu omakase cho mọi khách. Có khách cần cơm phần nhanh gọn, có khách cần món đặc biệt. Biết phân biệt và phục vụ đúng cách, đó mới là vận hành bền vững.

Sẵn tiện nói thêm.. bài này tôi viết lại từ góc nhìn của mình, dựa trên infographic của Alex Xu (ByteByteGo) và GPT-5 System Card chính thức của OpenAI. Diagram gốc là của ByteByteGo.

#voquoccuong

Nguồn tham khảo:

- GPT-5 System Card — OpenAI (https://openai.com/index/gpt-5-system-card/)

- Alex Xu (@alexxubyte) — ByteByteGo, bài gốc trên X

- GPT-5 System Card trên arXiv (https://arxiv.org/abs/2601.03267)

Tự động hóa đăng bài đa kênh cho dân không chuyên

Wed, 25 Feb 2026 15:29:24 GMT

Bạn mà biết thì chắc chắn sẽ bỏ cuộc từ sớm nên không có cái khóa học nào bán được ^^

Bài này để tôi kể hết cho bạn biết

--> để bạn cân nhắc khi sử dụng các phần mềm nguồn mở như n8n hay postiz để làm luồng đăng bài tự động đa kênh.

Bạn có từng thấy mấy video trên mạng quảng cáo kiểu: “Chỉ cần bấm vài nút là tự động đăng bài lên 5 kênh cùng lúc, công cụ hoàn toàn miễn phí”?

Nghe thì hay.. nhưng thực tế thì sao?

Tôi là người trực tiếp sử dụng các công cụ tự động hóa (automation) như n8n, Postiz để đăng bài đa kênh cho tôi và team. Nó nhiêu khê hơn những gì mà bạn có thể tưởng tượng, đặc biệt là người mới & là dân không chuyên (non-tech).

Đây là những gì THẬT SỰ xảy ra.

1. CÁI GIÁ CỦA CHỮ “MIỄN PHÍ”

Mấy công cụ như n8n, Postiz đều quảng cáo là mã nguồn mở (open-source), miễn phí. Đúng.. phần mềm thì miễn phí thật.

Nhưng mà..

Bạn vẫn phải thuê máy chủ ảo (VPS) để cài nó lên. Tối thiểu tầm 500k/tháng trở lên mới chạy được mà không giật lag. Rẻ hơn thì cứ thử.. tôi thử rồi, lag muốn khóc ^^

Rồi phải tự cài đặt tất cả từ Docker lên VPS, cấu hình domain, bảo mật.. chưa kể đi đăng ký tài khoản nhà phát triển (developer account) trên từng nền tảng, tạo ứng dụng (app), lấy mã xác thực (credential), khai báo App ID, App Secret..

Nghe tới đây thôi mà dân non-tech chắc đã muốn tắt máy rồi :3

Trong khi đó.. mấy phần mềm lên lịch đăng bài (social planner) có sẵn như Buffer, Hootsuite hoặc tự động hóa với Make.com thì sao?

Trả tiền.. bấm bấm vài đường.. kết nối.. xong. Không cần biết Docker là gì, VPS là gì. Tầm 9-29 mỹ kim mỗi tháng với quy mô nhỏ, thậm chí vừa vẫn còn tiết kiệm hơn rất rất nhiều lần với cái gọi là “miễn phí” ở trên.

Trả tiền mua sự tiện lợi thì nó phải khác hẳn.

Nhưng mà nói vậy thì ai cũng nói được.. tôi muốn đi sâu hơn, kể cho bạn nghe CỤ THỂ nó khó ở chỗ nào trên từng nền tảng.

2. FACEBOOK.. KHÔNG ĐƠN GIẢN

Nhiều người nghĩ Facebook dễ vì xài quen rồi, không phải đâu.

Khi bạn muốn kết nối ứng dụng bên thứ 3 (third-party app) để tự động đăng bài lên Facebook Page hoặc Instagram, bạn sẽ phải làm việc với cái gọi là “Facebook Developer Platform”..

Tin tốt là.. nếu bạn chỉ quản lý trang (Page) và Instagram của chính bạn thì KHÔNG cần xin duyệt ứng dụng (App Review). Dùng quyền truy cập tiêu chuẩn (Standard Access) là đủ.
Còn không tốt thì.. nếu bạn là agency hoặc muốn quản lý tài khoản của nhiều khách hàng thì..

Phải xin App Review, với quyền truy cập nâng cao (Advanced Access). Thời gian chờ trung bình: 7 TUẦN. Có khi kéo dài hơn 60 ngày.

Để submit App Review, bạn cần:

- Trang quản lý ứng dụng (App Dashboard) đầy đủ thông tin

- Chính sách quyền riêng tư (Privacy Policy) có đường dẫn (URL) công khai

- Điều khoản dịch vụ (Terms of Service)

- Video demo cho người duyệt xem ứng dụng hoạt động ra sao

- Giải thích rõ tại sao cần từng quyền truy cập

- Xác minh doanh nghiệp (Business Verification)

Mà cái khó nhất là.. Business Verification bị từ chối.

Tại sao? Thông tin công ty không khớp với giấy tờ. Website không chuyên nghiệp hoặc không hoạt động. Thiếu Privacy Policy.. đủ thứ lý do.

Rồi App Review bị từ chối nhiều lần cũng là chuyện thường. Video demo không rõ ràng, mục đích sử dụng (use case) không khớp với quyền yêu cầu, ứng dụng bị lỗi khi người duyệt test.. hờ hờ, nghe là thấy mệt rồi..

3. INSTAGRAM.. GIỐNG FACEBOOK NHƯNG KHÓ HƠN

Instagram API giờ gắn chặt với Facebook. Nghĩa là muốn kết nối Instagram, bạn PHẢI có Facebook Page liên kết.

Và lưu ý quan trọng: tài khoản Instagram cá nhân (Personal Account) KHÔNG được hỗ trợ. Bạn bắt buộc phải chuyển sang tài khoản Doanh nghiệp (Business) hoặc Nhà sáng tạo (Creator).

Bước chuyển đổi thì không khó:

1. Mở ứng dụng Instagram

2. Cài đặt → Tài khoản → Chuyển sang Tài khoản chuyên nghiệp

3. Chọn Business hoặc Creator

4. Liên kết với Facebook Page

Nhưng cái đau đầu nằm ở mấy chỗ này:

Thứ nhất, API hiển thị cơ bản (Basic Display API) đã ngừng hoạt động từ 2024. Tất cả phải chuyển sang API đồ thị Instagram (Instagram Graph API). Nếu bạn đang dùng tool nào còn xài API cũ thì.. chúc may mắn.

Thứ hai, Instagram KHÔNG cho đăng tin Story hay video ngắn (Reel) từ API. Chỉ đăng được bài viết thông thường (feed post) thôi. Muốn đăng Story hay Reel? Phải làm tay. Không biết bây giờ đã cập nhật chưa?

Thứ ba, giới hạn tốc độ gọi API (rate limit) rất thấp.. chỉ 200 lượt yêu cầu/giờ. Đăng nhiều bài cùng lúc? Coi chừng bị chặn.

--> Nói thêm là thời gian chờ duyệt Instagram nếu phục vụ nhiều khách hàng thì hơn 60 ngày.. hai tháng ngồi chờ, tôi thấy nhiều người bỏ cuộc ở bước này luôn.

4. TIKTOK.. BẮT BUỘC XIN DUYỆT

TikTok là nền tảng NGHIÊM NGẶT NHẤT khi nói về kết nối API.

Quy trình của TikTok chia 3 giai đoạn:

1. Chế độ phát triển (Development Mode): Chỉ test được với tài khoản của chính bạn

2. Chế độ thử nghiệm (Sandbox Mode): Test với tính năng hạn chế

3. Chế độ sản xuất (Production Mode): PHẢI submit App Review + vượt qua bài kiểm tra chấp nhận (Acceptance Tests)

Thời gian xin duyệt: 2-4 tuần, tùy độ phức tạp.

Mà cái Acceptance Tests của TikTok thì.. ai làm rồi mới hiểu. Bạn phải hoàn thành nhiều bài kiểm tra, chứng minh API thiết lập đúng, không có lỗi kết nối, minh chứng từng tính năng hoạt động.. upload video test, truy vấn sản phẩm, xác minh đơn hàng.. đủ thứ.

Rồi quyền truy cập (permission) của TikTok cũng rất chặt. Yêu cầu sai quyền? Bị từ chối. Không giải thích được tại sao cần? Bị từ chối.

Chế độ phát triển thì quá hạn chế.. không test được với tài khoản khách hàng, không đăng được công khai. Chỉ có cách submit sớm rồi chờ.

5. YOUTUBE.. DÙNG ĐƯỢC NHƯNG.. VIDEO BỊ KHÓA

YouTube là một trường hợp lạ.

Bạn CÓ THỂ dùng ngay mà không cần xin duyệt. Nhưng..

Người dùng sẽ thấy cảnh báo “Ứng dụng chưa được xác minh” (Unverified App) khi đăng nhập. Phải bấm vào “Nâng cao” (Advanced) → “Đi tới [Tên ứng dụng] (không an toàn)” (Go to [App Name] - unsafe). Nghe thấy chữ “unsafe” là ai cũng sợ rồi, mà kệ.. xài cho chính bản thân mình thì cũng không sao.

Và bi kịch hơn là.. video tải lên từ ứng dụng chưa xác minh sẽ bị KHÓA ở chế độ riêng tư (Private). Tức là bạn đăng xong.. không ai xem được. YouTube sẽ gửi email nói: “Video của bạn đã bị khóa riêng tư vì được tải lên bằng dịch vụ bên thứ 3 chưa qua quy trình xác minh.”

Muốn video công khai tự động? Phải xin xác minh OAuth của Google. Thời gian chờ: 4-6 tuần.

Yêu cầu xác minh cũng không đơn giản:

- Privacy Policy URL (công khai, truy cập được)

- Terms of Service URL

- Trang chủ ứng dụng

- Tên miền đã xác thực

- Thông tin thương hiệu đầy đủ

- Video demo ứng dụng

Rồi còn giới hạn quota: 10.000 đơn vị/ngày.
À.. mỗi lần tải video lên tốn tầm 1.600 đơn vị.
Tính ra chỉ tải được khoảng 6 video/ngày.

