2 giờ hiểu AI từ con số 0: khung tư duy để không bao giờ bị ngợp nữa

Mỗi tuần lại có một công cụ AI mới. Hôm nay Claude Code, mai Codex, mốt lại một cái tên lạ hoắc. Nhiều người học AI theo kiểu chạy theo công cụ — và càng chạy càng ngợp, vì công cụ thì vô hạn còn thời gian thì không.

Bài này đi ngược lại. Tôi không dạy bạn bấm nút nào, tôi dựng cho bạn một khung nhận thức. Khi có khung rồi, sau này bất kỳ công cụ AI nào ra đời bạn cũng nhìn một phát là hiểu nó là gì, làm được gì, có đáng học không.

Đọc xong bài này, bạn sẽ có 4 mảnh ghép: hiểu mô hình lớn — viết prompt — hiểu Agent — bắt tay làm thật.

---

Phần 1 — Hiểu "mô hình lớn" mà không cần làm kỹ sư

AI không mới, cái mới là "AI biết nói tiếng người"

AI có từ những năm 1950. Nhận diện khuôn mặt trên điện thoại, thuật toán gợi ý của TikTok, AlphaGo đánh cờ vây — tất cả đều là AI. Nhưng chúng ta không gọi đó là "cơn sốt AI".

Cái đang bùng nổ là AIGC — AI tạo sinh nội dung: bạn nói bạn muốn gì, AI tạo ra đúng thứ đó. Điểm khác biệt chí mạng: nó nói tiếng người. Bạn trò chuyện bằng ngôn ngữ hằng ngày, nó hiểu, rồi tạo ra chữ, ảnh hoặc video. Lần đầu tiên AI bước thẳng vào đời sống của người bình thường.

Lời khuyên cho người mới: bắt đầu từ text → text (tả bằng chữ, nhận lại chữ). Rào cản thấp nhất, ứng dụng nhiều nhất, công cụ miễn phí nhiều nhất.

"Mô hình lớn" lớn ở chỗ nào

Đằng sau mọi app AI (ChatGPT, Claude, Gemini, DeepSeek...) là các mô hình ngôn ngữ lớn (LLM). Hiểu chữ "lớn" qua hình ảnh nuôi một đứa trẻ từ mẫu giáo lên tiến sĩ:

• Dữ liệu lớn = đọc cả biển sách. Dữ liệu càng rộng, "nhận thức" của mô hình về thế giới càng đầy.
• Tài nguyên tính toán lớn = học phí khổng lồ. Huấn luyện ngốn hàng nghìn GPU chạy nhiều tháng.
• Số tham số lớn = dung lượng não. Tham số càng nhiều, mô hình càng "thông minh".

Chúng ta không phải nhà nghiên cứu. Mục tiêu hiểu LLM là để biết ranh giới năng lực của nó, chứ không phải để đào vào nguyên lý sâu.

AI làm việc thế nào: như một thủ thư siêu trí nhớ, nhưng không hiểu gì

Đừng tưởng tượng AI "suy nghĩ" như người. Hãy hình dung nó là một thủ thư có trí nhớ khổng lồ nhưng không hiểu nội dung sách:

1. Nó đọc hàng tỉ mẩu chữ và nhớ các tổ hợp từ thường đi với nhau. "Trời mưa" hay đi với "mang ô".
2. Khi bạn hỏi, nó chơi trò nối chữ như gợi ý bàn phím điện thoại — nhưng phức tạp gấp triệu lần. Nó chọn mảnh ghép tiếp theo theo xác suất cao nhất.
3. Nó không thật sự hiểu điều mình nói. Không có trải nghiệm, không có thường thức, không tự biết mình đang sai.

Hệ quả: nó vừa viết được bài thơ hay, vừa có thể "bịa rất nghiêm túc". Người mới là khâu kiểm định cuối cùng xem câu trả lời có nghĩa hay không — không phải AI.

Điểm mạnh và điểm yếu: tại sao là "hợp tác người–máy"

Không phải "AI làm hết", cũng không phải "người làm hết", mà là lấy cái mạnh của AI bù cái yếu của mình.

