Brief nội bộ
AI Adaptation
Thích nghi và tối ưu cách ứng dụng AI vào dev workflow.
Không chỉ cho từng dev — mà cho cách cả team vận hành.
Phần 1 · Evolution
Tiến hóa của vibe coding.
Các mốc chính.
Ba ông lớn, ba hướng tiếp cận — nhưng cùng một đích: AI tự làm, con người điều phối — human-on-the-loop.
Phần 1 · AI Models Comparison
Cuộc đua model AI, 2026.
Cột đậm = model vừa ra mắt · nhạt = giữ nguyên.
Điểm = Artificial Analysis Intelligence Index v4.0 (10 đánh giá, làm tròn; chênh ±1 ≈ hòa). Trục Y từ 46.
Phần 1 · Benchmark Opus 4.8
Opus 4.8 trên bàn cân agentic.
Nguồn: Anthropic — bảng đánh giá Opus 4.8. ↗
Phần 1 · The Product Stack
Anthropic · OpenAI · Google:
những sản phẩm chủ lực.
Cùng một bài toán — đưa AI vào lập trình — nhưng mỗi hãng đóng gói theo một triết lý riêng.
Phần 1 · Pricing
Giá: subscription & API tokens.
Số liệu tháng 5–6/2026, đổi thường xuyên — kiểm tại trang giá chính thức mỗi hãng.
Phần 1 · Claude
Bên trong Claude: từ chat đến xưởng việc.
claude.ai
lập trình
Hiện trạng tháng 5–6/2026; gói khả dụng tùy bậc thuê bao.
Phần 1 · Claude Code CLI
Claude Code: agent lập trình trong terminal.
Phiên minh họa rút gọn; năng lực tùy phiên bản & cấu hình. ↗
Phần 1 · Claude Code · Hai bề mặt
Cùng một agent, hai chỗ làm việc.
Extension không phải bản rút gọn — là chính Claude Code trong IDE.
Chung account, model & bộ tính năng (MCP, sub-agents, skills, CLAUDE.md) — nên giá token như nhau; khác biệt cost nằm ở lượng context mỗi bên nạp. ↗
Phần 1 · The Tool Landscape
Không chỉ có Claude.
Snapshot thị trường tháng 5–6/2026; ngoài ra còn Aider, Continue, Cody, Zed AI, Replit Agent…
Phần 1 · Ways of Working
The Three Layers of AI Control.
Mỗi nấc không thay nấc trước — mà bọc lên trên.
Prompt Engineering
“Nghệ thuật hỏi đúng” — model thông minh nhưng không biết code của bạn.
Context Engineering
Không phải hỏi khéo, mà cho model thấy đúng thứ.
Harness Engineering
Dựng “khung” để agent tự chạy an toàn — người duyệt kết quả.
Con người điều phối, AI thực thi — human-on-the-loop.
Phần 2 · AI Control · Prompt
Prompt Engineering
Kỹ năng viết chỉ dẫn cho mô hình: vai trò, yêu cầu, ràng buộc, định dạng — đúng ý ngay trong một lượt hỏi.
Mô hình chỉ làm theo câu lệnh, không đọc ý trong đầu ta. Cách ra đề quyết định chất lượng đầu ra.
Lớp lỗi đầu tiên & rẻ nhất: lệch ý, sai định dạng, lan man — chưa cần đụng context hay harness.
Phần 2 · AI Control · Context
Context Engineering
Kỹ năng kiểm soát những gì lọt vào cửa sổ ngữ cảnh: đúng file, tài liệu, lịch sử, kết quả công cụ — model thấy gì trước khi suy luận.
Model chỉ biết những gì được cho xem. Hỏi khéo đến mấy cũng vô nghĩa nếu thiếu ngữ cảnh đúng.
Lỗi model tự tin suy luận trên thông tin sai/thiếu. Cửa sổ hữu hạn — nạp đúng, biết bỏ bớt, hơn nạp nhiều.
Phần 2 · Context · Ví dụ
Cùng một yêu cầu, hai ngữ cảnh.
Yêu cầu: › thêm API tạo user mới
Model đoán: tự chế route /createUser, viết lại hàm validate, trả password dạng plaintext. Đúng cú pháp — sai toàn bộ quy ước dự án.
Theo đúng REST convention của repo (POST /users), dùng zod schema sẵn có, hash password bằng util chung. Khớp codebase, ghép vào là chạy.
Cùng model, cùng prompt — khác nhau ở thứ model được cho thấy.
Phần 2 · AI Control · Harness
Harness Engineering
Kỹ năng dựng môi trường vận hành quanh model: công cụ, vòng phản hồi (test/lint), ranh giới quyền hạn, bộ nhớ, điểm duyệt — biến model thành agent làm được việc.
Việc thật là chuỗi nhiều bước, chạm hệ thống thật. Thiếu khung kiểm soát, một lỗi nhỏ trong chuỗi dài sẽ trôi đi không ai chặn.
Lỗi khó lường khi agent chạy tự chủ, dài hơi, quy mô lớn. Lớp ngoài cùng & nặng nhất — agent có đáng tin trong production hay không.
Phần 2 · Harness · Ví dụ
Harness bắt lỗi trước khi tới tay người.
Model không tự biết mình sai — harness (test, guardrail) mới là thứ bắt lỗi và giữ agent trong giới hạn an toàn.
Phần 3 · Phương pháp phổ biến
The Autonomy Spectrum.
Autocomplete
Gợi ý từng dòng khi gõ.
Chat-assist
Hỏi–đáp, sửa từng đoạn.
Supervised agent
Agent làm nhiều bước, người duyệt PR.
Autonomous
Agent tự chạy, kiểm ở cuối.
Đa số đội đang ở 02–03 — biên đang dịch dần về phải.
Phần 3 · Đưa AI vào tổ chức
Adoption Patterns.
Ba câu hỏi: tới mức tự động nào · ai dựng chuẩn chung · mua hay tự nuôi.
Phần 3 · Đọng lại
No Single Best Method.
Chọn theo loại việc và bối cảnh công ty — không chạy theo công cụ mới nhất.
Phần 4 · Hướng đi cho công ty
Two Fronts at Once.
Năng suất nội bộ
AI giúp cả đội dịch vụ lẫn đội sản phẩm làm nhanh hơn, rẻ hơn trên mỗi dự án.
Doanh thu mới từ AI
Đóng gói năng lực AI thành dịch vụ & sản phẩm: automation, agent theo ngành, AI-enabled delivery.
Phần 4 · Mô hình giá
The Pricing Trap.
Phần 4 · Chính sách dữ liệu
Data Policy That Sells.
Phần 4 · Lộ trình
Start Small, Then Scale.
Chọn pilot
1–2 dự án thật, có người chủ trì và phạm vi rõ.
Đo trước / sau
Năng suất, chất lượng, chi phí — có số liệu thật.
Nhân rộng
Lan cái chạy được, kèm chuẩn & chính sách đã kiểm chứng.
Cần một người (hoặc nhóm nhỏ) sở hữu mảng AI: giữ công cụ, chính sách, đo lường, lan tỏa.
Kết
Three Layers of Adaptation.
Thích nghi không phải chạy theo công nghệ — mà chọn cách dùng nó cho hợp với mình, sớm hơn một nhịp.