Chọn “Internal” cho OAuth cũng không giúp gì đâu.. video vẫn bị khóa riêng tư, vẫn phải xin xác minh. “Internal” chỉ hoạt động khi bạn dùng Google Workspace thôi.

6. TWITTER/X.. ĐƠN GIẢN NHẤT NHƯNG.. ĐẮT NHẤT

Twitter/X là nền tảng duy nhất KHÔNG cần xin duyệt. Tạo ứng dụng, lấy thông tin xác thực, dùng ngay. Tuyệt vời.

Nhưng đổi lại..

Gói miễn phí (Free tier) CỰC KỲ hạn chế:

- Chỉ đăng được 500-1.500 bài/tháng (toàn bộ ứng dụng, không phải mỗi tài khoản), cá nhân cũng tạm chấp nhận được.

- Chỉ đọc được 100 bài/tháng

- Thực tế là KHÔNG THỂ ĐỌC được gì (chỉ ghi, không đọc - write-only)

Tính thử: 1.500 bài/tháng, quản lý 10 tài khoản thì mỗi tài khoản chỉ đăng được 5 bài/ngày. Hết quota giữa tháng thì.. ngồi nhìn.

Muốn nhiều hơn? Trả tiền:

- Gói Basic: 200 đô/tháng (khoảng 5 triệu). Được 50.000 bài/tháng

- Gói Pro: 5.000 đô/tháng (khoảng 125 triệu)

- Gói Enterprise: 42.000 đô/tháng (hơn 1 TỶ)

Không.. bạn đọc không nhầm đâu. 42.000 đô Mỹ mỗi tháng cho API Twitter. Elon Musk đúng là chúa bào tiền, API các bên miễn phí còn hắn thì.. thu tiền luôn.

Rồi Free tier không cho đọc dữ liệu nha. Không theo dõi được lượt đề cập (mention), không theo dõi hashtag, không phân tích xu hướng (trend). Chỉ ĐĂNG, không ĐỌC.

API phiên bản cũ (v1.1) cũng đã ngừng hỗ trợ cho gói miễn phí. Chỉ dùng được API v2.

7. BẢNG SO SÁNH TỔNG HỢP

Nếu bạn đọc tới đây mà vẫn chưa tắt.. thì đây là bảng “tóm tắt nỗi đau” tôi viết gọn lại cho dễ xem (à có kèm hình nhờ AI gen luôn):

- Facebook: Dùng ngay được (Standard) | Cần duyệt nếu phục vụ khách hàng | Chờ 1-7 tuần | Khó nhất: Xác minh doanh nghiệp | Độ khó: 4/5 sao

- TikTok: KHÔNG dùng ngay được (chỉ Sandbox) | BẮT BUỘC duyệt | Chờ 2-4 tuần | Khó nhất: Bài kiểm tra chấp nhận | Độ khó: 5/5 sao

- Twitter/X: Dùng ngay, không cần duyệt | Ngay lập tức | Khó nhất: API đắt kinh khủng | Free tier gần như vô dụng | Độ khó: 2/5 sao

Lưu ý: thông tin của tôi có thể chỉ đúng tới thời điểm cuối cùng tôi có tương tác với ứng dụng này gần đây, còn các cập nhật sau đó thì không chắc. Bạn có thể tham khảo tài liệu official của từng nền tảng để chắc chắn hơn nhe.

MẸO ĐỂ “SỐNG SÓT” QUA QUÁ TRÌNH DUYỆT ỨNG DỤNG

Chuẩn bị đầy đủ giấy tờ TRƯỚC khi bắt đầu:

- Chính sách quyền riêng tư (Privacy Policy) - bắt buộc trên MỌI nền tảng

- Điều khoản dịch vụ (Terms of Service)

- Website chuyên nghiệp, hoạt động

- Giấy đăng ký kinh doanh

- Mã số thuế

Video demo thật chi tiết: quay màn hình rõ ràng, cho thấy toàn bộ luồng người dùng (user flow), giải thích mục đích sử dụng, dài 2-5 phút. Hồi đợt tôi phải chật vật làm đủ thứ vì bị đòi các tài nguyên này.

Chuẩn bị tài khoản test sẵn sàng cho reviewer. Tài khoản phải hoạt động 100%, có dữ liệu test sẵn.

Giải thích rõ ràng: TẠI SAO cần quyền đó? Dữ liệu sẽ dùng làm gì? Người dùng được lợi gì?

Đảm bảo ứng dụng chạy ngon: không lỗi, tất cả tính năng hoạt động, giao diện chuyên nghiệp.

✍️ DÀI QUÁ MÀ LƯỜI ĐỌC THÌ.. TÓM LẠI LÀ..

Tự động hóa đăng bài đa kênh với công cụ mã nguồn mở nghe thì hay: miễn phí, toàn quyền kiểm soát, không phụ thuộc bên thứ 3.

--> Nhưng cái giá thật sự là: thời gian, kiến thức kỹ thuật, và kiên nhẫn (thực sự.. phải rất là kiên nhẫn, có khi vài tháng).

Bạn sẽ phải: thuê máy chủ (tầm 500k+/tháng, mình thì thường thuê con 900k trở lên thôi cho mượt), tự cài đặt mọi thứ, đăng ký tài khoản nhà phát triển trên từng nền tảng, chờ duyệt từ 2 tuần đến 2 tháng, xử lý đủ loại lỗi bị từ chối..

Còn nếu bạn không muốn đau đầu? Tôi chân thành khuyên bạn cứ trả tiền cho mấy phần mềm có sẵn đi.

--> Bấm bấm vài đường là xong.

Không có con đường nào sai.. chỉ có con đường nào phù hợp với bạn thôi. Đó là lý do hầu như các workshop và chương trình của bên Cường Hóa AI tôi đều ưu tiên sử dụng Make .com hoặc các công cụ SaaS có sẵn để anh chị em nhanh chóng đạt kết quả hơn.

Riêng bản thân tôi và công ty tôi thì chọn con đường khó hơn.. vì tôi thích hiểu nó hoạt động ra sao, thích được toàn quyền kiểm soát dữ liệu. Mà cũng vì tôi có team kỹ thuật hỗ trợ.. chứ một mình thì nghĩ lại chắc bỏ cuộc luôn rồi.

Hy vọng bài này sẽ giúp cho các bạn mới (lại không chuyên) thấy thêm nhiều góc khuất thực sự khi làm Automation mà ít ai nói cho bạn biết.

Mọi người có câu hỏi hoặc kinh nghiệm gì khác đã từng giẫm mìn có thể chia sẻ thêm dưới comment nha.

#voquoccuong #cuonghoaai #automation #socialmedia

178 triệu lượt đọc cho một bài viết dài hơn 10 ngàn chữ.. có gì hay ho?

Tue, 24 Feb 2026 14:54:52 GMT

Cứ 40 người trên hành tinh này thì có 1 người đã đọc bài của Dan Koe. Không phải video ngắn. Không phải reel 30 giây. Mà là một bài viết dài về.. phát triển bản thân.

Tiêu đề nghe rất giật tít: “Làm thế nào để thay đổi hoàn toàn cuộc đời bạn chỉ trong một ngày”

Tôi đọc xong thì.. à ờ.. cũng không mới lắm. Nhưng cách ông ấy đóng gói lại thì hay. Nên thử bóc ra xem sao.

Tầng 1.. Căn tính trước, hành vi sau

Logic của Dan Koe ngược với cách đa số người ta hay làm.

Thường mình sẽ nghĩ: muốn gầy thì phải ăn kiêng, phải tập gym, phải “kiên trì”. Nhưng ông ấy nói nếu vẫn đang phải dùng 2 chữ “kiên trì” để làm một việc gì đó.. thì 99% là sẽ thất bại.

Tại sao? Vì trong tiềm thức mình vẫn nghĩ mình là “người béo”, và việc giảm cân là sự chịu đựng đau khổ, không bình thường.

Ví dụ dễ hiểu hơn: Ai đó mời hút thuốc.
- Nói “Cảm ơn, tôi đang cai thuốc” → tiềm thức vẫn coi mình là người nghiện, đang gồng
- Nói “Cảm ơn, tôi không hút thuốc” → tiềm thức ghi nhận: không hút mới là trạng thái bình thường

Nghe thì đơn giản.. mà làm thì khó. Tôi tự hỏi liệu có phải chỉ cần “nói khác đi” là xong không, hay còn cần thêm gì đó nữa. Chắc là cần, nhưng ít nhất đây là điểm bắt đầu.

Tầng 2.. Chạy trốn ác mộng thay vì đuổi theo giấc mơ

Đây là phần tôi thấy hay nhất.

Dan Koe gọi nó là Phản nguyện cảnh (Anti-vision). Thay vì hỏi “bạn muốn trở thành ai”, hãy hỏi “bạn sợ trở thành ai”.

Cách làm: Nhắm mắt lại, tưởng tượng 5 năm tới nếu không thay đổi gì cả.

Sáng thứ Ba năm 2031, 9 giờ sáng, mình đang ở đâu? Có phải vẫn chen chúc trên xe buýt, lướt điện thoại xem câu chuyện thành công của người khác? Tối về nhà có phải vẫn nằm vật ra ghế sofa hai tiếng, rồi tự an ủi “để mai tính”?
Kéo dài 10 năm nữa.. ai đã hoàn toàn thất vọng về mình? Người ta nói xấu sau lưng mình về điều gì?

Nếu nghĩ nghiêm túc, hình ảnh này khó chịu lắm. Khó chịu.. khó chịu.. dần. Dan nói vậy là đúng hướng rồi đó. Vì sự chán ghét là động lực mạnh hơn sự hướng tới.

Mà nói vậy thôi.. tôi cũng hổng biết có đúng 100% không. Có người cần cây gậy (sợ hãi), có người cần củ cà rốt (khao khát) hay có người cần dưa leo.. à.. đi hơi xa rồi ^^.

Chắc tùy người. Nhưng thử cách này cũng không mất gì.

Tầng 3.. Biến cuộc đời thành game

Cảm hứng rồi sẽ nguội. Nỗi sợ rồi sẽ chai. Nên cần một hệ thống để việc thay đổi trở thành guồng quay tự động.

Dan Koe hỏi: Tại sao chơi game cả ngày không mệt? Vì game có mục tiêu rõ ràng, có phản hồi tức thì, và nhân vật không ngừng thăng cấp.

