Sabrina Goldfarb, một kỹ sư thuộc đội ngũ GitHub Copilot, đã nhận thấy một điều khá kỳ lạ. Cô nhận được những kết quả tuyệt vời từ các công cụ AI tại GitHub, nhưng các kỹ sư cao cấp (Senior Engineer) xung quanh cô lại liên tục than phiền rằng công cụ này quá tệ. Cùng một mô hình, nhưng trải nghiệm lại khác biệt một trời một vực.

"Tôi cứ nghe các kỹ sư lâu năm trong công ty phàn nàn kiểu như: 'Cái này tệ quá phải không? Tôi chẳng nhận được kết quả đúng gì cả'," cô chia sẻ trong khóa học của mình. "Và tôi chỉ thắc mắc: Tại sao nhỉ? Nếu tôi đang nhận được kết quả rất tốt, tại sao các anh chị lại không?"

Thế là cô ấy bắt tay vào tìm hiểu. Và điều cô phát hiện ra là: Prompt engineering (kỹ thuật ra lệnh) không phải là phép thuật. Đó là một kỹ thuật hoàn toàn có thể học được.

Vấn đề là ở chỗ này: Các Senior Engineer thực sự nắm giữ lợi thế khổng lồ với các công cụ này một khi họ nắm vững những điều cơ bản. Họ biết cần phải hỏi gì. Họ hiểu các trường hợp biên (edge cases), các quyết định về kiến trúc, và hàng trăm thứ nhỏ nhặt khác cần thiết để "ship" một phần mềm thực tế. Một lập trình viên Junior có thể chấp nhận ngay kết quả đầu tiên mà AI đưa ra. Còn một Senior sẽ biết ngay cái gì đang bị thiếu.

Khoảng cách ở đây không nằm ở năng khiếu về AI. Đơn giản chỉ là vấn đề kỹ thuật. Và các kỹ thuật này đều hiệu quả dù bạn đã viết code được 20 năm hay mới chỉ 20 ngày.

Đây là một ví dụ nhỏ về ý của cô ấy. Trong khóa học, cô yêu cầu AI xây dựng một ứng dụng "Thư viện Prompt" với yêu cầu đơn giản: chức năng lưu và xóa, giao diện sạch sẽ chuyên nghiệp, dùng HTML/CSS/JavaScript. Kết quả thế nào? Con AI tự thêm chức năng tìm kiếm mà chẳng ai cần, một nút xuất dữ liệu (export) không được yêu cầu, và một nút lưu (save) thậm chí còn không hoạt động.

Cùng một tác vụ đó, nhưng với một câu lệnh (prompt) cụ thể hơn (nêu rõ từng nút bấm phải làm gì, lưu cái gì, và không được thêm cái gì), bỗng nhiên nó hoạt động ngon lành. "Chất lượng câu hỏi quyết định trực tiếp đến chất lượng câu trả lời," cô nói. "Điều này đâu có gì đáng ngạc nhiên, đúng không? Con người chúng ta giao tiếp với nhau cũng y hệt vậy mà."

Những Điều Cốt Lõi Thực Sự Quan Trọng

Các nghiên cứu về vấn đề này cho kết quả rất ấn tượng. Có một kỹ thuật gọi là "chain-of-thought prompting" (gợi ý theo chuỗi tư duy), tóm gọn lại là thêm cụm từ "hãy suy nghĩ từng bước một" (let’s think step-by-step) vào câu lệnh của bạn. Chỉ thế thôi. Năm từ đơn giản.

Trong một nghiên cứu mà Sabrina dẫn chứng, độ chính xác trong các tác vụ suy luận đã tăng vọt từ 17,7% lên 78,7% chỉ nhờ thêm cụm từ đó.

"Tôi không thể nghĩ ra năm từ nào trong tiếng Anh có thể giúp ích nhiều hơn cho các câu lệnh của bạn," cô khẳng định.

Đây là sự thật trần trụi về việc phát triển phần mềm có AI hỗ trợ: nền tảng quan trọng hơn tính năng. Các mẫu câu lệnh (prompting patterns), quản lý ngữ cảnh (context management), biết khi nào để một agent tự chạy và khi nào nên tự viết code. Nắm vững những điều này, mọi công cụ đều sẽ trở nên tốt hơn.

