Mục lục

1. Claude Design Là Gì?

2. Tại Sao Thị Trường Phản Ứng Mạnh Đến Vậy?

3. Cách Truy Cập Trong 60 Giây

4. Interface: Hai Phần Bạn Cần Biết

5. Bốn Cách Bắt Đầu Một Design

6. Design Systems: Tính Năng Quan Trọng Nhất

7. Export Và Chia Sẻ

8. Giới Hạn Thật Sự Cần Biết

9. Pro Tips Thực Chiến

10. Nhận Định Cá Nhân

11. Tổng Kết

12. Chú Thích Thuật Ngữ

Claude Design Là Gì?

Claude Design là sản phẩm thử nghiệm mới của Anthropic cho phép người dùng tạo visual như prototypes, slide thuyết trình, one-pagers và nhiều thứ khác bằng cách tương tác với Claude.

• Không cần biết Figma.

• Không cần biết Canva.

• Không cần background thiết kế.

• Bạn chỉ cần nói điều mình muốn.

Ví dụ: Bạn prompt trong Claude Deisign

Những thứ Claude Design có thể tạo: Designs và prototypes, slide decks, one-pagers, landing pages, wireframes, social media visuals, marketing materials.

Sản phẩm này chạy trên Claude Opus 4.7, model vision mạnh nhất của Anthropic, được release cùng tuần. Hiện đang ở Research Preview dành cho subscribers Pro, Max, Team, và Enterprise. MacRumors

Tại Sao Thị Trường Phản Ứng Mạnh Đến Vậy?

Claude Design ra mắt ngày 17/4/2026, chỉ 3 ngày sau khi Mike Krieger (CPO Anthropic) rời khỏi board của Figma. Khó gọi đó là “tình cờ”.

Ngay trong ngày công bố, cổ phiếu Figma có lúc rơi hơn 10%, chốt phiên vẫn giảm khoảng 6,89%. Adobe cũng đỏ hơn 1%. (CafeBiz)

Thị trường phản ứng mạnh không phải vì Claude Design “xịn” hơn Figma về kỹ thuật. Mà vì nó đang đổi luật chơi: ai cũng có thể tạo visual.

Trước đây: muốn ra được một thiết kế ổn, bạn phải biết Figma, hiểu color theory, spacing, và ngồi căn chỉnh màu–layout hàng giờ.

Bây giờ: bạn chỉ cần mô tả bằng lời. Vài phút sau có bản nháp đầu tiên, rồi chỉnh dần qua từng lượt hội thoại.

Anthropic nói với TechCrunch: Claude Design không nhắm đá Canva, mà đứng cạnh Canva. Nó dành cho những người không bắt đầu từ design tool, mà cần biến ý tưởng thành visual thật nhanh. Làm xong, bạn export sang Canva để polish và cộng tác. (TechCrunch)

Cách Truy Cập Trong 60 Giây

Mở Claude trên web, nhìn vào sidebar trái, tìm mục Design (có icon bảng màu).

• Hoặc truy cập thẳng tại: claude.ai/design

• Yêu cầu: cần subscription Pro, Max, Team, hoặc Enterprise.

Lưu ý quan trọng về usage limits: Claude Design chạy trên usage tracking riêng biệt, không tính vào limit chat hay Claude Code của bạn. Nó có weekly limits (giới hạn tuần) riêng nằm bên cạnh, không bên trong, existing chat hay Claude Code limits. Vì vậy, bạn nên lưu ý về việc sử dụng credits trong Claude Design.

Interface: Hai Phần Bạn Cần Biết

Giao diện Claude Design được chia thành hai phần rõ ràng.

• Chat Panel bên trái là nơi bạn mô tả điều mình cần, tinh chỉnh từng vòng (iterate) kết quả và định hướng Claude. Mọi trao đổi đều diễn ra tại đây.

• Canvas bên phải là không gian tương tác trực tiếp, nơi thiết kế được tạo ra “ngay trước mắt” bạn, để bạn xem, thử nghiệm và thao tác theo thời gian thực.

Ngoài ra, màn hình home của Canvas còn tổng hợp một số cái quan trọng: Recent projects, Your designs, các Examples từ Anthropic và Design Systems (Hệ thống thiết kế) của bạn.

Bốn Cách Bắt Đầu Một Design

Khi vào sidebar, bạn thấy bốn option để bắt đầu.

1. Prototype là clickable, interactive design mô phỏng real product. Dùng khi bạn muốn demo flow của một app hay website.

2. Slide Deck là presentation được build slide by slide. Dùng khi bạn cần pitch deck, training deck, hay bất kỳ presentation nào.

3. From Template là pre-built starting point. Dùng khi muốn bắt đầu từ structure có sẵn và customize.

4. Other là cho tất cả mọi thứ còn lại: infographics, one-pagers, social visuals, landing pages.

Gợi ý của mình: Với hầu hết use cases, chọn Other, đặt tên project, và click Create. Sau đó mô tả bằng lời trong Chat Panel những gì bạn cần.

Khi đã vào trong Design Project, bạn có thể bắt đầu từ scratch với natural prompts hoặc add context bằng cách import data, Figma files, codebases, screenshots, và nhiều thứ khác.

Design Systems: Tính Năng Quan Trọng Nhất

Đây là tính năng khiến Claude Design thực sự “ăn đứt” nhiều tool khác: Design Systems.

Design System là nơi bạn đặt sẵn guideline và rules cho toàn bộ visual. Hãy coi nó như Claude Skills nhưng dành cho thiết kế: một bộ preset để Claude luôn hiểu đúng brand của bạn ngay từ đầu.

Ví dụ: Mình thêm brand colors của QUILIX (màu cam chủ đạo) vào Design System. Từ đó, mọi visual Claude tạo ra tự động bám đúng màu sắc, font và style của brand, bạn không cần nhắc lại, không cần giải thích lại mỗi lần thiết kế.

Tạo Design System rất nhanh:

- Vào tab Design Systems ở canvas home

- Click Create New

- Điền company name

- Thêm link GitHub repo (nếu có)

- Upload Figma file

- Add fonts, logos, assets

- Và phần quan trọng nhất: “Any other notes”

Mẹo mình hay dùng: Tạo một Claude Skill chứa toàn bộ brand guidelines (màu sắc, font, tone), rồi paste nguyên nội dung đó vào phần Notes của Design System. Claude Design sẽ “nhớ bài” một lần, dùng mãi mãi.

Một cái hay: Claude Design có thể đọc codebase và file thiết kế của công ty để tự dựng một custom design system. Khi system đã có, mọi project mới sẽ tự động dùng đúng màu sắc, typography và components của công ty. Team cũng có thể duy trì nhiều Design System song song và tinh chỉnh dần theo thời gian.

Export Và Chia Sẻ

Khi design đã hoàn tất, bạn có nhiều cách để export và chia sẻ ngay lập tức.

Thành phẩm có thể xuất ra PDF, PPTX, hoặc file HTML độc lập; cũng có thể share qua internal URL.

Người dùng thậm chí có thể gửi thẳng thiết kế sang Canva để chỉnh sửa full, cộng tác real-time.

Điểm “ăn tiền” nhất: chỉ cần chốt thiết kế, hệ thống sẽ tự đóng gói toàn bộ và chuyển sang Claude Code để hiện thực hóa thành sản phẩm thật chỉ với một prompt.

Từ ý tưởng đến sản phẩm, gói gọn trong một hệ thống, liền mạch từ đầu đến cuối.

Giới Hạn Thật Sự Cần Biết

Claude Design tốt, nhưng chưa phải “đũa thần”. Có vài điểm cần nói thẳng.

Usage credits bay rất nhanh

Output của Claude Design thường “đầy đủ combo”: HTML hoàn chỉnh, interactions, assets… Trên gói Pro $20/tháng, chỉ vài phiên làm việc nặng là quota tụt thấy rõ. Anthropic đang định vị nó như công cụ cho team hơn là để một người solo test thoải mái.

Không có “cùng chỉnh sửa”

Claude Design thiên về hội thoại và single-seat. Hai designer không thể cùng chỉnh một project đồng thời. Bạn có thể share link để view/edit, nhưng không có live cursors hay comment ngay trên canvas kiểu Figma.

Design System chủ yếu là suy luận, không “đọc” trực tiếp

Nó không tự hiểu design system của bạn theo nghĩa literal; nó suy ra từ codebase và file bạn đưa vào. Với các edge case hoặc biến thể hiếm, inference dễ lệch.

Vẫn cần mắt thẩm định chất lượng của bạn

Nhìn có vẻ rất “pro”, nhưng vẫn phải review và chỉnh. AI làm bản nháp mạnh tay; sản phẩm cuối cùng vẫn cần bạn chốt.

Pro Tips Thực Chiến

Dưới đây là những gì mình thấy “đáng tiền” nhất sau một thời gian dùng Claude Design:

• Approve/Deny: Trong Projects, dùng “Looks Good” và “Needs Work” để chấm nhanh. Claude sẽ học từ feedback này và những lần sau ra output sát ý hơn.

• Learn section: Ở canvas bên phải có “Learn about Claude Design” với tip cá nhân hoá theo cách bạn làm. Mới bắt đầu thì nên lướt qua để vào nhịp nhanh.

• Tweaks: Nút Tweaks ở góc trên phải là đường tắt để chỉnh visual cực nhanh, khỏi phải viết prompt dài dòng.

• Draw: Muốn chất hand-drawn? Sketch thẳng vào design để có vibe vẽ tay đúng ý.

• Cho context trước khi prompt: Đính kèm Design System, screenshot tham khảo, hoặc mô tả audience. Context càng rõ, output càng “trúng”.

• Iterate theo hội thoại: Đừng cố viết prompt hoàn hảo ngay lần đầu. Bắt đầu đơn giản, xem kết quả rồi chỉnh dần bằng các yêu cầu ngắn như: “Phóng to headline”, “Chuyển dark mode”, “Thêm nút CTA”.

Nhận Định Cá Nhân Của QUILIX AI

Quan điểm của mình thì như này:

Claude Design không thay thế designer. Nhưng nó thay thế một nhu cầu rất cụ thể: lúc bạn cần visual ngay, mà chưa có team visual.

Trước đây, mình cần một thumbnail cho bài Substack thì chỉ có 2 đường:

• Tự ngồi mò Canva 30–45 phút

• Hoặc chờ người khác làm giúp

Không có lựa chọn thứ ba.

Giờ thì chỉ cần mô tả 2 phút → nhận bản nháp đầu tiên → chỉnh bằng hội thoại 10 phút → xong!

Phần hay nhất là nó ăn khớp với Claude Code. Bạn đã có prototype và muốn biến thành sản phẩm thật? Không cần giải thích lại từ đầu cho developer. Chỉ việc handoff thẳng sang Claude Code, toàn bộ context (ngữ cảnh) đi theo.

Đó là một workflow mà trước đây phải có cả team mới chạy nổi. Giờ một người làm được.

Mình vẫn cần Canva để collaboration với team. Vẫn cần Figma khi làm việc với designer. Nhưng khi cần tạo visual nhanh một mình, Claude Design đang thay thế trọn vẹn 2 tiếng ngồi căn chỉnh layout trong Figma.

Tổng Kết

Claude Design không phải “Figma-killer” theo kiểu đối đầu tính năng. Nhưng nó đánh trúng nỗi đau lớn nhất của founder, marketer và creator: cần visual thật nhanh — trong khi không có thời gian (hoặc không muốn) học một design tool cho tử tế.

Điểm mình thấy đáng tiền nhất về lâu dài là Design Systems: set brand guideline một lần, mọi output về sau tự giữ đúng màu, font, layout, bạn nhìn phát biết ngay nó làm “đúng brand”.

Thêm nữa, khả năng handoff sang Claude Code để biến design thành sản phẩm thật đang mở ra một workflow trước đây phải cần nhiều người và nhiều công cụ mới làm nổi.

Bạn đã thử Claude Design chưa? Comment cho mình biết bạn định dùng nó cho workflow nào nhé.

1% better every day with AI. Mình tin bạn làm được.

Chú Thích Thuật Ngữ

• Prototype: Bản mô phỏng interactive của một sản phẩm. Người dùng có thể click và navigate như đang dùng sản phẩm thật, nhưng chưa có code thật đằng sau.

• Wireframe: Bản phác thảo cấu trúc của một design, thường chỉ có layout và placeholder, không có màu sắc hay chi tiết.

• Design System: Tập hợp các guidelines, components, và rules về visual của một brand, bao gồm màu sắc, fonts, spacing, và cách các elements được sử dụng nhất quán.

• One-pager: Tài liệu một trang tóm tắt thông tin cần thiết, thường dùng cho pitch, summary, hay overview.

• Handoff: Quá trình chuyển giao design từ designer sang developer để build thành sản phẩm thật.

• Research Preview: Giai đoạn beta của một sản phẩm Anthropic, có sẵn cho một số users để test trước khi release chính thức.

• Claude Opus 4.7: Model AI mới nhất của Anthropic tại thời điểm Claude Design ra mắt, được tối ưu hóa cho visual intelligence và design tasks.

• Inference: Quá trình AI suy luận và đoán từ dữ liệu có sẵn thay vì đọc dữ liệu trực tiếp.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Ai đã đã từng chạm limit trên Claude & ngồi nhìn màn hình báo “you’ve reached your limit” thì giơ tay và vui lòng đọc ngay bài này nhé!

Sau một thời gian xài hao token, mình đã ngộ nhận & rút ra được 23 thói quen để bạn khó mà chạm limit dù dùng Claude AI cả ngày.

Bài này chia sẻ lại toàn bộ theo cách Ruben Hassid lý giải trong article “How to stop hitting Claude usage limits.”, kèm theo những gì mình thấy thực sự quan trọng nhất với các bạn đang dùng Claude AI tại Việt Nam.

How to AI

How to stop hitting Claude usage limits.

Read more

20 days ago · 958 likes · 297 comments · Ruben Hassid

Mục lục

1. Token Là Gì? Tại Sao Credits Hay Biến Mất?

2. Nhóm 1: Những Thói Quen Ít Người Biết

3. Nhóm 2: Những Thói Quen Cơ Bản & Quan Trọng

4. Nhóm 3: Thói Quen Đặc Thù Cho Claude Cowork & Claude Code

5. Bắt Đầu Sử Dụng Như Thế Nào?

6. Nhận Định Cá Nhân Của Mình

7. Tổng Kết

8. Chú Thích Thuật Ngữ

Token Là Gì? Tại Sao Credits Hay Biến Mất?

Trước khi vào 23 thói quen, cần hiểu một khái niệm cốt lõi: Token trong Claude AI.

Token là đơn vị đo lường mà Claude dùng để tính chi phí cho việc dùng AI của bạn.

Cứ hiểu đơn giản như này:

Đó là lý do credits (tín dụng) “bốc hơi” rất nhanh, chat của bạn càng dài, thì mỗi tin nhắn càng đắt đỏ hơn.

Mọi thói quen trong bài viết này đều xoay quanh một ý tưởng:

Nhóm 1: Những Thói Quen Ít Người Biết

Đây là những thứ thay đổi cách mình dùng token nhiều nhất.

Thói quen 1: Convert file trước khi upload

Một trang PDF tốn 1.500 đến 3.000 token. Screenshot còn tệ hơn, ảnh 1000x1000 pixel tốn khoảng 1.300 token. File DOCX và PPTX còn chứa metadata ẩn mà mình không thể thấy được.

Thay vào đó, bạn extract (trích xuất) cái text đó ra, copy phần liên quan vào file text hoặc markdown, hoặc cap màn hình (screenshot) để lấy phần cần thiết, điều này có thể giúp bạn tiết kiệm từ 1.300 token xuống dưới 100.

Nếu upload cùng file PDF 15 trang vào 4 chat khác nhau, mình đã đốt hơn 180.000 token cho một tài liệu có thể convert thành 2.000 token text sạch.

Workflow yêu thích của mình: Gõ doc.new trên URL bar, paste text cần upload, download dưới dạng file .md.

Thói quen 2: Plan trong Chat, tạo file ở cuối

Anthropic xác nhận việc tạo file như spreadsheet, docs, presentations tốn nhiều limit hơn việc bạn chat thông thường.

Vì vậy đừng mở Cowork và nói liền: “Tạo cho tôi 1 biểu đồ tài chính”, hay tạo thứ gì đó.

Thay vào đó: Mở Chat, vạch ra cấu trúc prompt, thống nhất các sections, yêu cầu outpit bạn mong muốn. Khi biết chính xác bạn muốn gì, lúc đó mới copy và chuyển sang Cowork và dán “Build this exact file.”, điều này góp phần làm cho AI suy nghĩ ở mức rẻ hơn, nhưng execute (thực thi tác vụ) với khối lượng token “ngốn” hơn.

Thói quen 3: Nói “Ask me questions” thay vì viết prompt dài

Một prompt 500 từ tốn 500 token mỗi lần Claude đọc lại toàn bộ cuộc trao đổi trước đó của bạn.

Nhưng nếu bạn viết prompt 15 từ và để Claude hỏi lại bằng AskUserQuestion, câu hỏi này chỉ tạo ra một lần & câu trả lời của mình chỉ là click ngắn thay vì các dòng prompt rườm rà, mà chưa chắc đã đúng cấu trúc.

Prompt dưới 30 từ mà mình hay dùng:

I want to [task] to [success criteria]. Read my folder. Ask me questions using AskUserQuestion before you start.

Lúc này click options để trả lời các câu hỏi kiểu Multiple Question của Claude gần như không tốn token bằng việc bạn prompt hỏi trực tiếp, còn nếu bạn gõ dài cái instructions thì sẽ tốn rất nhiều đó!

Thói quen 4: Dùng voice-to-text “làm giàu” ngữ cảnh

Nghe có vẻ phức tạp, nhưng nó sẽ là việc bạn nói để tiết kiệm token hơn đó!

Đồng ý không? Lâu lâu làm việc mà lười quá, bạn hay prompt nhanh kiểu “Làm lại tốt hơn đi” trên 1 cái file hay input text nào đó.

Nhưng bạn đâu biết, kiểu này rất mơ hồ, nó làm Claude đoán sai ngữ cảnh mà bạn đặt ra trong prompt, sau đó output không như mong muốn thì bạn lại gửi thêm và thêm tin nhắn để chỉnh sửa, rất tốn token.

Khi nói bằng “voice-to-text”, mình sẽ tự nhiên cho AI nhiều ngữ cảnh (context) hơn trong một lần prompt, việc này giúp mình ít tin nhắn hơn và tiết kiệm token hơn.

Thói quen 5: Đừng bảo Claude làm lại toàn bộ

Nếu như phần 3 của một đoạn output bị làm sai, bạn đừng nói “Làm lại đi”, “Sửa lại cái báo cáo đi”.

Hãy nói “Chỉ làm lại phần 3 của report trên và làm 1 cách tiết kiệm token nhất có thể”.

Nên nhớ là mỗi lần sửa hay làm lại toàn bộ, tức là toàn bộ output được AI generate lại. Nếu report đó tốn 2.000 token, tức là 2.000 output token sẽ bị “phung phí thêm” một lần nữa.

Lưu ý là hãy thêm vào prompt: “Không bình luận, không giải thích, tôi chỉ cần output của phần 3 báo cáo này, bạn làm lại đi” để AI chính xác bạn muốn gì.

Thói quen 6: Nhồi tasks vào một tin nhắn

Ba prompt riêng lẻ bằng ba lần context khởi chạy, tức là tốn token cho 3 lần chạy đó, còn một prompt với ba tasks bằng một lần chạy, tức 1 lần đốt token.

Vậy nên, thay vì gửi “Tóm tắt bài viết này” rồi “List ra các ý trọng tâm”, rồi “Đề xuất tiêu đề nổi bật”, bạn hãy gộp và viết thành 1 output: “Tóm tắt bài viết này, list các ý trọng tâm và đề xuất tiêu đề nổi bật”.

Làm cách này thì output thường tốt hơn vì Claude thấy được toàn cảnh bức tranh mà bạn đang muốn “vẽ” trong cùng một lúc.

Thói quen 7: Dùng cùng cấu trúc prompt mọi lần

Anthropic xác nhận các prompt giống nhau và thường xuyên được sử dụng sẽ tải cache (bộ nhớ đệm) ít hơn.

Vậy nên, bạn cần giữ các prompt lặp lại vào 1 thư viện (prompt library) trên Excel hoặc Notion để tái sử dụng nhiều lần sau này.

Thói quen 8: Edit tin nhắn thay vì gửi follow-up

Đây là trick mà mình thích nhất!

• Trong Chat, bạn có thể click Edit trên tin nhắn gốc, sửa lại, và tạo lại output.

• Yên tâm là thông tin trong prompt cũ được thay thế, không có stack thêm vào cái prompt bạn vừa chỉnh sửa.

• Mỗi lần nói “Không, ý mình là” hay “Thật ra, chuyển [X] thành [Y]” là bạn đang thêm vào lịch sử trò chuyện trong chat, cái nút Edit giúp bạn tránh được điều này.

Thói quen 9: Chọn đúng Claude model cho đúng việc

• Câu hỏi nhanh? Vào Claude Chat & sử dụng với model Haiku.

• Viết report dựa trên files bạn tự cung cấp? Claude Cowork với Opus là ok nhất!

• Build chart từ data có sẵn? Claude Code với Sonnet.

Mỗi sản phẩm AI model của Claude đều tốn giá token khác nhau (Chat là ít nhất, Cowork là nặng nhất)

Dùng Cowork cho mấy công việc thực ra dùng Chat và model Haiku đã lảm tốt, thì đó là một sự phung phí token á!

Nhóm 2: Những Thói Quen Cơ Bản & Quan Trọng

Thói quen 10: Giữ file ABOUT ME dưới 2.000 từ

Cowork đọc folder trước mỗi task.

Vì vậy, nếu file about-me của bạn có 22.000 từ, đó là hàng nghìn token “đang âm thầm bị đốt” trước khi bất kỳ công việc thật sự nào bắt đầu bất cứ task hay session nào.

Mẹo là cuối mỗi session của Cowork, hãy prompt:

Viết một bản ghi chú phiên họp (session-notes.md) ghi lại các quyết định quan trọng và các bước tiếp theo.

Ở Session tiếp theo, bắt đầu bằng việc prompt:

Read session-notes.md first.

Điều này giúp cho Claude Cowork làm việc trên ngữ cảnh trước đó mà không cần “giải mã” lại từ đầu, giúp bạn tiết kiệm token hơn.

Thói quen 11: Khởi động Conversaiton mới, thay vì promp tiếp

Một session 20 tin nhắn trong chat sẽ đốt khoảng 105.000 token.

Session 30 tin nhắn thì đốt 232.000 token.

