Nếu bạn từng dùng AI để lập trình, có lẽ bạn đã quen với việc yêu cầu AI viết một đoạn code, sửa một hàm hoặc giải thích một lỗi. Nhưng đó mới chỉ là cách sử dụng AI ở mức cơ bản. Trong một buổi chia sẻ kỹ thuật, Boris, thành viên đội ngũ kỹ thuật Anthropic và là người tạo ra Claude Code, đã giới thiệu một cách tiếp cận khác: thay vì yêu cầu AI viết từng đoạn code, hãy giao cho AI cả một nhiệm vụ và để nó tự tìm cách hoàn thành.
Đó chính là ý tưởng phía sau Claude Code. Công cụ này không đơn thuần là một chatbot viết code. Nó hoạt động giống một “nhân viên lập trình AI”: có thể đọc mã nguồn, tìm kiếm file, chỉnh sửa code, chạy lệnh, kiểm thử, phát hiện lỗi và tiếp tục sửa. Ví dụ, thay vì yêu cầu “hãy sửa dòng code này”, bạn có thể giao một nhiệm vụ như: “Hãy tìm nguyên nhân khiến chức năng đăng nhập bị lỗi, sửa nó và chạy test để đảm bảo mọi thứ hoạt động bình thường.” Claude Code có thể tự đọc những phần code liên quan, xác định nguyên nhân, thực hiện thay đổi, chạy kiểm thử rồi tiếp tục điều chỉnh nếu kết quả chưa đúng.
1. Điều quan trọng nhất: Claude Code không chỉ “trả lời”, nó có thể “hành động”
Để hiểu Claude Code thực sự khác biệt như thế nào, chúng ta cần so sánh nó với các chatbot AI thông thường. Với một chatbot bình thường, quy trình làm việc khá đơn giản: bạn đặt câu hỏi → AI trả lời → rồi bạn phải tự thực hiện những điều mà AI đã gợi ý. Nhưng khi bạn sử dụng Claude Code, mọi thứ lại diễn ra khác hẳn – quy trình trở thành: bạn giao một mục tiêu → AI tự thực hiện nhiều bước để hoàn thành → kiểm tra kết quả của chính nó → và tự sửa lại nếu cần thiết.
Để dễ hình dung hơn, hãy tưởng tượng bạn thuê một lập trình viên mới vào dự án. Bạn sẽ không chỉ đưa cho họ một dòng code rồi bảo “viết tiếp” mà thôi. Thay vào đó, bạn sẽ đưa cho họ toàn bộ yêu cầu chi tiết, cấp quyền truy cập các file cần thiết, cho phép họ chạy thử chương trình, kiểm tra kết quả, phát hiện lỗi và tự sửa. Đó chính là cách Claude Code được thiết kế hoạt động.
Một lợi thế lớn của Claude Code là nó không yêu cầu bạn thay đổi toàn bộ quy trình làm việc hiện tại. Thay vào đó, nó tích hợp linh hoạt vào các công cụ bạn đang dùng hàng ngày như VS Code, Xcode, JetBrains, Vim hoặc Emacs và cũng có thể chạy trực tiếp trên terminal, máy chủ từ xa qua SSH hoặc môi trường tmux. Vì vậy, người dùng không nhất thiết phải thay đổi toàn bộ công cụ đang quen thuộc để sử dụng nó.
2. Muốn dùng AI tốt, đừng bắt đầu bằng việc “viết code”
Một trong những cách sử dụng đáng chú ý nhất mà Boris chia sẻ lại không phải là cách viết code đúng chuẩn cho AI, mà là dùng Claude để hiểu một dự án mà bạn chưa từng làm quen.
Ví dụ, trong tình huống bạn vừa tham gia một dự án có hàng nghìn file: Nếu tự đọc từng file để hiểu hệ thống, bạn có thể mất nhiều ngày hoặc nhiều tuần nhưng với Claude Code, bạn có thể bắt đầu bằng những câu hỏi rất đơn giản: “Dự án này hoạt động như thế nào?”, “Chức năng đăng nhập nằm ở đâu?”, “File này được sử dụng ở những vị trí nào?”, “Class này được khởi tạo như thế nào?”. Claude có thể tự tìm kiếm trong codebase và kết nối những phần liên quan để giải thích cho bạn. Đặc biệt, nó có thể xem lịch sử Git để tìm hiểu tại sao một đoạn code lại được viết như vậy.
