Boris Cherny và 5 thói quen làm việc hiệu quả với Claude Code
Boris Cherny là kỹ sư tại Anthropic, gắn liền với quá trình xây dựng Claude Code. Trong cuộc trò chuyện do Anthropic đăng về một năm phát triển Claude Code, anh chia sẻ một cách làm việc đáng chú ý: thay vì xem AI như một người chỉ trả lời từng câu lệnh, hãy tổ chức công việc để nó có thể tự xử lý nhiều bước, học từ lỗi và lặp lại quy trình.
Bộ ảnh đi kèm cô đọng năm gợi ý. Chúng hữu ích nhất khi được xem như kinh nghiệm thực hành của một người dùng nhiều, không phải quy tắc đúng cho mọi dự án. Đặc biệt, lời khuyên bỏ bước lập kế hoạch phụ thuộc vào model, độ phức tạp và mức rủi ro của việc đang làm.
1. Bỏ bước lập kế hoạch khi việc đã đủ rõ
Ý trong ảnh là các model mới đôi khi không cần một lượt lập kế hoạch riêng trước khi bắt tay vào việc. Với yêu cầu nhỏ, phạm vi hẹp và dễ kiểm tra — chẳng hạn sửa một lỗi giao diện đã tái hiện được — ta có thể nêu kết quả cần có, để Claude Code thực hiện rồi kiểm tra đầu ra.
Nhưng “không cần lúc nào cũng lập kế hoạch” khác với “không bao giờ lập kế hoạch”. Tài liệu Claude Code vẫn khuyến nghị chế độ Plan cho công việc phức tạp khi người dùng muốn xem và duyệt cách tiếp cận trước. Với thay đổi ảnh hưởng dữ liệu, bảo mật, kiến trúc hoặc nhiều thành phần, bước thống nhất kế hoạch giúp phát hiện hiểu nhầm trước khi code bị sửa.
Quy tắc thực tế: việc nhỏ, dễ đảo ngược thì có thể đi thẳng; việc lớn, khó đảo ngược hoặc có nhiều lựa chọn thì lập kế hoạch và duyệt trước.
2. Biến lỗi lặp lại thành hướng dẫn dùng lại
Nếu Claude mắc một lỗi đã từng được sửa, đừng chỉ nhắc lại trong cuộc trò chuyện. Hãy yêu cầu nó ghi bài học có thể tái sử dụng vào CLAUDE.md hoặc một skill phù hợp. Như vậy, quy ước quan trọng có cơ hội đi cùng những phiên làm việc sau, thay vì nằm lại trong lịch sử chat.
Ví dụ: nếu dự án luôn cần chạy một lệnh kiểm tra cụ thể trước khi kết thúc, ghi lệnh đó vào hướng dẫn dự án. Nếu một quy trình nhiều bước được lặp lại thường xuyên, đóng gói nó thành skill để gọi lại đúng cách.
Tuy nhiên, không nên biến mọi lỗi đơn lẻ thành luật. Chỉ lưu những điều có khả năng tái diễn và giúp tránh lỗi thật sự. Hướng dẫn quá dài, trùng lặp hoặc áp dụng sai ngữ cảnh có thể làm AI nhiễu và khiến người sau khó biết đâu là quy tắc quan trọng.
3. Dùng vòng lặp thay vì tự nhắc AI từng bước
Khi một loại công việc lặp đi lặp lại, ta có thể giao cho Claude một quy trình có đầu vào, các bước xử lý và điều kiện hoàn tất. Thay vì mỗi lần lại nhắc “đọc yêu cầu, sửa code, chạy test, xem kết quả”, một vòng lặp hoặc routine có thể điều phối chuỗi đó.
Điều quan trọng là vòng lặp phải biết lúc nào dừng. Hãy định nghĩa rõ kết quả cần đạt, cách kiểm tra và trường hợp phải hỏi người dùng. Chẳng hạn: sửa cho đến khi bài kiểm thử liên quan chạy thành công; nếu lỗi nằm ngoài phạm vi đã cho hoặc cần thay đổi dữ liệu thật, dừng lại và báo cáo.
Tự động hóa tốt không phải là để agent chạy mãi. Đó là giảm các lần nhắc việc thủ công trong khi vẫn giữ điểm kiểm soát và tiêu chí nghiệm thu.
4. Cung cấp ngữ cảnh vừa đủ
Nhiều người nghĩ rằng đưa càng nhiều tài liệu, yêu cầu và công cụ cho AI thì kết quả càng tốt. Nhưng ngữ cảnh thừa cũng làm loãng điều quan trọng. Gợi ý ở đây là bắt đầu với phần tối thiểu cần thiết, rồi để Claude tự tìm đúng tài liệu hoặc công cụ khi có nhu cầu.
“Ít ngữ cảnh” không có nghĩa là yêu cầu mơ hồ. Một giao việc tốt vẫn cần nói rõ mục tiêu, phạm vi, ràng buộc và cách biết việc đã xong. Ta có thể bỏ phần nền không liên quan, nhưng không nên bỏ tiêu chí nghiệm thu hay thông tin quyết định cách triển khai.
Với kho code, thay vì dán cả loạt tệp vào yêu cầu, hãy chỉ đường dẫn khu vực liên quan, nêu hành vi mong muốn và yêu cầu Claude kiểm tra các nơi sử dụng trước khi sửa. Nếu nó thiếu dữ kiện, để nó hỏi hoặc tra cứu có mục tiêu.
5. Sẵn sàng thay đổi điều mình từng tin là đúng
Khi công cụ thay đổi nhanh, một kinh nghiệm từng đúng có thể không còn tối ưu. Điều đó đòi hỏi kỹ sư và người dùng AI thường xuyên kiểm tra lại giả định của mình: bước nào thực sự bảo vệ chất lượng, bước nào chỉ còn là thói quen, và model hiện tại có thể đảm nhận phần nào tốt hơn trước?
Cởi mở với việc mình có thể sai không đồng nghĩa bỏ qua kiểm thử, an toàn hay rà soát. Những nguyên tắc đó vẫn cần thiết, nhất là khi hệ thống có dữ liệu thật hoặc ảnh hưởng đến người dùng. Điều nên cập nhật là phương pháp làm việc dựa trên bằng chứng mới, không phải vứt bỏ kỷ luật kỹ thuật.
Gói lại thành một cách làm
Năm gợi ý có thể ghép thành một vòng cải tiến: giao việc rõ; chọn mức lập kế hoạch theo độ khó và rủi ro; cho AI cách kiểm chứng; biến bài học lặp lại thành hướng dẫn; sau đó tinh giản ngữ cảnh và quy trình dựa trên kết quả thực tế.
Với mỗi tác vụ Claude Code, có thể tự hỏi:
- Đây là việc nhỏ có thể đảo ngược, hay cần duyệt kế hoạch trước?
- Đầu ra đạt yêu cầu được kiểm chứng bằng gì?
- Lỗi nào có khả năng lặp lại và đáng ghi thành hướng dẫn?
- Ngữ cảnh nào thật sự cần thiết để hoàn thành việc này?
- Nếu AI mắc lỗi hoặc đi sai phạm vi, điểm dừng nằm ở đâu?
Claude Code có thể xử lý nhiều bước hơn theo thời gian, nhưng trách nhiệm xác định mục tiêu, giới hạn quyền và quyết định chấp nhận kết quả vẫn thuộc về con người.