Khi Cowork đi sai hướng, hãy prompt “Khởi động Conversation từ đây” trên một tin nhắn trước đó. Việc restart này làm càng nhiều sẽ giúp bạn tiết kiệm nhiều token hơn.

Thói quen 12: Tóm tắt và start Chat mới mỗi 15 đến 20 tin nhắn

Conversation dài là một “lò nung token”.

Có một developer track usage của anh ấy và thấy 98.5% token được dùng để đọc lại history, trong đó chỉ có 1.5% là được sử dụng vào các công việc đang diễn ra.

Khi session Cowork dài, bạn hỏi Claude tóm tắt lại mọi thứ quan trọng, copy bản tóm tắt đó, mở session mới, paste vào tin nhắn đầu tiên và tiếp tục làm việc.

Thói quen 13: Dùng Sonnet hoặc Haiku cho task đơn giản

Kiểm tra ngữ pháp, brainstorm, chỉnh format, trả lời nhanh, Sonnet cân hết, mà chi phí rẻ hơn rất nhiều.

Opus + Extended Thinking là “máy chạy hạng nặng”, vì vậy bạn đừng mang máy hạng nặng ra để… dời một cái ghế.

Quy tắc của mình là nếu Claude trả lời được trong dưới 30 giây, thì thường chẳng cần đến model Opus.

Thói quen 14: Đừng nhét toàn bộ folder vào Cowork

Mỗi file Cowork mở ra đều “đốt” token.

File càng nặng, Cowork càng dễ tóm tắt qua loa thay vì đọc kỹ.

Nếu không cần file để chạy các task bạn đang làm, đừng cho Cowork đọc file đó.

Thói quen 15: Bắt đầu chat mới khi topic thay đổi

Ví dụ minh họa: Đừng trộn LinkedIn post, client proposal và công thức nấu ăn trong cùng một chat.

Claude sẽ cứ lôi lại đoạn viết LinkedIn và proposal mỗi lần bạn hỏi “Tối nay ăn gì”.

Muốn đổi chủ đề thì hãy luôn luôn tạo chat mới.

Thói quen 16: Tắt các tính năng không dùng đến

Đơn cử như Web Search, connectors và chế độ Explore đều “ngốn” thêm token cho mỗi câu trả lời. Nếu không cần nó thì mặc định của mình là tắt hết. Chỉ bật đúng tính năng cho từng task, không bật toàn bộ cho tài khoản..

Và khi dùng connectors, hãy ra yêu cầu thật cụ thể: “Tìm trên Slack trong 7 ngày gần đây các tin nhắn về launch sản phẩm trong Qúy 2”, điều này sẽ rẻ hơn rất nhiều so với “Tìm trên Slack mọi thứ liên quan đến việc launch sản phẩm”.

Thói quen 17: Dùng Projects cho các công việc lặp lại

Nếu bạn upload cùng một file PDF vào 5 chat khác nhau, Claude sẽ *token hóa lại* mỗi lần: 5 chat = 5 lần đọc lại từ đầu.

Giải pháp là dùng Projects.

Bạn chỉ cần cập nhật một lần, file được ghi vào Cache (Bộ nhớ đệm) để tái sử dụng ở những lần sau.

Với các gói trả phí, Projects còn hỗ trợ RAG (Retrieval-Augmented Generation - Tạo tăng cường truy xuất), lúc này Claude sẽ chỉ truy xuất những thông tin liên quan, thay vì nhét cả tài liệu vào cửa sổ ngữ cảnh (context window).

Thói quen 18: Tắt Memory và thêm User Preferences

Mỗi lần mở chat mới mà không có ngữ cảnh (context) lưu sẵn, bạn sẽ tốn 3–5 tin nhắn chỉ để “set up” lại từ đầu.

Giải pháp là vào Settings > General > Personal preferences, thiết lập Styles trong model selector, chọn Concise hoặc tự tạo style riêng.

Style sẽ được lưu và áp dụng cho mọi cuộc chat sau, không ngốn thêm context, tức là không phí thêm token.

Thói quen 19: Dùng scheduled tasks cho việc lặp lại

Nếu chạy cùng báo cáo hay task mỗi tuần, đừng làm thủ công trong seassion của Cowork, hãy dùng plugin: /schedule

Nhóm 3: Thói Quen Đặc Thù Cho Claude Cowork & Claude Code

Thói quen 20: Cho Claude Code một cái scope rõ ràng trước khi sử dụng nó

Sessions của Claude Code có thể đốt token nhanh hơn bất cứ thứ gì khác nếu bạn không cẩn thận.

Code có xu hướng đi rộng, nó khám phá files, đọc directories, chạy checks.

Nếu không nói chính xác cần gì, nó sẽ truy cứu mọi thứ. Vì vậy, đây là ví dụ minh họa về việc cung cấp scope cho Claude Code, không cho Claude Code “muốn làm gì thì làm”.

Tạo biểu đồ cột từ tệp CSV này để hiển thị doanh thu hàng tháng trong năm 2025. Lưu biểu đồ dưới dạng chart.png

Thói quen 21: Dùng CLAUDE.md file để set permanent context (bối cảnh vĩnh viễn)

Trước mỗi task, code sẽ đọc file `CLAUDE.md` nếu có.

Hãy đặt tất cả instructions lặp lại vào đó: Làm ở folder nào, dùng ngôn ngữ gì, naming conventions ra sao.

Viết một lần, dùng mãi, khỏi phải nhắc lại, tiết kiệm token mỗi session.

Nhưng nhớ giữ ngắn: `CLAUDE.md` càng dài, Claude càng dễ bỏ sót những chỉ dẫn quan trọng của bạn.

Thói quen 22: Spread work qua cả ngày

Claude áp dụng giới hạn theo “khung thời gian trong 5 giờ”.

Nếu bạn đốt sạch hạn mức chỉ trong một buổi sáng, phần lớn dung lượng cả ngày sẽ bị phí.

Cách làm tối ưu hơn là chia thành 2–3 phiên (Sáng–Chiều–Tối).

Mỗi lần quay lại, lượt dùng trước đó đã tự “trôi” khỏi cửa sổ 5 giờ, giúp bạn lấy lại hạn mức sử dụng.

Thói quen 23: Ngừng dùng Claude vào mấy cái Claude không giỏi

Claude không giỏi tạo ảnh nên nếu bạn đã tốn 5 tin nhắn để mô tả một visual mà chỉ nhận lại mấy cách “chữa cháy” tạm bợ, thì chuyển sang Gemini.

Claude cũng không mạnh về tìm kiếm thời gian thực, mảng này Grok nhanh và chuẩn hơn.

Bạn nên dùng đúng tool AI cho đúng việc.

Mà dù sao thì giờ cũng có Claude Design rồi, bạn có nhu cầu tạo ảnh thì vọc thử, xem Claude Design tại đây.

Bắt Đầu Từ Đâu?

23 mẹo này bạn nên lưu lại trước, nhưng mình thấy không cần điều chỉnh và áp dụng cả 23 mẹo này cùng một lúc

• Nếu dùng Cowork hàng ngày, bắt đầu với thói quen 1, 2, và 5: Convert files trước khi upload, plan trong Chat trước khi build & ngừng bảo “làm lại” toàn bộ.

• Nếu chủ yếu dùng Chat, bắt đầu với 8, 15, và 17: Edit thay vì correct, new chat mỗi topic & dùng Projects cho recurring files.

• Nếu đang ở plan $20 và hay chạm limit, bắt đầu với 6, 13, và 22: Batch prompts, dùng model rẻ hơn & spread sessions qua cả ngày.

Nhận Định Cá Nhân Của QUILIX AI

Sau khi đọc xong 23 thói quen này, thứ mình thấy quan trọng nhất không phải là bất kỳ mẹo cụ thể nào, mà là ở cái model đằng sau đó.

Hầu hết người dùng Claude như một chatbot: Gõ câu hỏi, nhận câu trả lời, gõ thêm. Mỗi lần gõ thêm là một lần đốt token vào cái context & cái ngữ cảnh này thì ngày càng phình to.

Những người dùng Claude hiệu quả nhất mình quan sát thấy đều có một điểm chung: Họ đầu tư thời gian vào lần đầu tiên để dịnh hình context chuẩn nhất có thể, thay vì gửi nhiều follow-up messages và chỉnh dần, vừa tốn time mà vừa tốn tiền (Token)

Thói quen 3 (nói “ask me questions”), thói quen 4 (dùng voice để give richer context), và thói quen 6 (batch tasks) đều là biểu hiện của cùng một triết lý: Làm đúng ở điểm đầu và Claude sẽ đem lại hiệu quả công việc tốt hơn, tốn ít token hơn.

Đây cũng là lý do mình thấy việc hiểu token không chỉ là chuyện tiết kiệm tiền, nó còn thay đổi cách mình giao tiếp với AI và cải thiện giao tiếp đó tốt hơn, cụ thể là cung cấp context đầu đủ, cụ thể để tạo ra kết quả tốt hơn.

Tổng Kết

Hiểu cách token hoạt động là nền tảng của tất cả các công cụ AI ngoài kia. Claude cũng không phải là không có giới hạn, nhưng khi biết cách quản lý token, giới hạn đó hiếm khi là vấn đề của bạn.

23 thói quen này đều đi theo một nguyên tắc: Đừng lãng phí token vào context không cần thiết, files thừa, hay yêu cầu AI làm lại mấy cí không cần thiết. Điều này giúp bạn dùng AI vào thứ thực sự tạo ra output tốt hơn.

Bạn đang ở plan nào và hay chạm limit ở chỗ nào? Comment xuống dưới nhé, mình muốn biết anh em đang gặp khó khăn ở đâu & có mẹo nào hay thì chỉnh mình nhé!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú Thích Thuật Ngữ

• Token: Đơn vị đo lường của AI. Xấp xỉ một từ. Dùng để tính chi phí và giới hạn sử dụng.

• Context Window: Lượng text tối đa Claude có thể đọc và nhớ trong một lần. Conversation càng dài, mỗi tin nhắn mới càng tốn nhiều token hơn vì Claude đọc lại tất cả.

• Prompt Caching: Kỹ thuật tái sử dụng kết quả xử lý các đoạn text đã được xử lý trước. Giảm chi phí đáng kể khi dùng cùng structure nhiều lần.

• RAG (Retrieval-Augmented Generation): Kỹ thuật cho phép AI chỉ retrieve đoạn text liên quan thay vì load toàn bộ document vào context window. Projects trên paid plans dùng RAG.

• Cowork: Chế độ agentic của Claude có thể tự chạy code, đọc file, và thực hiện tasks phức tạp. Tốn token nhiều hơn Chat thông thường.

• AskUserQuestion: Tool trong Claude cho phép AI đặt câu hỏi dạng multiple choice cho người dùng. Click options tốn gần như không có token, rẻ hơn nhiều so với gõ paragraphs.

• CLAUDE.md: File config đặc biệt mà Claude Code đọc trước mỗi task. Dùng để set permanent instructions mà không cần lặp lại mỗi session.

• Extended Thinking: Tính năng cho phép Claude “suy nghĩ” lâu hơn cho complex tasks. Tốn nhiều token hơn nhưng cho output tốt hơn với tasks đòi hỏi reasoning sâu.

• Rolling 5-hour Window: Claude giới hạn usage theo cửa sổ 5 tiếng cuộn, không phải theo ngày cố định. Spread sessions qua cả ngày để tận dụng tối đa.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Bình tĩnh đã! Khoan đánh giá vội về con số $200 (Vì mình biết nhiều người cho rằng, làm 1 tháng ngoài kia, lương cơ bản cũng 5tr-7tr, tương đương $200-$250 rồi)

Nào, dễ thế thì không gì để bàn ở đây. Nếu chọn một con số Không KHÓ Không DỄ cho anh em AI newbie vừa “chập chững” vào nghề, mình sẽ bắt đầu với $200/giờ (Chứ không phải mỗi tháng). Còn có thật sự như vậy không? Bài viết này mình sẽ làm rõ!

Nói trước cho bạn yên chí phần nào, đây không phải mức lương của một bác senior engineer tại Google, cũng không phải giá tư vấn của một người có học hàm tiến sĩ. Đây là mức giá mà rất nhiều AI freelancer đang “chạc” ngoài kia, lịch của họ tương đối kín mới có thể lấp đầy cái chỉ tiêu này, nhiều người trong số đó 12 tháng trước thậm chí còn chỉ đang tính $50 mỗi giờ khi làm dev.

Bài viết không cổ súy bất cứ AI nào, hay “xem nhẹ” công việc, kiến thức nào ở thời buổi hiện tại. Mình vẫn khuyến khích bạn nghiêm túc đi theo những lộ trình này, vì chí ít nó là những kiến thức nền tảng và trải nghiệm chuyên sâu, đủ để bạn hiện thực hóa mục tiêu nhanh hơn.

Một chủ đề có rất nhiều thứ mình muốn chia sẻ lại theo cách mình hiểu, kèm theo góc nhìn về cơ hội cho anh em Việt Nam làm AI trên phương diện là 1 freelancer.

Mục lục

1. Tại Sao $200/Giờ Không Phải “NGÁO”: Bài Toán Cung Và Cầu

2. Ranh Giới: Bán Thời Gian Vs Bán Kết Quả

3. Giai Đoạn 1: Chọn Niche Đúng Ngay Từ Đầu

4. Giai Đoạn 2: Build Proof Trong 3 Tuần Đầu

5. Giai Đoạn 3: Định Giá Đúng (Không Charge Sai)

6. Giai Đoạn 4: Kiếm Client Đầu Tiên & Xây Pipeline

7. Giai Đoạn 5: Deliver Xuất Sắc Và Scale Thêm

8. Lộ Trình 12 Tháng (Với Mốc Doanh Thu Cụ Thể)

9. Nhận Định Cá Nhân Của Mình

10. Tổng Kết

11. Chú Thích Thuật Ngữ

Tại Sao $200/Giờ Không Phải “NGÁO”

Bài Toán Cung Và Cầu

Ở khúc này mình sẽ nói chuyện bằng số má, chứ không bằng cảm xúc à nhen.

1. AI agent development hiện đang được charge $175 đến $300 mỗi giờ trên thị trường freelance.

2. RAG implementation, tức là hệ thống để AI đọc và trả lời dựa trên dữ liệu riêng của bạn, chạy $150 đến $250 mỗi giờ.

3. LLM integration nói chung ở mức $125 đến $200 mỗi giờ.

Đây không phải số outlier. Đây là market rate được report trên nhiều platform freelance và được xác nhận bởi freelancer chia sẻ public.

Tại sao mức giá lại cao như vậy?

Vì mức độ cân bằng giữa cung và cầu của mảng này đang ở mức CỰC ĐOAN.

• Mọi công ty đều muốn tích hợp AI vào operations, rất ít người có thể thực sự làm được phần tích hợp đó.

• Developer truyền thống viết Python giỏi nhưng không (hoặc, chưa) thiết kế được prompt architecture đáng tin cậy.

• AI researcher hiểu model nhưng không ship được production application.

Người có thể làm ĐƯỢC CẢ HAI, tức là hiểu AI và ship hệ thống đang chạy, là cực kỳ hiếm.

Tính nhanh nhé: $200/giờ với 20 giờ billable mỗi tuần là khoảng $200.000 mỗi năm. Và nhiều AI freelancer làm ít hơn 20 giờ vì họ efficient với AI tools, nghĩa là effective hourly rate của họ thực ra còn cao hơn.

Đây không phải câu hỏi liệu $200/giờ có khả thi không nữa bạn à. Mà liệu bạn có thể phát triển và “phụ đạo” đủ đủ skills để đáp ứng mức giá này không thôi!

Ranh Giới: Bán Thời Gian Vs Bán Kết Quả

Đây là insight quan trọng nhất trong toàn bộ guide này.

Những AI freelancer charge $200/giờ không bán thời gian của họ. Họ bán sự đổi mới.

Khi bạn charge $50/giờ, khách hàng đang nghĩ “Mình đang thuê người này 10 giờ để làm task X.” Họ quản lý bạn theo thời gian, theo checklist, theo mỗi giờ bạn làm việc.

Khi bạn charge $200/giờ và định vị đúng, client sẽ nghĩ “Mình đang trả để giải quyết vấn đề Y. Người này có thể làm được điều đó.” Không ai check bạn làm mấy giờ. Họ chỉ quan tâm đến kết quả đầu ra (Đương nhiên đi kèm là cả chất lượng rồi)

Sự thay đổi trong định vị thương hiệu cá nhân và tay nghề, chứ không phải trong kỹ năng kỹ thuật mà bạn tạo ra sản phẩm, sẽ là thứ đưa giá dịch vụ từ $50 lên $200.

Nhưng cần thẳng thắng một điều mà mình đã đề cập kĩ ở trên: Định vị thương hiệu (Positioning) không thay thế được kỹ năng (Bạn phải cần cả hai). Và bài này sẽ nói về cách build cả hai thứ đó.

Giai Đoạn 1: Chọn Niche Đúng Ngay Từ Đầu

Sai lầm lớn nhất mà AI freelancer mới bắt đầu là họ cố bán “AI services” cho tất cả mọi người. Điều đó không tốt vì nó không trả lời câu hỏi thật sự của khách hàng: “Người này có thể giải quyết vấn đề CỤ THỂ của tôi không?”

Bạn cần một niche (Ngách, ở đây là ngách dịch vụ). Một ngành cụ thể cộng với một khả năng AI (AI capability) cụ thể. Ngách càng hẹp, mức charge càng cao, vì chuyên gia thì luôn kiếm được nhiều hơn những người “mà cái gì cũng làm”.

Mình tổng hợp lại các ngách đang có nhu cầu cao nhất trong 2026:

1. AI agent development cho SaaS companies là xây custom agents để tự động hóa các khâu liên quan: Automate customer support, lead qualification, onboarding flows và internal operations. SaaS companies có budget và hiểu giá trị của automation.

2. AI workflow automation cho professional services nhắm vào law firms, accounting practices, consulting firms, recruiting agencies. Những business này chạy trên các quy trình lặp lại (Repetitive processes) theo patterns dự đoán được. Họ trả giá cao hơn vì ROI rõ ràng, mỗi giờ tiết kiệm được là tiền cho client của họ.

3. AI content systems cho marketing teams không phải viết từng blog post mà build một hạ tầng content hoàn chỉnh: Từ research pipelines, first-draft generators, repurposing systems, SEO optimization workflows. Marketing teams có nhu cầu content vượt quá khả năng “human” của họ.

4. AI data analysis cho E-commerce nhắm vào product catalog optimization, pricing analysis, customer behavior insights, competitive monitoring. E-commerce businesses có đặc trưng tạo ra 1 lượng dữ liệu lớn và cần AI để xử lý các dữ liệu này thành những quyết định có thể hành động.

5. Custom Claude Skill Development là build các Skill packages chuyên biệt cho các mảng, ngành và workflow chuyên biệt. Đây là ngách mới hơn, với ít sự cạnh tranh mà nhu cầu của các doanh nghiệp đang cao (Nhất là những doanh nghiệp có tiền và theo “tín ngưỡng Claude”)

Lời khuyên của mình là bạn hãy chọn MỘT ngách để BẮT ĐẦU, all-in vào nó, rồi hãy chuyện mở rộng sau này. Làm gì thì cũng cần có cái ngách cho *chắc bụng” từ đầu trước, chắc cái bụng thì cảm hứng, động lực mới có để tiếp sức cho mục tiêu của bạn. Những AI freelancer giỏi nhất về một ngách sẽ luôn thắng AI freelancer “Khá giỏi về AI chung chung”. Điều này thật ra đã quá quen thuộc trong nhiều mảng dịch vụ Online.

Giai Đoạn 2: Build Proof Trong 3 Tuần Đầu

Giai đoạn này thử thách nhất, nhưng làm tốt thì nó rất xứng đáng với những gì bạn bỏ ra. Thậm chí, có những AI Freelance giỏi còn làm việc này hàng năm, để tìm kiếm thêm khách hàng mới, testimonial, Case Study, tạo phễu chuyển đổi các khách hàng đó. Hoặc mở rộng client network.

Hãy luôn nhớ là không ông client nào trả $200/giờ dựa trên những gì bạn nói, bạn hứa. Họ trả tiền dựa trên bằng chứng bạn đã thực hiện.

Vì thế, bạn cần ba loại proof.

Proof 1: Portfolio projects.

Cook 3 dự án thể hiện được chiều sâu trong cái ngách bạn đang theo (niche expertise). Mỗi dự án cần giải quyết vấn đề thật mà khách hàng mục tiêu của ngách bạn theo đang thực sự gặp phải. Vài gợi ý:

Nếu niche của bạn là AI agents cho SaaS companies, bắt tay vào build proof: Một customer support agent xử lý các câu hỏi chung chung, hoặc các vấn đề/trường hợp common questions và escalate complex issues, một lead qualification agent score inbound leads theo criteria định sẵn, và một onboarding agent guide new users qua product setup.

Mỗi dự án cần live demo, giải thích chi tiết vấn đề nó đang giải quyết, cách nó hoạt động và các quyết định kiến trúc AI (Architecture decisions) bạn đã build ra.

Proof 2: Published content.

Viết về ngách của bạn đều đặn. Break-down cách bạn build từng danh mục dự án, giải thích kĩ thuật bạn dùng, chia sẻ cách tiếp cận và ứng phó của bạn với các vấn đề phổ biến trong ngách này.

Content sẽ giúp bạn làm hai việc cùng lúc: Thể hiện chuyên môn tới khách hàng tiềm năng đâu đó trên các nền tảng mạng xã hội bạn đang làm content VÀ thu hút thêm các đối tượng (Inbound leads)đang tìm các giải pháp giải quyết “cái chỗ ngứa” mà họ đang mắc phải.

Viết content ít nhất một một đến hai cách tiếp cận mỗi tuần trong tháng đầu, trên X, LinkedIn, blog, hay bất kỳ nền tảng nào mà bạn nghĩ bạn sẽ tiếp cận được khách hàng mục tiêu.

Proof 3: Social proof.

Bạn cần ít nhất một testimonial (bằng chứng thực tế). Nếu chưa có khách, hãy làm một dự án với giá giảm, hoặc tặng free cho ai đó trong ngách của bạn, đặc biệt để lấy một testimonial mạnh. Tổ chức Giveaway trên các hội nhóm cũng là một ý tưởng hay.

Một testimonial thật phải từ người “đang bị ngứa” với cái vấn đề của họ, nói ding4 dạc rằng: “Bạn là người đã build hệ thống AI giúp team/công ty của tôi tiết kiệm 10 giờ mỗi tuần/hàng chục đến hàng trăm triệu”. Những kiểu testimonial như thế này đáng giá hơn hàng trăm mảnh ghép content mà bạn cóp nhặt vào porfolio.