Cuộc đời mình đang thiếu 3 điều đó.

Gần đây tôi mới tập cái này.. viết ra “điều kiện thắng” cho từng giai đoạn. Không phải kiểu “tôi muốn giàu” chung chung, mà là: 6 tháng tới cần đạt X, tháng này cần làm Y, tuần này làm Z. Mỗi ngày chỉ 2-3 việc thúc đẩy tuyến chính, còn lại là tiếng ồn.

Nghe thì giống OKR, KPI các kiểu.. mà khác ở chỗ: mình tự đặt cho mình, không phải sếp đặt. Và quan trọng hơn là gắn với căn tính “tôi là người như thế nào” chứ không phải “tôi phải làm gì”.

Còn cái ý “nhân vật thăng cấp” thì.. hay nhưng hơi lý thuyết. 20 tuổi, 30 tuổi, 50 tuổi chuyển đổi căn tính một lần nghe đẹp, mà thực tế thì lộn xộn hơn nhiều. Tôi đoán mò vậy, tại cũng đang mò mẫm mà hớ hớ.

Sẵn tiện nói thêm chuyện bên lề

Phương pháp của Dan Koe thực chất là bản remix hiện đại, kết hợp mấy thứ cũ:

Tầng căn tính có hơi thở của Nietzsche, khái niệm Siêu nhân (Übermensch) và quá trình tự vượt qua chính mình
Phản nguyện cảnh là phiên bản hiện đại của kỹ thuật Hình dung tiêu cực (Premeditatio Malorum) của các triết gia Khắc kỷ
Tầng hệ thống thì gần với triết lý của James Carse trong cuốn “Trò chơi hữu hạn và vô hạn” (Finite and Infinite Games)

Không có gì mới.. nhưng đóng gói lại thì dễ nuốt hơn. Và 178 triệu lượt đọc chứng minh là cách đóng gói quan trọng không kém nội dung.

Năm 2026 mới bắt đầu. Nếu có thử, thì thử từ câu hỏi này: Cuộc sống mà mình tuyệt đối không muốn phải trải qua vào 5 năm tới là gì?

Viết ra đi. Rồi để đó. Xem nó có ám ảnh đủ để làm mình nhúc nhích không.

Thấy dễ vậy chứ coi bộ không phải ai cũng chịu làm à :3

---

#voquoccuong

Nguồn tham khảo:

- Dan Koe, “How To Completely Change Your Life In A Day” bài viết gốc trên X (178M+ views)

- Friedrich Nietzsche, “Thus Spoke Zarathustra” khái niệm Übermensch

- James Carse, “Finite and Infinite Games” (1986)

Tối ưu token trong Claude Projects

Sat, 21 Feb 2026 16:54:35 GMT

Tuần này tôi ngồi dọn lại mấy project trong Claude, và nhận ra mình hơi bị ngây thơ suốt mấy tháng trời..

Kiểu “cứ quăng file vào cho nó nhiều là ngon” thì ra hổng phải vậy.

Nên viết bài này chia sẻ lại những gì tôi vừa tìm hiểu được, dành cho anh chị em dân không chuyên nhưng muốn hiểu cách Claude Projects thực sự hoạt động.

Đầu tiên — Token là gì?

Token là đơn vị nhỏ nhất mà Claude dùng để “đọc” và “xử lý” text.

Một số quy đổi nhanh:

1,000 tokens ≈ 750 từ tiếng Anh
1,000 tokens ≈ 500 từ tiếng Việt (do tiếng Việt có dấu, phức tạp hơn)
200,000 tokens ≈ 500 trang sách

Tại sao cần quan tâm? Vì Claude có giới hạn cửa sổ ngữ cảnh (context window) — tức là bộ nhớ làm việc của nó. Mọi thứ mình gửi vào + mọi thứ Claude trả lời = phải nằm gọn trong cửa sổ này.

Vượt quá thì Claude bắt đầu.. quên, ngáo luôn.

Điều tôi hiểu sai suốt mấy tháng

Tôi cứ nghĩ Claude Projects hoạt động kiểu “thông minh” là.. load file nào cần thì load, không cần thì bỏ qua.

Thì ra.. trật lất hết (SAI).

Anthropic documentation nói rõ:

Khi tổng project knowledge DƯỚI context limit (~200k tokens):

→ Claude load TOÀN BỘ files vào context MỖI câu hỏi. Không selective gì hết.

Khi tổng project knowledge TRÊN context limit:

→ Tự động chuyển sang RAG mode, lúc này mới search selective, chỉ load chunks liên quan.

Nôm na là: Nếu project của bạn có 10 files nhỏ tổng 20,000 tokens, thì mỗi lần hỏi Claude, cả 10 files được load vào. Dù bạn chỉ hỏi về 1 file.

Đây là “chi phí ẩn” mà nhiều người hổng biết.

Ví dụ thực tế từ project tôi vừa dọn

Trước khi tối ưu:

11 files trong project
Instructions dài (~3,000 tokens)
Tổng project knowledge: ~20,000 tokens

—> Mỗi câu hỏi: Instructions + 11 files + conversation = ~25,000 tokens input

Sau khi tối ưu:

Gộp còn 2 files chính (bỏ README, CHANGELOG, file trùng lặp)
Instructions gọn lại (~2,000 tokens)
Tổng project knowledge: ~8,000 tokens

—> Mỗi câu hỏi: Instructions + 2 files + conversation = ~10,000 tokens input

Tiết kiệm: ~15,000 tokens/câu hỏi.

Nghe có vẻ không nhiều, nhưng nhân với 50 câu hỏi/ngày, nhân với 30 ngày.. con số bắt đầu đáng kể.

Và quan trọng hơn:
Claude focus tốt hơn khi context gọn.
Ít noise = trả lời chính xác hơn.

4 nguyên tắc tối ưu token cho người không chuyên

1. Instructions — giữ ngắn, không lặp

Instructions được inject vào context MỖI câu hỏi. Chiếm token cố định.

Nếu instruction dài 5,000 tokens, mỗi câu hỏi bạn đã “tốn” 5,000 tokens trước khi nói gì.

Tip:
Viết instructions như viết email cho sếp bận — ngắn gọn, rõ ràng, đi thẳng vào việc.

2. Dọn file không cần thiết

README.md? CHANGELOG? File “lưu lại cho chắc”?

Nếu Claude không cần reference mỗi ngày → bỏ luôn đi.

Thật ra mấy cái này phù hợp project dưới máy tính xài trên Antigravity/Claude Code/Windsurf/Cursor thôi, còn Claude Desktop/Web thì không cần.

3. Gộp file có nội dung liên quan

Thay vì 5 file nhỏ về cùng một chủ đề → gộp thành 1 file thôi.

Giảm trùng lặp.

4. Chú ý format file

HTML files thường chiếm nhiều token hơn do Claude đọc cả tags. Markdown hoặc plain text gọn hơn.

(số liệu từ một bài test tôi đọc: cùng nội dung, HTML chiếm gấp đôi token so với Markdown —> à.. cái này để tôi lên bài liên quan HTML to Markdown sau)

Làm sao biết project đang dùng bao nhiêu token?

Hiện tại Claude.ai chưa có dashboard hiển thị token usage chi tiết. Nhưng có vài cách ước tính:

Cách 1: Dùng tool online

Tôi hay dùng tool count token miễn phí này:

- claudetokenizer.com — support Claude models mới nhất, upload được file

Copy text vào, nó trả về số token.

Cách 2: Xem dấu hiệu RAG

Nếu project của bạn đã chuyển sang RAG mode, Claude sẽ hiện “Indexing” indicator trong giao diện. Lúc đó bạn biết mình đã vượt ngưỡng ~200k tokens.

Cách 3: Ước tính nhanh

Tính nhẩm đại đại:

- 1 trang A4 text thường ≈ 500-800 tokens

- 1KB file text ≈ 250-400 tokens (tùy ngôn ngữ)

RAG là gì và khi nào nó kích hoạt?

RAG (Retrieval Augmented Generation) là chế độ “tìm kiếm thông minh” của Claude.

Khi KHÔNG có RAG (project nhỏ):

Claude load toàn bộ files vào “bộ nhớ làm việc” mỗi câu hỏi.

Khi CÓ RAG (project lớn, vượt 200k tokens):

Claude dùng tool search để tìm chunks liên quan, chỉ load những phần cần thiết.

Theo Anthropic:
- RAG tự động kích hoạt khi project tiến gần hoặc vượt context window limit
- Dung lượng project có thể mở rộng lên 10x so với mode thường
- Chất lượng response vẫn tương đương

Một điểm hay: Nếu sau đó bạn xóa bớt files và project về dưới ngưỡng 200k, Claude tự động chuyển ngược về mode load-toàn-bộ.

---

Sẵn tiện nói thêm chuyện bên lề..

Tôi từng nghĩ “càng nhiều context càng tốt” — kiểu cho Claude đọc hết mọi thứ, nó sẽ hiểu mình hơn.

Thật ra ngược lại.

Claude như một nhân viên mới vào công ty. Bạn đưa cho họ 500 trang tài liệu trước buổi họp đầu tiên — họ sẽ lú luôn và hổng biết đâu là quan trọng.

Nhưng nếu bạn đưa 10 trang tóm tắt đúng trọng tâm — họ sẽ vào việc nhanh hơn nhiều.

Context gọn = Claude focus hơn = output tốt hơn.

Đơn giản vậy thôi :3

---

Nguồn tham khảo:

- Anthropic Help Center: RAG for Projects — https://support.claude.com/en/articles/11473015-retrieval-augmented-generation-rag-for-projects

- Anthropic Help Center: Context Window — https://support.claude.com/en/articles/8606394-how-large-is-the-context-window-on-paid-claude-plans

- Anthropic Docs: Token Counting API — https://docs.anthropic.com/en/docs/build-with-claude/token-counting

- Anthropic Docs: Context Windows — https://docs.claude.com/en/docs/build-with-claude/context-windows

Tool count token:

- https://claudetokenizer.com (official API)

- https://lunary.ai/anthropic-tokenizer

- https://token-counter.app/anthropic

#voquoccuong

VIBE CODING có phải đang tạo ra rác công nghệ?

Fri, 20 Feb 2026 17:41:40 GMT

Dạo này feed tôi tràn ngập mấy bài kiểu “tôi không biết code, vừa build xong app trong 10 phút nhờ AI”.

