Có bao giờ bạn thấy mệt mỏi vì mỗi lần muốn AI làm một việc quen thuộc, bạn lại phải gõ lại từ đầu một câu lệnh dài ngoằng? Sáng nay dặn Claude viết báo cáo theo mẫu của phòng, chiều mở phiên mới lại phải dặn lại y hệt. Ngày mai cũng vậy. Cảm giác như ngày nào cũng phải đào tạo lại một nhân viên mới.
Bài viết này nói về khái niệm đang thay đổi cách chúng ta làm việc với AI: Skill (kỹ năng). Việc chuyển từ viết prompt sang dùng skill không phải để làm khó bạn, mà để khắc phục triệt để những hạn chế cốt lõi mà câu lệnh thông thường không thể giải quyết được.
Ba câu hỏi cốt lõi khi làm việc với AI
Mọi cuộc giao tiếp với AI, dù phức tạp đến đâu, thực chất chỉ xoay quanh ba câu hỏi:
- WHO — AI là ai? (đóng vai trò gì: chuyên viên phân tích, biên tập viên, trợ lý pháp lý…)
- WHAT — AI cần làm nhiệm vụ gì ngay lúc này?
- HOW — làm việc đó như thế nào cho đúng chuẩn quy trình?
Ba câu hỏi này là chìa khoá để hiểu vì sao prompt dần trở nên đuối, còn skill thì không.
Prompt chỉ trả lời được WHO và WHAT
Một câu lệnh tiêu chuẩn thường chỉ giải quyết được ai và làm gì:
"Bạn là chuyên viên phân tích, hãy viết báo cáo tháng 10."
Nó chạy được. Nhưng hạn chế lớn nhất là tính dùng một lần. Lượt sau muốn làm lại, bạn buộc phải gõ lại toàn bộ — vừa tốn thời gian, vừa dễ sai sót.
Rồi để kết quả tốt hơn, bạn bắt đầu nhồi thêm vào câu lệnh: quy trình, văn phong, biểu mẫu, ví dụ mẫu… Câu lệnh phình to dần thành một khối khổng lồ. Và vì AI không tự nhớ giữa các phiên làm việc, ngày nào bạn cũng phải gửi lại nguyên khối thông tin đó từ đầu.
Hệ quả kéo theo hai vấn đề:
- Chi phí token tăng. Câu lệnh càng dài, số token tiêu hao cho mỗi lượt hỏi càng cao.
- Chất lượng giảm. Khi bị nhồi quá nhiều thông tin hỗn độn trong một lần, AI dễ bị "ngợp" và bắt đầu trả về kết quả sai lệch, thiếu chính xác.
Nói cách khác: prompt càng cố gồng để trả lời câu hỏi HOW, nó càng nặng và càng dễ hỏng.
Skill: chuyên trị câu hỏi HOW
Skill sinh ra để giải quyết đúng phần làm như thế nào. Thay vì gõ lại yêu cầu mỗi ngày, bạn đóng gói toàn bộ quy trình chuẩn thành một skill — một thư mục chứa hướng dẫn, và có thể kèm số liệu, biểu mẫu, script.
Ví dụ, một skill "Viết báo cáo KPI VNPAY" có thể chứa sẵn: bối cảnh phòng ban, cấu trúc báo cáo, cách trình bày số liệu, văn phong nội bộ. Lần sau bạn chỉ cần nạp file dữ liệu vào và ra lệnh ngắn gọn — Claude tự xử lý theo đúng quy trình đã cài sẵn, không cần bạn nhắc lại.
Về mặt kỹ thuật, mỗi skill là một thư mục có file SKILL.md, bắt đầu bằng một đoạn mô tả ngắn (tên + mô tả) rồi mới đến phần hướng dẫn chi tiết. Chính cấu trúc đơn giản này lại tạo ra điểm mạnh lớn nhất bên dưới.
Cơ chế nạp thông minh: Progressive Disclosure
Điểm khiến skill trở thành xu thế nằm ở cơ chế nạp theo tầng — Anthropic gọi là progressive disclosure (bộc lộ dần). Hãy hình dung nó như một cuốn cẩm nang có mục lục: bạn đọc mục lục trước, chỉ mở đúng chương cần khi thật sự dùng đến.
Khi khởi động, Claude không đọc toàn bộ nội dung chi tiết của mọi skill. Nó nạp thông tin theo ba tầng:
| Tầng | Nạp khi nào | Nội dung |
|---|---|---|
| 1. Metadata | Ngay từ đầu phiên | Chỉ tên + mô tả ngắn của mỗi skill (Claude dùng để biết "có skill nào, khi nào cần dùng") |
| 2. Nội dung chính | Khi bạn ra yêu cầu khớp với skill đó | Toàn bộ hướng dẫn chi tiết trong SKILL.md |
| 3. Tài nguyên bổ sung | Chỉ khi cần đến | Các file phụ: biểu mẫu, script, dữ liệu tham chiếu |
Nghĩa là Claude luôn "biết" nó có những kỹ năng gì, nhưng chỉ mở ra đọc kỹ đúng cái đang cần — thay vì cõng toàn bộ trên vai suốt cả phiên.