Giai Đoạn 3: Định Giá Đúng (Không Charge Sai)

Hầu hết freelancer mới đều bị rơi vào "vòng xoáy” undercharge (Tính tiền dịch vụ thấp hơn chất lượng của nó), vì họ sợ bị từ chối. Đây là sai lầm rất khó đỡ vì clients hiện tại cũng có nhiều option về giá, có nhiều sự lựa chọn hơn.

Nhưng ít nhất, hãy bắt đầu ở mức tối thiểu $150/giờ (Không phải $50. Không phải $75. $150.)

Tại sao? Nếu AI system của bạn giúp team của khách hàng 20 giờ mỗi tháng, và trung bình giá trị của 1 giờ của team đó là $50/giờ, thì khách hàng đang tiết kiệm $1.000 mỗi tháng. 20 giờ build của bạn ở mức $150/giờ tốn họ chỉ $3.000. Break even point (Điểm hòa vốn) sẽ trong 3 tháng, nhưng giúp tiết kiệm $12.000 mỗi năm sau đó.

Đó là một lộ trình nếu nói rõ ràng ROI - Return On Invesment. Với giá $150/giờ, bạn đang undercharge so với giá trị bạn đang trao & giúp khách hàng hưởng giá hời, nhưng đó cũng là một cách tốt để bắt đầu với việc đưa mục tiêu lên $200/giờ.

Sau 3 đến 5 clients rồi, hãy tăng lên $200, sau 10 clients có testimonials mạnh và hiệu quả, cân nhắc nâng mức giá lên $250. Thị trường sẽ nói cho bạn biết khi nào bạn đã chuận bị để tăng giá, cứ làm nhiều thì mức độ nhạy cảm về giá và tay nghề của bạn sẽ mách bảo khi nào nên hành động.

Một mẹo quan trọng là thay vì tính theo giờ, tính giá theo dự án (Khi có thể). Một dự án làm freelance AI giá $4.000 cho toàn bộ hệ thống, nhưng tiết kiệm $12.000 mỗi năm là hoàn toàn khả thi. Bạn vẽ một bức tranh lợi ích to lớn (Ở đây là $12.000) thì sẽ tốt hơn là giởi hạn về giờ (1 giờ = $200 & không biết ROI là gì thì nó nghe khủng khiếp và khó thuyết phục hơn nhiều). Điều này là một đòn tâm lý, nó tạo ra cảm giác lo ngại, hoặc sẵn sàng đón nhận, “rút hầu bao” từ khách hàng. Cũng giá như vậy, chỉ cách bạn báo giá là khác thôi!

Mà nè, nếu bạn quan tâm về nỗi sợ bán hàng này & muốn vượt qua “con ma” mang tên bán hàng giá cao, thì hãy đọc thử bài này đi:

Freelance to Freedom (Solo Expert Business)

Căn bệnh “Sợ bán hàng vì sợ mang tiếng thực dụng”

(Cuộc trò chuyện do AI tạo ra dựa trên nội dung bản tin hôm nay, mọi người có thể bấm nghe cho vui và rảnh tay nha…

Read more

a month ago · 20 likes · 1 comment · Linh Phan

Giai Đoạn 4: Kiếm Client Đầu Tiên & Xây Pipeline

Mình cho rằng kiếm khách hàng đầu tiên là là việc khó nhất, nhưng từ khách thứ 5 thứ 6 trở đi, việc này sẽ dễ thở hơn nhiều. Một hệ thống mà bạn có thể tham khảo để vượt qua “ngọn núi” đầu tiên mang tên Kiếm Khách Hàng:

• Tiếp cận hiệu quả: Tìm doanh nghiệp trong ngách của bạn đang theo với vấn đề của họ mà bạn có dịch vụ giải quyết. Các dấu hiệu nhận biết dễ thấy như: Họ đang tuyển cho vai trò liên quan đến những công việc có tính lặp đi lặp lại, các hoạt động về support khách hàng vẫn có yếu tố thủ công, các đối thủ của họ đã ứng dụng AI và làm việc nhanh hơn, hiệu quả, tối ưu hơn họ.

• Gửi tin nhắn cụ thể, cá nhân hóa: Không phải chung chung “Tôi làm dịch vụ AI, tôi sẽ giúp bạn...”. Mà hãy nhắn điều gì đó thuyết phục như: “Mình để ý thấy [quan sát cụ thể về business của họ]. Mình đã build một hệ thống giải quyết đúng vấn đề này cho doanh nghiệp như các bạn. Đây là mẫu thử mình tạo dùng cho [thứ gì đó là vấn đề doanh nghiệp họ đang gặp phải]: [link]. Hãy cho mình 15 phút để thảo luận và mô tả về hệ thống này”.

• Mẫu thử (Sample) dùng vấn đề business đó đang gặp phải chính là chìa khóa giúp bạn chuyển đổi cao, bán hàng thuyết phục hơn. Điều này giúp minh chứng bạn đã làm việc, bạn hiểu vấn đề của họ, và hệ thống bạn tạo ra giải quyết được bài toán cụ thể của business đó.

• Inbound hiệu quả: Publish content đều đặn trên MXH của bạn, mỗi content đều là tài sản tạo ra khách hàng tiềm năng lâu dài. Ai đó vô tình gõ “Làm thế nào để build Custom AI Agent support khách hàng” trong 6 tháng tới thì có thể tìm thấy content của bạn và tiếp cận đến bạn.

• Giới thiệu (Referral) hiệu quả: Sau mỗi cuộc trao đổi với khách hàng, hỏi hai câu: “Bạn có sẵn sàng share một nỗi đau nào tương tự không?” và “Bạn có biết businees/team/partner nào đang dealing với vấn đề tương tự không?” Hai referrals mỗi client CÓ KHẢ NĂNG tạo thêm khách hàng tới. Cho là 5 khách có 10 lượt referrals, thì 10 referrals chuyển đổi thành 3 đến 5 clients mới, Flywheel bắt đầu từ đây.

Giai Đoạn 5: Deliver Xuất Sắc Và Scale Thêm

Cho tới cuối cùng, thì chất lượng công việc mà bạn tạo ra sẽ quyết định tất cả. Một đầu ra công việc chất lượng sẽ tạo thêm các testimonials (Lời chứng thực) và referrals (lượt giới thiệu) “tạo đà” cho 6 tháng làm việc tiếp theo. Và ngược lại, một kết quả tầm thường sẽ hủy diệt flywheel này.

Đưa ra framework cụ thể: Bắt đầu mọi project với tài liệu thể hiện mục tiêu, định hướng rõ ràng, phải biết chính xác bạn & khách hàng sẽ build gì, gồm hoặc không có những gì, timeline, và checklist đảm bảo tiến độ & chất lượng hoàn thành. Thiếu mấy cái này thì làm nghề gì cũng lụt.

Làm mọi thứ có thể để đem đến chất lượng tuyệt vời cho khách hàng đầu tiên hoặc khách hàng mới: Làm thêm các thứ không có trong yêu cầu, nhưng bổ trợ cho hệ thống chính, giúp họ không expect nhưng khi đón nhận thì oh WOW, bám sát và follow chủ động cùng khách hàng. Mục tiêu là làm cho họ có trải nghiệm tích cực trước khi nhận thành phẩm, đến mức giới thiệu dịch vụ của bạn cho các đối tác/khách hàng/team, khiến họ cảm giác như đang giúp đỡ bạn bè của họ.

Build hệ thống, chứ không phải một dự án riêng lẻ: Điều này giúp bạn bán thêm các gói bảo trì, tối ưu hoặc hỗ trợ theo tháng (rẻ hơn). Recurring revenue (Doanh thu lặp lại) là ranh giới phân biệt giữa freelancing gà và pro.

Ở 5 clients, cố gắng ghi lại và hệ thống hóa quy trình giao thành phẩm của bạn: Tạo templates cho scoping, onboarding, delivery, và follow-up, build reusable components & architecture có thể deploy liền ở các dự án tương đồng.

Ở 10 clients, quyết định muốn làm solo tiếp, hay build small team: Cả hai đều hoạt động tốt, nó phụ thuộc vào việc bạn muốn build một doanh nghiệp, hay một tay freelancer có mindset kinh doanh và thu nhập cao. Tùy ở bạn!

Lộ Trình 12 Tháng (Với Mốc Doanh Thu Cụ Thể)

Timeline này được giả định một sự nỗ lực cố định, chứ không phải “khi nào thích thì làm.” Nỗ lực kiên định hàng tuần kết hợp với sự chuyên nghiệp trong việc: Tiếp cận khách hàng mục tiêu, làm content, xây dịch vụ, mang kết quả đến giao cho khách và cải thiện sau từng dự án.

• Tháng 1: Build portfolio projects, tạo content, setup hồ sơ freelance (Upwork, Fiverr), bắt đầu tiếp cận đến các tệp khách hàng. Target cần đạt: Client đầu tiên vào cuối tháng.

• Tháng 2: Hoàn thành project đầu tiên vượt trên mong đợi của khách hàng, lấy testimonial (Lời chứng thực), bắt đầu với project thứ hai và thứ ba (150/giờ). Target: Khoảng $3.000 đến $5.000 doanh thu/tháng.

• Tháng 3: Nâng giá lên $175/giờ, tiếp tục duy trì outreach bằng content, lúc này kiếm referrals từ client 1,2,3. Target: $5.000 đến $8.000 doanh thu/tháng.

• Tháng 4 đến 6: Nâng lên $200/giờ, làm việc duy trì liên tục từ 3 đến 5 active client, thu thêm phí từ các dịch vụ đi kèm từ khách hàng trước. Target: $8.000 đến $15.000 mỗi tháng cũng rất khả thi.

• Tháng 6 đến 12: Có thể nâng lên mức $200+/giờ. Lúc này content bạn làm bắt đầu có outreach tốt, khách hàng CÓ THỂ tự tìm đến. Cân nhắc làm thêm ngách khác, bán chéo, hoặc build team. Target: $15.000 đến $25.000 mỗi tháng.

Nhận Định Cá Nhân Của QUILIX AI

Thật ra thì có 2 quan điểm mình muốn nhấn mạnh:

Điểm thứ nhất: Chọn ngách (niche) là quyết định quan trọng nhất, nhưng nó cũng là quyết định mà hầu hết người ngại nhất, vì chọn một ngách có nghĩa là nói không với những cơ hội khác, ít nhất là trong giai đoạn đầu, mà cái cảm giác mơ hồ ấy là cái ghê nhất, khiến người mờ rất dễ nản lòng và cảm thấy vô định trên hành trình sắp tới.

Nhưng mình đã thấy mẫu số chung ở đây là người nào cố làm tất cả mọi thứ cho tất cả mọi người thì họ thường không được nhớ đến ở lĩnh vực nào cả, trong khi người nào chọn niche (ngách) rõ ràng và đi sâu thường được refer nhiều hơn, vì người ta biết chính xác khi nào cần đến họ.

Điểm thứ hai, và đây là thứ mình thấy quan trọng đặc biệt với anh em Việt Nam: Thật sự có giới hạn thời gian, không phải vì AI hết hot, mà vì càng ngày sẽ càng có nhiều người biết làm AI work nên mức giá sẽ được “bình thường hóa” khi cung bắt kịp cầu. Đặc biệt nhấn mạnh là hãy làm việc với người nước ngoài, tải ngoại tệ về nhé!

Tổng Kết

$200/giờ AI freelancing không phải là QUÁ NGÁO, nhất là bạn chinh chiến ở thị trường Global, đó là sự thật được đẩy cao bởi yếu tố cung thấp, cầu cao.

Hãy bắt đầu từ hôm nay và nỗ lực, kiên trì giữ steak làm việc mỗi ngày, mỗi tuần.

Người bắt đầu xây thương hiệu và testimonials từ bây giờ sẽ có lợi thế không thể nào hơn, nhưng không phải vì thế mà quên đi việc nuôi dưỡng cho kiến thức và thực chiến nhé!

Bạn đang tính theo ngách nào? Hoặc đang cân nhắc niche nào cho AI freelancing? Comment xuống dưới nhé, mình muốn biết anh em đang ở đâu trong hành trình này.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú Thích Thuật Ngữ

• AI Agent Development: Xây dựng các chương trình AI tự chủ có thể thực hiện chuỗi nhiệm vụ phức tạp, ra quyết định và tương tác với hệ thống khác mà không cần hướng dẫn từng bước từ con người.

• RAG (Retrieval-Augmented Generation): Kỹ thuật cho phép AI đọc và trả lời dựa trên tài liệu hoặc dữ liệu riêng của một tổ chức thay vì chỉ dựa trên kiến thức training. Ví dụ: chatbot biết đọc internal docs của công ty bạn.

• LLM Integration: Tích hợp Large Language Model như Claude hay GPT vào ứng dụng hoặc hệ thống hiện có của doanh nghiệp.

• Prompt Architecture: Thiết kế hệ thống prompt có cấu trúc và đáng tin cậy cho AI agent. Khác với việc chỉ viết một prompt đơn lẻ.

• Niche: Phân khúc thị trường hẹp và cụ thể. Ví dụ không phải “AI services” mà là “AI agent automation cho law firms.”

• Portfolio: Tập hợp các dự án đã hoàn thành dùng để demonstrate năng lực với potential clients.

• Retainer: Hợp đồng recurring hàng tháng trong đó client trả một khoản cố định cho ongoing services thay vì per-project.

• Flywheel: Hiệu ứng bánh đà: khi momentum tự tạo ra momentum. Trong freelancing: delivery tốt tạo referral, referral tạo client mới, client mới tạo thêm referral.

• Scope Creep: Tình trạng phạm vi công việc bị mở rộng dần dần ngoài thỏa thuận ban đầu mà không có điều chỉnh về giá hoặc timeline.

• Billable Hours: Số giờ thực sự tính phí cho client. Không bao gồm thời gian admin, marketing, hay self-improvement.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Một “hạm đội content AI” trên Grok? Nghe thì hoành tráng, nhưng ý tưởng rất đơn giản và mình nghĩ là ai cũng có thể làm được, thậm chí xem nó như một “bàn đạp” để bạn xuống tiền build những thứ AI phức tạp hơn sau này.

Sơ lược thì thay vì mỗi lần cần viết content, bạn lại phải mở chat, giải thích lại ngữ cảnh (context), tìm kiếm thủ công, rồi copy paste kết quả qua lại giữa nhiều chat khác nhau …

Mình chọn build một đội 4 agent chuyên biệt, mỗi agent làm đúng một việc, và Grok tự biết cần gọi agent nào để đáp ứng tình huống bạn đang làm.

Bài này mình sẽ chia sẻ Case Study cụ thể của đội 4 agent mình đang dùng cho QUILIX, kèm hướng dẫn setup từng bước để bạn có thể copy về dùng ngay luôn.

Mục lục

1. Grok Custom Agents Là Gì? Tóm Tắt Nhanh Cho Người Mới

2. Tại Sao Cần Một “Hạm Đội”, Thay Vì Một Agent Làm Tất?

3. Case Study: Đội 4 Agent Content Của QUILIX AI

4. Hướng Dẫn Setup “Hạm Đội” Content Với Custom Agents Trên Grok

5. Prompt Template Copy-Paste Cho Cả 4 Agent

6. Kết Quả Thực Tế Sau 2 Tuần Test

7. Nhận Định Cá Nhân Của Mình

8. Tổng Kết

9. Chú Thích Thuật Ngữ

Grok Custom Agents Là Gì? Tóm Tắt Nhanh Cho Người Mới

Grok của xAI vừa ra tính năng Custom Agents cho người dùng SuperGrok và X Premium+.

Đây không phải là một tính năng mới, mà là khả năng tạo ra nhiều phiên bản Grok chuyên biệt, với mỗi phiên bản Agent được “lập trình” sẵn cho một nhiệm vụ cụ thể thông qua Instructions mà bạn viết bằng ngôn ngữ thường. Đó là lý do nó được gán cái tên Custom Agents.

Điểm mấu chốt là bạn có thể tạo tối đa 3 Custom Agent (ngoài Grok mặc định), và khi bạn chat, Grok tự nhận biết yêu cầu nào phù hợp với agent nào rồi điều phối tự động, để không cần gõ tay thêm lệnh, hay chọn agent thủ công nữa.

Ví dụ từ ảnh mình thấy: Một người dùng có “Questioning Agent” bên cạnh Grok mặc định. Khi họ gửi một câu hỏi phức tạp, Grok tự routing sang agent đó.

Có thể bạn quan tâm:

Tại Sao Cần Một “Hạm Đội”, Thay Vì Một Agent Làm Tất?

“Agent chuyên biệt luôn tốt hơn agent đa năng”. Đây chính là câu trả lời của mình!

Hình dung thế này:

Còn nếu bạn dùng một “hạm đội” thì sao?

• Agent 1 tìm tin tức và get link.

• Agent 2 nhận link đó và viết bài theo đúng tone của bạn.

• Agent 3 gợi ý hình ảnh và visual direction (Là thiết kế hình ảnh á!)

• Agent 4 cuối tuần tổng kết xem bài nào hiệu quả nhất.

Mỗi agent làm một việc, làm tốt. Cũng giống như con người, chúng ta chỉ có chuyên gia, chứ không một ai có thể giỏi ở tất cả các mảng.

Đây chính xác là cách Grok đề xuất trong phần gợi ý agent cho Content Creator và KOL: TREND agent, CAPTION agent, REPLY agent làm ba việc khác nhau. Grok sẽ tự điều phối khi bạn hỏi nó: “Hôm nay có trend gì hot, viết cotent cho tao đi.”

Case Study: Đội 4 Agent Content Của QUILIX AI

Với case study thực tế từ bản thân, mình sẽ chia sẻ, giải thích từng agent, mục đích của nó, và tại sao mình lại thiết kế như vậy.

SCOUT: Agent Nghiên Cứu Tin Tức Và Thu Thập Link

Nhiệm vụ: Mỗi sáng, mình chat với SCOUT: “Hôm nay có gì mới về AI không?”.

• Agent này được configure để tìm kiếm các nguồn tin viết bài cụ thể (TechCrunch, Anthropic blog, xAI, Google DeepMind), lọc tin theo độ quan trọng, và trả về danh sách gồm tiêu đề, link gốc, và tóm tắt 2 đến 3 câu cho mỗi tin đó.

• Output của SCOUT là input cho WRITER. Mình không cần copy paste thủ công. Mình chỉ cần nói “dùng cái này đi” là WRITER biết cần làm gì.

Trước khi có SCOUT Agent, mình tốn 30-45 phút mỗi sáng để đọc qua các nguồn tin và … chỉ chọn ra được 1 bài, nhưng giờ có nó thì tiết kiệm time hơn nhiều.

WRITER: Agent Viết Bài Content Theo Đúng Giọng QUILIX

Nhiệm vụ: Nhận link hoặc tóm tắt từ SCOUT, viết bài Substack hoàn chỉnh theo đúng brand voice QUILIX: Ngôi thứ nhất, giọng gần gũi như bạn bè, cấu trúc Hook, Bridge, Core content, Nhận định cá nhân, CTA

(Bài này AI cũng viết đó, nhưng mình & team có nhúng tay chỉnh sửa tí, hihi)

Agent này được “train” bằng Instructions chi tiết về cách QUILIX viết: Dùng “mình” và “bạn”, tránh Hán Việt nặng, câu 15 đến 22 từ, không dùng dấu gạch ngang, kết bài bằng “1% better everyday with AI.”

Output của WRITER vẫn cần mình chỉnh lại khoảng 20 đến 30% để thêm trải nghiệm cá nhân thật sự, mình khuyên bạn NÊN LÀM VẬY (Không thì content đọc chán ngắt). Nhưng việc có bản nháp đầu tiên đúng tone, đúng cấu trúc, đúng format save mình khoảng 60% thời gian viết.

Tham khảo thử nè:

VISUAL: Agent Gợi Ý Hướng Thiết Kế Hình Ảnh

Trước đây mình hay bị thiếu ý tưởng khi lên ý tưởng visual, hay làm content banner cho bài viết, hình ảnh,…. VISUAL agent này đã giải quyết đúng cái đó, cho mình điểm xuất phát rõ ràng.

Nhiệm vụ: Nhận bài viết đã hoàn thành từ WRITER, gợi ý visual direction cho thumbnail, cover image và infographic tóm tắt key points. VISUAL không tạo ảnh trực tiếp nhưng nó viết prompt chi tiết cho Midjourney, DALL-E, hay Canva AI.

Ví dụ output của VISUAL:

“Thumbnail: nền đen, text lớn màu cam ‘Claude Managed Agents’, icon robot và server, style minimalist tech. Prompt Midjourney: /imagine dark background, orange glowing text, claude AI robot managing infrastructure servers, minimalist flat design, 16:9.”

ANALYST: Agent Báo Cáo Metrics Cuối Tuần

Content Data-driven không có nghĩa là bạn phải tự ngồi phân tích số liệu thủ công mỗi tuần, xem nên viết cái gì tiếp theo, cái nào viral, cái nào không. Agent ANALYST cuảa mình làm điều đó trong vài phút và đưa ra các next-step, giải pháp mang tính hành động cao.

Nhiệm vụ: Mỗi thứ Sáu hoặc Chủ Nhật, mình dán metrics từ Substack Analytics, X Analytics, hay bất kỳ platform nào vào chat và hỏi ANALYST tổng kết tuần. Agent này phân tích số liệu, so sánh với tuần trước, chỉ ra bài nào hiệu quả nhất, tại sao, và gợi ý hướng content cho tuần tới dựa trên data.

Output mẫu:

“Tuần này bài về Claude Managed Agents đạt 2.3x open rate trung bình. Hook type ‘vấn đề thật sự’ hoạt động tốt hơn hook type ‘tin tức mới’. Đề xuất tuần tới: tập trung angle problem-solution thay vì news update.”

Hướng Dẫn Setup “Hạm Đội” Content Với Custom Agents Trên Grok

BƯỚC 1: Mở Grok và Vào Settings

Truy cập grok.com hoặc mở Grok trong app X. Đảm bảo tài khoản đang ở gói SuperGrok hoặc X Premium+. Nhấn vào ảnh đại diện góc trên phải, chọn Settings.

BƯỚC 2: Tìm Mục Custom Agents

Trong Settings, chọn tab Customize ở sidebar trái. Bạn sẽ thấy phần Your Agents với Grok mặc định đã có sẵn và các ô trống để tạo agent mới. Nhấn nút Create có dấu + để bắt đầu.

BƯỚC 3: Đặt Tên Và Viết Instructions

Mỗi agent có hai trường bắt buộc:

• Name là tên bạn muốn gọi.