Để minh họa cụ thể hơn, hãy tưởng tượng bạn nhìn thấy một hàm có tới 15 tham số và cảm thấy hoàn toàn bối rối vì không hiểu vì sao nó lại được thiết kế như vậy. Để không tốn hàng giờ để tìm từng commit, từng pull request để hiểu tại sao, bạn chỉ cần hỏi Claude một câu đơn giản: “Tại sao hàm này lại có nhiều tham số như vậy?”. Sau đó, Claude sẽ tự động xem lịch sử git của hàm đó, phân tích những thay đổi qua thời gian, và đưa ra bối cảnh chi tiết để giải thích.
Theo Boris, chính khả năng này đã giúp rút ngắn đáng kể quá trình onboarding kỹ thuật tại Anthropic. Một nhân viên mới trước đây có thể cần 2 – 3 tuần để làm quen với một codebase, nhưng khi sử dụng Claude Code để chủ động hỏi và khám phá hệ thống ngay từ đầu, quá trình này có thể giảm xuống còn khoảng 2 – 3 ngày. Nói dễ hiểu hơn thì AI giúp bạn đọc và hiểu một hệ thống nhanh hơn.
3. Với việc lớn, hãy yêu cầu AI lập kế hoạch trước
Một lỗi phổ biến khi làm việc với AI là thấy AI viết code được thì lập tức yêu cầu nó triển khai mọi thứ. Với những nhiệm vụ lớn, cách này dễ khiến AI đi sai hướng ngay từ đầu. Boris khuyến nghị một cách đơn giản: hãy yêu cầu Claude lập kế hoạch trước khi viết code. Bạn có sử dụng câu lệnh “Before you write code, make a plan.” khi bắt đầu dùng Claude Code
- Khi bạn yêu cầu Claude lập kế hoạch trước, quá trình sẽ diễn ra như thế này:
- Claude đầu tiên sẽ phân tích yêu cầu của bạn một cách toàn diện và kỹ lưỡng
- Tiếp theo, nó xác định những phần code liên quan cần thay đổi hoặc bổ sung
- Sau đó, nó sẽ đề xuất cách triển khai tối ưu nhất dựa trên hiểu biết của nó về codebase
- Bạn xem kế hoạch chi tiết đó, có cơ hội để điều chỉnh hoặc thêm yêu cầu nếu cần
- Cuối cùng, sau khi bạn phê duyệt kế hoạch, Claude mới bắt đầu thực hiện các bước cụ thể
Điều này nghe có vẻ nhỏ nhưng rất quan trọng. Nếu AI hiểu sai yêu cầu ngay bước đầu, càng cho nó tự động làm nhiều việc thì càng dễ tạo ra một “núi code” khó sửa. Vì vậy, lập kế hoạch trước giúp con người kiểm soát hướng đi, còn AI đảm nhận phần thực thi. Đây là cân bằng hoàn hảo giữa tự động hóa và kiểm soát.
4. Điểm mạnh nhất của AI agent nằm ở khả năng tự kiểm tra
Có một nguyên tắc rất đáng chú ý trong cách xây dựng Claude Code: AI sẽ mạnh hơn rất nhiều nếu nó có cách biết mình vừa làm đúng hay sai.
Ví dụ, nếu bạn yêu cầu Claude xây dựng một giao diện website từ một bản thiết kế, Claude viết code xong chưa có nghĩa là công việc hoàn thành. Nó có thể chạy website bằng công cụ kiểm thử như Puppeteer, chụp ảnh màn hình, nhìn vào kết quả rồi nhận ra giao diện chưa giống thiết kế. Sau đó nó sửa code và chạy lại.
Quy trình có thể lặp như sau: Yêu cầu → Lập kế hoạch → Viết code → Chạy thử → Kiểm tra → Sửa lỗi → Chạy lại.