Mạnh: xử lý thông tin khối lượng lớn (đọc, tóm tắt, phân loại), kiến thức trải rộng mọi lĩnh vực, sáng tạo và sinh nội dung mới.

Yếu — phải nhớ nằm lòng:

• Máy chế ảo giác (hallucination): nó dự đoán xác suất chứ không khẳng định sự thật. Có thể bịa trích dẫn, bịa sự kiện.
• Giới hạn thời điểm: kiến thức dừng ở lúc huấn luyện, không tự cập nhật.
• Khuếch đại định kiến có sẵn trong dữ liệu.
• Suy luận nhiều bước còn hổng, dễ sai ở bài toán cần cân nhiều điều kiện.
• Không nắm được hàm ý sâu / mỉa mai, và giới hạn độ dài ngữ cảnh — nói lâu quá nó quên đoạn đầu.

Vì vậy khi dùng: ra lệnh rõ ràng, cung cấp bối cảnh, đối chiếu chéo thông tin quan trọng, chia nhỏ vấn đề phức tạp, và luôn giữ một chút hoài nghi.

Bản chất app AI = Lõi (mô hình) + Vỏ (giao diện)

App AI = Mô hình lớn (hồn) + Giao diện sản phẩm (xác)

Như điện thoại: hãng điện thoại ứng với app AI, hãng làm chip ứng với hãng làm mô hình, model chip ứng với tên & phiên bản mô hình. Chip quyết định nhiều, nhưng máy có hay không còn do hệ điều hành, camera, hệ sinh thái. App AI cũng vậy: cùng một mô hình, hai app có thể cho trải nghiệm khác hẳn vì phần "vỏ" khác nhau (tìm web, đọc file, gọi công cụ, ghi nhớ sở thích...).

Cảnh giác phần mềm "đội lốt": nhóm nhỏ dựng một cái vỏ rồi cắm API, quảng cáo "dùng GPT xịn" nhưng thực tế chạy mô hình rẻ. Chọn app: không có cái tốt nhất, chỉ có cái hợp nhất với bạn — xét nhu cầu thật, chi phí chấp nhận được, thực lực mô hình phía sau, và đội ngũ có đáng tin không.

3 cách "nâng cấp" AI, và khi nào dùng cái nào

Nhiều người hỏi: "Tôi train được mô hình không?" — Hiểu lầm kinh điển. Có 3 cách tác động, mức độ khác nhau:

1. Prompt (câu lệnh): rẻ nhất, ai cũng làm được, dùng hằng ngày. Chỉ là học cách hỏi cho giỏi.
2. Fine-tune (tinh chỉnh): cho AI "học thêm" để thành chuyên gia một lĩnh vực, bằng cách chỉnh một phần nhỏ tham số với dữ liệu chuyên ngành. Dành cho đội kỹ thuật, khó, tốn kém.
3. RAG (kho tri thức): gắn cho AI một "từ điển sống" bên ngoài. Khi hỏi, nó tra kho tài liệu rồi mới trả lời. Giải quyết hai thứ: kiến thức hết hạn, và dữ liệu riêng của doanh nghiệp. AI tìm kiếm và chatbot chăm sóc khách hàng chính là RAG.

Chọn cái nào? Rất đơn giản, chúng giải quyết vấn đề khác nhau: Prompt cho mọi người, việc hằng ngày; RAG cho doanh nghiệp/dev cần kiến thức mới hoặc dữ liệu riêng; Fine-tune cho đội kỹ thuật khi prompt mãi không đạt. Với người thường, fine-tune là thứ xa nhất — chưa cần.