• Instructions là mô tả nhiệm vụ bằng ngôn ngữ bình thường.

Trong phần Instructions, Grok cung cấp các preset:

• Custom.

• Concise.

• Formal.

• Socratic.

• Comprehensive.

• (Hoặc bạn có thể chọn Custom để tự viết toàn bộ Instructions)

BƯỚC 4: Chỉ Định Tính Cách Và Giới Hạn Nhiệm Vụ

Đây là phần quyết định chất lượng output. Ngoài mô tả việc cần làm, hãy thêm tính cách và phong cách trả lời. Ví dụ: “Luôn trả lời ngắn gọn, không giải thích dài dòng, tone thân thiện như người bạn, không dùng bullet point nhiều hơn 5 cái.”

BƯỚC 5: Lưu Và Bắt Đầu Chat Bình Thường

Nhấn Save. Từ giờ, mỗi khi bạn chat với Grok, nó sẽ tự nhận biết yêu cầu nào phù hợp với agent nào và điều phối tự động. Bạn không cần gõ thêm lệnh hay chỉ định agent bằng tay.

Prompt Template Copy-Paste Cho Cả 4 Agent

Đây là phần prompt mình đang dùng, bạn có thể copy về và chỉnh lại theo ngách của mình.

Instructions cho con Agent SCOUT:

“Bạn là SCOUT, chuyên gia tìm kiếm và tóm tắt tin tức AI. Nhiệm vụ: khi được hỏi về tin tức AI, tìm kiếm từ các nguồn uy tín bao gồm TechCrunch, Anthropic blog, xAI, Google DeepMind. Trả về danh sách gồm tối đa 5 tin, mỗi tin có: Tiêu đề, Link gốc, và Tóm tắt 2 đến 3 câu tại sao tin này quan trọng với người làm content về AI. Sắp xếp theo độ quan trọng từ cao đến thấp. Tone: súc tích, không rườm rà.”

Instructions cho bé biên tập viên Agent WRITER:

“Bạn là WRITER, chuyên viết content theo phong cách QUILIX AI. Khi nhận được link hoặc tóm tắt tin tức, viết bài Substack theo cấu trúc: Hook cá nhân hoặc câu hỏi, Bridge giải thích vấn đề, Core content với các điểm chính, Nhận định cá nhân, CTA hỏi mở. Phong cách: dùng ‘mình’ và ‘bạn’, câu 15 đến 22 từ, tránh từ Hán Việt nặng, không dùng dấu gạch ngang, kết bài bằng ‘1% better everyday with AI. Mình TIN CHẮC bạn làm được!’ Không post thẳng output, luôn nhắc người dùng chỉnh lại theo trải nghiệm cá nhân.”

Instructions cho cô em thiết kế, Agent VISUAL:

“Bạn là VISUAL, chuyên gợi ý hướng thiết kế hình ảnh cho content. Khi nhận được bài viết hoàn chỉnh, gợi ý: Thumbnail (mô tả màu sắc, text, layout, style), Cover image (16:9 cho Substack và YouTube), Infographic tóm tắt key points (tối đa 5 điểm, format có thể dùng trong Canva). Với mỗi gợi ý, viết thêm prompt tiếng Anh để dùng với Midjourney hoặc DALL-E. Tone: sáng tạo nhưng thực tế, luôn gợi ý ít nhất 2 option khác nhau.”

Instructions cho thằng cha data, Agent ANALYST:

“Bạn là ANALYST, chuyên phân tích metrics content và đưa ra insight. Khi nhận được dữ liệu từ Substack Analytics, X Analytics hoặc bất kỳ platform nào, phân tích: bài nào hiệu quả nhất và tại sao, so sánh với kỳ trước nếu có, pattern nào đang hoạt động tốt về hook, topic, format, và 3 đề xuất cụ thể cho tuần tới dựa trên data. Output format: tóm tắt ngắn 3 đến 4 câu, sau đó danh sách insights và đề xuất. Không đưa ra nhận xét chung chung, phải dựa vào số liệu cụ thể được cung cấp.”

Kết Quả Thực Tế Sau 2 Tuần Test

Sau 2 tuần thì đây là những gì thật sự xảy ra khi dùng “hạm đội” agent Content này.

1. Thời gian: Workflow trước đây từ tìm tin đến publish bài mất khoảng 3 đến 4 giờ. Với đội agent này, còn khoảng 1.5 đến 2 giờ. Phần lớn thời gian tiết kiệm đến từ bước tìm kiếm tin và tạo bản nháp đầu tiên.

2. Chất lượng: Bản nháp của WRITER đúng tone hơn mình kỳ vọng, có lẽ vì Instructions đủ cụ thể. Nhưng mình vẫn phải chỉnh khoảng 20 đến 30% để thêm quan sát và trải nghiệm cá nhân thật sự, phần AI không thể làm thay.

3. Hạn chế: VISUAL agent gợi ý prompt hay nhưng mình chưa integrate được vào workflow tự động vì vẫn phải copy paste prompt sang tool khác. Đây là bước tiếp theo mình đang nghĩ cách streamline.

4. ANALYST agent là thứ mình thấy value nhất vì nó thay đổi cách mình quyết định viết gì vào tuần sau, dựa trên data thay vì cảm tính.

Nhận Định Cá Nhân Của QUILIX AI

Phần dễ nhất trong workflow này là setup agent. Mỗi agent tốn khoảng 10 đến 15 phút để viết Instructions tốt. Phần khó hơn là thiết kế đúng hệ thống, quyết định mỗi agent cần làm gì, không làm gì, và đặc biệt là làm như thế nào để output của agent này là input tốt cho agent tiếp theo.

Đó là lý do mình dành nhiều thời gian ở bước thiết kế hơn là bước setup. SCOUT cần biết trả về link theo format nào để WRITER đọc được dễ dàng. WRITER cần biết không tự generate hình ảnh vì đó là việc của VISUAL. ANALYST cần biết chỉ nhận xét khi có số liệu cụ thể, không nói chung chung.

Khi bạn thiết kế đúng từ đầu, cả đội agent chạy smooth và bạn chỉ cần là người đưa ra quyết định cuối: Cái này đúng với tone mình không, cái này đúng với audience mình không, đây là thứ AI không làm thay được (Và bạn không bao giờ nên để làm thay)

Tổng Kết

Grok Custom Agents không phải là cái gì đó mới lạ, nó còn không thay thế phần khó nhất của content creation, đó là insight và trải nghiệm cá nhân thật sự của mình.

Nhưng nó là thứ giải quyết đúng phần tốn thời gian nhất mà không đòi hỏi bạn phải học code hay setup phức tạp.

Đội 4 agent trên đang hoạt động tốt với mình: SCOUT tìm tin, WRITER tạo bản nháp, VISUAL gợi ý hình, ANALYST phân tích data. Mỗi thứ làm đúng một việc và làm tốt như một chuyên gia thực thụ.

Bạn đang dùng Grok hoặc đang muốn thử tính năng Custom Agents chưa? Comment xuống dưới cho mình biết bạn muốn build agent cho workflow nào nhé!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Nguồn: quilix.ai/p/custome-agent-tren-grok-ai | grok.com | xAI Custom Agents

Chú Thích Thuật Ngữ

• Custom Agent: Phiên bản AI được cấu hình sẵn cho một nhiệm vụ cụ thể. Thay vì dùng AI đa năng, bạn tạo ra nhiều AI chuyên biệt, mỗi cái giỏi một việc.

• Instructions: Đoạn văn bạn viết để “lập trình” agent. Đây là hướng dẫn bằng ngôn ngữ thường cho AI biết nó là ai, làm gì, và làm như thế nào.

• Routing: Quá trình Grok tự quyết định gọi agent nào để xử lý một yêu cầu cụ thể. Bạn không cần chỉ định thủ công.

• Brand Voice: Giọng điệu và phong cách nhất quán của một thương hiệu. Với QUILIX là giọng gần gũi, thực chiến, dùng “mình” và “bạn”.

• Metrics: Các con số đo lường hiệu quả content như open rate, click rate, lượt view, engagement rate.

• Prompt: Câu lệnh hoặc mô tả bạn đưa cho AI để nhận được output mong muốn.

• SuperGrok: Gói subscription cao cấp của Grok từ xAI, hiện yêu cầu để dùng Custom Agents.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Thú thật thì đây không phải là một tính năng mới thêm vào Claude, mà đúng ra là Anthropic thay đổi toàn bộ cách AI agent được build và deploy, theo mình thì tính năng này sẽ ảnh hưởng đến bất kỳ ai đang dùng AI cho automation, hay đang có kế hoạch tính build AI Agent.

QUILIX AI Insights là newsletter chia sẻ về chủ đề AI. Tại đây, bạn sẽ tìm được nhiều tin tức, kiến thức, kỹ năng AI được cập nhật liên tục mỗi ngày.

Mục lục

1. Hầu Hết AI Agent Không Bao Giờ Ra Production

2. Giải Thích Dễ Hiểu Về Claude Managed Agents

3. Sự Quan trọng Của Kiến Trúc “Não Tách Khỏi Tay Chân”

4. Bốn Khái Niệm Cần Hiểu (Trước Khi Sử Dụng)

5. Hướng Dẫn Setup Claude Manage Agents (Trong 10 Phút)

6. Bốn Case Sử Dụng Thực Tế (Cùng Ví Dụ Cụ Thể)

7. Chi Phí Claude Managed Agents Là Bao Nhiêu?

8. Ai Nên Dùng Ngay, Ai Chưa Nên?

9. Ba Tính Năng Coming Soon Từ Claude Managed Agents

10. Nhận Định Cá Nhân Của Mình

11. Tổng Kết

12. Chú Thích Thuật Ngữ

Hầu Hết AI Agent Không Bao Giờ Ra Production

Nếu bạn đã từng thử build một AI agent thực sự, không phải chatbot, mà là agent tự làm việc, tự gọi tool, tự xử lý task trong nhiều bước nha!

Bạn sẽ biết vấn đề này rõ “mồn một” hơn bất cứ ai hết.

Trước khi Agent của bạn làm được bất cứ thứ gì, bạn phải tự lo toàn bộ phần cơ sở hạ tầng (Infrastructure) xung quanh:

• Server để chạy Agent.

• Sandbox để Claude build code an toàn.

• Hệ thống lưu trạng thái để Agent không quên nó đang làm gì.

• Xử lý lỗi khi mạng ngắt giữa chừng.

• Bảo mật credentials để không bị lộ API key.

(Và nhiều thứ khác nữa)

Nhưng đó mới chỉ là những thứ CẦN có để con Agent của bạn có thể chạy được, chưa tính đến Mức Độ Tin Cậy của Output (Reliability) khi task làm việc đó kéo dài nhiều giờ.

Rồi mỗi khi Claude ra model mới, cái harness bạn build có thể phải viết lại từ đầu vì hành vi của thay đổi. Xong thì bạn bị rơi vào vòng xoáy giới hạn khi bạn tự *siết* AI để nó không trở nên thông minh hơn, bằng cách cho rằng nó đúng trên các giả định đã lỗi thời.

Đây là lý do hầu hết team dừng lại ở mức prototype chạy trên máy local và không bao giờ đưa Agent của họ lên production được, mấu chốt không phải vì họ thiếu ý tưởng hiện thực hóa điều đó, mà vì cái đống cơ sở hạ tầng (infrastructure) phía sau con Agent tốn quá nhiều thời gian và chi phí.

Trên benchmark METR, Claude đã vượt mốc tương đương 10 giờ làm việc của con người. Khi task chạy nhiều giờ như vậy, infrastructure xung quanh phải đủ uy tín (reliable) để không crash giữa chừng và tự có khả năng recover khi có sự cố xảy ra. Và nếu bạn muốn tự build một cái tương tự, thì ước chừng ngốn 3 đến 6 tháng cho engineering, và hơn $50.000 developer salary.

Giải Thích Dễ Hiểu Về Claude Managed Agents

Thay vì bạn tự build và duy trì toàn bộ hạ tầng (infrastructure) để chạy AI agent, Anthropic với tính năng này sẽ làm hết phần đó giúp bạn.

Bạn chỉ cần định nghĩa agent của mình làm gì:

1. Model nào dùng.

2. System prompt là gì.

3. Tools nào có.

4. Kết nối với công cụ bên ngoài nào.

Anthropic sẽ lo phần còn lại:

1. Harness để Claude thực thi.

2. Sandbox để chạy code an toàn

3. Infrastructure để khắc phục nếu bị disconnect.

4. Recover từ các lần FAIL.

Agent của bạn nhận được bộ chứa riêng (container) trên cloud của Anthropic. Nó có thể chạy bash commands, đọc và ghi file, search web, fetch URLs, và thực thi code. Nếu đóng laptop và trở lại vào ngày hôm sau, agent đó vẫn đang chạy phà phà và bạn sẽ thấy được mọi thứ nó đã làm.

Và vì Anthropic duy trì harness, mỗi khi Claude cập nhật và giỏi hơn, harness cũng được cập nhật theo. Bạn sẽ không cần lo về việc agent mình đang giới hạn Claude bằng các giả định cũ.

Vào platform.claude.com ngay bây giờ, bạn sẽ thấy dashboard với một câu hỏi duy nhất: “What do you want to build?”, gõ mô tả hoặc chọn template, con agent của bạn sẽ đi vào hoạt động trong 4 bước.

Sự Quan trọng Của Kiến Trúc “Não Tách Khỏi Tay Chân”

Đây là phần trình bay kỹ thuật nhất của bài, nhưng cũng là phần mình thấy hay ho nhất, bạn sẽ không cần biết lập trình để hiểu tại sao thiết kế này quan trọng, chỉ cần đọc kĩ đoạn văn sau.

Team Anthropic nhận ra rằng bài toán mở rộng (scaling) agent không phải là về thiết kế harness hoàn hảo, mà là về hạ tầng (infrastructure), nên họ quyết định tách hệ thống thành ba phần hoàn toàn độc lập.

Họ gọi concept này là: “Não Tách Khỏi Tay Chân”

1. Phần não là Claude cùng với harness của nó, nơi intelligence và decision-making xảy ra.

2. Phần tay chân là sandbox và tools, nơi actions thực sự xảy ra trong thế giới thật: chạy code, gọi API, đọc file, search web.

3. Phần nhật ký là session log, ghi lại toàn bộ lịch sử của một lần chạy.

Trước đây, cả “não” lẫn “tay chân” đều nằm chung trong một container. Nghe rất chi là hợp lý, nhưng vấn đề là nếu container đó crash thì mất hết cả hai.

Và vì mọi thứ nằm chung một chỗ, thông tin xác thực (credentials) của bạn cũng nằm ở đó, tức là nếu có ai tiêm (inject) được câu lệnh độc hại nào vào agent của bạn, họ có thể đọc được toàn bộ API key và các thông tin nhạy cảm (Tấn công bảo mật).

Với thiết kế mới mà team Anthropic:

Não chạy một chỗ, tay chân chạy một chỗ khác, session log lưu một chỗ khác nữa. Mỗi thứ có thể fail hoặc được thay thế độc lập mà không ảnh hưởng đến nhau.

Thông tin xác thực (Credentials) được lưu trong vault bảo mật riêng, agent không bao giờ trực tiếp cầm API key của bạn.

Kết quả đo được từ kiến trúc “creepy” này là p50 thời gian chờ từ lúc gửi task đến lúc nhận được token đầu tiên giảm 60%. Còn p95, tức là những session chậm nhất, giảm hơn 90%. Sự khác biệt giữa cảm giác agent đang nghĩ và agent bị đơ đã rõ ràng hơn.

Và vì ba phần này độc lập nhau, khi Claude được cập nhật, Anthropic chỉ cần update phần não mà không cần rebuild phần tay chân, hay session infrastructure.

Bốn Khái Niệm Cần Hiểu (Trước Khi Sử Dụng)

Toàn bộ hệ thống Managed Agents này chỉ xoay quanh bốn thứ thôi!

1. Agent là bộ não được cấu hình sẵn với: Model bạn chọn, System prompt, Danh sách tool, MCP servers và Skills. Bạn tạo một lần rồi dùng lại nhiều lần bằng ID. Nếu mà thay đổi system prompt, hay thêm tool thì chỉ cần update con agent đó, tất cả session sau đều dùng config mới, việc này giống như một hồ sơ nhân viên: Tạo một lần, sau đó bạn có thể dựa vào và tham chiếu thông tin đó liên tục.

2. Environment là cái container cloud mà agent chạy trong đó, có Python, Node.js, Go cài sẵn, có cấu hình network, có file mount nếu cần. Packages được cache sau khi cài lần đầu, nghĩa là mỗi session mới bắt đầu với packages đã sẵn sàng, không cần chờ install lại, điều này giống như blueprint của môi trường làm việc: Config một lần, provision nhiều lần.

3. Session là một lần agent chạy thực sự, nhận task, thực thi, trả kết quả. Quan trọng là session log được lưu bền vững trên server, kể cả khi mạng bạn ngắt giữa chừng. Agent không mất trạng thái, reconnect lại là tiếp tục chiến được. Một agent có thể có hàng nghìn sessions.

4. Events là cách bạn và agent giao tiếp với nhau: Bạn gửi message, agent gửi lại kết quả, tool gửi lại output. Tất cả stream qua SSE và được lưu vào session log.

Hướng Dẫn Setup Claude Manage Agents (Trong 10 Phút)

BƯỚC 1: Tạo Agent

Vào platform.claude.com. Có hai cách để bạn bắt đầu.

BƯỚC 2: Configure Environment

Pre-install packages cần thiết như pandas, numpy, ffmpeg, hay bất kỳ thứ gì agent cần. Configure networking, mặc định unrestricted hoặc lock down theo domain cụ thể. Mount files hay datasets agent sẽ cần access.

BƯỚC 3: Start Session

Nhấn Start. Agent live trong sandboxed container trên cloud Anthropic. Send message và xem agent think, decide, execute, stream kết quả real-time.

Ba điều cần biết mà hầu hết người không để ý:

1. Sessions survive disconnects, đóng laptop và ngày mai quay lại agent vẫn đang chạy và bạn thấy mọi thứ nó đã làm.

2. Built-in prompt caching tự động, cache hits tốn chi phí thấp hơn 10 lần.

3. Checkpointing, nếu container fail thì agent recover từ checkpoint cuối, không mất công việc đã làm.

BƯỚC 4: Integrate (Tích hợp)

Copy agent ID và embed vào product qua API. Connect webhook để trigger theo sự kiện. Dùng SDK cho Python, TypeScript, Java, Go, C#, Ruby, PHP. Hoặc tiếp tục dùng thẳng từ console.

Dashboard cung cấp full session tracing: Mọi tool call, mọi quyết định, mọi failure. Debug production agents mà không cần đoán mò.

Bốn Case Sử Dụng Thực Tế (Cùng Ví Dụ Cụ Thể)

1. Event-triggered: Một sự kiện xảy ra trong hệ thống trigger Managed Agent xử lý mà không có con người trong vòng lặp. Sentry đang dùng pattern này: Từ lúc bug được phát hiện đến lúc PR sẵn sàng để review, hoàn toàn tự động không cần human approve.

2. Scheduled: Agent chạy theo lịch định kỳ. Nhiều người dùng pattern này để tạo daily brief tự động về X activity hay GitHub commits của team. Cài một lần, chạy mỗi ngày mà không cần trigger từ con người.

3. Fire-and-forget: Assign task qua Slack hay Microsoft Teams và nhận lại deliverable như spreadsheet, slides, hay mini app. Notion đang dùng pattern này để cả team delegate task cho Claude trong workspace.

4. Long-horizon tasks: Đây là một repo auto-research của Andrej Karpathy (Obsidian) và dùng Managed Agent để nghiên cứu cách áp dụng một thư viện kỹ thuật vào engineering blog content. Rakuten cũng dùng pattern này để deploy 4 specialist agents cho các phòng ban khác nhau, mỗi cái trong dưới một tuần. Vibecode dùng nó để người dùng đi từ prompt đến app deployed nhanh hơn 10 lần.

Chi Phí Claude Managed Agents Là Bao Nhiêu?

Có ba thành phần chi phí.

1. Session runtime tính $0.08 mỗi giờ, metered đến millisecond, idle time miễn phí.

2. Tokens theo giá Claude chuẩn: Sonnet 4.6 là $3 per 1 triệu input tokens và $15 per 1 triệu output tokens.

3. Web search tính $10 per 1.000 lần search.

Để dễ hình dung:

So sánh:

Ai Nên Dùng Ngay, Ai Chưa Nên?

Thành thật mà nói, Managed Agents không dành cho tất cả người dùng, ít nhất là ở thời điểm này.

Nếu bạn đang ở giai đoạn mới bắt đầu với AI: Claude Chat và Claude Projects là đủ rồi, chưa cần đụng vào Manage Agents.

Nếu bạn đang build automation đơn giản không cần AI tự quyết định: n8n hay Make.com vẫn nhanh hơn vì có UI kéo thả, không cần đụng vào mấy cái API.

NHƯNG, nếu bạn đang build agent thực sự cần chạy lâu, cần xử lý nhiều bước, cần connect với nhiều tool khác nhau, và không muốn tự build infrastructure từ đầu: Managed Agents là thứ đáng thử đó, nó vẫn còn là Public beta, nên bạn sẽ không cần vào waitlist để dùng, chỉ cần truy cập platform.claude.com.

Đang chạy production: Notion serving teams lớn, Asana, Rakuten với 4 specialist agents cho các phòng ban, Sentry với automated bug-to-PR pipeline. Đây không phải case thử nghiệm mà đang phục vụ hàng triệu người dùng thật.

Ba Tính Năng Coming Soon Từ Claude Managed Agents

Hiện tại Managed Agents có một điểm hạn chế quan trọng: Chưa có scheduled trigger.

Bạn không thể bảo agent cứ 30 phút là wake up và check xem có task mới nào không.

Phải có external trigger gọi API để agent bắt đầu chạy. Đây là điểm n8n hay triggerdev vẫn mạnh hơn hiện tại.

Nhưng có 3 thứ đang ở research preview mà khi ra sẽ thay đổi cách dùng con Claude Managed Agents này rất đáng kể, đó là:

1. Outcomes là tính năng agent tự đặt tiêu chí thành công, tự đánh giá kết quả của mình, và tự lặp lại cho đến khi đạt (Không cần người dùng check-in)

2. Multi-agent coordination là một agent điều phối nhiều agent khác chạy song song, mỗi agent chuyên một task, kết quả được tổng hợp lại với nhau.

3. Persistent memory là memory tồn tại xuyên suốt các session thay vì reset mỗi lần, Agent sẽ nhớ context từ tuần trước, từ tháng trước đến thời điểm hiện tại.