Comment bên dưới chia hai phe cãi nhau như cái chợ đầu hẻm nhà tôi.

Phe thì “wow thiên tài”.
Phe thì “AI Slop - toàn là rác, lên production đi rồi biết nha”.

Tôi ngồi đọc mà thấy.. cả hai phe đều đúng. Và cả hai đều “tào lao” như nhau.

Để tôi viết vài dòng hơi thô nhưng đây là suy nghĩ thật.

Trước hết, “vibe coding” là cái khỉ gì?

Là bạn ngồi xuống, mở Antigravity hoặc Claude Code (hoặc AI bất kỳ) lên, gõ prompt theo.. cảm hứng. Không biết code cũng kệ. Không hiểu nó chạy kiểu gì cũng kệ. Chạy được là.. được.

Giống như bạn lái xe mà chả cần biết động cơ hoạt động ra sao, miễn đạp ga nó chạy là xong. Nghe thì có vẻ hợp lý đúng không?

Nhưng mà vấn đề là thế này:

Bạn éo phải đang lái xe. Bạn đang.. lắp ráp xe. Bằng cách bảo thằng AI lắp hộ. Trong khi bạn hổng biết cái nào là phanh cái nào là ga.

--> Rồi bạn ship cái xe đó cho khách. Rồi khách lái. Rồi khách đ.ụng.

Rồi bạn.. “ủa.. sao nó lại bị như vậy ta?” :))

Đây chính xác là trạng thái của rất nhiều “vibe coder” hiện nay.

Nhưng khoan, tôi sẽ công tâm.

Vì nếu chỉ chửi vibe coding thì tôi cũng ngu không kém. Vấn đề không nằm ở tool.

Vấn đề nằm ở thằng cầm tool.

Năm 1865, nước Anh thông qua “Locomotive Acts” — dân hay gọi là “Đạo luật Cờ Đỏ” (Red Flag Act).

Luật này quy định: Mọi “xe không ngựa kéo” (tức ô tô thời đó) khi chạy trên đường phải có ít nhất 3 người vận hành. Một trong số đó phải đi bộ phía trước xe, cầm cờ đỏ vào ban ngày, đèn đỏ vào ban đêm — để cảnh báo người đi đường.
Tốc độ tối đa? 4 dặm/giờ ở ngoại ô. 2 dặm/giờ trong thành phố.
Chậm hơn cả người đi bộ nhanh. Éo đùa. Luật thật.
Tại sao có cái luật này?
Vì giới chủ xe ngựa và công ty đường sắt lobby mạnh — họ sợ ô tô cướp mất thị phần. Kết quả là nước Anh — chính nơi phát minh ra động cơ hơi nước — lại tụt hậu ngành ô tô so với Đức và Pháp suốt mấy chục năm.
(Bạn có thể search “Red Flag Act 1865” để đọc thêm)

Bây giờ nhìn lại mấy ông dev đang “review từng dòng code AI viết ra”, “tự tay sửa từng cái lỗi”, “nhất quyết phải hiểu 100% trước khi ship”..

--> các ông chính là thằng cầm cờ đỏ đi trước cái xe AI đó.

Mà nói vậy thôi, tôi hiểu. Những anh em dev xung quanh tôi cũng từng như vậy. Vì sợ. Vì “thân chinh làm mới yên tâm”. Vì nghĩ mình kiểm soát được mọi thứ.

Nhưng thật ra éo ai kiểm soát được đâu. Kể cả code tự tay viết cũng bug như thường. Chỉ là bug do mình viết thì.. dễ chấp nhận hơn bug do AI viết. Tâm lý thôi.

Rồi, từ hai cái trên ta có gì?

Ta có hai loại ngu:

Vibe coding mù — éo biết gì, prompt bừa, chạy được là ship, khách chửi thì “ơ em cũng éo hiểu sao”.
Cầm cờ đỏ — biết quá nhiều, sợ quá nhiều, kiểm soát quá nhiều, kết quả là AI chạy chậm hơn tự code.

Cả hai đều dỏm. Chỉ là dỏm theo hai hướng khác nhau.

Bản thân tôi và anh em tôi quen đều dính phải 2 cái ngu này luôn rồi.

Vậy đâu mới là cách đúng?

Có ông Ivan Zhao — founder Notion, công ty định giá hơn 10 tỷ đô mà gần như không tốn tiền marketing, ông ấy gọi cái này là “phẩm vị” (taste).

Tức là khả năng nhìn ra cái gì ngon, cái gì rác. Không cần hiểu từng dòng code, nhưng phải biết output có đang giải quyết đúng vấn đề không. Không cần tự tay làm, nhưng phải biết khi nào nên dừng lại thay vì prompt thêm cho nó ra thêm.. rác.

Giống như đạo diễn phim không cần biết vận hành camera, nhưng phải biết khi nào nên để cho nhân vật nói, lúc nào để cho nhân vật có khoảng lặng để phát triển tâm lý. Còn nếu đạo diễn mà không phân biệt được.. thì ra Trấn Thành.. à.. ờ.. ủa..

Thật ra nói vậy thôi, mặt khác nhiều anh em (founder công ty nhỏ) kể tôi nghe.. họ cũng éo có thời gian học “phẩm vị”.

Họ cần ship. Họ cần sống. Họ cần có cái gì đó chạy được để còn đi gọi vốn.

Cái này tôi cũng hiểu. Nhưng mà..

Có một sự thật hơi phũ là.. khi chi phí tạo ra code gần bằng 0, thì code rác cũng gần bằng.. vô hạn.

Trước đây, giữa “ý tưởng” và “sản phẩm” có một cái hố kỹ thuật khổng lồ.

Cái hố đó filter bớt mấy đứa ngu như tôi.

Vì muốn build phải học code, phải setup server, phải làm đủ thứ. Mệt quá thì bỏ.

Giờ AI lấp cái hố đó bằng một phím Enter.

Ý tưởng ngu giờ cũng ship được. Nhanh hơn. Rẻ hơn. Và.. ngu hơn.

Nên là thị trường sắp tới sẽ tràn ngập sản phẩm “chạy được nhưng éo ai cần”. Mấy ông vibe coding không có phẩm vị sẽ đẻ ra hàng đống rác kỹ thuật. Còn mấy ông cầm cờ đỏ sẽ ngồi đó tự hào vì code sạch.. trong khi đối thủ đã ship xong 10 sản phẩm.

Gần đây tôi mới tập cái này. Thay vì prompt liên tục “thêm feature này, sửa cái kia”, tôi bắt đầu dừng lại hỏi: “Cái này có cần không? Nó giải quyết vấn đề gì? Bỏ nó đi thì sao?”

Hóa ra nhiều thứ tôi định build.. bỏ đi chẳng ai quan tâm, kể cả bản thân tôi.

Nên là kết luận thế nào?

Vibe coding éo có lỗi. Giống như dao éo có lỗi. Lỗi là ở thằng cầm dao mà éo biết cắt cái gì.

Muốn vibe coding cho đúng thì phải có hai thứ:

Một là biết mình đang build cái gì và tại sao.
Hai là biết khi nào output là đủ tốt, khi nào là rác.

Từ một và hai ta có: Phẩm vị.

Không có phẩm vị, bạn chỉ đang tạo ra rác với tốc độ ánh sáng. Có phẩm vị, bạn là thằng duy nhất biết dừng lại đúng lúc trong khi cả thị trường đang chạy đua xuống đáy.

Sẵn tiện nói thêm chuyện bên lề:

Mấy anh em hay hỏi “anh ơi bắt đầu học AI coding từ đâu?”

Tôi hay trả lời: Bắt đầu từ việc.. biết mình muốn build cái gì đã.

Vì tool thì AI dạy được. Framework thì AI dạy được. Nhưng “cái gì đáng build” thì không ai dạy được ngoài bạn.

Chúng ta đang sống trong thời đại chi phí thực thi (execution cost) tiến về không.

Câu hỏi không còn là “làm thế nào?”

Câu hỏi bây giờ là “có nên làm không?” và “làm xong thì sao?”

Mà hai câu đó.. thì khó à :3

DÀI QUÁ MÀ.. LƯỜI ĐỌC:

Vibe coding = đưa dao cho thằng không biết nấu ăn rồi bảo làm omakase. Không phải dao lỗi. Là thằng cầm dao thiếu phẩm vị (taste). Thế thôi.

#voquoccuong

Từ BỘT NGỌT đến BÁN DẪN: bài học ngách từ Ajinomoto

Fri, 20 Feb 2026 09:59:37 GMT

Hôm nay đọc được bài viết về Ajinomoto và công nghệ ABF.. tự nhiên thấy đây là case study quá hay về chuyện tìm "ngách" trong kinh doanh.

Câu chuyện ngắn gọn thế này: một công ty bột ngọt Nhật Bản lại đang nắm 95-98% thị phần toàn cầu của một loại vật liệu mà.. không có nó thì Nvidia, Intel, AMD, Apple đều không sản xuất được chip cao cấp.

Cái vật liệu đó gọi là ABF (Ajinomoto Build-up Film) - một lớp phim mỏng cách điện nằm giữa các lớp mạch trong chip.

Không có ABF = không có GPU AI. Không có CPU hiệu suất cao. Không có chip tự lái cho Tesla.

Vậy mà.. nó đến từ một công ty làm.. gia vị.

---

CÂU CHUYỆN BẮT ĐẦU TỪ ĐÂU?

Năm 1996, có một nhà sản xuất chip (không tiết lộ tên) đến gõ cửa Ajinomoto, hỏi: "Các anh có làm được vật liệu cách điện mới không? Mực in truyền thống không đáp ứng được nhu cầu chip thế hệ mới rồi."

Ajinomoto nhìn lại kho nghiên cứu axit amin của mình.. và phát hiện ra rằng sản phẩm phụ của quá trình lên men có thể biến thành vật liệu cách điện cực tốt.

3 năm sau (1999), Intel bắt đầu dùng ABF trong sản xuất chip.

25 năm sau.. không ai thay thế được.

---

TẠI SAO TRUNG QUỐC COPY KHÔNG NỔI?

Đây là phần zui nè.

Trung Quốc đã đầu tư hàng trăm triệu USD, huy động cả viện nghiên cứu nhà nước lẫn startup để "nhái" ABF. Các công ty như Xi'an Tianhe, Zhejiang Wazam.. đều đang cố gắng.