Chọn mô hình hợp với mình: nhìn 5 tiêu chí

Không có mô hình "tốt nhất", chỉ có mô hình hợp nhất. Năm tiêu chí để so:

1. Có cần "vượt rào" không — nhiều mô hình quốc tế truy cập không dễ ở VN.
2. Giá — mô hình ngoại thường từ 20 USD/tháng; nếu cắm API thì chi phí là chuyện lớn.
3. Tốc độ — mô hình càng "nghĩ sâu" càng chậm; việc đơn giản thì cần mô hình nhanh.
4. Độ dài ngữ cảnh — với tôi đây là tiêu chí quan trọng nhất: nó quyết định bạn bàn sâu được tới đâu trong một cuộc hội thoại trước khi AI quên. Lưu ý: ngữ cảnh dài không đồng nghĩa trí nhớ tốt — "chứa được nhiều" khác "tìm đúng cái quan trọng trong đống đó". Mẹo: định kỳ bắt AI tóm tắt kết luận và lưu ra tài liệu.
5. Lĩnh vực sở trường — mô hình khác nhau mạnh ở viết, code, suy luận, phân tích tài liệu dài khác nhau.

Và cách kiểm tra thật sự: tự dựng bộ "test case" của riêng bạn — vài tình huống bạn dùng thường xuyên. Mỗi khi có mô hình mới, lấy chính các bài đó ra test. Hợp thì nhận, không hợp thì mặc kệ người ta khen. Chọn công cụ AI nên có "tâm thế tra nam": giữ nhiều mô hình trong tay, mỗi việc ghép một công cụ tối ưu. Giai đoạn này chưa có mô hình nào một mình đáp ứng tất cả.

---

Phần 2 — Prompt: cây cầu giữa bạn và "bộ não" AI

Công thức gốc

Prompt chất lượng = Mệnh lệnh rõ ràng + Bối cảnh cần thiết

Mệnh lệnh là linh hồn: nói rõ muốn AI làm gì, theo cách nào, đạt chuẩn nào. Bối cảnh là thông tin nền giúp AI hiểu đúng. Ví dụ, thay vì "viết giúp tôi bài giới thiệu điện thoại", hãy nói: "Điện thoại gaming cho người trẻ, tầm giá 3 triệu, điểm mạnh là sạc nhanh và tản nhiệt; viết bài giới thiệu nhấn vào hiệu năng game và giá hợp lý, giọng trẻ trung nhưng không nổ, dưới 800 chữ."

"Prompt engineering đã chết" chưa?

Chưa. Mô hình biết suy luận (như dòng DeepSeek R1) khiến nhiều người nói chỉ cần "nói rõ là đủ". Đúng, nhưng: (1) không phải ai cũng nói rõ được, (2) AI dù sao không phải người, nói rõ với nó vẫn cần chút kỹ thuật. Prompt không chết — nó "dân chủ hóa": người thường dùng được bằng ngôn ngữ tự nhiên, còn dân chuyên vẫn dùng prompt tinh vi hơn. Và mô hình càng mạnh thì ta càng không cần viết trọn một prompt hoàn hảo ngay từ đầu — có thể trò chuyện qua lại như bàn với một người cộng sự.

6 kỹ thuật viết prompt hiệu quả

1. Task — Nhiệm vụ: nói rõ việc cụ thể. "Viết bài khoa học thường thức về tác hại rác nhựa", không phải "viết gì đó".
2. Context — Bối cảnh: cho AI biết vì sao làm việc này, cho ai.
3. Examples — Ví dụ: đưa vài mẫu để nó hiểu đúng "gu" bạn muốn. Đây là chiêu tôi thích nhất, cực hợp với việc sáng tạo (kịch bản, caption).
4. Persona — Vai trò: "Giả sử bạn là giáo viên khoa học cấp 2, giải thích bằng ngôn ngữ đơn giản".
5. Format — Định dạng: yêu cầu Markdown, bảng, hoặc JSON để dễ dùng lại.
6. Tone — Giọng điệu: trang trọng cho báo cáo, tự nhiên cho mạng xã hội.

Không bắt buộc dùng cả 6. Mọi kỹ thuật đều phục vụ một mục tiêu duy nhất: ra đúng kết quả.