Đây được gọi là feedback loop – vòng lặp phản hồi. Điểm quan trọng ở đây là AI không chỉ làm một lần rồi chờ con người kiểm tra. Nó có thể làm → nhìn kết quả → nhận ra vấn đề → sửa → thử lại. Đây chính là một trong những đặc điểm khiến AI agent khác biệt so với chatbot thông thường.
5. CLAUDE.md: Hãy cho AI biết “luật chơi” của dự án
Một vấn đề lớn khi sử dụng AI là AI không tự nhiên biết dự án của bạn được tổ chức như thế nào. Mỗi dự án có cách đặt tên file, quy tắc viết code, cách chạy test và kiến trúc khác nhau. Tuy nhiên, Claude Code có thể giải quyết vấn đề này bằng một file đặc biệt có tên CLAUDE.md.
Có thể hiểu đơn giản, đây là “sổ tay hướng dẫn cho AI”. Trong đó, bạn có thể ghi những thông tin như: dự án này chạy bằng lệnh nào, test bằng cách nào, những quy tắc code quan trọng, công cụ nào được sử dụng, những thư mục nào cần chú ý hoặc những quyết định kiến trúc mà AI cần biết.
Muốn đánh giá mức độ AI-Ready của nhà trường?
AIE Creative có thể giúp bạn rà soát hiện trạng, xác định khoảng trống và đề xuất lộ trình đào tạo phù hợp.
Ví dụ, thay vì mỗi lần bắt đầu bạn lại nói: “Muốn chạy test thì dùng lệnh này”, bạn chỉ cần ghi thông tin đó vào CLAUDE.md. Những lần sau Claude có thể đọc và sử dụng nó. File này cũng có thể được tổ chức theo nhiều cấp độ: thông tin chung cho toàn dự án, thông tin riêng cho từng thư mục hoặc thông tin cá nhân chỉ dành cho một lập trình viên.
Tuy nhiên, Boris lưu ý rằng không nên nhét mọi thứ vào file này. Nó nên ngắn gọn và chỉ chứa những thông tin thực sự cần thiết. Mục tiêu không phải là viết một cuốn sách cho AI đọc, mà là tạo một “bảng hướng dẫn nhanh” để AI hiểu cách làm việc trong dự án.
6. AI càng có nhiều công cụ phù hợp, càng có thể làm được nhiều việc
Claude Code có thể kết nối với các công cụ khác thông qua CLI hoặc MCP. Hiểu đơn giản, MCP giống như cách mở thêm các “cánh tay” cho AI. Bản thân Claude có thể đọc và sửa file. Tuy nhiên nếu được kết nối với công cụ kiểm thử, hệ thống quản lý lỗi, cơ sở dữ liệu hoặc các công cụ nội bộ của doanh nghiệp, nó có thể thực hiện được nhiều công việc hơn.
Các công cụ có thể kết nối
- Công cụ kiểm thử (Pytest, Jest, Vitest)
- Hệ thống quản lý lỗi (Jira, GitHub Issues)
- Cơ sở dữ liệu (PostgreSQL, MongoDB)
- Công cụ nội bộ của doanh nghiệp
- Git và GitHub (tạo commit, pull request)
Ví dụ, một quy trình có thể trở thành: Claude nhận lỗi → tìm code liên quan → sửa code → chạy test → kiểm tra kết quả → tạo commit → tạo pull request. Khi đó, AI không còn đứng bên ngoài quy trình phát triển phần mềm mà trở thành một thành phần trực tiếp bên trong quy trình.
7. Claude Code còn có thể làm việc với hình ảnh
Mặc dù nó chủ yếu hoạt động trong terminal và làm việc với code, nhưng nó lại không bị giới hạn chỉ ở text. Bạn hoàn toàn có thể đưa cho Claude một hình ảnh mockup của website, và yêu cầu nó xây dựng giao diện HTML/CSS tương ứng. Sau đó AI có thể chạy website, chụp ảnh kết quả và sử dụng hình ảnh đó để tiếp tục điều chỉnh.