Ba thứ cộng lại có nghĩa là: AI có thể tự giao việc cho chính nó, tự đánh giá kết quả, và nhớ mọi thứ xuyên suốt. Đó là thứ nhiều người đang hình dung khi nói về AI làm việc thực sự.

Nhận Định Cá Nhân Từ QUILIX AI

Sau khi đọc kỹ cả technical design, engineering blog, và pricing, mình thấy như này:

Điều thứ nhất là về triết lý thiết kế. Quyết định tách não, tay chân, và nhật ký thành ba interface độc lập không phải là quyết định kỹ thuật thông thường. Đó là quyết định về sự thừa nhận rằng harness tốt nhất hôm nay sẽ là nút thắt của ngày mai vì Claude sẽ tiếp tục giỏi hơn. Thay vì cố thiết kế harness hoàn hảo, họ thiết kế hệ thống mà harness có thể được thay thế mà không phá vỡ gì hết. Đây là cách đúng để build thứ gì đó trên nền tảng đang thay đổi nhanh.

Điều thứ hai là về con số $0.05 mỗi ticket và $0.40 mỗi coding session 20 phút. Những con số này thay đổi calculus của rất nhiều bài toán. Trước đây câu hỏi luôn là “Có đáng bỏ engineering time để build agent không?” Với cái giá sử dụng này thì CÓ LẼ câu hỏi thay đổi thành “Mình muốn agent làm cái gì tiếp theo?”

Điều thứ ba là thứ mình thấy thực sự quan trọng cho người dùng Việt Nam nói riêng. Ba tính năng coming soon, Outcomes, Multi-agent coordination, và Persistent memory, khi cộng lại sẽ tạo ra thứ mà mình chỉ có thể mô tả là AI nhân viên thật sự đầu tiên (Không phải chatbot, không phải tool). Nhân viên tự đặt tiêu chí, tự đánh giá, tự nhớ context, tự chạy song song nhiều task. Và khi điều đó xảy ra, người đã có kinh nghiệm với Managed Agents sẽ có lợi thế đáng kể so với người mới bắt đầu.

Template mình sẽ test đầu tiên là Field Monitor để quét blog AI hàng tuần và tạo brief. Nếu nó chạy đúng như mô tả, đó là vài giờ mỗi tuần mình lấy lại được để tập trung vào thứ quan trọng hơn.

Tổng Kết

Claude Managed Agents giải quyết ba vấn đề cùng lúc: Harness stale khi Claude update, infrastructure không reliable cho long-horizon tasks, và engineering cost quá cao để hầu hết team có thể ship.

Bằng cách tách não, tay chân, và nhật ký thành ba interface độc lập và managed toàn bộ infrastructure, Anthropic cho phép bạn tập trung vào việc agent làm gì thay vì lo plumbing.

Nếu bạn đang build agent hoặc đang tính bắt đầu, đây là thời điểm đúng để thử. Barrier từ months xuống còn minutes. platform.claude.com, không cần waitlist.

Bạn đang build gì hoặc đang gặp vấn đề gì với AI automation? Comment xuống dưới nhé, mình muốn biết anh em đang ở đâu trong hành trình này.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú Thích Thuật Ngữ

• Agent Harness: Code trung gian đứng giữa AI model và thế giới bên ngoài. Nhận lệnh từ AI, route đến tool đúng, quản lý context, xử lý lỗi.

• Sandbox: Môi trường thực thi cô lập nơi agent chạy code mà không ảnh hưởng đến hệ thống bên ngoài.

• Session Log: Nhật ký đầy đủ của một lần chạy agent, bao gồm mọi quyết định, tool call, và kết quả. Khác với context window của Claude ở chỗ không có giới hạn kích thước.

• Checkpointing: Cơ chế lưu trạng thái định kỳ để khi có sự cố, hệ thống recover từ điểm lưu gần nhất thay vì bắt đầu lại từ đầu.

• Prompt Caching: Tái sử dụng kết quả xử lý các đoạn text đã được xử lý trước. Cache hits tốn chi phí thấp hơn 10 lần so với xử lý lại.

• MCP (Model Context Protocol): Giao thức chuẩn mở của Anthropic cho phép AI model kết nối với công cụ và dữ liệu bên ngoài như Slack, GitHub, Notion.

• Long-horizon tasks: Task cần chạy trong thời gian dài từ nhiều giờ đến nhiều ngày với nhiều bước liên tiếp.

• SSE (Server-Sent Events): Kỹ thuật stream dữ liệu từ server về client theo thời gian thực, cho phép bạn thấy kết quả của agent ngay khi nó được tạo ra thay vì phải chờ toàn bộ xong mới nhận.

• p50 và p95: Chỉ số đo performance. p50 là điểm giữa của tất cả giá trị đo được. p95 là điểm mà 95% các trường hợp nhanh hơn, tức là đại diện cho những trường hợp chậm nhất.

• METR Benchmark: Hệ thống đánh giá khả năng AI agent hoàn thành task phức tạp, đo bằng số giờ làm việc tương đương của con người.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

QUILIX AI Insights là newsletter chia sẻ về chủ đề AI. Tại đây, bạn sẽ tìm được nhiều tin tức, kiến thức, kỹ năng AI được cập nhật liên tục mỗi ngày.

Từ bài viết này, hãy bắt tay xây ngay 1 “Cơ Đồ” Kinh Doanh/Sáng Tạo Một Mình, Với AI (Nhưng theo một cách mà hầu hết mọi người KHÔNG LÀM)

Hãy nhìn nhận khách quan điều này: AI không xóa bỏ những nguyên tắc nền tảng của kinh doanh, AI chỉ thay đổi tốc độ và chi phí để thực thi điều đó. Và đó chính là sự khác biệt lớn hơn việc AI đang được “thần thánh hóa” tràn lan trên các mạng xã hội.

Mình vô tình đọc được bài viết rất thú vị từ tác giả DanKoe. Bài viết viết này có một vài điểm mình thấy cực kỳ đáng để chia sẻ lại theo góc nhìn của mình, đặc biệt là cho anh em MMO, Creator và Marketer tại Việt Nam.

Mục lục

1. Những Thứ Không Thay Đổi (Dù AI Có Mạnh Đến Đâu)

2. Bài Toán Thực Tế Để Đạt 1 Triệu Đô Đầu Tiên

3. Ba Trụ Cột Của Doanh Nghiệp 1 Người Thời AI

4. Cách Dùng AI Đúng Để Nó Không Thay Bạn, Mà Để Bạn Tăng Tốc Nhanh Hơn

5. Lỗi Lớn Nhất Mà Người Dùng AI Hay Mắc Phải

6. Content Ecosystem: Hệ Thống Mình Áp Dụng Cho QUILIX AI

7. Nhận Định Cá Nhân Của QUILIX AI

8. Tổng Kết

9. Chú Thích Thuật Ngữ

Những Thứ Không Thay Đổi (Dù AI Có Mạnh Đến Đâu)

Bạn vẫn cần tạo traffic, vẫn cần viết content, vẫn phải “nhúng tay” để *nhào nặn” ra những sản phẩm hay dịch vụ, bạn cần làm landing page, viết copywriting bán hàng thuyết phục. Cuối cùng là đưa ra một offer đến trước mặt người mua và cố gắng để bạn cho họ.

AI sẽ không xóa bỏ bất kỳ bước nào trong số đó (Hay nếu có, thì sẽ không làm tốt hơn con người). Nhưng AI có thể giúp bạn làm từng bước trên nhanh hơn, chất lượng hơn, với ít dự cảm hơn.

Một điểm mà hầu như nhiều người đang hiểu sai về AI trong năm 2026 đó chính là việc họ nghĩ AI là “lối tắt” để bỏ qua các bước thực thi, nhưng không, nó chỉ đơn thuần là “đường tắt” cho bạn đi nhanh hơn, thỉnh thoảng là tiết kiệm được chi phí, thời gian phê duyệt nhiều hơn.

Đó mới chính là sức mạnh thật sự của AI mà bạn cần hiểu đúng, bởi vì khi mọi người đều có thể dùng AI để tạo content “đủ tốt”, người thật sự chiến thắng là người hiểu nguyên lý đằng sau và biết AI đang sai ở đâu, cần sửa chỗ nào.

Bài Toán Thực Tế Để Đạt 1 Triệu Đô Đầu Tiên

Mình muốn chia sẻ một bài tính mà Dan Koe dùng trong bài viết của ông, vì nó làm cho con số $1 triệu đô một năm trở nên rất cụ thể và … bớt đáng sợ.

$1.000.000 một năm bằng $83.333 một tháng, bằng $2.777 một ngày.

Để đạt $2.777 một ngày, bạn có thể:

Bán 18 sản phẩm $150 mỗi ngày, ví dụ như một khóa học. Hoặc bán được 111 Lượt đăng ký (Subscription) $25 mỗi ngày, ví dụ Substack Subscription đi.

Hoặc thu được một client $5.000 mỗi hai ngày qua các dịch vụ freelancing, hoặc đóng được một client $10.000 mỗi bốn ngày qua các lớp đào tạo (Coaching) hay tư vấn.

Điều thú vị ở đây là đối với người mới bắt đầu chưa có tệp khách hàng của riệng họ (Audience), con đường làm dịch vụ xem ra lại dễ hơn nhiều so với con đường sản phẩm hay subscription.

Vì để bán 18 khóa học $150 mỗi ngày, bạn cần landing page traffic ổn định. Trong khi để thu một client $5.000, bạn chỉ cần thuyết phục được một người.

Vậy thì AI giúp gì ở đây? Nó giúp bạn giao việc với chất lượng cao hơn và tốc độ nhanh hơn, nghĩa là bạn có thể “ôm đồm” nhiều khách hàng hơn mà không cần thuê người, mở team.

Ba Trụ Cột Của Doanh Nghiệp 1 Người Thời AI

Dù bạn muốn đạt $1 triệu hay $10.000 mỗi tháng, ba trụ cột này vẫn là nền tảng không thay đổi:

• Trụ cột thứ nhất là Brand, tức là thương hiệu cá nhân. Đây là câu trả lời cho ba câu hỏi: Bạn là ai? Bạn giúp người ta đạt được gì? Tại sao người ta nên tin bạn hơn người khác?

• Trụ cột thứ hai là Content, tức là nội dung. Đây là thứ xây dựng lòng tin theo thời gian, thu hút đúng người đọc, và đưa người ta từ “độc giả” đến “khách hàng tiềm năng”, xuống tiền để mua sản phẩm hay dịch vụ của bạn.

• Trụ cột thứ ba là Offer, tức là thứ bạn bán. Hãy xác định một bức chân dung khách hàng rõ ràng, tìm ra vấn đề họ đang gặp phải, tạo ra những lời chào bán (Offer) không thể từ chối, cùng một landing page đầy sức thuyết phục.

Ba phần này khi được ghép lại sẽ tạo thành một cỗ máy chuyển đổi traffic thành tiền.

Và khi đó bạn sẽ nhận ra, AI giỏi nhất ở đâu trong ba trụ cột này? Ở việc rút ngắn thời gian bạn cần để nghiên cứu, lên nháp, hay các công việc lặp đi lặp lại, nhàm chán quá mức. Đối với một khóa học marketing mất 3 tháng để học, AI có thể giúp bạn áp dụng nguyên lý tương tự trong vài giờ nếu bạn biết cách prompt đúng.

Cách Dùng AI Đúng Để Nó Không Thay Bạn, Mà Để Bạn Tăng Tốc Nhanh Hơn

Có ba cấp độ dùng AI mà mình hay thấy:

• Cấp 1: Dùng AI để tạo content mà bạn post thẳng lên mà không chỉnh sửa gì. Đây là cấp độ tệ nhất. Output trông như AI viết, không có giọng của bạn, không build được trust.

• Cấp 2: Dùng AI để tạo bản nháp đầu tiên, rồi bạn chỉnh sửa theo giọng và kinh nghiệm của mình. Đây là cách dùng AI đúng. AI sẽ tiết kiệm cho bạn 70% thời gian của bước đầu, bạn bỏ 30% thời gian còn lại để làm cho output trông như thật.

• Cấp 3: Dùng AI để học. Chat với AI về marketing, copywriting, offer creation theo framework của những marketer giỏi nhất. Một khóa học $2.000 có thể trở thành một cuộc trò chuyện ngẫu hứng với giá $0.

Mình đang ở cấp 2 và đang tiến đến cấp 3 cho thương hiệu cá nhân QUILIX AI này. Và mình thấy cấp 3 là thứ tạo ra sự khác biệt thật sự về lâu dài, vì nó nâng cao khả năng phán đoán của mình với thời cuộc AI, nâng cấp tư duy làm content, sử dụng AI và build ra những sản phẩm/dịch vụ giải quyết đúng nhu cầu của khách hàng (Customer Avatar), và rồi kiếm tiền, chứ không phải chỉ dừng lại ở câu chuyện tăng tốc độ thực thi (Execution)

Ví dụ xíu, nếu AI tạo ra một landing page draft và bạn đọc xong biết ngay “Phần này nghe như bot, không thuyết phục, cần sửa theo hướng này”, đó là lúc bạn đang dùng AI ở cấp độ thật sự có giá trị.

Lỗi Lớn Nhất Mà Người Dùng AI Hay Mắc Phải

Dan Koe có một đoạn trong bài viết của ông mà mình thấy thẳng thắn đến mức mình bị “đau điếng người”:

Nhiều người đang xài hàng nghìn đô mỗi tháng cho AI agents, workflow phức tạp, tool cao cấp. Nhưng cuộc sống của họ không thay đổi nhiều, họ không kiếm được nhiều hơn, họ không có nhiều khách hàng hơn.

Mình đã từng ở trạng thái đó, dành một ngày để input và ngồi xem agent chạy một đống task phức tạp, cảm giác năng suất cực kỳ (và rất nhiều lần đó là Toxic Productivity), xong cuối ngày nhìn lại thì output thực tế không tốt hơn là mình tự làm cho lắm.

Ở đây không phải do AI nó làm việc kém, trước khi trách móc con AI, hãy xem lại cách bạn làm việc với nó. Vấn đề lớn nhất là đa phần người dùng không rõ một output tốt trông như thế nào. Và nếu không biết cái tiêu chuẩn tốt đó là gì, bạn không thể đánh giá được output của AI, không thể chỉnh sửa đúng chỗ, và cuối cùng đăng lên một cái content với giá trị trung bình, ngang phè phè.

Giải pháp ở đây đó chính là học đủ, đọc nhiều, quan sát thêm nữa để biết một output tốt trông như thế nào, rồi mới dùng AI để tạo ra output nhanh hơn, chất lượng hơn.

Content Ecosystem: Hệ Thống Mình Đang Áp Dụng Cho QUILIX AI

Dan Koe gọi hệ thống này là “Content Waterfall.” Ý tưởng rất đơn giản:

Cách DanKoe áp dụng hệ thống này:

• Một newsletter mỗi tuần.

• Newsletter đó thành script cho một YouTube video.

• YouTube video được đăng lên podcast.

• Các đoạn hay trong newsletter trở thành short posts.

• Post tốt nhất thành script cho Reels hoặc Shorts.

• Các post khác thành carousel cho LinkedIn và Instagram.

Mình đang áp dụng version tiếng Việt của workflow này cho QUILIX. Một bài Substack mỗi tuần, từ đó tách ra X posts, Threads posts, LinkedIn posts, Facebook posts, và script cho short video.

AI giúp mình ở việc bóc tách content content dài đó (cụ thể là newsletter). Thay vì ngồi tự nghĩ “Mình sẽ tóm tắt bài Substack này thành X theo góc nào”, mình sẽ prompt Claude và nhận về 5 góc khác nhau trong 2 phút, rồi chọn cái tốt nhất và chỉnh theo giọng thương hiệu cá nhân QUILIX AI và đưa lên các mạng xã hội khác.

Có thể bạn quan tâm:

Nhận Định Cá Nhân Của QUILIX AI

Bài viết của Dan Koe có một câu mình thấy đúng đến mức khó chịu: Nhiều người đang “đốt tiền” để xem máy tính tạo ra thứ trung bình vì họ không biết thứ thật sự tốt sẽ trông như thế nào.

Mình đã ở trạng thái đó và mình biết cảm giác cay đắng đó..

Nhưng có một điểm mình muốn thêm vào, điều này Dan Koe không nhấn mạnh nhiều nhưng mình thấy quan trọng với người mới ở Việt Nam.

Đó chính là rào cản lớn nhất không phải là không biết dùng AI, mà thât sự là bạn không biết ngành của mình đủ sâu để biết bạn đang áp dụng, vận hành, triển khai AI đó đúng hay sai.

Bạn dùng AI để viết landing page nhưng chưa bao giờ nghiên cứu copywriting. AI sẽ ra thứ gì đó trông có vẻ ổn. Rồi lúc này, bạn sẽ không biết phần nào cần sửa, phần nào đang miss hook, phần nào đưa ra “lời hứa” không đủ mạnh. Và cứ thế, bạn bị PHỤ THUỘC VÀO AI.

Nhưng đây là thứ tự đúng để bạn khắc chế điều đó: Hãy học và học đủ để hiểu nguyên lý đằng sau, có được cảm quan về cái tốt trông như thế nào, rồi mới dùng AI để thực thi nhanh hơn. Đây chính là công thức cần có cho hành trình xây dựng “cơ đồ” một người, với AI của bạn.

Đó là lý do mình vẫn luôn đọc và đào sâu những bài viết của các Guru (sư phụ) như Dan Koe, không phải vì mình không có AI để tóm tắt và đọc nhanh hơn, mà vì mình muốn hiểu framework của người thành công họ làm như thế nào, để khi AI ra output, mình biết ngay cái gì đang thiếu và từ đó, nâng cấp cái output đó hơn.

Tổng Kết

Xây doanh nghiệp một người với AI năm 2026 không có nghĩa là bạn cần ít kỹ năng hơn (Thật ra là nhiều hơn ấy chứ) và nó sẽ cần bạn có thể học, thực thi nhanh hơn, nhưng với một chi phí thấp hơn. Ba thứ mà bạn cần tự chuẩn bị vẫn là:

1. Một thương hiệu cá nhân rõ ràng, cùng một Customer Avatar (Xem chú thích)

2. Mạch Content đủ tốt để xây dựng lòng tin với người xem.

3. Một Offer đủ thuyết phục để người ta mua hàng từ bạn.

AI sẽ giúp bạn làm cả ba việc nhanh hơn, nhưng bạn vẫn cần hiểu nguyên lý đằng sau để biết AI đang đúng hay sai và sửa đúng chỗ.

Thứ thay đổi thật sự không phải là quy trình, mà là tốc độ. Và khi tốc độ, được áp dụng đúng hướng, sẽ tạo ra lợi thế cực kỳ lớn.

Bạn đang ở bước nào trong việc xây doanh nghiệp 1 người? Comment xuống dưới nhé, mình muốn biết anh em đang gặp khó nhất ở đâu.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

*Nguồn: Dan Koe, future/proof newsletter, “How to start a one-person business in 2026 (things changed)”, March 11, 2026

Chú Thích Thuật Ngữ

• Traffic: Lưu lượng người truy cập vào website, trang bán hàng, hoặc xem content của bạn. Càng nhiều traffic chất lượng đúng đối tượng, càng nhiều cơ hội bán được hàng.

• Customer Avatar: Hồ sơ chi tiết về khách hàng lý tưởng của bạn. Bao gồm vấn đề họ gặp phải, mong muốn, nỗi sợ, hành vi mua sắm, và nhiều thứ khác. Càng chi tiết, copy và offer của bạn càng thuyết phục.

• Offer: Không chỉ là sản phẩm hay dịch vụ. Offer là tổng hợp của sản phẩm, giá, bonus, guarantee, và cách bạn đóng khung tất cả thành thứ khiến người ta cảm thấy “không mua là thiệt.”

• Landing Page: Trang web được tối ưu cho một mục tiêu duy nhất: thuyết phục người xem thực hiện một hành động cụ thể, thường là mua hàng hoặc đăng ký.

• Conversion Rate: Tỷ lệ người thực hiện hành động mong muốn trên tổng số người tiếp cận. Ví dụ 2.5% conversion rate nghĩa là cứ 100 người vào landing page thì 2.5 người mua.

• Content Waterfall: Hệ thống tạo một nội dung dài và tái sử dụng nó thành nhiều nội dung ngắn cho nhiều nền tảng. Giảm công sức tạo content trong khi tăng phạm vi phủ sóng.

• AI Agent: Chương trình AI tự chủ có thể thực hiện chuỗi nhiệm vụ phức tạp. Khác với chatbot thông thường ở chỗ agent có thể tự lên kế hoạch và thực thi nhiều bước mà không cần hướng dẫn từng bước.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Có một vấn đề với hầu hết AI tool mà bạn đang dùng là chính bạn vẫn phải làm phần lớn công việc. Ví dụ ha: Bạn prompt, AI trả lời, bạn copy kết quả, chat tiếp, bạn làm bước tiếp theo, AI cũng chỉ trả lờ. Trong quá trình này, AI chỉ là bước phụ trong một quy trình mà bạn vẫn đang thực hiện các input 1 cách thủ công.

Nhưng với Claude Cowork, chỉ cần vài thao tác đơn giản, quy trình thủ công của bạn sẽ trở thành 1 phiên bản tự động hóa mini.

Giờ đây, chỉ cần bạn mô tả task, Cowork tự phân tích thành các bước, tự thực thi từng bước, tự kết nối với công cụ của bạn, và trả lại kết quả hoàn chỉnh. Lúc này, bạn chỉ cần giám sát, kiểm duyệt và điều chỉnh theo ý muốn của mình, chứ không còn làm những công việc lặp đi lặp lại và nhàm chán như trước kia (Vốn là những công việc tốn thời gian mà mang đến ít kết quả nhất)

Bài này mình viết dựa trên hướng dẫn đầy đủ từ @aiedge_, người đã mày mò với Cowork đủ lâu để viết ra cái guide mà mình ước mình có từ ngày đầu. Cộng thêm kinh nghiệm thực tế của mình test tool này trong workflow hàng ngày.

Mục lục bài viết

1. Cowork Là Gì? Tại Sao Khác Chatbot Thông Thường?

2. Cài Đặt và Chạy Task Đầu Tiên Trong 5 Phút

3. Cách Prompt Cowork Đúng Cách (Công Thức 3 Phần)

4. Tùy Chỉnh Cowork: Connectors, Skills, Plug-ins

5. Pro Tips Từ Người Đã Xài Hao Trước Bạn

6. 3 Workflow Thực Tế Kèm Prompt Copy-Paste

7. Nhận Định Cá Nhân Của Mình

8. Chú Thích Thuật Ngữ

Cowork Là Gì? Tại Sao Nó Khác Chatbot Thông Thường?