Phương pháp của tôi: "Hỏi lên cao, kéo xuống thấp"

Người mới thường học đủ kỹ thuật nhưng ngồi trước khung chat vẫn trắng đầu. Cách gỡ:

• Bước 1 — Hỏi lên cao: đừng hỏi ngay "cho tôi một kế hoạch tập gym". Hỏi khung trước: "Tôi muốn làm X nhưng chưa có đầu mối, bạn giúp tôi liệt kê khung cần cân nhắc khi làm việc này được không?"
• Bước 2 — Kéo xuống thấp: dựa trên khung AI trả, ghép hoàn cảnh thật của bạn vào để thành prompt cụ thể.
• Bước 3 — Tối ưu liên tục: chưa ưng thì chỉnh tiếp, nói chuyện tiếp đến khi đạt.
• Bước 4 — Đúc khung tái dùng: tự tổng kết thành một mẫu prompt cho lần sau.

Mẫu câu thần chú: "Tôi muốn làm việc XX nhưng chưa có đầu mối, bạn giúp tôi dựng khung làm việc này nhé?"

Hai mẹo "lười mà khôn"

• Bắt đầu bằng mô phỏng: như học viết văn phải đọc văn mẫu — xem prompt của người giỏi, phân tích cấu trúc, hiểu vì sao họ làm vậy, rồi mới sửa theo nhu cầu mình.
• Dùng AI để viết prompt: cách chủ lực của tôi là "nói đại": "Tôi muốn làm XXX, viết giúp tôi một prompt." Hoặc bảo nó bắt chước: "Mô phỏng cấu trúc và giọng của prompt này, viết cho tôi một cái về YYY." Đừng đòi hoàn hảo ngay — để AI ra bản 60 điểm rồi lặp dần.

---

Phần 3 — Agent (trí tuệ nhân tạo tác tử) là gì

Khác biệt cốt lõi

Agent là AI có thể tự lên kế hoạch các bước, gọi công cụ và thực thi quanh mục tiêu của bạn. Chat thường: AI thu thập, sắp xếp dữ liệu rồi bạn tự đổ vào Excel. Agent: bạn nêu mục tiêu — "khảo sát thị trường X, lập bảng Excel" — nó tự tìm, tự phân tích, tự tạo file giao cho bạn. Khâu cuối cùng, trước đây bạn phải tự làm, giờ Agent làm trong phạm vi được cấp quyền.

Vì sao công cụ Agent nhiều như nấm?

Giống Lark / DingTalk / WeCom cùng là "phần mềm làm việc nhóm" chỉ khác hãng — khi một hình thái sản phẩm được thị trường chấp nhận, các hãng ùa vào làm theo. Nhiều công cụ tên khác nhau nhưng vấn đề giải quyết, cách tương tác và logic bên dưới na ná nhau.

Khung nhìn 3 chiều — phần quan trọng nhất của bài

Gặp bất kỳ Agent mới nào, hỏi 3 câu:

1. Hãng nào làm? (OpenAI, Anthropic, các hãng lớn, cộng đồng mã nguồn mở...) Lưu ý: hãng làm mô hình và hãng làm sản phẩm Agent không nhất thiết là một.
2. Dùng qua đâu? Bốn hình thái: app hội thoại (ChatGPT, chatbot), giao diện desktop (dễ dùng nhất cho người thường), dòng lệnh CLI (Claude Code, Codex CLI — hợp cho việc lập trình, nhưng không cần biết code vẫn dùng được), qua app chat (gửi lệnh từ xa qua Telegram/Zalo...). Các hình thái không loại trừ nhau — một sản phẩm có thể có nhiều cổng vào.
3. Làm được việc gì? Agent văn phòng đa dụng (soạn tài liệu, phân tích dữ liệu, làm slide), Agent lập trình (đọc code, sửa bug, chạy test — nay cũng làm được việc phi lập trình), Agent chuyên ngành (gắn với dữ liệu & quy trình một ngành cụ thể).

Logic bên dưới: Kiến trúc thực thi + Bộ não AI

Mọi Agent thực chất cùng một cấu trúc: khung thực thi (đọc file, chạy lệnh, gọi công cụ) + một mô hình lớn làm não. Khác nhau chỉ ở hai điểm: khung thực thi gọi được những công cụ nào, và cắm mô hình nào làm não.