Lộ Trình Để Nắm Bắt Tất Cả

Chúng tôi không muốn tạo ra các khóa học về lý thuyết AI hay những phỏng đoán mơ hồ. Chúng tôi muốn chỉ cho bạn chính xác cách các kỹ sư đang làm việc thực tế sử dụng các công cụ này ngay bây giờ, trong môi trường production, để hoàn thành công việc thật sự.

• Nếu bạn chưa bao giờ học cách viết prompt đúng chuẩn, hãy bắt đầu với khóa Practical Prompt Engineering của Sabrina Goldfarb. Các kỹ thuật Zero-shot, one-shot, few-shot, chain-of-thought, và structured outputs (đầu ra có cấu trúc). 3 giờ 43 phút này sẽ thay đổi cách bạn tương tác với mọi công cụ AI mà bạn dùng.

• Nếu bạn muốn hiểu cách các Agent thực sự hoạt động, Scott Moss từ Netflix sẽ hướng dẫn bạn xây dựng Agent từ con số 0. Không dùng framework. Tự tay xây dựng để bạn hiểu chính xác điều gì xảy ra khi bạn giao việc cho một AI agent.

• Nếu bạn đang dùng Cursor hay Claude Code nhưng cảm thấy như đang "đánh vật" với công cụ, Steve Kinney từ Temporal sẽ cho bạn xem thiết lập AI dev chuyên nghiệp của anh ấy. Khi nào dùng chỉnh sửa trực tiếp (inline edits) so với các agent chạy nền. Cách thiết lập rào chắn (guardrails). Cách gỡ rối khi agent đi chệch hướng. Như một học viên đã nhận xét: "Anh ấy đưa ra rất nhiều mẹo hay và cái nhìn thực tế về khả năng của các công cụ AI." Cái nhìn thực tế đó chính là thứ phân biệt giữa hướng dẫn hữu ích và sự thổi phồng (hype).

• Nếu bạn muốn kết nối AI vào quy trình làm việc thực tế của mình, Brian Holt từ Databricks đã xây dựng một khóa học về MCP vì anh ấy đang tích cực sử dụng Giao thức Ngữ cảnh Mô hình (Model Context Protocol) trong công việc. Một học viên, Daniel W., chia sẻ rằng khóa học "đã khởi động hành trình tạo ra máy chủ MCP cho quy trình làm việc của công ty tôi, để các dev khác cùng sử dụng." Đó chính là mục tiêu: không phải kiến thức lý thuyết, mà là công cụ bạn dùng được ngay vào ngày mai.

• Nếu bạn muốn hiểu nền tảng sâu xa bên dưới tất cả những thứ này, khóa Hard Parts of Neural Networks của Will Sentance sẽ đưa bạn đi sâu vào cách các mô hình AI được huấn luyện. Tự tay xây dựng mạng nơ-ron. Hiểu cách cơ chế dự đoán thực sự hoạt động. Một học viên nói rằng khóa học "đã biến những khái niệm đáng sợ trong lĩnh vực AI trở nên dễ hiểu, đồng thời xây dựng tư duy tuyệt vời để nắm bắt vấn đề." Độ sâu này rất quan trọng vì AI liên tục phát triển, và hiểu rõ nền móng sẽ giúp bạn thích nghi với bất cứ điều gì sắp tới.

Tại Sao Điều Này Quan Trọng Với Senior Engineer?

Các công ty đang tuyển dụng hiện nay muốn tìm những người biết cách ra lệnh hiệu quả, hiểu khi nào nên dùng agent và khi nào nên tự viết code, biết cách debug khi công cụ AI bị "ảo giác" hoặc đi sai hướng. Họ muốn những kỹ sư hiểu công nghệ, chứ không phải chỉ dùng nó một cách mù quáng.

Các Senior Engineer đã có sẵn phần khó nhất: khả năng đánh giá, gu thẩm mỹ, và sự hiểu biết về thế nào là một phần mềm tốt. Các kỹ thuật prompting chỉ là phần dễ. Bỏ ra vài giờ học những điều cơ bản, và tất cả kinh nghiệm tích lũy bấy lâu của bạn sẽ trở thành đòn bẩy mạnh mẽ.

Hãy xem Lộ trình học AI đầy đủ và bắt đầu với Practical Prompt Engineering. Những lập trình viên đã dành nhiều năm học cách xây dựng cái gì, chính xác là những người sẽ hưởng lợi nhiều nhất từ việc học cách yêu cầu nó.