Trong cộng đồng AI hiện nay, chúng ta thường nghe về việc tạo ra các “Agent” (tác nhân AI) chuyên biệt cho từng tác vụ. Tuy nhiên, tại hội thảo gần đây, đội ngũ kỹ sư của Anthropic đã đưa ra một tuyên bố gây ngạc nhiên: Họ đã ngừng tập trung vào việc xây dựng các Agent riêng biệt và chuyển sang xây dựng “Kỹ năng” (Skills).
1. Vấn đề của Agent hiện tại: Thông minh nhưng thiếu “Tay nghề”
Các Agent AI hiện nay sở hữu trí thông minh vượt trội nhưng thường thiếu chuyên môn (expertise) cần thiết cho công việc thực tế.
Barry Zhang đưa ra một ví dụ so sánh thú vị: Nếu bạn cần làm thuế, bạn sẽ chọn ai? Một thiên tài toán học có IQ 300 nhưng chưa từng đọc luật thuế, hay một chuyên gia thuế dày dạn kinh nghiệm? Câu trả lời luôn là chuyên gia. Các Agent ngày nay giống như những thiên tài IQ cao: chúng có thể làm những điều tuyệt vời nếu được hướng dẫn tỉ mỉ, nhưng lại thiếu ngữ cảnh thực tế, không hấp thụ được chuyên môn của con người một cách tự nhiên và không thể “giỏi lên” theo thời gian.
2. “Kỹ năng” (Skills) là gì?
Về cốt lõi, Kỹ năng là các thư mục chứa tệp tin được tổ chức khoa học. Chúng đóng gói “kiến thức quy trình” (procedural knowledge) bao gồm các đoạn mã (scripts), lời nhắc (prompts) và tài liệu hướng dẫn.
- Tính đơn giản: Bất kỳ ai, dù là lập trình viên hay nhân viên văn phòng, đều có thể tạo kỹ năng chỉ với một chiếc máy tính.
- Tính linh hoạt: Kỹ năng có thể được quản lý phiên bản qua Git, lưu trữ trên Google Drive hoặc nén lại để chia sẻ trong nhóm.
- Mã nguồn là giao diện phổ quát: Anthropic nhận thấy mã nguồn (code) không chỉ là một trường hợp sử dụng, mà là giao diện để kết nối với thế giới kỹ thuật số.
3. Tại sao Kỹ năng ưu việt hơn Công cụ (Tools) truyền thống?
Các công cụ truyền thống thường gặp vấn đề về hướng dẫn mơ hồ hoặc chiếm quá nhiều bộ nhớ (context window). Kỹ năng giải quyết điều này bằng cơ chế “Tiết lộ dần dần” (Progressive Disclosure):
- Khi bắt đầu, Agent chỉ nhìn thấy các thông tin mô tả (metadata) để biết mình có kỹ năng đó.
- Chỉ khi thực sự cần thực hiện nhiệm vụ, Agent mới đọc chi tiết các tệp tin hướng dẫn và chạy các script bên trong.
- Tự tài liệu hóa: Các script trong kỹ năng có thể tự giải thích cách dùng và dễ dàng sửa đổi bởi chính Agent nếu cần thiết.
4. Hệ sinh thái Kỹ năng đang bùng nổ
Chỉ sau 5 tuần ra mắt, hệ sinh thái này đã có hàng ngàn kỹ năng được chia sẻ:
- Kỹ năng nền tảng: Giúp Claude tạo và chỉnh sửa tài liệu văn phòng chuyên nghiệp.
- Kỹ năng bên thứ ba: Như Notion giúp AI hiểu sâu toàn bộ không gian làm việc, hoặc Browserbase giúp AI duyệt web hiệu quả hơn.
- Kỹ năng doanh nghiệp: Các công ty trong danh sách Fortune 100 đang dùng kỹ năng để dạy AI về các quy trình nội bộ đặc thù hoặc phong cách viết code riêng của họ.
Đáng chú ý nhất là sự tham gia của những người không chuyên về kỹ thuật trong các lĩnh vực tài chính, tuyển dụng, kế toán và pháp lý. Họ đang tạo ra các kỹ năng để giúp Agent thực hiện công việc hàng ngày một cách chính xác mà không cần biết lập trình chuyên sâu.
5. Kiến trúc Agent thế hệ mới
Anthropic mô tả kiến trúc AI đang hội tụ về một mô hình chuẩn:
- Vòng lặp Agent (Agent Loop): Quản lý ngữ cảnh và mã thông báo (tokens).
- Môi trường thực thi (Runtime): Cung cấp hệ thống tệp và khả năng chạy mã nguồn.
- Giao thức MCP (Model Context Protocol): Kết nối với dữ liệu và công cụ bên ngoài thế giới.
- Thư viện Kỹ năng (Skills Library): Chứa hàng trăm, hàng nghìn chuyên môn để AI sử dụng khi cần.
6. Tầm nhìn: Kỹ năng chính là “Ứng dụng” của kỷ nguyên AI
Anthropic đưa ra một phép so sánh tương quan với ngành máy tính truyền thống:
- Mô hình AI (Models) giống như Bộ vi xử lý (Processors): Có tiềm năng lớn nhưng cần hệ điều hành để hoạt động.
- Môi trường thực thi Agent đóng vai trò như Hệ điều hành (OS).
- Kỹ năng (Skills) chính là các Ứng dụng (Applications): Nơi chứa đựng chuyên môn thực tế và giải quyết các vấn đề cụ thể cho con người.
Kết luận: Thay vì cố gắng xây dựng những Agent mới cho mỗi công việc, chúng ta nên tập trung vào việc đóng gói chuyên môn của mình vào các thư mục “Kỹ năng”. Điều này giúp AI không chỉ thông minh hơn mà còn thực sự có “tay nghề”, biết cách làm việc theo tiêu chuẩn của từng tổ chức và cộng đồng.
Nội dung được tổng hợp từ bài chia sẻ của Barry Zhang & Mahesh Murag (Anthropic) tại AI Engineer.
Tiếng việt: https://www.youtube.com/watch?v=TLoX6xgm-U8
Tiếng anh: https://www.youtube.com/watch?v=CEvIs9y1uog
0 Lời bình