Hầu hết AI tool hoạt động theo một chiều: Bạn hỏi, nó trả lời. Bạn tiếp tục hỏi, AI tiếp tục trả lời. Cái vòng lặp đó vẫn có bạn ngồi ở trung tâm, điều phối từng bước.

Cowork được thiết kế để thoát ra khỏi vòng lặp đó.

1. Bạn mô tả một task hoàn chỉnh.

2. Cowork tự chia nhỏ thành các bước.

3. Cowork tự thực thi

4. Cowork tự kết nối với công cụ bên ngoài của bạn (email, lịch, file)

5. Claude Cowork tự báo cáo kết quả.

Cách mình hay giải thích với anh em người mới về Claude Cowork:

Chatbot giống như nhân viên luôn cần hướng dẫn từng bước một.

Cowork giống như nhân viên đủ năng lực để nhận brief, tự lên kế hoạch, và đi làm, chỉ ping lại bạn khi gặp thứ gì đó thực sự cần quyết định của bạn.

Cowork không phải tool cho advanced user. Nó không cần bạn biết code, không cần setup phức tạp, không tốn hàng giờ cấu hình. Chỉ cần bạn tải app xuống, mở tab Cowork, mô tả task bằng tiếng Anh, xong (Mọi thứ dưới 5 phút)

Có thể bạn quan tâm:

Cài Đặt và Chạy Task Đầu Tiên Trong 5 Phút

Bước 01: Tải Claude Desktop App

Cowork chỉ available trên desktop app, không có trên web. Tải tại: support.claude.com/installing-claude-desktop.

Cài xong bạn sẽ thấy 3 tab ở trên: Chat, Cowork, Code.

Bước 02: Mở Tab Cowork và Bắt Đầu Task Mới

Click vào tab Cowork. Màn hình sẽ hiện giao diện clean với input box “How can I help you today?”. Đây là nơi bạn mô tả task. Hãy lưu ý là không cần prompt engineering phức tạp gì ở bước này.

Bước 03: Viết Task Đầu Tiên

Giữ task đầu tiên đơn giản để làm quen với giao diện. Ví dụ: “Research the top 5 AI productivity tools of 2026 and summarize what each one does in 2-3 sentences.” Nhấn “Let’s go” và xem Cowork tự phân tích và thực thi từng bước.

Bước 04: Review Output và Tinh Chỉnh

Cowork hiển thị progress real-time ở góc phải: Nó đang làm gì, kết nối công cụ nào, hoàn thành bước nào. Khi xong, review kết quả. Nếu cần sửa, chỉ cần nói bằng tiếng Anh thông thường và nó sẽ revise.

Công thức 3 phần để khởi động Prompt Cowork Đúng Cách

Nếu bạn đã quen prompt ChatGPT theo kiểu “Hãy viết cho tôi...”, bạn sẽ cần điều chỉnh một chút khi dùng Cowork. Bạn không cần giỏi prompt engineering, nhưng cần hiểu một nguyên tắc cốt lõi.

Hãy nghĩ về Cowork như một nhân viên mới: Thông minh, có khả năng thực thi những điều bạn làm, sẵn sàng làm bất cứ thứ gì bạn yêu cầu. Nhưng AI này cần context (ngữ cảnh).

Cụ thể thì, nó cần biết bạn muốn gì, tại sao, và kết quả tốt trông như thế nào. Bạn cho họ càng nhiều thông tin upfront thì càng ít phải qua lại sau này.

• Phần 01 - Task: Bạn muốn làm gì cụ thể? Tránh mơ hồ. Càng cụ thể càng tốt.

• Phần 02 - Context: Cowork cần biết gì để làm tốt? Vai trò của bạn, tông giọng, audience, constraints.

• Phần 03 - Output: Kết quả cuối trông như thế nào? Format, độ dài, cấu trúc, sections.

Ví dụ so sánh:

❌ Quá mơ hồ

Help me with my emails.

✅ Cụ thể và đủ context

Go through my inbox and draft responses to every unread email from the last 24 hours.

Context: I run a content agency. My tone is direct and professional. Clients expect fast responses.

Output: Present each draft in this format:
FROM: [Sender]
SUBJECT: [Subject line]
DRAFT: [Response]

Flag anything that needs my input before sending.

Prompt Cho Autonomous Execution

Nếu bạn muốn Cowork chạy task từ đầu đến cuối mà không check-in liên tục, thêm dòng này vào cuối bất kỳ prompt nào:

Complete this task autonomously. Only stop and ask me if you encounter something that genuinely cannot be resolved without my input. Otherwise deliver the finished result.

Một câu lệnh đó loại bỏ phần lớn back-and-forth không cần thiết.

Có thể bạn quan tâm:

Tùy Chỉnh Cowork: Connectors, Skills và Plug-ins

Đây là nơi Cowork thật sự mạnh lên. Ba tầng tùy chỉnh này là sự khác biệt giữa khả năng “Dùng được” và “Không thể sống thiếu AI” của bạn.

Connectors: Kết Nối Công Cụ Hàng Ngày Của Bạn

Vào Customize, rồi Connectors. Đây là nơi bạn kết nối Cowork với các công cụ bạn đang dùng hàng ngày như Slack, Google Calendar, Notion, Gmail, Excalidraw và nhiều thứ khác.

Khi đã connect, bạn có thể prompt Cowork để “đào sâu” những công cụ đó, scan, đọc, và thậm chí chỉnh sửa nội dung trong đó.

Ví dụ: “Scan lịch Google Calendar hôm nay và tóm tắt tất cả các cuộc họp cùng 1 bản notes cho mỗi cuộc họp đó.”

Mình khuyên bạn dành khoảng 20 phút ngay ngày đầu để connect hết các tool hàng ngày và chỉnh permission. Thay vì chờ đến khi cần mới setup và nhận ra Cowork không access được file hoặc calendar của bạn.

Skills: Workflow Tái Sử Dụng Được, Build Một Lần Dùng Mãi

Vào Customize, rồi Skills. Skills là các workflow đã được đặt tên, lưu lại, và gọi ra bất cứ khi nào cần mà không phải setup lại từ đầu.

Nếu bạn thấy mình đang dùng cùng một bộ instructions lặp đi lặp lại, đó là dấu hiệu để biến nó thành Skill.

Bạn mô tả workflow bằng ngôn ngữ thường, Cowork tự build Skill đó cho bạn. Không cần code, không cần cấu hình kỹ thuật.

Plug-ins: Gói Toàn Bộ Role Vào Một Chỗ

Trong khi Skills là instruction đơn lẻ, Plug-ins lại là thứ để bạn gộp nhiều Skills liên quan thành một “role” hoàn chỉnh, như thuê một chuyên gia đã biết cả role của họ từ đầu.

Ví dụ: Bạn là content creator có 3 Skills riêng biệt: viết script YouTube, viết post X, viết newsletter. Thay vì activate từng cái riêng lẻ, bạn có thể đóng gói thành một Plug-in “Content Creator” và share cho cả team dùng.

Anthropic đã có sẵn 12 Plug-ins để dùng ngay, trải dài các ngành Marketing, Finance, Legal, Productivity, Sales, Data và Enterprise Search.

Pro Tips Từ Người Đã “Xài Hao” Trước Bạn

• Làm audit: Mô tả cho Cowork cách bạn dùng thời gian trong ngày, cách bạn làm việc, và hỏi nó suggest workflow nào có thể tự động hóa được. Đây là cách nhanh nhất để tìm ra những chỗ Cowork có thể save time cho bạn mà bạn chưa nghĩ đến.

• Schedule tasks: Cowork cho phép bạn lên lịch cho task chạy tự động theo định kỳ. Morning brief mỗi sáng, inbox report mỗi chiều, news summary mỗi sáng thứ Hai. Một lần setup, chạy mãi mãi.

• Connect tools từ đầu: Đừng chờ đến khi đang giữa task mới nhận ra Cowork chưa có quyền truy cập calendar hay documents. Setup Connectors vào ngày đầu tiên, dành 20 phút một lần, xài thoải mái về sau.

• Lưu lại các prompts tốt nhất: Khi một prompt cho kết quả xuất sắc, lưu lại ngay. Build một thư viện prompt của riêng bạn và biến những cái tốt nhất thành Skills để tái sử dụng dễ dàng.

• Bắt đầu ít thôi, đừng làm nhiều: Đừng cố automate toàn bộ công việc ngay tuần đầu. Target 1 đến 2 workflow mỗi tuần. Những cái nhỏ đó cộng dồn theo thời gian và tạo ra sự khác biệt lớn sau 1 đến 2 tháng.

• Paste Bất Cứ Thứ Gì: Email nhận được, document, URL website, screenshot. Khi không biết bắt đầu từ đâu, cứ paste vào và nói với Cowork bạn muốn làm gì với nó. Nó tự figure out phần còn lại.

Ba Workflow Thực Chiến (Kèm Prompt Copy-Paste)

Đây là ba workflow mình thấy có giá trị nhất. Mỗi cái có prompt sẵn để bạn copy vào Cowork và chạy ngay, chỉ cần điều chỉnh những phần trong [ngoặc vuông].

Workflow 01: AI Morning Brief: Bắt Đầu Ngày Làm Việc Như Chief of Staff

Trường hợp sử dụng: Mỗi sáng trước khi bắt đầu làm việc, Cowork kết nối vào Google Calendar và Notion của bạn, quét tất cả thông tin liên quan, và deliver một morning brief gọn gàng thẳng vào màn hình bạn.

Prompt Copy-Paste

You are my personal chief of staff. Every morning when I run this task, connect to my Google Calendar and Notion and do the following:

Pull every meeting and event scheduled for today from my Google Calendar and note the time, attendees, and any location or link attached.

Go into Notion and pull any tasks marked as high priority or due today across all of my active project boards.

Cross-reference my calendar and Notion tasks and identify anything that looks underprepared, overdue, or likely to conflict with my schedule today.

Then deliver my morning brief in this exact format:

GOOD MORNING. HERE IS YOUR DAY.
TODAY IS: [Day and Date]

YOUR SCHEDULE
[Time] [Event] with [Attendees]
(list every event)

YOUR PRIORITIES TODAY
1. [Task]
2. [Task]
3. [Task]

WATCH OUT FOR
[Any conflicts, gaps, or underprepared items]

YOUR FOCUS FOR TODAY
[One sentence on the single most important thing to get done before anything else]

Keep everything concise and scannable. Flag anything that needs my attention before I start my day.

Workflow 02: Email Manager: Xử Lý Inbox Mà Không Cần Mở Email

Trường hợp sử dụng: Thay vì mở inbox và ngay lập tức bị “choáng” vì đống mail dài dằng dặc, bạn chạy task này trước. Cowork đọc mọi email chưa đọc, sort theo mức độ ưu tiên, lên bản nháp các câu trả lời cho những cái email gấp, quan trọng, và chuyển sang báo cáo inbox sạch sẽ.

Prompt Copy-Paste

You are my personal email manager. Connect to my inbox and run the following routine from top to bottom.

Pull every unread email from the last 24 hours. Also surface any older unread emails sitting untouched for more than 48 hours.

Sort every email into one of these four categories:
- Urgent: needs my response today.
- Important: needs a response within 48 hours.
- FYI: no action needed but worth knowing about.
- Junk: spam, cold outreach, or irrelevant noise.

For every email in Urgent and Important, read the full thread for context and draft a response in a direct, professional, and concise tone. Present each draft like this:

FROM: [Sender]
SUBJECT: [Subject line]
SUMMARY: [One sentence on what they want]
DRAFT: [Your response]

For FYI emails, summarize the three most useful ones in a single line each and archive the rest.
Move all Junk to spam or trash automatically but flag anything that looks borderline before deleting.

When complete, deliver this report:
INBOX REPORT
Total unread: [number]
Urgent: [number]
Important: [number]
Drafts ready: [number]

Never send anything on my behalf without my explicit approval first.

Workflow 03: Daily News Brief - Theo Dõi Ngành Mà Không Cần Đọc 20 Tab

Trường hợp sử dụng: Thay vì mỗi sáng mở Twitter, Google News, và hàng chục newsletter để tổng hợp tin tức, bạn chạy task này một lần. Cowork quét mọi thứ, lọc noise, và chỉ deliver những gì thực sự quan trọng với bạn, theo lịch, mỗi ngày.

Prompt Copy-Paste (NHỚ điều chỉnh TOPIC và TIME)

You are my personal research assistant. Every day at [TIME] run the following routine and deliver my daily news brief.

Search across the web for the most important developments from the last 24 hours in the following topics:
- [TOPIC 1: e.g., Artificial Intelligence]
- [TOPIC 2: e.g., Startups and Tech]
- [TOPIC 3: e.g., Your industry]

For each topic, find the top 3 most significant stories. For every story note:
- Headline
- Source
- One sentence summary
- Why it matters to me

After pulling all stories, identify the single biggest theme or trend cutting across all topics today.

Flag anything that looks like a major breaking story that needs my immediate attention.

Deliver everything in this exact format:

DAILY BRIEF — [Date] — [Time]

TOPIC: [Topic 1]
1. [Headline] — [Source]
[Summary] [Why it matters]
2. [Headline] — [Source]
[Summary] [Why it matters]
3. [Headline] — [Source]
[Summary] [Why it matters]

(repeat for each topic)

TODAY'S BIGGEST THEME
[2-3 sentences on the overarching narrative]

BREAKING ALERTS
[Anything urgent that needs immediate attention]

Keep it tight. No fluff. Just what I need to know.

Nhận Định Cá Nhân: Tại Sao Mình Thấy Cowork Là Điểm Bắt Đầu Tốt Nhất?

Góc Nhìn QUILIX AI

Sau khi dùng 7749 AI agent cho công việc và học tập, mình nhận ra 1 điều:

Nếu để dùng một con AI Agent trước thì nhiều người sẽ nói bạn OpenClaw mạnh hơn Cowork về nhiều mặt, nhưng mà nó đòi hỏi bạn có chút kiến thức kỹ thuật, biết cách deploy lên server, hiểu về API keys.

Với người mới, đó là rào cản đủ lớn để bỏ cuộc trước khi thấy được giá trị.

Có thể bạn quan tâm:

Cowork loại bỏ rào cản đó hoàn toàn. Không phải vì nó kém hơn, mà vì nó được thiết kế cho người dùng thực tế, không phải cho developer. Và đó là lý do mình sẽ giới thiệu nó trước với bất kỳ ai hỏi “Mình nên bắt đầu với AI agent từ đâu?”

Điều mình thấy đặc biệt thú vị trong 3 workflow mẫu ở trên là chúng giải quyết 3 thứ mà hầu hết dân làm việc xài hao thời gian nhất mỗi ngày: Morning planning, inbox management, news monitoring. Ba thứ đó cộng lại dễ ngốn 1 đến 2 tiếng mỗi ngày nếu làm thủ công, nhưng với Claude Cowork, bạn setup một lần và chúng chạy tự động.

Nếu để khuyên bạn thử cái nào ngay hôm nay: Hãy tải Claude Desktop App, vào tab Cowork & chạy thử Morning Brief Prompt. Chỉnh [Google Calendar] và [Notion] thành tool bạn đang dùng. Xem Cowork làm trong 3 đến 5 phút điều bạn thường phải tốn 20 đến 30 phút để làm thủ công.

Nếu bạn thấy nó hoạt động, tuần sau thêm Email Manager. Rồi tuần sau nữa thêm Daily Brief. Mỗi tuần 1 workflow, sau 1 tháng bạn đã có một AI đang làm việc cho bạn đủ để nhận ra sự khác biệt thật sự.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú Thích Thuật Ngữ

• Claude Cowork: Tính năng agent của Claude AI, có sẵn trong Claude Desktop App, cho phép thực thi task tự động và kết nối với công cụ bên ngoài.

• AI Agent: Chương trình AI có khả năng tự chủ thực hiện chuỗi tác vụ, ra quyết định và tương tác với hệ thống khác mà không cần hướng dẫn từng bước.

• Connector: Kết nối tích hợp cho phép Cowork truy cập và tương tác với công cụ bên ngoài như Google Calendar, Gmail, Slack, Notion.

• Skill: Workflow được đặt tên và lưu lại, có thể tái sử dụng nhiều lần mà không cần setup lại. Build một lần, dùng mãi mãi.

• Plug-in: Gói nhiều Skills liên quan vào một “role” hoàn chỉnh, ví dụ “Marketing Plug-in” bao gồm Skills về content, copywriting, research.

• Autonomous Execution: Cowork chạy task từ đầu đến cuối mà không interrupt bạn, chỉ hỏi khi gặp thứ gì đó thực sự không thể quyết định mà không có bạn.

• Prompt Engineering: Cách viết và cấu trúc câu lệnh cho AI để nhận được output tốt nhất. Với Cowork, bạn chỉ cần công thức 3 phần: Task, Context, Output.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Có bao giờ bạn dùng AI mà viết nghe như robot không? Đó là vấn đề mà mình đã từng trải qua. Trong bài viết này, mình sẽ gợi ý cho bạn 5 prompt set-up trong 1 tiếng và viết content viral trong 30 ngày.

Đồng thời, mình sẽ giải thích từng prompt, cách nó hoạt động về mặt tâm lý và cách mình áp dụng nó cho content tiếng Việt.

Mục lục bài viết

1. Tại Sao Hầu Hết Content AI Không Viral Dù Bạn Đã Thử Đủ Kiểu?

2. Prompt 1: Viral One-Liner, Câu Đơn Gây Chú Ý Ngay Lập Tức

3. Prompt 2: 4-Line Transformation, Công Thức 4 Dòng Khiến Người Đọc Thấy Họ Trong Đó

4. Prompt 3: Thread Hook Generator, Tạo Câu Mở Đầu Không Thể Không Đọc Tiếp

5. Prompt 4: The Listicle Post, Bài List Được Sắp Xếp Theo Cách Thuật Toán Thích

6. Prompt 5: Viral Reverse Engineer, Học Từ Những Gì Đã Viral Thay Vì Đoán Mò

7. Cách Ghép 5 Prompt Này Thành 30 Ngày Content Thú Vị

8. Tổng Kết

9. Nhận Định Cá Nhân Của Mình

10. Chú Thích Thuật Ngữ

Tại Sao Hầu Hết Content AI Không Viral Dù Bạn Đã Thử Đủ Kiểu Prompt?

Vấn đề không phải ở AI, mà do cách bạn ra lệnh cho AI.

Khi bạn nói với Claude “Viết cho mình một bài post về AI”, nó sẽ viết ra thứ đúng nhất, an toàn nhất, không gây tranh cãi nhất. Tức là thứ không ai muốn dừng lại để đọc.

Content viral hoạt động theo cơ chế ngược lại. Nó làm người đọc dừng lướt tiếp, vì một cảm xúc cụ thể:

• Ngạc nhiên.

• Kích thức mạnh

• Hơi giật ngân

• Hay cảm giác có liên quan như kiểu “Ủa đây là mình đấy.”

Nếu không có những prompt cụ thể hướng AI về một trong những cảm xúc đó, bạn sẽ tiếp tục nhận được những output content trung bình.

5 prompt dưới đây được thiết kế để bạn “bóp cò” cho những những cảm xúc đó.

Prompt 1: Viral One-Liner, Câu Đơn Gây Chú Ý Ngay Lập Tức

Prompt gốc:

“You are a viral Threads creator. Write 10 one-line posts about [topic]. Start each with a bold, emotional or opinionated claim. Keep it raw, human, slightly unfiltered. Use natural emphasis (CAPS if needed). Avoid generic/motivational tone. No em dashes. Output only the posts.”

Prompt này hoạt động kiểu gì?

Nó không cho AI dùng “Giọng văn chuyên gia.” Prompt này yêu cầu AI thực hiện đúng tông mà người thật hay dùng khi họ nói thật về điều gì đó (Raw, Unfiltered, chưa qua chỉnh sửa)

Cụm “slightly unfiltered” là chìa khóa. Nó cho phép AI thoát khỏi mode an toàn và viết ra những câu mang tính quan điểm, không phải câu trả lời đúng sách giáo khoa.

Cách áp dụng cho tiếng Việt:

Thay [topic] bằng chủ đề của bạn và thêm “Hãy viết bằng tiếng Việt, với giọng văn thân mật, giống như cách một người trẻ chuyên nghiệp người Việt trò chuyện với bạn bè của mình” vào cuối Prompt. Bạn sẽ nhận được 10 câu trong đó thường có 2 đến 3 câu đáng post ngay.

Ví dụ output mình đã nhận được khi test với chủ đề AI content:

“AI không làm content của bạn tệ hơn. Bạn đang ra lệnh cho nó theo kiểu tệ nhất có thể.”

“Người dùng AI để viết và người dùng AI để NGHĨ là hai loại creator hoàn toàn khác nhau.”

Prompt 2: 4-Line Transformation, Công Thức 4 Dòng Khiến Người Đọc Thấy Họ Trong Đó

Prompt gốc:

“Write a Threads post about a transformation in [topic]. Structure it like this: Line 1 = painful before state. Line 2 = the single thing that changed everything. Line 3 = the after state. Line 4 = the lesson in one sentence. Keep each line about 7-8 words. Write it like it happened to a real person, not a case study.”

Cấu trúc này dựa trên một sự thật đơn giản về cách con người đọc: Chúng ta không đọc thông tin, chúng ta đọc hành trình của người viết thông tin đó.

Khi ai đó kể về trạng thái đau (before), điều thay đổi tất cả và kết quả (after), não người đọc tự nhiên phản chiếu hình ảnh của bản thân vào câu chuyện đó (Hoặc đôi khi là PEER-PRESSURE :)))

Cụm “Write it like it happened to a real person, not a case study” trong prompt trên là thứ ngăn AI viết theo kiểu … báo cáo doanh nghiệp.

Ví dụ output khi mình test:

“Mình mất 3 tiếng viết một bài post.”

“Mình đã học cách ra lệnh đúng cho Claude.”

“30 phút là xong cả tuần content.”

“Vấn đề không phải do bạn “gà”, mà là ở cách bạn chat với nó”

4 dòng thôi, đọc xong lẹ dưới 10 giây, nhưng ai đang gặp vấn đề với content đọc xong sẽ lưu lại/save/bookmark ngay.

Prompt 3: Thread Hook Generator, Tạo Câu Mở Đầu Không Thể Không Đọc Tiếp

Prompt gốc:

“Write a Threads hook for [topic] targeting [audience]. The hook must open a loop so strong that readers need to keep scrolling. It should tease a specific result, story, or list that gets delivered in the posts that follow. End the hook with either a bold promise, an open question, or a numbered list title like ‘here are 7 reasons.’ Never close the loop in the hook itself. No hashtags. Write like a human, not a marketer.”