Như vậy, một quy trình có thể bắt đầu từ: Ảnh thiết kế → AI viết code → chạy thử → chụp ảnh kết quả → AI so sánh → sửa code.
Quy trình này thực sự mở ra một cách làm việc mới và hiệu quả. Claude Code không chỉ hiểu “chúng ta muốn viết gì”, mà còn có thể hiểu “kết quả cuối cùng cần trông như thế nào” bằng cách nhìn vào hình ảnh. Đây là một bước nhảy vọt trong cách AI tương tác với thiết kế.
8. Từ một trợ lý lập trình thành một hệ thống tự động hóa
Ở cấp độ cao hơn, Claude Code còn có SDK để đưa AI vào các quy trình tự động. Khi đó, bạn không nhất thiết phải ngồi trước terminal và ra từng câu lệnh.
Claude có thể được tích hợp vào CI/CD, hệ thống theo dõi lỗi hoặc các pipeline dữ liệu. Để hiểu rõ hơn, hãy tưởng tượng một kịch bản thực tế. Khi hệ thống CI/CD của bạn phát hiện ra một lỗi hoặc lỗi hồi quy, các thông tin về lỗi đó có thể được tự động gửi đến Claude Code. Lúc này, quá trình sẽ diễn ra hoàn toàn tự động: Claude tìm nguyên nhân, thực hiện thay đổi, chạy test và trả kết quả về hệ thống.
Ngoài ra, những người dùng nâng cao còn có khả năng chạy nhiều phiên Claude Code song song cùng một lúc bằng SSH, tmux, hoặc Git worktrees. Điều này có nghĩa là thay vì một AI làm lần lượt từng việc, bạn có thể có nhiều “tác nhân” – nhiều phiên Claude Code – cùng làm việc trên những nhiệm vụ khác nhau. Một phiên xử lý lỗi, một phiên phát triển tính năng mới, một phiên chạy kiểm thử – tất cả diễn ra song song mà không ảnh hưởng lẫn nhau.
9. Vậy điều gì thực sự thay đổi?
Điều đáng chú ý nhất từ câu chuyện Claude Code là nó cho thấy cách con người làm việc với AI đang thay đổi. Trước đây, chúng ta thường nghĩ về AI theo kiểu: “Tôi làm việc → AI giúp tôi một phần.” Với AI agent, cách nghĩ có thể chuyển thành: “Tôi xác định mục tiêu → AI tự thực hiện một chuỗi công việc → tôi giám sát và đánh giá kết quả.”
Đó là một thay đổi rất lớn và quan trọng trong thời đại AI. Một lập trình viên không còn nhất thiết phải nói cho AI từng bước phải làm gì. Họ có thể tập trung nhiều hơn vào việc xác định mục tiêu, yêu cầu, giới hạn và tiêu chuẩn kết quả. AI đảm nhận phần lớn thao tác ở giữa.
Vì vậy, kỹ năng quan trọng trong thời đại AI là biết giao việc cho AI, cung cấp đúng ngữ cảnh, xây dựng cơ chế kiểm tra và thiết kế một quy trình để AI có thể tự sửa sai. Nếu nhìn rộng hơn, Claude Code chỉ là một ví dụ cho một xu hướng lớn hơn: AI đang chuyển từ công cụ trả lời sang tác nhân thực hiện công việc. Và khi AI ngày càng có khả năng sử dụng công cụ, tự kiểm tra và tự điều chỉnh, ranh giới giữa “trợ lý” và “người thực hiện” sẽ ngày càng mờ đi.
Điều này dẫn đến một câu hỏi rất quan trọng về tương lai. Có lẽ câu hỏi quan trọng nhất trong tương lai sẽ không còn là “AI viết code giỏi đến đâu?” (bởi vì đó sẽ là hiển nhiên), mà thay vào đó là: “Chúng ta có thể giao cho AI bao nhiêu phần của một công việc hoàn chỉnh, và làm thế nào để kiểm soát nó một cách an toàn và hiệu quả?”
Nguồn: https://x.com/heyrohitai/status/2096442440349790266