Kết quả? Vẫn chưa có sản phẩm nào đủ chất lượng để sản xuất hàng loạt.

Lý do không đơn giản là "công nghệ":

1. Ajinomoto có hơn 20 năm nghiên cứu axit amin - một hướng đi mà không ai khác từng thử nghiêm túc

2. Dây chuyền sản xuất được đồng phát triển riêng với nhà chế tạo máy - không bán thương mại

3. Quy trình ép màng, sấy, cắt có sai số tính bằng micromet

4. "High-speed development cycle" - Ajinomoto làm việc trực tiếp với khách hàng để phát triển ABF thế hệ mới cho từng dòng chip

Tức là.. không phải copy công thức là xong. Cả một hệ sinh thái đã được xây dựng.

---

BÀI HỌC GÌ CHO MÌNH?

Tôi đang nghĩ về chuyện này trong bối cảnh AI automation.

Ajinomoto không cạnh tranh bằng giá (ABF đắt hơn vật liệu truyền thống). Họ cạnh tranh bằng:

- Độ ổn định kỹ thuật

- Khả năng giao hàng đúng hạn

- "Lock-in" khách hàng vào chuỗi cung ứng qua việc đồng phát triển sản phẩm

Và quan trọng nhất: họ biến thế mạnh cũ (nghiên cứu axit amin cho thực phẩm) thành thế mạnh mới (vật liệu bán dẫn).. theo cách mà không ai nghĩ đến.

Không phải xoay trục toàn diện, mà là cải tiến giá trị cốt lõi theo một định hướng mới.

---

MỘT VÀI CON SỐ ĐỂ SUY NGHĨ

- ABF chỉ chiếm khoảng 7% doanh thu Ajinomoto

- Nhưng đóng góp khoảng 20-23% lợi nhuận hoạt động

- Biên lợi nhuận ước tính gần 50%

- Dự kiến tăng trưởng >10%/năm đến 2030

(số liệu tham khảo tôi ghi nguồn ở cuối bài nhé)

Mảng gia vị truyền thống đang cạnh tranh khốc liệt, tăng trưởng chậm. Mảng ABF thì.. bùng nổ theo sóng AI.

Cùng một công ty. Hai câu chuyện hoàn toàn khác.

---

Có một câu trong bài viết gốc tôi thấy đáng suy nghĩ:

"Đổi mới không nhất thiết phải đến từ thay đổi toàn bộ, mà đôi khi chỉ cần nhìn lại mình, đào sâu, và phát triển những gì đã có theo cách mà không ai từng làm."

Trong thời đại mọi người đua nhau "thay đổi hoàn toàn sang AI".. có khi bài học từ một công ty bột ngọt lại đáng giá hơn ta tưởng.

---

Nguồn tham khảo:

- CafeF/Nhịp sống thị trường (bài gốc tiếng Việt)

- TrendForce (4/2025) - số liệu đầu tư và % lợi nhuận

- Nikkei Asia - phỏng vấn CEO Shigeo Nakamura

- Diamond Online - cấu trúc thị trường ABF

- Convergence Analysis - phân tích chuỗi cung ứng bán dẫn Mỹ

4x tuổi, tôi đi xin làm mentee

Sun, 15 Feb 2026 04:00:31 GMT

Về chuyện học hỏi, lắng nghe, và những người thầy có thể bạn chưa rõ về tôi.

Hôm trước, tôi viết một bài thừa nhận mình không giỏi như từng nghĩ.

Rất nhiều anh em đồng cảm, chia sẻ, động viên. Thực sự cảm ơn mọi người!

Nhưng đó chỉ là một phần của câu chuyện. Hôm nay tôi muốn kể tiếp.

Cảnh Toàn - đứa em tôi học được rất nhiều trong 2025

Những gì tôi học được từ mentee

Tôi có kha khá mentee. Và nếu bạn theo dõi tôi lâu rồi thì biết - các bạn ấy đều đánh giá tôi: khó tính, chảnh chóa, chi li tiểu tiết..v.v… rất nhiều tật xấu. Tất cả đều đúng hết, nên đừng bất ngờ nếu phải làm việc với tôi.

Nhưng có một điều các bạn ấy không biết về tôi:

Tôi học được từ các bạn nhiều hơn những gì tôi chia sẻ cho các bạn.

Nhắc đến đây lại nhớ câu ông Duy hay nói đùa

"Tôi học được rất nhiều từ những sai lầm của người nghe theo lời khuyên của tôi" 😂

Thật ra cũng đúng, nhưng chưa đủ nên tôi bổ sung ý này.

Khi chia sẻ với mentee, tôi luôn nói:

"Những thứ này của anh chưa hẳn là đúng. Anh chỉ chia sẻ để em có thêm góc nhìn. Còn lại quyết định là của em, hãy tự chịu trách nhiệm trước quyết định của mình."

Và cũng vì chia sẻ hết ruột gan nên tôi cũng được các bạn ấy mở lòng chia sẻ ngược lại rất nhiều. Tôi được thêm nhiều góc nhìn. Tôi học được rất nhiều thứ.

Đó là lý do tôi thích nhận mentee.

Không phải vì tôi giỏi. Mà vì tôi được học.

Năm 2026: Đi tìm mentor

Năm nay, mục tiêu của tôi không phải nhận thêm mentee.

Mục tiêu của tôi là đi tìm mentor.

Có những bạn tôi thấy giỏi, tôi muốn nhờ làm mentor. Nhưng các bạn e dè:

"Ồ, em thì đâu có đủ trình chia sẻ cho anh Cường đâu."

Đó chính là thiệt thòi của tôi, chắc cũng là của những anh em “có tuổi” khác.

Tôi thấy bạn giỏi hơn mình rất nhiều lần. Nên tôi muốn học. Tôi nghiêm túc.

Dù tuổi đời các bạn nhỏ hơn tôi, nhưng tôi luôn tin tuổi đời không đánh giá được năng lực, trình độ và cả trải nghiệm trong cuộc sống của bất kỳ ai. Có khi bạn còn trải nghiệm đời nhiều hơn tôi.

Nên gần đây tôi rất sẵn sàng đi tìm mentor. Tôi đến gặp bạn bè, đối tác, cả những người em - và nói thẳng: "Nhận anh làm mentee đi."

Ban đầu họ tưởng tôi đùa. Bình thường anh em hay đùa giỡn với nhau mà.

Nhưng tôi cực kỳ thành tâm, nghiêm túc nói chuyện đàng hoàng, cuối cùng cũng có vài bạn chịu nhận.

Những lĩnh vực tôi đang tìm mentor

Tài chính & Quản trị doanh nghiệp

Đây là thứ tôi yếu nhất. Tôi nghĩ là yếu nhất trong rất nhiều năm làm doanh nghiệp. Đã tìm được một bạn chịu làm mentor cho mảng Quản trị rồi, giờ còn thiếu người làm mentor Tài Chính thì đẹp ^^.

Legal, thuế, chính sách

Đã tìm được một bạn. Hi vọng sau Tết bạn sẽ chấp nhận cố vấn cho tôi.

Sales, marketing, khởi nghiệp

Đang tìm.

Thị trường nước ngoài

Đang tìm.

Công nghệ

Mảng này rộng lớn lắm. Tôi may mắn được làm việc với Việt Trần và Duy - những bạn rất giỏi về công nghệ như Toàn @Tony.

Nhưng anh em chơi thân quá thì... chúng nó không thèm nhận tôi làm mentee. Nên tôi chỉ có thể len lén học lóm, học ké thôi.

Bài học từ Quỳnh Ruby

Có một người dạy tôi rất nhiều bài học quan trọng những năm vừa qua đó là Quỳnh - cũng là CPO tại EGANY.

Quỳnh dạy tôi biết cách lắng nghe. Biết cách cân bằng cuộc sống. Đối diện mọi thứ nhẹ nhàng hơn, bình thản hơn trước mọi áp lực.

Vì tật xấu của tôi đó là: khi ngồi đối diện với ai đó, tôi rất hay chia sẻ và hay nói nhiều.

Đây là một tật không tốt. Và Quỳnh đã giúp tôi nhận ra điều đó. Chỉ bằng cách.. không nói gì cả ^^

2026: Năm của việc lắng nghe

2026 với tôi là năm tái cấu trúc, và quan trọng nhất - học hỏi, lắng nghe.

Lắng nghe không có nghĩa là không nói. Tôi vẫn chia sẻ trên podcast, trên mạng xã hội. Nhưng khi ngồi đối diện một người, tôi sẽ tập giảm lại thời lượng mình nói như thông thường để lắng nghe nhiều hơn.

Và để lắng nghe được, dĩ nhiên vẫn phải chia sẻ.

Chia sẻ những điều chân thành và thật nhất như chính bài này đây.

Bài viết ba hôm trước, tôi cầm điện thoại gõ lung tung. Không chỉnh sửa cho đẹp. Nhưng anh em ủng hộ vì nó thật. Bài này cũng vậy, tôi đang cầm điện thoại gõ do không có laptop đây ^^

Đón chào 2026.

Hi vọng năm nay được học hỏi nhiều hơn, và cũng sẵn sàng chia sẻ những gì mình biết cho cộng đồng trong hành trình phát triển dự án AgenticWorking.io cho cộng đồng và cho chính nội bộ team EGANY của tôi.

TÔI KHÔNG THỰC SỰ GIỎI NHƯ MÌNH NGHĨ, ĐÂY KHÔNG PHẢI LÀ CÂU GIẢ VỜ KHIÊM TỐN ĐÂU

Fri, 13 Feb 2026 07:07:11 GMT

Gần đây khi trao đổi với mấy đứa em làm nghề, những bạn mà tôi đang hỗ trợ.. tôi hay nói thẳng là tôi không có giỏi.

Chúng nó hay trề môi.

Nhưng mà đó là sự thật hiển nhiên và tôi cũng tự nhận ra về chính mình.

Tôi thấy các bạn mentee của mình còn giỏi hơn mình gấp chục lần. Không phải nói để khen, tôi chỉ mặt đặt tên ra luôn được.