Đây là prompt mình thấy kỹ tính nhất trong 5 cái.

Nó dạy AI khái niệm “open loop”, tức là mở ra một câu hỏi hoặc kỳ vọng trong đầu người đọc mà câu trả lời chỉ đến nếu họ tiếp tục đọc.

Điều thú vị là prompt này cấm rõ ràng “Close the loop in the hook itself.”

Đây là lỗi phổ biến nhất: Bạn tiết lộ hết ngay trong câu đầu, khiến người đọc không muốn đọc tiếp.

Cách dùng:

Điền [topic] là chủ đề bài của bạn, [audience] là nhóm bạn muốn tiếp cận. Ví dụ “Freelancer Việt Nam 25 đến 35 tuổi đang muốn tăng thu nhập từ content.”

Prompt 4: The Listicle Post, Bài List Được Sắp Xếp Theo Cách Thuật Toán Thích

Prompt gốc:

“Write a Threads post for [topic] targeting [audience]. Start with a bold 4-6 word title in all caps. Then write 6-8 bullet points using the bullet symbol. Each bullet point must be a single, actionable, specific tip. Order every bullet point strictly by character length, the shortest bullet goes first, the longest goes last, with each one gradually getting longer. No hashtags. No intro sentence. No outro. Just the title and the list.”

Prompt này tập trung yêu cầu AI sắp xếp bullet theo độ dài từ ngắn đến dài.

• bullet này dài nhất nhé

• bullet ngắn thứ hai

• bullet ngắn nhất

• bullet

Điều này giúp AI tạo ra hiệu ứng đọc tự nhiên: Người đọc bắt đầu với những điểm ngắn, dễ hấp thụ, và nó tự nhiên kéo họ đọc tiếp đến những điểm dài hơn ở cuối, giống như lên dốc dần dần thay vì trèo lên một bức tường thẳng đứng.

Ngoài ra, yêu cầu “No intro sentence, no outro” ở đoạn promp trên rất quan trọng: Nó loại bỏ những câu AI hay thêm vào đầu và cuối mà không ai thèm đọc.

Prompt 5: Viral Reverse Engineer, Học Từ Những Gì Đã Viral (Thay Vì Đoán Mò)

Prompt gốc:

“Analyze these 3 Threads posts that went viral: [paste posts]. Tell me the exact structure, tone, and hook pattern they share. Then rewrite my post using the same formula: [paste your post].”

Đây là prompt sịn nhất trong 5 cái (Và cũng là cái ít người biết dùng nhất)

Cách làm:

Thay vì cố đoán xem tại sao một bài post viral, bạn cho Claude đọc 3 bài đã viral thật sự, yêu cầu nó phân tích pattern chung, rồi áp dụng pattern đó vào bài của bạn.

Đây là cách bạn không cần nghiên cứu content marketing hay đọc 20 cuốn sách về copywriting. Bạn chỉ cần tìm 3 bài trong ngách của mình đã có nhiều like và share, copy paste vào đấy, và cho Claude làm phần còn lại.

Cách tìm bài viral trong tiếng Việt để dán vào:

Search từ khóa ngách của bạn trên Threads hoặc Facebook, lọc theo “Most Liked” hoặc “Most Shared”, chọn 3 bài top trong 3 tháng gần đây.

Cách Ghép 5 Prompt Này Thành 30 Ngày Content Thú Vị

Đây là cách mình sắp xếp để không phải nghĩ mỗi ngày phải post gì:

• Tuần 1: Dùng Prompt 1 tạo 10 One-Liner, chọn 7 cái tốt nhất, lên lịch 1 cái mỗi ngày. Tổng thời gian: 20 phút.

• Tuần 2: Dùng Prompt 2 tạo 5 transformation post, dùng Prompt 3 tạo hook cho mỗi cái, ghép lại thành 5 thread. Tổng thời gian: 30 phút.

• Tuần 3: Dùng Prompt 4 tạo 7 listicle post cho 7 ngày. Tổng thời gian: 15 phút.

• Tuần 4: Dùng Prompt 5 với 3 bài viral nhất trong 3 tuần vừa rồi, tạo thêm biến thể của những gì đang hoạt động tốt nhất. Tổng thời gian: 20 phút.

Tổng cộng: Mất khoảng 85 phút NHƯNG chuẩn bị hook và content idea cho cả tháng “nấu” content, trong khi trước đó thì đang tốn 1 tiếng đồng hồ cho mỗi ngày nồi nghiền ngẫm “Mình nên viết gì hôm nay”.

Tổng Kết

5 prompt này không phải phép màu gì hoành tráng, chúng chỉ đơn giản là một cái framework có full Khung sườn để AI tạo ra đúng kiểu output content mà người thật muốn đọc (Thay vì những câu chữ an toàn và tẻ nhạt)

Điểm chung của cả 5 prompt này là kéo AI ra khỏi “giọng văn kiểu chuyên gia” và đặt nó vào đúng trọng tạm “Giọng thật của bạn.”

Hãy bắt đầu với Prompt 1 ngay. Thay [topic] bằng chủ đề bạn viết nhiều nhất. Lấy output, điều chỉnh nó, Chọn 3/10 câu và tiến hành Đăng bài

Sau 7 ngày, bạn sẽ có đủ dữ liệu để cảm thụ và biết trong ngách của mình, content nào đang thật sự hoạt động hiệu quả

Nhận Định Cá Nhân Của QUILIX AI

Đầu tiên, thứ quan trọng hơn là 5 prompt này có logic thực sự đằng sau chúng. Đây không phải prompt theo kiểu “Hãy viết bài viral cho tôi”, mà mỗi cái đều dạy AI một cơ chế tâm lý cụ thể: Open loop, before-after, character length progression. Những thứ đó không phải trend mà là nguyên tắc của copywriting tốt, chỉ là được dịch ra ngôn ngữ AI hiểu được.

Thứ hai, Prompt 5 - Viral Reverse Engineer, là thứ mình thấy có giá trị nhất về lâu dài. Vì nó không cho bạn con cá, nó dạy bạn cách câu cá bằng cách quan sát ngư dân giỏi nhất trong ngách của bạn. Và khi thuật toán thay đổi, khi trend thay đổi, bạn chỉ cần cập nhật 3 bài viral mới vào đó và đánh giá để ra kết quả tiếp theo.

Thứ ba: Mình cũng đã “xài hao” không ít thời gian vào Prompt 4 để hiểu tại sao việc sắp xếp bullet từ ngắn đến dài lại quan trọng. Con người đọc theo quán tính, họ thích đọc những bullet ngắn, não được “warm up” với chúng, rồi tự nhiên đọc tiếp bullet dài hơn. Nếu bạn để bullet dài nhất lên đầu, nhiều người sẽ bỏ đọc bài ngay.

Thứ nhỏ nhỏ nhưng mình thấy đáng đề cập là cả 5 prompt đều có cụm “no em dashes” hay “no hashtags” hay “no outro.” Đây không hẳn là một chi tiết thừa, mà là những thứ AI mặc định hay thêm vào mà không ai thật sự muốn đọc. Việc bạn cấm rõ ràng những thứ đó ngay từ đầu là việc NÊN LÀM.

Bạn đã thử prompt nào trong 5 cái này chưa? Comment xuống dưới cho mình biết cái nào hoạt động tốt nhất với ngách của bạn nhé!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú Thích Thuật Ngữ

• Prompt: Câu lệnh hoặc đoạn văn bạn nhập vào để chỉ dẫn AI tạo ra nội dung theo ý muốn. Prompt càng cụ thể, kết quả càng phù hợp.

• Claude: AI của Anthropic, một trong những mô hình ngôn ngữ mạnh nhất hiện tại, đặc biệt tốt cho viết content sáng tạo.

• Open Loop: Kỹ thuật viết tạo ra sự tò mò bằng cách gợi mở một câu hỏi hoặc kỳ vọng mà chưa trả lời ngay. Khiến người đọc phải tiếp tục đọc để tìm câu trả lời.

• Hook: Câu hoặc đoạn mở đầu được thiết kế để bắt sự chú ý ngay lập tức, giống như lưỡi câu kéo người đọc vào bài.

• Listicle: Dạng bài viết theo kiểu danh sách (list + article). Dễ đọc, dễ scan, và thường được chia sẻ nhiều vì mang lại giá trị cụ thể nhanh.

• Viral: Nội dung lan truyền nhanh và rộng một cách tự nhiên, không phải qua quảng cáo trả tiền.

• Framework: Khung sườn hoặc cấu trúc cố định có thể áp dụng lặp đi lặp lại cho nhiều trường hợp khác nhau.

• Reverse Engineer: Phân tích ngược một thứ đã hoạt động để hiểu tại sao nó hoạt động, rồi tái tạo lại.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Và hôm nay: Anthropic đang chuẩn bị tự làm điều tương tự, nhưng theo một cách có mức độ chiều sâu hơn bất kỳ công cụ nào khác mà bạn từng biết.

“Âm mưu” này có tên là Conway.

QUILIX AI Insights là newsletter chia sẻ về chủ đề AI. Tại đây, bạn sẽ tìm được nhiều tin tức, kiến thức, kỹ năng AI được cập nhật liên tục mỗi ngày.

Mục lục

1. Conway Là Gì? Giải Thích Bằng Ngôn Ngữ Đời Thường

2. Bên Trong Conway Có Gì? Từng Phần Một

3. Tại Sao “Always-On” Là Bước Ngoặt Lớn Hơn Mức Nó Trông Có Vẻ

4. Conway vs OpenClaw: Anthropic Đang Cạnh Tranh Với Chính Hệ Sinh Thái Của Mình?

5. Epitaxy Và Conway Có Liên Quan Đến Nhau Như Thế Nào?

6. Tổng Kết

7. Nhận Định Cá Nhân

8. Chú Thích Thuật Ngữ

Conway Là Gì? Giải Thích Đơn Giản

Hầu hết cách bạn đang dùng Claude hiện tại là theo kiểu: Mở chat, hỏi (input), nhận câu trả lời, đóng tab.

Mỗi lần mở chat mới, Claude không nhớ gì từ lần trước. Bạn phải giải thích lại context. Và Claude không tự làm gì khi bạn không hỏi.

Conway được thiết kế để thay đổi toàn bộ mô hình đó.

Theo những gì rò rỉ từ build nội bộ của Anthropic, Conway là một môi trường agent độc lập, xuất hiện như một option riêng bên cạnh “Research Preview” trong giao diện Claude.

Khi bạn chọn vào nó, bạn không truy cập vào một ô chat thông thường nữa, mà bạn sẽ vào một “Conway instance”, phiên làm việc với Claude có khả năng tồn tại độc lập, kết nối với thế giới bên ngoài và phản hồi với các sự kiện ngay cả khi bạn không online.

Conway thật sự là Claude, nhưng với phiên bản có khả năng chạy liên tục như một nhân viên luôn trực, không phải một chatbot chỉ hoạt động khi bạn input.

Bên trong Claude Conway có gì?

Conway không chỉ là “Claude nhưng không tắt.” Từ source code và build nội bộ, nó có một kiến trúc khá cụ thể gồm nhiều thành phần.

Giao diện người dùng bên trong Conway có ba khu vực chính trong sidebar: Search, Chat và System.

1. Search gắn với bộ hotkey thử nghiệm.

2. Chat là nơi bạn nói chuyện với Claude như bình thường.

3. System là phần tiết lộ nhiều nhất.

Trong phần System, dưới mục “Manage your Conway instance”, Anthropic đang chuẩn bị một khu vực Extensions nơi bạn có thể cài các công cụ tùy chỉnh, tab giao diện riêng, và context handler, bao gồm cả hỗ trợ file .cnw.zip kéo thả vào. Đây gợi ý một định dạng extension package hoàn toàn mới và khả năng bên thứ ba có thể build add-on cho Conway.

Bên cạnh Extensions là Connectors và Tools, hiển thị các client đang kết nối và các công cụ mà chúng expose cho Conway sử dụng. Có một toggle đặc biệt cho phép Claude trong Chrome kết nối trực tiếp vào Conway, tức là AI có thể xem và tương tác với trình duyệt của bạn.

Phần Webhooks có lẽ là thứ nói lên “always-on” rõ ràng nhất. Conway sẽ có public URL mà các dịch vụ bên ngoài có thể gọi đến để đánh thức instance khi có sự kiện cụ thể. Ví dụ: một email đến, một GitHub PR được tạo, hoặc một sự kiện trong hệ thống của bạn, tất cả đều có thể trigger Conway tự động xử lý mà không cần bạn phải vào mở app.

Conway cũng được thiết kế để chạy Claude Code bên trong, có nghĩa là nó không chỉ trả lời câu hỏi mà có thể thực sự viết và chạy code trong nền.

Tại sao “Always-On” là bước ngoặt lớn?

Hãy bắt đầu bằng một phép so sánh gần gũi như thế này:

• Điện thoại đời cũ (feature phone) chỉ làm việc khi bạn chủ động dùng nó.

• Smartphone làm việc liên tục trong nền, nhận email, xử lý thông báo, sync dữ liệu, ngay cả khi màn hình tắt.

Claude Chat hiện tại giống feature phone, còn Conway sẽ biến Claude trở thành smartphone.

Sự khác biệt không phải ở tính năng, mà ở mô hình tương tác.

Khi AI có thể nhận và phản hồi sự kiện từ thế giới bên ngoài mà không cần bạn trigger thủ công, cách bạn làm việc với AI thay đổi hoàn toàn.

1. Với webhook support, Conway có thể được trigger bởi hàng trăm loại sự kiện khác nhau từ các dịch vụ bên ngoài.

2. Với Claude Code tích hợp sẵn, nó không chỉ phân tích tình huống mà còn có thể thực thi giải pháp.

3. Với Extensions, bên thứ ba có thể build thêm công cụ chuyên biệt cho từng use case.

Đây là kiến trúc của một nền tảng, không phải một tính năng.

Conway Anthropic Đang Cạnh Tranh Với OpenClaw?

OpenClaw, tool mà mình đã viết bài khá nhiều, là AI agent mã nguồn mở cho phép bạn chạy Claude 24/7 trên server riêng. Nó kết nối với Telegram, Zalo, Discord, có webhook support, có extension system, và chạy liên tục.

Nghe quen không? Đúng! Conway nghe có vẻ đang làm điều tương tự, nhưng được build native bởi chính Anthropic với tích hợp sâu hơn vào Claude ecosystem.

Câu hỏi ở đây là: Anthropic đang cạnh tranh với OpenClaw và các tool tương tự hay đang tạo ra platform cho tất cả chúng cùng tồn tại?

Theo mình, Conway sẽ “định vị Anthropic gần giống một nền tảng như OpenClaw, nhưng có các tích hợp sâu hơn với các tiện ích (extension) của Claude”.

Điều đó có nghĩa là Conway có thể là platform tầng dưới mà OpenClaw và các tool khác build trên đó, hoặc là sản phẩm cạnh tranh trực tiếp. Cả hai đều có thể xảy ra.

Nếu Anthropic build native always-on agent với quality và integration mà họ đã thể hiện với Claude Code, nó sẽ là benchmark mới cho toàn ngành.

Epitaxy và Conway có liên quan đến nhau như thế nào?

Trong bài trước mình đã viết về Epitaxy, giao diện desktop mới của Claude Code với hotkey mở rộng và animation “Let Claude cook.” Lúc đó mình chưa hiểu rõ nó là gì.

Bài này cho thêm một mảnh ghép: Code của Conway có references đến Epitaxy UI bên trong.

Điều đó gợi ý Epitaxy không phải là giao diện riêng biệt mà là operator interface, tức là màn hình điều phối, cho môi trường Conway.

Nếu đúng như vậy, thì bức tranh đang trở nên rõ hơn: Conway là môi trường agent nền, Epitaxy là giao diện để bạn quản lý và điều phối các agent đang chạy trong Conway, và Claude Code là lớp thực thi code bên trong hệ sinh thái đó.

Ba thứ này không phải ba sản phẩm riêng biệt. Chúng có thể là ba tầng của một platform agentic mà Anthropic đang build.

Tổng Kết

Conway sắp tới sẽ được Claude định vị và phát triển như một môi trường agent độc lập của Anthropic, cho phép Claude chạy liên tục, kết nối với dịch vụ bên ngoài qua webhook, chạy Claude Code tự động, và hỗ trợ extension từ bên thứ ba.

Điều này quan trọng bởi đây là cách Anthropic chuyển từ chatbot sang agent platform thật sự, xây nền tảng always-on ngay trong hệ sinh thái Claude thay vì để tool bên thứ ba như OpenClaw chiếm hết thị trường đó.

Đây là leak từ build nội bộ, chưa chính thức, chưa có ngày ra mắt. Mọi thứ vẫn có thể thay đổi.

Điều mà chúng ta cần tiếp tục theo dõi là: Liệu Conway sẽ được Claude ra mắt như sản phẩm độc lập, tích hợp vào Claude.ai, hay trở thành một nền tảng mà developer có thể build trên đó.

Nhận Định Cá Nhân Của QUILIX AI

Mình đã theo dõi sự phát triển của Claude từ khi nó chỉ là chatbot cho đến Claude Code, Cowork, Skills, và giờ là Conway. Có một pattern rõ ràng trong những gì Anthropic đang build.

Họ không chỉ đang làm AI thông minh hơn, họ đang build hạ tầng để AI thật sự tích hợp vào cách người ta làm việc, không phải như một tool mở ra rồi đóng, mà như một đồng nghiệp luôn hiện diện.

Conway là mảnh ghép cuối cùng của bức tranh đó. Nếu bạn nhìn vào tất cả những gì Anthropic đã ra trong 6 tháng gần đây, Claude Skills để agent có domain expertise bền vững, Claude Code để agent thực thi code, Cowork để agent chạy trên desktop, và giờ Conway để agent tồn tại 24/7 và phản hồi với thế giới, tất cả chúng ghép lại thành một thứ mà mình chỉ có thể mô tả là: Một đồng nghiệp AI thực sự (Chứ không phải chatbot, không còn là một tool hỏi đáp thụ động từ một phía)

Thứ mình thấy cần theo dõi sát nhất không phải là khi nào Conway ra mắt. Mà là Anthropic sẽ chọn model phân phối nào.

Nếu Conway là miễn phí hoặc tích hợp vào Claude Pro, đây là thứ sẽ thay đổi toàn bộ thị trường AI agent overnight. Nếu nó là enterprise-only hoặc developer API, thì các tool như OpenClaw vẫn còn nhiều không gian để phát triển.

Mình đang chờ thông tin chính thức. Nhưng đây là tin mình hào hứng nhất trong tuần.

Bạn nghĩ Conway sẽ ảnh hưởng đến cách bạn dùng AI như thế nào? Comment xuống dưới nhé, mình thực sự tò mò về góc nhìn của anh em.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú Thích Thuật Ngữ

• AI Agent: Chương trình AI tự chủ thực hiện tác vụ, ra quyết định và tương tác với hệ thống khác mà không cần con người hướng dẫn từng bước.

• Always-On Agent: Agent AI chạy liên tục 24/7, phản hồi sự kiện từ thế giới bên ngoài ngay cả khi người dùng không chủ động tương tác.

• Webhook: Cơ chế cho phép một dịch vụ thông báo cho dịch vụ khác khi có sự kiện xảy ra, thông qua một URL được chỉ định. Giống như số điện thoại để các app gọi vào khi có chuyện.

• Extension: Tiện ích bổ sung được cài thêm vào một ứng dụng để mở rộng tính năng. Giống như app trong App Store nhưng chạy bên trong một platform cụ thể.

• Instance: Một phiên hoạt động độc lập của một chương trình. “Conway instance” là một phiên Conway đang chạy riêng biệt, có thể tồn tại độc lập với nhiều phiên khác.

• Operator Interface: Giao diện dành cho người quản lý/điều phối hệ thống, khác với giao diện người dùng thông thường. Thiên về điều khiển và giám sát hơn là tương tác trực tiếp.

• Context Handler: Thành phần phần mềm xử lý và quản lý thông tin ngữ cảnh, giúp AI hiểu được background và trạng thái của công việc đang làm.

• Source Map File: File kỹ thuật dùng để debug phần mềm, thường không được public. Khi Anthropic vô tình để lộ file này qua NPM registry, cộng đồng có thể đọc một phần code nội bộ.

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Mình có một vấn đề quen thuộc với AI workflow.

Mình mô tả một task cho AI, nó xử lý xong, ra kết quả đẹp. Rồi hôm sau mình lại phải mở chat mới, giải thích lại từ đầu, chờ nó chạy lại. Cứ lặp đi lặp lại mãi.

Không phải AI không đủ mạnh. Mà vì AI không có bộ nhớ dai, không có lịch chạy tự động, và không kết nối được với các công cụ thật sự của mình một cách bền vững.

CREAO vừa ra mắt Super Agent và họ nói đây chính là thứ giải quyết bài toán đó. Mình đọc kỹ và có một vài điểm mình thấy thực sự khác biệt so với những gì mình đã thử.

CREAO Super Agent Là Gì?

CREAO là nền tảng AI agent có trụ sở tại Palo Alto, vừa ra mắt Super Agent phiên bản công khai tại creao.ai ngày 30 tháng 3 năm 2026.

Ý tưởng cốt lõi của họ là: bạn mô tả task bằng ngôn ngữ thường ngày, AI viết logic, chạy thật, kết nối với tài khoản thật của bạn. Khi kết quả ổn rồi, bạn nhấn một nút và toàn bộ workflow đó được khóa lại thành một thứ họ gọi là “Agent App.”

Từ thời điểm đó, Agent App chạy theo lịch định sẵn, hoàn toàn tự động, không có AI model tham gia vào các lần chạy tiếp theo nữa.

Đây là điểm mình thấy thú vị nhất: AI được dùng để thiết kế workflow, nhưng không được dùng để vận hành workflow. Kết quả là không có hallucination ở các lần chạy lặp lại vì không có AI nào trong vòng lặp đó nữa.

Nó Làm Được Gì Cụ Thể?

CREAO hiện hỗ trợ hơn 15 tích hợp bao gồm Gmail, Google Sheets, GitHub, Slack và Notion. Bạn có thể mô tả các task như cào giá của đối thủ cạnh tranh, tổng hợp commit GitHub hàng ngày, hoặc tạo báo cáo Slack hàng tuần từ dữ liệu thật.

Ngoài các tích hợp sẵn có, CREAO có thêm tính năng gọi là auto-API integration. Bạn đưa cho agent một trang tài liệu API hoặc tên endpoint của bất kỳ công cụ nào chưa có trong thư viện. Agent đọc tài liệu đó, tự build integration, và lưu lại thành một “Skill” dùng được cho mọi Agent App trong workspace của bạn.