Con số biết nói: chênh lệch tới 15 lần
Lấy một ví dụ để thấy rõ khác biệt. Giả sử bạn có 20 quy trình, mỗi quy trình dài 3.000 token:
| Cách làm | Token phải nạp mỗi lượt hỏi |
|---|---|
| Prompt kiểu cũ (nhồi hết vào câu lệnh) | 20 × 3.000 = 60.000 token |
| Skill (progressive disclosure) | 1.000 token mô tả + 3.000 token của đúng skill đang dùng ≈ 4.000 token |
Chênh lệch tới ~15 lần cho cùng một kết quả. Với tổ chức dùng AI ở quy mô nhiều người, nhiều nghiệp vụ, khoản tiết kiệm này là rất đáng kể — và quan trọng hơn, câu lệnh gọn thì AI cũng ít bị "ngợp", cho kết quả ổn định hơn.
Hai giá trị lớn nhất của Skill
1. Đóng gói một lần, dùng mãi. Chấm dứt việc gõ đi gõ lại. Quy trình được lưu thành file, cả đội cùng dùng chung một chuẩn.
2. Tính module. Khi một quy trình thay đổi, bạn chỉ cần sửa đúng một file skill đó. Các nghiệp vụ khác vẫn chạy bình thường — không tốn công sửa vô ích, không lo "sập" cả hệ thống prompt như khi phải chỉnh một câu lệnh khổng lồ.
Đây chính là điểm biến AI từ một công cụ "hỏi gì đáp nấy" thành những module nghiệp vụ chuyên sâu dùng lại được.
Dùng skill ở đâu?
Một skill được xây một lần có thể chạy giống nhau trên nhiều bề mặt: Claude.ai (giao diện web/app), Claude Code, và API. Không phải viết lại cho từng nơi — miễn là môi trường đáp ứng được các thành phần mà skill cần (ví dụ skill có script thì cần môi trường chạy code). Điều này cho phép cả team dùng chung một bộ skill thống nhất.
Lưu ý bảo mật cho môi trường VNPAY
Skill có thể chứa và xử lý dữ liệu thật của công ty (biểu mẫu, số liệu, tài liệu tham chiếu). Trước khi đưa dữ liệu nội bộ vào một skill, cần lưu ý:
- Kiểm tra quy định dùng công cụ AI của VNPAY trước khi đóng gói dữ liệu nhạy cảm (số liệu giao dịch, thông tin khách hàng) vào skill.
- Ưu tiên đưa vào skill phần quy trình và biểu mẫu (know-how), hạn chế nhúng dữ liệu nhạy cảm cứng — thay vào đó nạp dữ liệu theo từng lần dùng.
- Khi chia sẻ skill trong team, nhớ rà lại xem file đính kèm có vô tình chứa thông tin không nên phát tán rộng không.
(Đây là khuyến nghị chung; team cần đối chiếu với chính sách bảo mật nội bộ hiện hành của VNPAY để áp dụng cho đúng.)
Tóm lại
Skill không chỉ là một kỹ thuật — nó là một bước ngoặt về tư duy khi làm việc với AI. Nếu prompt trả lời "ai" và "làm gì", thì skill trả lời được cả "làm như thế nào cho đúng chuẩn", và làm điều đó một cách bền vững: đóng gói một lần, dùng mãi, dễ bảo trì, tiết kiệm token.
Nếu bạn đang muốn tối ưu hoá công việc với AI ở VNPAY, đã đến lúc chuyển dịch từ viết lại câu lệnh mỗi ngày sang xây dựng bộ skill dùng chung cho cả đội.
Bước tiếp theo: Muốn bắt tay làm một skill cụ thể? Xem bài thực hành "Hướng dẫn tạo Claude Skill — skill làm slide" để đi qua từng bước từ chuẩn bị bối cảnh đến đóng gói và chạy thử. (Sửa lại link cho đúng bài thực hành trên site.)
References:
- Anthropic (2025) Equipping agents for the real world with Agent Skills. Available at: https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills (Accessed: 17/07/2026).
- Anthropic (2026) The Complete Guide to Building Skills for Claude. Available at: https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf (Accessed: 17/07/2026).
- Anthropic Agent Skills — Claude Platform Docs. Available at: https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview (Accessed: 17/07/2026).
- Video nguồn: https://www.youtube.com/watch?v=Pi34gZwzKU0