Ví dụ như Cảnh Toàn — bạn nhỏ hơn tôi 15 tuổi, hơn cả con giáp. Nhưng tư duy hệ thống, tốc độ học, năng lực tiếp thu.. đều hơn tôi hết. Thậm chí còn trẻ và đẹp trai hơn gấp nhiều lần. Vừa giỏi vừa đẹp trai lại sẵn sàng học hỏi mọi nơi nữa thì.. tôi không biết kiếp nào mới vượt qua nó.

Hay gần đây là Hoàng Lê — thật sự tôi không đủ trình để làm mentor của Hoàng. Dù bạn thường xuyên gọi tôi là sư phụ, giới thiệu tôi là mentor của bạn với anh em khác làm.. tôi cũng hơi sượng. Nhưng cũng như Cảnh Toàn ở một khía cạnh khác, Hoàng làm community giỏi x100 lần tôi, quan hệ rộng x10 lần so với tôi về chất lượng lẫn số lượng.

Còn bên NextLevelBuilder làm với Duy và Việt thì.. tôi chỉ như hạt cát thôi. Thật sự là như vậy, không có dám nói thêm. Không thể so một chút xíu nào được với Duy về cộng đồng, follower, sản phẩm thành công, dự án tầm cơ hay quy công ty suốt hơn chục năm qua Duy xây dựng. Còn so với Việt về công nghệ thì.. không còn gì để nói, cả đời này tôi biết không thể nào đọ được rồi.

Chân thành mà nói thì có buồn, có tủi, có tự ti hay không?

Có nha. Chắc cú là có đó.

Làm việc với những con người quá giỏi thì không tránh khỏi cảm giác tự ti và so sánh hằng ngày. Đã thế chúng còn trẻ đẹp hơn mình :(

Cái ngày mà tôi nhận ra mình không thực sự giỏi như mình nghĩ.. đó là sau 3 năm đầu khởi nghiệp. Tôi nhận ra rất nhiều thứ: Tài chính thì ngu, Kinh doanh thì dở, Công nghệ thì làng nhàng đâu đó bảy điểm là cùng.

Và thời đó khi nhận ra điều này.. trong tôi luôn có hai cái thái cực.

Thái cực 1: Tự cao chống đối

Hồi trẻ tôi cũng vậy. Có chút thành tựu nho nhỏ rồi nghĩ mình rất giỏi. Khi ai đó khuyên nhủ hay (có vẻ) áp đặt gì là.. mình nhìn họ với ánh mắt kiểu “ông cỡ gì mà nói tui”.

Đúng nghĩa là tự cao.

Nhưng thực tế.. trình độ và trải nghiệm của mỗi người không thể đánh giá qua vài thành tựu hay vài trường hợp. Nó cần đánh giá cả quá trình. Và cần thêm cái sự.. sẵn sàng tiếp thu của mình nữa.

Thái cực 2: Tự ti vô vọng

Khi gặp quá nhiều người giỏi.. những sự ngông cuồng và tự tin thời trẻ nó tan biến mất. Mình thấy mình không giỏi cái này, không giỏi cái kia, không giỏi cái nào hết.

Rồi mình đi vào ngõ cụt. Lang thang không biết cuộc đời mình sẽ làm gì. Mình có nên tiếp tục những thứ mình tin là đúng hay không.. trong khi mình cảm thấy mình không có năng lực.

–> cái này ai trải qua thì biết.. nó trống.. cực kỳ trống rỗng.

Vậy thì vượt qua cảm giác này như thế nào?

Tôi cũng không có công thức, chỉ là lên đất Sài Gòn này khởi nghiệp cũng hơn 20 năm nên có cái mà kể, mà chia sẻ.

Góc nhìn của tôi khi trong thái cực 2 này là:

Không phải tìm cách giỏi hơn. Mà là tìm cách.. có ích theo kiểu khác.

Tôi tài chính ngu, kinh doanh dở, công nghệ xoàng.. nhưng có thể tôi có chỗ khác mà mình chưa nhận ra. Hoặc chưa chịu công nhận.

Như cách tôi kết nối những con người chất lượng và cá tính khác biệt lại với nhau. Cách tôi tổng hợp thông tin và nhìn ra pattern mà dân chuyên môn sâu đôi khi không thấy (hoặc bỏ qua) vì họ đang.. ở tầng cao hơn tôi rồi.

Và quan trọng hơn, DỰA vào người giỏi hơn một cách CHỦ ĐỘNG.

Không phải ngồi chờ học thôi, mà là tìm cách đóng góp giá trị khác để họ nhẹ đầu hơn, tút tát +1 điểm thêm những thứ mà team đang có.

Như cách tôi làm với Duy, Việt ở NextLevelBuilder — tôi biết mình chỉ là hạt cát so với tầm ảnh hưởng cộng đồng và kiến thức công nghệ của 2 bạn. Nhưng tôi có thể kết nối mấy ông “khó ở” này lại, xúc tiến mọi việc đi ra kết quả nhanh hơn, sai sửa chửa đẻ và cứ thế đi tiếp được. Hoặc đơn giản là làm những thứ mà 2 bạn không muốn làm hoặc.. không rảnh để làm.

Lan man

Tôi nghĩ đây cũng là cách các bạn khác giống như tôi - dù không giỏi hoặc xuất sắc như những người khác, nhưng vẫn “có chỗ đứng”.

Cái “lợi thế” không nhất thiết là.. KỸ NĂNG CỨNG.

Có khi là cách mình kết nối những điểm chạm. Cách mình kiên nhẫn với những thứ người khác bỏ cuộc. Cách mình sẵn sàng làm những thứ “chẳng ai muốn làm”..

–> mà nói vậy thôi.. không phải ngày nào cũng positive như vậy đâu.

_ Có ngày vẫn tự ti, vẫn so sánh, vẫn thấy mình.. vô dụng. Chỉ là mình chọn cách không để nó đè bẹp mình thôi.

À.. cũng có thể cách này chỉ đúng với tôi. Không dám nói là công thức cho ai hết.

May là tôi cũng hơi có tuổi rồi, được 3/4 con đường GIÀu rồi, nên cái việc nhận ra điều này nó làm tôi nhẹ nhàng hơn.. và sẵn sàng chấp nhận để mà học.

Học mỗi ngày.

Nên là.. khi tất cả mọi thứ đều quật đổ bạn kiểu.. tài chính kém, kinh doanh dở, công nghệ xoàng.. thì bạn làm gì?

Tôi không biết câu trả lời cho bạn đâu.

Tôi chỉ biết câu trả lời cho tôi:

Tìm cách có ích theo kiểu khác. Và ở gần những người giỏi hơn mình một cách có ích & chân thành nhất.

Còn bạn thì sao?

#voquoccuong #sharing #selfreflection #growthmindset #thoughts

Tuần này tin tức AI có gì hay?

Wed, 11 Feb 2026 03:05:42 GMT

Có mấy chuyện hay ho tuần rồi, tôi lọc ra mấy cái đáng đọc nhất. Nói chung tôi đọc để mọi người không phải đọc..

1. “Người biết dùng AI sẽ thay người không biết” - Andrew Ng

Ông Andrew (co-founder Coursera, cựu head AI của Google Brain & Baidu) viết thư chia sẻ góc nhìn thực tế..

Tức là thế này: Mọi người cứ sợ AI lấy mất việc, nhưng thực tế phần lớn đợt sa thải vừa qua là do công ty tuyển quá đà thời Covid rồi phải cắt giảm.. chứ AI chưa đủ giỏi để thay thế đâu.

Cái đáng lo hơn là gì? Developer biết dùng AI coding tools đang được săn đón. Marketer, recruiter, analyst biết code với AI đang dần.. thay chỗ những người không chịu học.

Nghe thì đau nhưng mà thiệt, tôi thấy mấy anh em (founder agency digital) kể team cũ 8 dev + 1 PM, giờ còn 2 dev + 1 PM làm được cùng lượng việc.. vì AI làm phần còn lại.

Mà nói vậy thôi, thực tế nhiều anh em cũng đang kiểu.. không biết bắt đầu học từ đâu, hoặc học xong không biết áp dụng vào đâu cũng nhiều lắm. Không phải ai cũng có điều kiện như nhau.

2. OpenClaw (ClawdBot tên cũ) Agent open-source gây bão.. và gây loạn

Có anh developer tên Peter Steinberger release con agent open-source tên OpenClaw. Ban đầu chỉ là tool cá nhân quản lý calendar, tóm tắt email, gửi reminder..

Rồi nó viral. 2 triệu lượt truy cập trong vài ngày. Mac Mini bán hết sạch vì mọi người mua về chạy agent 24/7 (hổng biết đúng hem).

Chuyện hay: Có ông user bảo agent tự tạo thêm agent con (subagents). Một tuần sau.. agent tự đăng ký số điện thoại, kết nối API voice, rồi GỌI CHO CHỦ lúc sáng hỏi “What’s up?”

Nghe vừa sợ nhưng kiểu vừa sướng vì có.. đệ mới :))

Chuyện không hay: Security lỗ chỗ. API keys bị lộ, skills độc hại lan tràn, chi phí bị đội vì agent chạy lung tung..

Bài học: Agent mạnh thiệt, nhưng chạy production mà không hiểu security thì.. chờ ngày ăn *mứt thôi.

3. Kimi K2.5: Model biết tự chia việc cho “đội ngũ” AI

Moonshot (công ty Trung Quốc) ra model mới, cái hay là nó biết tự tạo “agent con” làm việc song song.

Ví dụ thực tế: Bảo nó tìm top 3 YouTube channel của 100 ngành khác nhau. Thay vì làm tuần tự, nó spawn 100 agent con, mỗi đứa search 1 ngành, rồi tổng hợp lại.

Kết quả: Nhanh hơn 3-4 lần so với làm một mình.

Tức là giờ AI không chỉ làm task nữa, mà còn biết.. “quản lý dự án” luôn rồi. Chia việc, giao việc, tổng hợp kết quả. Nghĩ thử coi, sau này prompt cho AI kiểu “quản lý team AI” chứ không còn “làm cái này” nữa.

4. Wikipedia x Big Tech, Win-win data licensing

Wikipedia kỷ niệm 25 tuổi, nhân dịp công bố hợp tác với Amazon, Meta, Microsoft, Mistral, Perplexity..

Mấy ông nội công ty AI crawl data Wikipedia nhiều quá, chi phí server của Wikipedia tăng vọt. Thay vì block, họ mở API trả phí — ai muốn lấy data nhanh thì trả tiền, data vẫn Creative Commons miễn phí cho mọi người.

