Đa số chúng ta nghĩ kết quả AI tệ là vì model chưa đủ thông minh. Đợi GPT-5, đợi Claude 5, rồi mọi thứ sẽ tốt lên.
Đúng một phần. Nhưng đó không phải chỗ tạo ra khác biệt lớn nhất.
Tôi vận hành gần như toàn bộ công việc qua Claude — viết playbook, làm content, viết code, lên kế hoạch sprint. Cùng một con Claude Sonnet mà bạn đang dùng. Nhưng chất lượng output tôi nhận về phần lớn không đến từ model. Nó đến từ thứ gọi là harness — mọi thứ bao quanh model nhưng không phải model.
Với tôi, một harness đơn giản có ba mảnh ghép.
Một file CLAUDE.md ngắn. Chứa các quy tắc cốt lõi AI phải theo trong mọi cuộc hội thoại — "trực tiếp, không lan man", "không tự push code", "ghi mọi thứ ra file thay vì nhớ trong đầu". File này được nạp tự động mỗi lần mở session.
Một bộ skill. Mỗi skill là một quy trình riêng viết sẵn cho một loại công việc. Skill review playbook của tôi chạy đúng năm bước kiểm chất lượng theo thứ tự — tôi không phải nhắc lại lần này qua lần khác.
Sub-agent. Khi một việc phụ tốn nhiều context — đọc 20 file để tìm một dòng — tôi cho một agent con đi làm trong context riêng rồi chỉ trả về kết luận. Context chính của tôi không bị nhồi những thông tin không cần thiết.
Lý do harness quan trọng: dù model thông minh tới đâu, nó vẫn mắc hai lỗi cố hữu — tự tin đoán mò khi không chắc chắn, và làm phức tạp một việc vốn đơn giản. Mỗi cuộc hội thoại mới lại là một tờ giấy trắng; nó không tự nhớ hôm qua tôi dặn phải ngắn gọn, hay phải test một feature mới từ đầu đến cuối trước khi báo là xong.
Hãy nghĩ về hai người bán hàng giỏi ngang nhau. Một người có CRM ghi lại từng cuộc trao đổi, một kịch bản xử lý từ chối, một chuỗi email tự động chạy sau mỗi cuộc hẹn. Người kia nhớ tới đâu làm tới đó, mỗi khách lại bắt đầu lại từ con số không. Sau một năm, doanh số hai người chênh nhau rất xa — không phải vì một người duyên hơn, mà vì có hệ thống đỡ sau lưng.
Model là người bán hàng. Harness là CRM, kịch bản, quy trình follow-up.
Model bạn đang có đã đủ giỏi. Cái thiếu là hệ thống quanh nó.