Công cụ quyết định làm được gì. Bộ não quyết định làm tốt tới đâu.

Agent nào tốt nhất?

Tách khỏi nhu cầu cụ thể thì câu hỏi này vô nghĩa. Cứ: xác định việc thật của bạn trước → chọn công cụ → đừng vội mua gói, lấy vài việc thật ra so. Nhìn vào: nó hoàn thành được việc hay chỉ góp ý? kết quả có đúng, bạn phải sửa bao nhiêu? tốn bao nhiêu thời gian/định mức? hỗ trợ đúng phần mềm/nền tảng bạn cần không? cần cấp quyền gì, có rủi ro dữ liệu không? Tốt thật = hoàn thành việc một cách ổn định và tiết kiệm, không phải trông có vẻ thông minh.

---

Phần 4 — Bắt tay làm: lộ trình cho người zero

Đừng dồn sức học giao diện từng công cụ — nút bấm hôm nay, mai đổi chỗ. Hãy học cách làm việc chung xuyên suốt mọi công cụ, theo 4 chặng:

1. Biết diễn đạt nhu cầu với AI — đã học ở phần prompt.
2. Dùng một Agent giao diện đồ họa làm một việc thật — bắt nó làm đúng một việc bạn vốn tự làm (dọn file, lập Excel, ra báo cáo). Đừng đòi tự động hóa phức tạp ngay.
3. Hiểu quá trình thực thi — quan sát nó lập kế hoạch, gọi công cụ, đọc file, xử lý lỗi ra sao. Qua đó bạn thấm mối quan hệ giữa mô hình – công cụ – quyền – ngữ cảnh.
4. Đào sâu theo nhu cầu thật — muốn làm phần mềm thì học Agent lập trình; muốn Agent có thêm năng lực chuyên môn thì tìm hiểu Skills, MCP, kết nối công cụ; cần chạy từ xa/định giờ thì nghiên cứu tiếp. Không có nhu cầu thì không cần cố học.

Khi bắt đầu, chỉ cần để ý 3 thứ: chọn không gian làm việc (một thư mục để mọi sản phẩm nằm gọn), cấp quyền (người mới nên cho quyền rộng để đỡ phải bấm duyệt từng bước — với dữ liệu nhạy cảm thì cân nhắc lại), chọn mô hình (bắt đầu từ mô hình miễn phí/rẻ, khi thấy không đạt mới nâng cấp; quy luật thô nhưng hiệu quả: giá cao thường hiệu quả cao).

---

Kết: AI không phải học cho giỏi, mà là dùng mới giỏi

Bốn mảnh ghép đã đủ:

• Mô hình lớn: hiểu bản chất, cách hoạt động, mạnh/yếu.
• Prompt: kỹ thuật và phương pháp nói chuyện với AI.
• Agent: khung nhận diện mọi công cụ mới.
• Thực hành: hoàn thành việc thật đầu tiên.

Ba điều cốt lõi nhớ lấy:

• AI là công cụ, không phải phép màu — biết ranh giới của nó.
• Bản chất prompt là nói rõ nhu cầu — không phải thuộc lòng công thức.
• Agent hiện tại chưa thật sự "thông minh" — nhưng đã giải quyết được nhiều việc thật, quan trọng là tìm đúng chỗ dùng.

Đừng rơi vào vòng lặp học mãi không xong. Hãy lao vào dùng, sai, sửa, giải quyết việc đang nằm trên bàn bạn. Mỗi lần vướng, mỗi lần chỉnh sẽ khiến bạn hiểu AI sâu thêm một tầng.

Từ hôm nay, biến AI thành công cụ hằng ngày: viết báo cáo tuần, dọn tài liệu, học cái mới, lên kế hoạch, phân tích số liệu — việc gì cũng thử hỏi AI trước đã.

Bài viết lấy cảm hứng từ giáo trình "2 giờ hiểu AI từ con số 0" của tác giả 龙井 (longjing), được viết lại và bản địa hóa cho bối cảnh Việt Nam.