Bạn chưa cần là chuyên gia AI, bạn cần một quy trình

Nối tiếp phần chia sẻ về data thật và 4 lỗi thường gặp ở Phần 3, anh Nguyễn Võ Huy Hoàng chuyển sang phần ứng dụng nhất buổi TechTalk: một playbook cụ thể, không đòi hỏi hiểu sâu về LLM hay prompt engineering học thuật.

"Bạn chưa cần là chuyên gia về AI. Bạn cần một thói quen, và thói quen đó áp dụng được cho mọi vấn đề, không riêng một loại task nào" - anh Hoàng mở đầu.

Với một intern mới nhận thiết bị tuần đầu tiên, đây gần như là lời khuyên quan trọng nhất: đừng cố học "cách prompt hay", hãy học một quy trình lặp lại được, rồi tinh chỉnh dần.

Vòng lặp 5 bước cho mọi ticket

1. Bước 1: Đưa rõ context trước khi hỏi bất cứ điều gì: yêu cầu cụ thể, code mẫu liên quan trong cùng codebase, coding convention của team. Thiếu bước này, mọi thứ sau đó chỉ là đoán.
2. Bước 2: Để AI draft theo từng phase riêng biệt, một lệnh cho một phase - tránh gộp Design, Coding, Testing vào một prompt duy nhất, vì AI xử lý một yêu cầu đa mục tiêu thường bỏ sót hoặc trộn lẫn ưu tiên.
3. Bước 3: Đọc từng dòng trước khi merge. Chưa đọc thì coi như chưa viết, bất kể AI tạo ra bao nhiêu dòng code trong bao nhiêu giây.
4. Bước 4: Verify thật: chạy và test trên môi trường tiệm cận thực tế (staging), đối chiếu với tài liệu, không dừng ở việc code compile được.
5. Bước 5: Giải thích rồi mới ship. Đây là bước hay bị bỏ qua nhất, và cũng là bước phân định rõ nhất một fresher đang học nghề với một fresher chỉ đang vận hành AI hộ người khác. Không giải thích được đoạn code làm gì, công việc coi như chưa xong - kể cả khi nó chạy đúng.

Với bước 5, anh Hoàng thêm một điểm dành riêng cho intern: khi gặp vướng mắc nên hỏi senior sớm, đúng theo cấu trúc "đây là những gì AI đưa ra, đây là phần tôi chưa hiểu".

"Đó không phải dấu hiệu tụt lại so với người khác. Đó là cách một junior học nhanh nhất" - anh Hoàng khẳng định.

Cách đặt câu hỏi để AI trả lời tốt hơn

Cùng một model, nhưng 2 kỹ sư đặt câu hỏi khác nhau sẽ nhận về 2 chất lượng output khác hẳn nhau. 4 kỹ thuật anh Hoàng khuyến nghị áp dụng ngay từ ticket đầu tiên:

1. Đưa đầy đủ context: paste nguyên văn requirement, file liên quan, đúng nội dung lỗi thay vì paraphrase lại. Câu hỏi mơ hồ luôn tạo ra câu trả lời mơ hồ tương ứng, vì model không có cơ sở nào để thu hẹp không gian giải pháp.
2. Xin nhiều lựa chọn thay vì một fix duy nhất: yêu cầu AI đưa hai hướng tiếp cận kèm trade-off. Mục đích không phải chọn nhanh hơn, mà học được lý do đứng sau lựa chọn, thay vì copy một đoạn code dán vào.
3. Bắt AI đối chiếu với tài liệu thật thay vì tự suy diễn: yêu cầu dùng đúng version framework của team, verify với docs bản mới nhất. Một model để tự đoán vẫn sẽ đoán, và đoán với độ tự tin y hệt như khi nó đúng.
4. Bắt AI tự giải thích từng dòng nó vừa viết: nếu lời giải thích mơ hồ, đừng ship. Lưu ý kỹ thuật quan trọng ở bước này: nên mở một context mới khi yêu cầu AI tự đánh giá lại đề xuất của chính nó, vì bản chất autoregressive của model khiến nó có xu hướng điều kiện hoá câu trả lời theo những gì vừa nói trước đó, dẫn đến việc luôn bảo vệ đề xuất cũ thay vì đánh giá khách quan.