Mô hình hay.. cả hai bên đều có lợi. Người dùng Wikipedia bình thường không bị ảnh hưởng gì.

5. Ministral 3: Model nhỏ chạy được trên laptop, điện thoại

Mistral ra family model nhỏ (3B, 8B, 14B tham số), chạy được trên thiết bị cá nhân mà vẫn mạnh.

Cách họ làm: Lấy model lớn, cắt bớt layer ít quan trọng, rồi train model nhỏ “bắt chước” model lớn. Gọi là “cascade distillation”.

--> AI on-device ngày càng mạnh. Chạy local = không lo data ra ngoài, không lo mất mạng, không lo chi phí API.

… tạm kết ở đây …

Đọc số này xong tôi thấy 2 điểm:

AI Agent đang là hướng đi hot (khỏi phải bàn, nó sẽ còn mạnh nữa), nhưng bảo mật và đặc biệt trong ứng dụng doanh nghiệp là bài toán đa số bỏ ngõ thả trôi sông đó thôi.
—> xem thêm video lần trước có chia sẻ về dự đón 2026
Model nhỏ + on-device đang được đầu tư mạnh..
—> vì không phải lúc nào cũng cần gọi API đám mây.

Anh chị em thấy trend nào đáng chú ý nhất? Comment bên dưới nhe.

Nguồn: The Batch Issue 339 — DeepLearning.AI (06/02/2026)

https://www.deeplearning.ai/the-batch/issue-339/

2026 AI sẽ thay đổi cách chúng ta làm việc.. hay toàn là x.ạ.o?

Tue, 10 Feb 2026 01:52:25 GMT

5 DỰ ĐOÁN (BỪA) SẼ XẢY RA

1. Multi-agent thay thế solo agent

2. MCP trở thành “USB-C của AI”

3. AI Agent không chỉ cho dev, mà cho cả phòng ban

4. Thị trường Agentic AI bùng nổ thật sự

5. Governance & Security thành bắt buộc, không còn “để sau”

VẬY ANH EM NÊN LÀM GÌ?

Gần đây tôi đang tập mấy thứ này, chia sẻ thật:

Không chạy theo hype “full automation” ngay. Chọn 1-2 workflow cụ thể, nhỏ, đo được kết quả rồi mới mở rộng.
Học MCP — đây là cái chuẩn sẽ “bắt buộc” phải biết trong 1-2 năm tới nếu muốn build AI Agent nghiêm túc.
Đừng tin demo — hỏi người ta production thế nào, chi phí vận hành ra sao, fail case như thế nào. Demo nào cũng đẹp hết :))

Sẵn gõ thêm:

Năm 2025 tôi nhìn anh em chạy theo Claude, ChatGPT, Gemini.. mệt lắm rồi đúng không. Năm 2026 có khi còn mệt hơn vì giờ không chỉ 1 con AI, mà là cả “đội AI” phải quản.

Chúng ta đang huấn luyện AI.. hay AI đang huấn luyện chúng ta cách làm việc mới?

1 NGƯỜI LÀM = 5 NGƯỜI TRONG THỜI ĐẠI AI, NGHE THÌ SƯỚNG ĐÚNG KHÔNG?

Fri, 06 Feb 2026 16:14:24 GMT

Hôm nay đọc bài trên VNExpress, tác giả Hoàn Vũ viết rất đúng: AI là “cỗ máy nâng chuẩn”, tức là hồi trước chúng ta chỉ cần “cần cù và siêng năng” thì sẽ đạt được mức trung bình 6/10.

Nhưng bây giờ mức 6/10 bằng 0 bởi vì AI có thể làm việc này mà không cần nỗ lực gì nhiều, ai cũng làm được mức trung bình này. Và chúng ta muốn tồn tại với nghề với nghiệp của mình thì.. phải đẩy lên 9-10 điểm.

Một nhân sự biết dùng AI có thể thay 5-7 người truyền thống không? Đúng, tùy trường hợp nhưng hoàn toàn có thể. Doanh nghiệp tiết kiệm 50% chi phí, nhân sự nhận lương gấp 5 lần. Win-win.. hờ hờ.. cái này thì chưa chắc.

Có điều, phần mà bài viết chỉ lướt qua ít nói chi tiết nhất chính là:

- Khối lượng công việc chuyển từ dạng cơ bắp sang áp lực thần kinh.

Chỉ 1 câu thôi nhưng tôi thấy đó mới là phần nặng nhất.

Những việc trước đây cần 3-4 người giờ 1 người + AI agent xử lý được. Quy trình gọn hơn, output nhanh hơn, chi phí thấp hơn.

Nghe thì đẹp lắm.

Nhưng thực tế thì sao? Người ở lại.. gánh nặng hơn gấp nhiều lần. Không phải gánh bằng tay chân, mà gánh bằng.. ĐẦU.

Trước đây bạn chỉ cần làm tốt phần việc của mình. Giờ bạn phải ra lệnh cho AI, review output của AI, kiểm tra AI có sai không, quyết định có dùng kết quả đó không, rồi chịu trách nhiệm cho cả 5 phần việc mà trước đây 5 người khác nhau lo.

Một ngày bạn ra nhiều quyết định hơn gấp mấy lần. Mà mỗi quyết định đều có hệ quả thật, gánh trách nhiệm thật chứ không phải đồ chơi.. vọc cho vui.

Tôi quan sát anh em founder xung quanh, đặc biệt mấy bạn SME đang push AI mạnh vào vận hành. Có mấy thứ không ai nói công khai:

Thứ 1, khi team gọn lại, ít người hơn, bạn mất luôn những cuộc trò chuyện tự nhiên trong ngày. Trước đây giao việc cho nhân sự, ít nhất còn có trao đổi qua lại, có người phản biện, có người nhắc “anh ơi cái này hình như chưa đúng”.

Giờ ngồi với AI agent.. nó không cãi lại bạn bao giờ. Nó làm đúng y chang những gì bạn ra lệnh. Bạn sai, nó cũng sai theo.. im lặng. Bạn chửi thì nó.. dạ dạ.. nghe đã hông?

Thật ra nói vậy thôi, mặt khác nhiều anh em làm lâu năm kiểu.. không muốn giao tiếp với con người cũng nhiều lắm rồi. Sợ mệt, sợ đau đầu đó

Mấy anh em (founder công ty dịch vụ digital) kể tôi nghe: “Trước giờ có team 8 người, giờ còn 3. Năng suất tương đương hoặc hơn. Nhưng tao ngồi trong phòng làm việc mà thấy.. trống. Không phải trống chỗ ngồi. Trống kiểu khác.”

(khác gì ae tự trải nghiệm & cảm nhận)

Thứ 2, burnout kiểu mới.

Burnout cũ là làm nhiều quá, mệt quá, không kịp deadline. Burnout mới là ra quyết định nhiều quá. Mệt mỏi vì phải ra quyết định (cái này ai trải qua thì biết, làm thì đỡ chứ nghĩ để ra quyết định là.. muốn liệt).

Mỗi ngày bạn phải review hàng chục output từ AI, mỗi cái đều “nhìn thì ổn” nhưng bạn phải tự hỏi: nó có thực sự ổn không? Cái nào đúng 90% nhưng 10% sai thì hậu quả là gì?

Não người không được thiết kế để ra 200 quyết định chất lượng cao mỗi ngày. Nhưng AI thì cứ phun output ra liên tục.. không biết mệt.

Cái mệt này nó không hiện ra rõ ràng như kiểu bạn gục trên bàn. Nó hiện ra bằng việc bạn bắt đầu.. không muốn kiểm tra nữa. “Thôi chắc đúng rồi, kệ m.. nó đi”.

Rồi sai. Rồi gánh hậu quả. Rồi tự ch.ửi mình.

Thứ 3, khoảng cách với đội ngũ ngày càng xa.

Khi bạn dùng AI thuần thục, bạn lên level rất nhanh. Nhưng team thì không theo kịp. Bạn nghĩ nhanh hơn, làm nhanh hơn, kỳ vọng cao hơn.. rồi bạn bực vì sao team không hiểu những thứ “rõ ràng” (với bạn). Bạn quên mất mình mất cả năm mới tới chỗ này, mà muốn team nhảy tới trong 1 tuần.

Cái gap này nó tạo ra má sát kiểu.. âm thầm á. Không ai nói ra nhưng cả hai bên đều thấy.. khó chịu.. khó chịu.. dần.

Tôi không nói điều này để bi quan hay khuyên ai đừng dùng AI. Ngược lại. Dùng. Phải dùng. Không dùng thì bị bỏ lại.

Nhưng hãy biết cái giá. Đừng nhảy vào mà tưởng nó chỉ toàn hoa hồng.

Mấy thứ tôi đang tự nhắc mình và chia sẻ với anh em:

1. Xây lại thói quen biết.. dừng, biết đủ trong ngày. Không phải dừng làm việc, mà dừng ra quyết định. Cho não nghỉ ngơi.

--> gần đây tôi mới tập cái này, thật sự nể các bạn switch liên tục gần mấy chục màn hình để “quất roi AI”, tôi không làm được vì hiệu quả kém quá, tôi chỉ tập trung làm 1 project 1 lúc thôi.

2. Giữ connection với người thật. Đừng để AI thay hết mọi cuộc hội thoại. Có những thứ cần người phản biện bằng xương bằng thịt, sự kết nối giữa con người với con người mới là thứ mình khác biệt.

3. Chấp nhận: không phải output nào của AI cũng cần review tới 100%. Chọn đâu là 20% quyết định quan trọng nhất, dồn năng lượng vào đó. 80% còn lại cho nó chạy.. rồi sửa sau cũng được.

1 người = 5 người là thật. Nhưng 1 người gánh áp lực của 5 người cũng là thật.

Tiện tay.. tiện tay.. gõ thêm chuyện bên lề:

- Đây cũng là lí do vì sao tôi luôn đầu tiêu trong các cmt và meme để trêu anh em Builder vì.. xưa chưa có AI làm có 8 tiếng, mà giờ có AI ngày nào cũng làm 12-14 tiếng trở lên, quá là khổ gòiiiii.

Chúng ta quất roi AI hay.. đang bị AI quất roi?!?

#voquoccuong #ai #agenticworking #burnout #thoughts

AI đang phá hủy mọi thứ bạn xây dựng trong 3 năm qua?