Cấu trúc "Good Context" - yếu tố quyết định chất lượng output

Đây là biến số ảnh hưởng lớn nhất đến chất lượng output AI, hơn cả việc chọn model hay công cụ. Prompt cho AI biết phải làm gì; context đảm bảo nó làm đúng, không phá vỡ phần còn lại của source code.

Một context yếu điển hình: "Thêm tính năng upload ảnh profile." Model không nhìn thấy setup hiện tại của dự án, buộc phải tự đoán, và thường phá hỏng thứ gì đó ở khu vực nó vừa động vào - một dạng side-effect ngoài ý muốn, tương tự regression bug do thiếu test coverage.

Template context chuẩn của ZIGExN VeNtura, khá gần với cấu trúc một user story kèm acceptance criteria trong Agile, gồm 5 phần:

• Objective (mục tiêu, 1-2 câu)
• Context (repo/branch, stack, file liên quan, business logic)
• Requirements (chức năng và kỹ thuật)
• Expected output (deliverable cụ thể)
• Testing (unit test, feature test, bước test tay).

Áp vào ví dụ upload ảnh:

• Objective ghi rõ resize tối đa 800px, convert WebP, lưu AWS S3.
• Context chỉ đích danh repo, nhánh, file liên quan, thư viện xử lý ảnh đang dùng.
• Requirements giới hạn dung lượng, định dạng cho phép.
• Expected output cần một FormRequest, một method upload, một feature test.
• Acceptance criteria: file sai định dạng bị reject, ảnh lên đúng bucket S3, test pass.

Nếu cần một framework gọn hơn để nhớ, anh Hoàng gợi ý CRAFT - Context, Role, Action, Format, Tone - tham khảo tại revolia.pro.

Xây career khi AI đã là một phần công việc mặc định

"AI nâng tầm tiêu chuẩn của một developer, nhưng nó không xây career giúp bạn" - câu anh Hoàng nhấn mạnh nhất, và cũng đáng nghe nhất với một fresher vừa vào nghề.

Về nền tảng, cần đi sâu và tự tay làm, không chỉ đọc hiểu: data structures, SQL, cách framework xử lý request nội bộ, debugging, git. AI viết code được, nhưng chỉ người có nền tảng mới nhận ra khi nào nó viết sai mà vẫn chạy được.

Về thực hành, engineering judgment chỉ hình thành qua lặp lại có chủ đích: review PR của người khác, tự verify trên môi trường thực tế thay vì tin log, tự tách task lớn thành subtask trước khi giao cho AI, viết spec đủ rõ để người khác đọc hiểu mà không cần hỏi lại.

Với một fresher, điểm khởi đầu cụ thể nhất: thử tự làm một feature nhỏ không dùng AI trước, sau đó làm lại với AI và so sánh - khoảng cách giữa hai lần làm chính là phần kiến thức đang thiếu.

"Giá trị của một kỹ sư nằm ở những gì họ thực sự hiểu, và những gì họ sẵn sàng chịu trách nhiệm" - anh Hoàng chốt lại.

Với người mới bắt đầu hoàn toàn, ZIGExN VeNtura gợi ý điểm xuất phát: tài liệu chính thức tại claude.com, bắt đầu từ khoá Claude 101 và roadmap sự nghiệp 2026.

Đón đọc tiếp phần 5: Góc nhìn từ Tech Leader Huy Trần

Playbook chỉ giải quyết được phần AI viết và tự verify. Câu hỏi còn lại: code đã qua verify có được release ngay không? Tại ZIGExN VeNtura, vẫn còn một bước dành riêng cho intern và fresher - buổi review trực tiếp với mentor - và tiêu chí mentor thực sự nhìn vào không trùng với những gì phần lớn junior nghĩ.

Theo dõi https://zigexn.vn/blogs và các kênh truyền thông chính thức của ZIGExN VeNtura để cập nhật các phần tiếp theo của chuỗi TechTalk.