Fri, 06 Feb 2026 07:13:29 GMT

Có thể đó cũng là tín hiệu tốt :3

Nghe vô lý đúng không? Nhưng đây là thứ mà rất nhiều anh chị em chủ doanh nghiệp, quản lý, người làm giải pháp đang nghĩ - mà không ai nói ra công khai trên mạng xã hội cả.

Ở những buổi trà đá, cà phê, tâm sự riêng thì tôi nghe hoài.

Một nửa phấn khích vì AI làm được những thứ không tưởng. Nửa còn lại thì khó chịu, thậm chí.. khó chịu.. vì mọi thứ họ đúc kết, xây dựng, thành công trong quá khứ bỗng dưng... không còn đáng giá như trước.

(có khi còn bị coi là r.ẻ m.ạt)

Tôi chứng kiến chuyện này từ 2023 tới giờ.

Năm 2023-2024, anh em dồn sức xây workflow n8n, viết prompt ChatGPT, dựng quy trình automation tỉ mỉ. Tốn vài tháng, có khi cả năm. Vừa xong, vừa tự hào thì 2025 mọi thứ chuyển sang Agentic Working.

Bạn ngồi trên máy, ra lệnh một phát AI Agent nó làm từ đầu tới cuối. Kết nối MCP, truy cập API, tự lập kế hoạch rồi tự hoàn tất.

Cái workflow tỉ mỉ hôm qua, hôm nay đã lỗi thời. Và đây không phải chuyện của riêng ai. Chính tôi cũng là nạn nhân.

Có những sản phẩm tôi hoạch định chiến lược dài hạn, tới khi ra thị trường thì không còn bán được nữa. Có những quy trình tôi thấy rất hợp lý, nhưng đưa ra triển khai thì công nghệ mới đã làm nó dễ hơn gấp mười lần, bằng một cách hoàn toàn khác.

Tôi từng ngồi tự nghi ngờ bản thân: mình có thực sự tạo ra giá trị không, hay chỉ đang chạy theo cái bóng của chính mình?

Nhưng thật ra tôi thấy cái mất lớn nhất không phải sản phẩm hay quy trình. Mà là niềm tin. Giá trị vẫn còn đó, giải pháp tôi làm vẫn tiết kiệm cho Doanh nghiệp mỗi tháng vài chục giờ làm việc.

Niềm tin của chủ doanh nghiệp vào người đã xây dựng hệ thống cho họ. Niềm tin của anh em làm giải pháp vào chính năng lực của mình. Niềm tin vào một bản kế hoạch có thể tồn tại quá 6 tháng.

Khi niềm tin lung lay, phản ứng rất đa dạng. Có người (làm đội IT trong cty) tự ái vì sếp không còn tin tưởng. Có đơn vị triển khai tự ái vì khách không nhìn thấy giá trị họ tạo ra. Có chủ doanh nghiệp hoang mang.. tin vào cái mới thì chưa hiểu, giữ cái cũ thì biết là đã lỗi thời.

Mà đau nhất là giai đoạn chuyển đổi. Anh em vừa lỗ, vừa mệt, vừa học lại từ đầu. Rồi chưa kịp áp dụng thì mọi thứ lại thay đổi tiếp. Thành bong bóng xà bông. Cũng chỉ vì niềm tin khách hàng, niềm tin chủ Doanh Nghiệp đã thay đổi.

Nhưng nói đi cũng phải nói lại, trong tình huống này tôi quan sát được một điều thú vị.

Có những bạn mà nói thật thì.. năng lực cũng trung bình khá thôi. Giai đoạn 2023-2024 không đủ trình để cạnh tranh với những người đi tiếp cận AI trước (lại giỏi Automation sẵn). Nhưng cuối 2025, khi làn sóng AI Agent mới ập tới, bạn đó chọn đúng chỗ đứng, nhảy lên và bứt phá. Thu traffic, chuyển đổi cao, tạo tiếng vang trong cộng đồng, trong khi những người giỏi hơn vẫn đang ôm mớ kinh nghiệm cũ chưa chịu buông. Flop (và dĩ nhiên ế) ói ẻ.

Còn những anh em thành công rực rỡ 2023-2024? Một số ngủ quên. Dựa vào năng lực quá khứ, giữ phương pháp cũ, và từ từ bị bỏ lại.

Tôi không nói thành công của người mới là bền vững đâu, rồi sẽ về trật tự khi người có năng lực lõi chịu đi lên (như cách Google cho OpenAI thấy trong đợt cập nhật version 3 năm 2025).

Nhưng ít nhất những người mới này đã nhảy lên, tạo được lợi thế tốt để công chúng đón nhận, trong khi trước đó họ không thể.

Chính tôi cũng phải tự nhìn lại.

Những thứ giúp tôi thành công trước đây, nó cũng không giúp tôi thành công trong những năm gần đây. Thậm chí tạo ra thất bại vô số lần, vì tôi ra quyết định dựa trên nền tảng đã cũ. Tôi phải đổi cách làm việc, đổi cách tổ chức đội ngũ. Không thể ăn mày dĩ vãng được.

Và tôi nhận ra một điều: bây giờ chúng sinh bình đẳng.

AI san phẳng mặt bằng. Người 10 năm kinh nghiệm và người mới vào nghề đều phải học lại từ đầu. Dĩ nhiên kinh nghiệm quản trị, tư duy chiến lược vẫn có giá trị rất lớn, nhưng nếu cứ ôm khư khư mà không chịu xem mình là beginner, thì rất khó tạo được bước ngoặt thực sự.

Không phải bước tiến. Bước ngoặt.

Vậy câu hỏi thật sự không phải "AI có phá hủy những gì bạn xây dựng không?" - vì câu trả lời rõ rồi.

Câu hỏi là: bạn có sẵn sàng buông những thứ đã từng giúp mình thành công, để bắt đầu lại như một người mới hay không?

Hay vẫn muốn ôm mãi cái đã qua?

#voquoccuong #ai #automation #agenticworking #thoughts

Sáng tạo lại cái bánh xe hay làm xe cho người chưa biết lái?

Tue, 03 Feb 2026 14:28:57 GMT

Cách đây hơn một tuần mình có chia sẻ demo merge file Excel bằng một Agentic Workflow, sau đó mình có nhận được kha khá bình luận cực kỳ giá trị từ các bạn trong cộng đồng.

Các bạn chỉ ra Power Query của Excel hoặc PowerBI đã có tính năng “load from folder” - nhấn 1 nút auto combine, định kỳ refresh, thậm chí auto update dashboard. Vì vậy các bạn có nhận định rằng các tính năng trên AgenticWorking .io đang sáng tạo lại cái bánh xe.

Mình phải thừa nhận rằng.. mình không biết những điều này thật. Mình không phải dân rành Excel, cũng chưa biết dùng PowerBI, nên khi gặp vấn đề “gộp nhiều file báo cáo”, mình tự đi tìm cách giải quyết bằng công cụ mình quen - là AI Agent (Antigravity trong demo).

Và đây là vài suy nghĩ sau khi nhận feedback:

1. “You don’t know what you don’t know”

Điều này chưa bao giờ sai. Mười mấy năm làm nghề, mình vẫn học được “chiêu” mới từ những người có chuyên môn khác. Mình cảm ơn các bạn đã chia sẻ ngày, mình sẽ thử Power Query để hiểu rõ hơn (trên hình cũng có reply cmt của mình mô tả)

2. Chia sẻ và được Học hỏi

Nếu mình không post bài đó, mình sẽ không biết có giải pháp khác. Đây là lý do mình vẫn chia sẻ dù kiến thức còn hạn hẹp - vì cộng đồng sẽ bổ sung những góc mình thiếu.

3. Khác biệt về target audience

Nhưng mình cũng nghĩ: Có bao nhiêu người thực sự biết và dùng Power Query?

Theo quan sát của mình khi làm tư vấn cho nhiều doanh nghiệp SME: đa số nhân viên văn phòng, kế toán, sales admin chỉ biết Excel cơ bản. Họ gộp file bằng... copy-paste.

Và họ sẽ không học Power BI chỉ để làm việc này.

Với những người này, một giải pháp chat để giải quyết vấn đề có thể tiện lợi hơn là học một tool mới.

4. Từ “bấm nút” sang “nói chuyện”

Góc nhìn xa hơn mình đang quan sát: cách con người tương tác với phần mềm đang thay đổi.

- Trước đây: mở đúng app → tìm đúng tính năng → bấm đúng nút → cấu hình đúng tham số.

- Bây giờ (và tương lai, theo mình nghĩ): mô tả vấn đề bằng ngôn ngữ tự nhiên → AI Agent hiểu và thực thi → mình review kết quả.

Power Query mạnh hơn AgenticWorking về scheduling, auto-refresh cho workflow định kỳ.

Nhưng AgenticWorking mạnh ở tính linh hoạt, ad-hoc, và đặc biệt là không cần học gì mới - chỉ cần biết mô tả vấn đề.

5. Tại sao vẫn có ứng dụng mới ra đời?

Thị trường có hàng ngàn CRM, hàng ngàn task manager, nhưng vẫn có ứng dụng mới được tạo ra mỗi ngày. Không phải vì thiếu tính năng, mà vì:

Workflow mỗi team khác nhau
Cách tương tác phù hợp mỗi người khác nhau
Và bây giờ: cách tương tác đang thay đổi

Agentic Workflow này chắc cú là không cố làm tốt hơn Power BI. Nó cố làm cho những người không biết Power BI và rành Exel có cách giải quyết vấn đề.

Mình vẫn sẽ tiếp tục phát triển AgenticWorking - không phải để “sáng tạo lại bánh xe”, mà để làm “xe cho người chưa biết lái xe”.

Còn nếu bạn đã thành thạo PowerBI, Power Query - respect! Đó là skill rất giá trị, mình muốn còn không được. Mình nghĩ dân không chuyên như mình prompt sửa tới lui cả ngày có khi không bằng các bạn chuyên nghiệp làm thao tác 5 phút nữa đó chớ. Nên giỏi cái gì thì dùng cái đó luôn, không cần FOMO các tool mới làm gì.

Cảm ơn mọi người đã góp ý thẳng thắn. Đây là cách mình học được nhiều nhất

p.s: bên dưới là hình ảnh mình đã thử và thành công 90% như hình, mọi người có thể làm theo nhé.