Điều này có nghĩa là workspace của bạn tích lũy khả năng theo thời gian thay vì reset về zero mỗi khi bạn bắt đầu một task mới.

CREAO Đang Giải Quyết Vấn Đề Gì Mà Các Tool Khác Chưa Giải Được?

Đây là phần mình thấy CREAO định vị khéo nhất.

Họ nhận ra thị trường hiện tại có ba nhóm tool, mỗi nhóm giỏi một thứ nhưng thiếu thứ còn lại.

ChatGPT và Claude giỏi trả lời câu hỏi và xử lý task một lần. Nhưng không có lịch tự động và không kết nối bền vững với công cụ bên ngoài.

Cursor và các coding agent khác có thể build và chạy code. Nhưng không có hạ tầng lên lịch chạy định kỳ.

n8n và Zapier chạy workflow rất ổn định theo lịch. Nhưng bạn phải xây dựng workflow thủ công, không có ngôn ngữ tự nhiên.

CREAO nói họ làm được cả năm thứ: hiểu intent, viết code, thực thi code, kết nối công cụ thật, và giữ cho hệ thống chạy mãi mãi.

Đó là tham vọng lớn. Và mình cần test thực tế mới biết họ giữ được lời hứa đến đâu. Nhưng về mặt kiến trúc, logic của họ không có điểm nào mình thấy vô lý.

Ai Nên Dùng CREAO?

CREAO nhắm vào ba nhóm chính: developer muốn có workflow AI mà không phải maintain server, solo builder cần tự động hóa quy trình mà không có team kỹ thuật, và B2B team cần AI workflow chạy liên tục trong môi trường doanh nghiệp.

Gói miễn phí không cần thẻ tín dụng và truy cập được qua web interface ngay, không cần cài đặt gì thêm.

Góc Nhìn QUILIX AI

Concept của CREAO giải quyết đúng thứ mình hay bực với AI workflow: mình phải là người nhớ thay cho AI.

Mỗi lần muốn chạy lại một task đã từng hoạt động tốt, mình phải giải thích lại từ đầu, chờ AI tái tạo logic, hy vọng nó không hallucinate khác đi so với lần trước. Đó là xài hao mà không nên phải vậy.

Ý tưởng tách AI ra khỏi vòng lặp vận hành sau khi workflow đã được thiết kế xong, theo mình, là hướng đi đúng. Không phải vì AI không đủ tốt để chạy lại, mà vì khi AI không trong vòng lặp, bạn có thể tin tưởng kết quả là deterministic, tức là chạy 100 lần ra 100 kết quả nhất quán.

Điều mình muốn test thực tế là phần auto-API integration. Nếu nó thực sự đọc được tài liệu API và build integration mà không cần mình can thiệp, đó là thứ tiết kiệm được rất nhiều thời gian setup.

Bạn đang dùng tool gì để tự động hóa workflow của mình hiện tại? Comment xuống dưới cho mình biết, mình đang rất tò mò xem anh em đang giải bài toán này như thế nào.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Mình có một thói quen mỗi khi có model AI mới ra: Không đọc headline, mình đọc thẳng vào benchmark.

Vì headline thì ai cũng viết được. Nhưng con số không nói dối.

Và benchmark của Qwen3.5-Omni vừa được Alibaba release hôm nay có một vài con số mình không ngờ đến.

Qwen3.5-Omni Là Gì?

Qwen3.5-Omni là dòng model AI đa phương thức mới nhất từ Alibaba, được thiết kế để hiểu native, tức là không phải chuyển đổi qua lại, tất cả bốn loại dữ liệu cùng lúc: văn bản, hình ảnh, âm thanh, và video.

Dòng model gồm bốn phiên bản:

1. Qwen3.5-Omni-Lite là phiên bản nhỏ nhất, dành cho ứng dụng nhẹ và thiết bị có tài nguyên hạn chế.

2. Qwen3.5-Omni-Flash là phiên bản cân bằng giữa tốc độ và hiệu năng, phù hợp cho ứng dụng cần phản hồi nhanh.

3. Qwen3.5-Omni-Plus là phiên bản mạnh nhất trong dòng standard, đây là model mình sẽ nói nhiều nhất trong bài vì đây là thứ thi đấu trực tiếp với Gemini 1.1 Pro.

4. Qwen3.5-Omni-Plus-Realtime là phiên bản tối ưu cho ứng dụng thời gian thực, giống như cuộc hội thoại giọng nói liên tục.

Benchmark Nói Gì? Mình Đọc Từng Con Số Cho Bạn

Đây là phần mình thấy thú vị nhất. Alibaba release benchmark so sánh trực tiếp ba model: Qwen3.5-Omni-Plus, Qwen3.5-Omni-Flash, và Gemini 1.1 Pro.

Benchmark chia thành hai nhóm lớn:

Nhóm Audio-Visual (Nghe và Nhìn cùng lúc):

Ở DailyOmni, test hiểu nội dung audio-visual hàng ngày, Plus đạt 84.6, Flash đạt 81.8, và Gemini 1.1 Pro đạt 82.7. Plus thắng Gemini ở bài test này.

Ở AVUT, test hiểu video từ góc độ âm thanh trung tâm, Plus đạt 85.0, Flash đạt 81.4, và Gemini đạt 85.6. Ở đây Gemini nhỉnh hơn một chút.

Ở QualcommInteractive, test tương tác audio-visual, Plus đạt 68.5, Flash đạt 66.3, và Gemini đạt 66.2. Plus và Flash đều thắng Gemini.

Ở Omni-Cloze, test caption chi tiết audio-visual, Plus đạt 64.8, Flash đạt 63.0, và Gemini chỉ đạt 57.2. Đây là khoảng cách lớn nhất, Plus hơn Gemini đến 7.6 điểm.

Nhóm Audio (Âm thanh thuần túy):

Ở VoiceBench, test hội thoại nói chuyện, Plus đạt 93.1, Flash đạt 87.8, và Gemini đạt 88.9. Plus thắng rõ ràng.

Ở Fleurs, test nhận dạng giọng nói đa ngôn ngữ 60 ngôn ngữ, Plus đạt 93.5, Flash đạt 89.2, và Gemini đạt 92.7. Plus thắng cả ở bài test này.

Ở RUL-Muchomusic, test hiểu âm nhạc, Plus đạt 72.4, Flash đạt 60.5, và Gemini chỉ đạt 59.6. Đây là khoảng cách lớn nhất toàn bộ benchmark, Plus hơn Gemini đến 12.8 điểm.

Tổng kết đọc benchmark: Qwen3.5-Omni-Plus thắng Gemini 1.1 Pro ở phần lớn các bài test, đặc biệt là nhóm Audio và Audio-Visual Interactive. Gemini nhỉnh hơn ở một số bài test về hiểu video thuần túy như AVUT và WorldSense.

Điều Này Có Nghĩa Gì Trong Thực Tế?

Với người dùng cá nhân làm content, việc một model hiểu được âm thanh, hình ảnh và video cùng lúc có nghĩa là bạn có thể upload thẳng clip gốc và hỏi AI phân tích, tóm tắt, hoặc tạo caption mà không cần phải transcript thủ công trước.

Với developer đang build sản phẩm, Qwen3.5-Omni mở ra khả năng xây ứng dụng xử lý đồng thời nhiều loại input mà không cần ghép nhiều model chuyên biệt với nhau. Ít pipeline phức tạp hơn, ít điểm lỗi tiềm ẩn hơn.

Với người đang theo dõi cuộc đua AI nói chung, đây là tín hiệu rõ ràng rằng Alibaba không phải chỉ đang bắt kịp. Ở một số bài test quan trọng, họ đang dẫn trước.

Góc Nhìn QUILIX

Có một điều thú vị khi đọc benchmark này mà nhiều người hay bỏ qua.

Qwen3.5-Omni-Flash, phiên bản nhỏ và nhanh hơn, vẫn đạt điểm cạnh tranh so với Gemini 1.1 Pro ở phần lớn các bài test. Ở bài VoiceBench, Flash đạt 87.8 trong khi Gemini đạt 88.9. Khoảng cách nhỏ đến mức gần như không đáng kể trong điều kiện thực tế.

Điều đó có nghĩa là bạn có thể dùng model Flash rẻ hơn và nhẹ hơn nhưng vẫn nhận được hiệu năng ngang ngửa với model full-size của đối thủ. Đây chính xác là lý do Alibaba release cả lineup thay vì một model duy nhất.

Còn con số 72.4 ở RUL-Muchomusic, bài test hiểu âm nhạc, mình thấy đặc biệt thú vị. Không phải vì con số cao mà vì cả Gemini 1.1 Pro chỉ đạt 59.6. Hiểu âm nhạc là một trong những bài toán khó nhất trong AI đa phương thức vì nó đòi hỏi kết hợp âm sắc, nhịp điệu, cảm xúc và ngữ cảnh. Một khoảng cách 12.8 điểm ở đây là không nhỏ.

Mình vẫn cần test thực tế mới có thể nói chắc. Benchmark lab và trải nghiệm thực tế không phải lúc nào cũng trùng nhau. Nhưng những con số này đủ để Qwen3.5-Omni vào danh sách model mình sẽ test trong tuần này.

Bạn đang dùng model đa phương thức nào hiện tại? Comment xuống dưới cho mình biết nhé!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Mình vừa đọc xong thông báo từ Google và có một điều mình muốn nói thẳng trước: đây không phải tin “ừ thôi Google ra thêm model nữa.”

Đây là tín hiệu rõ ràng nhất từ trước đến nay cho thấy AI video đang đi theo đúng con đường mà AI text đã đi cách đây 2 năm.

Và nếu bạn đang làm content, marketing, hoặc bất kỳ thứ gì liên quan đến video thì bạn cần hiểu điều này đang xảy ra nhanh đến mức nào.

Veo 3.1 Lite Là Gì?

Ngày 31 tháng 3 năm 2026, Google ra mắt Veo 3.1 Lite, thành viên mới nhất trong dòng model tạo video AI Veo 3.1. Nó được thiết kế cho một nhóm đối tượng cụ thể: developer và studio cần tạo video số lượng lớn với chi phí thấp.

Veo 3.1 Lite có mặt ngay trên Gemini API và Google AI Studio, gói trả phí, và hỗ trợ hai mode chính là Text-to-Video (tạo video từ mô tả chữ) và Image-to-Video (tạo video chuyển động từ ảnh tĩnh).

Về mặt kỹ thuật, model hỗ trợ hai tỷ lệ khung hình là landscape 16:9 và portrait 9:16, độ phân giải 720p và 1080p, và cho phép chọn thời lượng video linh hoạt: 4 giây, 6 giây hoặc 8 giây. Giá thay đổi tương ứng với thời lượng bạn chọn.

Điểm Khác Biệt: Giá Dưới 50% Của Veo 3.1 Fast

Thứ làm mình dừng lại khi đọc announcement không phải là tính năng. Mà là con số giá.

Veo 3.1 Lite có giá dưới một nửa so với Veo 3.1 Fast, model anh em trong cùng dòng Veo 3.1. Và theo Logan Kilpatrick từ Google, tốc độ xử lý của Lite vẫn tương đương Fast.

Điều đó có nghĩa là bạn nhận được tốc độ gần như tương đương nhưng chỉ trả chưa đến 50% chi phí. Trade-off duy nhất là chất lượng output có thể không hoàn hảo như phiên bản Fast trong những trường hợp đòi hỏi độ tinh xảo cao.

Và cũng từ ngày 7 tháng 4 năm 2026, Google giảm thêm giá Veo 3.1 Fast. Tức là toàn bộ lineup Veo 3.1 đang rẻ hơn so với tuần trước.

Tại Sao Điều Này Quan Trọng Với Người Làm Content?

Mình thấy có ba nhóm sẽ bị ảnh hưởng trực tiếp bởi tin này:

1. Nhóm thứ nhất là developer và startup đang xây sản phẩm có video tự động hóa. Với mức giá mới, việc integrate AI video vào workflow tự động đã trở nên khả thi hơn rất nhiều về mặt chi phí. Trước đây bạn phải cân nhắc cost per video rất kỹ. Giờ khoảng trống đó rộng hơn đáng kể.

2. Nhóm thứ hai là content creator và marketer làm video số lượng lớn. Nếu bạn cần tạo nhiều video ngắn cho ads, social, hoặc product showcase, Veo 3.1 Lite là option đáng test thật sự. Không phải để thay thế mọi thứ, mà để làm prototype nhanh và fill volume.

3. Nhóm thứ ba là những người đang theo dõi cuộc đua AI video nói chung. Mỗi lần Google hạ giá một model, các đối thủ như Runway, Kling, hay Sora đều phải phản ứng. Cuộc đua này đang kéo giá xuống cho toàn ngành, và người dùng cuối được lợi trực tiếp.

Góc Nhìn QUILIX

Mình có một rule đơn giản khi đánh giá các model AI mới ra: đừng hỏi “nó có hay hơn cái trước không.” Hãy hỏi “nó có đủ tốt cho use case của mình không, với giá này.”

Veo 3.1 Lite ngay lúc ra mắt chưa chắc đã tốt hơn Veo 3.1 Fast về mặt chất lượng tuyệt đối. Nhưng với hơn một nửa chi phí và tốc độ tương đương, nó mở ra một nhóm use case hoàn toàn mới mà trước đây không khả thi về mặt kinh tế.

Điều thú vị hơn là pattern đang lặp lại: năm 2023, API của GPT-4 quá đắt để build sản phẩm thật sự. Năm 2024, giá rớt mạnh và hàng nghìn startup được sinh ra. AI video đang ở đầu chu kỳ đó.

Nếu bạn đang build gì đó liên quan đến video AI, đây là thời điểm tốt để bắt đầu test thật sự thay vì chỉ theo dõi.

Bạn đang dùng AI nào để tạo video hiện tại? Comment xuống dưới cho mình biết nhé!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Thực chất thì đây không hề là một update nhỏ. Nếu những thứ này ra mắt đồng loạt, workflow của các team doanh nghiệp dùng Google Workspace sẽ thay đổi khá nhiều.

NotebookLM sắp có mặt trong Gemini for Business

Hiện tại, NotebookLM chỉ có trên tài khoản cá nhân và Workspace Enterprise/Education từ tháng 1/2026. Người dùng Business tier thì vẫn chưa có. Điều này sắp được thay đổi.

Trong các bản build mới nhất, Google đã nhúng một agent NotebookLM sẵn vào phần agents của Gemini for Business, mô tả là công cụ tóm tắt và ghi chú cho nghiên cứu bằng AI.

Thêm vào đó, người dùng Business sẽ có thể xem thẳng các notebook của mình ngay trên trang chủ Gemini mà không cần mở tab khác.

Ý nghĩa thực tế: Thay vì phải chạy qua lại giữa NotebookLM và Gemini, toàn bộ kho kiến thức của team sẽ nằm trong một giao diện duy nhất. Với các nhóm nhỏ và vừa đang dùng NotebookLM để lưu trữ tài liệu nội bộ, đây là thứ họ đang cần.

Skills cho Gemini Business: Từ developer xuống đến người dùng thường

Tính năng Skills hiện đã có trong các công cụ dành cho developer như Gemini CLI và Antigravity, nhưng chưa có trên giao diện web cho người dùng thông thường. Bản build mới cho thấy tab Skills đang được xây dựng với một số điểm đáng chú ý:

1. Google cung cấp sẵn các skill mẫu, bao gồm code review, viết tài liệu sản phẩm (PRD), và nhiều tác vụ chuyên biệt khác.

2. Có một skill đặc biệt tên là Skill Architect, được thiết kế để giúp người dùng tự tạo skill của riêng mình mà không cần biết kỹ thuật.

3. Giao diện tạo skill mới xuất hiện với 3 trường quen thuộc: tên, mô tả, và hướng dẫn.

Skill Architect là phần mình thấy hay ho thú vị nhất. Thay vì chỉ dùng skill có sẵn, Google muốn trao cho các tổ chức khả năng tự xây trợ lý AI chuyên biệt cho ngành của mình, mà không cần đội ngũ kỹ thuật. Đây là hướng đi đúng nếu muốn cạnh tranh với Microsoft Copilot ở phân khúc doanh nghiệp vừa và nhỏ.

Thêm một thứ nhỏ nhưng đáng chú ý: AI Coding

Một nút AI Coding ẩn cũng xuất hiện, hiện chỉ hoạt động như một trang tổng hợp trỏ đến các công cụ hiện có như Antigravity (IDE có AI) và Gemini CLI. Chưa có gì mới, nhưng nó cho thấy Google đang cố gắng gom tất cả công cụ coding AI của mình vào một chỗ dễ tìm hơn.

Nhìn vào bức tranh lớn hơn

Nhìn lại tuần vừa rồi cái đã: Grok thông báo đang làm Skills, NotebookLM chuẩn bị có Whiteboard Animation, và giờ Gemini for Business cũng đang dồn lực cho Skills và NotebookLM. Cả ba sự kiện này xảy ra trong cùng một tuần không phải ngẫu nhiên.

Mặt trận cạnh tranh AI đang rõ ràng dịch chuyển sang mảng doanh nghiệp và cá nhân hóa workflow. Ai xây được hệ sinh thái tích hợp chặt chẽ hơn, ai cho phép người dùng tự tùy chỉnh AI của mình dễ hơn, người đó sẽ giữ chân khách hàng trả tiền lâu hơn.

Google đang có lợi thế rõ ràng: Hàng trăm triệu người đang dùng Workspace, Gmail, Drive. Nếu Gemini, NotebookLM và Skills được tích hợp liền mạch vào đó, rào cản chuyển đổi sẽ rất cao.

Bạn đang dùng Gemini hay NotebookLM trong công việc chưa? Comment bên dưới cho mình biết workflow của anh em đang như thế nào nhé!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú thích thuật ngữ

• Gemini for Business: Gói Gemini dành cho doanh nghiệp vừa và nhỏ trong hệ sinh thái Google Workspace.

• NotebookLM: Công cụ AI của Google cho phép tải tài liệu lên và tạo tóm tắt, video, ghi chú từ nội dung đó.

• Skills: Bộ hướng dẫn tùy chỉnh được lưu sẵn, gọi ra dùng lại nhiều lần mà không cần nhập lại.

• Skill Architect: Skill đặc biệt giúp người dùng tự tạo skill mới mà không cần biết lập trình.

• PRD (Product Requirements Document): Tài liệu mô tả yêu cầu sản phẩm, thường dùng trong quy trình phát triển phần mềm.

• Gemini CLI: Công cụ Gemini chạy trên dòng lệnh (terminal), dành cho developer.

• Antigravity: IDE (môi trường lập trình) tích hợp AI của Google, dành cho developer.

• Feature flag: Cờ bật/tắt tính năng trong code, dùng để kiểm soát tính năng chưa ra mắt chính thức.

Skills là gì và tại sao nó quan trọng?

Nếu bạn hay dùng Claude hoặc ChatGPT, bạn sẽ quen với việc phải nhập đi nhập lại cùng một đoạn hướng dẫn mỗi khi bắt đầu cuộc trò chuyện mới. Ví dụ: “Hãy trả lời ngắn gọn, bằng tiếng Việt, theo phong cách X...” rất mất thời gian và dễ quên.

Skills giải quyết đúng vấn đề đó. Thay vì nhập lại mỗi lần, bạn tạo một “skill” một lần, lưu lại, và gọi ra bất cứ khi nào cần. Mỗi skill có 3 thành phần:

Tên (Name): Để nhận diện skill đó là gì. Mô tả (Description): Skill này dùng để làm gì. Hướng dẫn (Instruction): Nội dung cụ thể bạn muốn AI thực hiện.

Ngoài ra còn có tính năng nhập skill từ file .zip, .skill, hoặc .md, khá giống với cách Claude đang làm. Người dùng thậm chí có thể chia sẻ skill cho nhau, mở ra khả năng xây dựng cộng đồng chia sẻ template AI.

Khác gì so với Custom Agents của Grok?

Hồi đầu tháng 3/2026, xAI vừa ra mắt Custom Agents, cho phép tạo tối đa 4 AI agent riêng biệt với hướng dẫn độc lập. Skills là một lớp khác, nhỏ hơn và linh hoạt hơn. Không phải tạo nguyên một “agent” mới, bạn chỉ lưu một bộ hướng dẫn cho một tác vụ cụ thể, ví dụ riêng cho việc research, riêng cho viết content, riêng cho phân tích dữ liệu, và gọi ra khi cần.

Hiểu đơn giản: Agent là nhân vật, Skills là bộ kỹ năng của nhân vật đó.

Cả ngành đang làm điều tương tự.

Đây là phần mình thấy thú vị nhất. Skills không phải ý tưởng riêng của Grok. Trong vòng 6 tháng vừa qua:

Anthropic ra mắt Claude Skills từ tháng 10/2025. OpenAI đang phát triển ChatGPT Skills. Google vừa thử nghiệm Skills cho Gemini Business. Và giờ xAI cũng đang xây cho Grok.

Tất cả các nền tảng AI lớn đang chạy về cùng một đích. Khi tính năng cơ bản của chatbot đã tương đương nhau, khả năng cá nhân hóa và tự động hóa workflow chính là mặt trận cạnh tranh tiếp theo.

Bao giờ ra mắt?

Hiện tại Skills vẫn đang ở trạng thái “feature flag = False”, tức là đã có trong code nhưng chưa bật cho người dùng. Chưa có timeline chính thức từ xAI. Nhưng việc nó đã xuất hiện trong codebase là dấu hiệu cho thấy đang được phát triển nghiêm túc.

Góc nhìn QUILIX AI

Mình dùng Claude Skills khá thường xuyên và phải nói thẳng: đây là một trong những tính năng thay đổi cách mình làm việc nhiều nhất. Không phải vì nó “cool”, mà vì nó thực sự tiết kiệm thời gian.

Với Grok, điều thú vị là nó có lợi thế tích hợp sâu với X (Twitter). Nếu Skills được kết hợp với khả năng đọc dữ liệu real-time từ X, thì Grok có thể trở thành công cụ đáng dùng thật sự cho dân làm content trên mạng xã hội.

Bạn đang dùng AI nào thường xuyên nhất hiện tại? Và nếu Grok có Skills, bạn có chuyển sang thử không? Comment bên dưới nhé, mình đọc hết!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Chú thích thuật ngữ

• Skills: Bộ hướng dẫn tùy chỉnh được lưu sẵn, cho phép gọi ra dùng lại nhiều lần mà không cần nhập lại.

• Custom Agents: Tính năng tạo các AI agent riêng biệt với cá tính và hướng dẫn độc lập, khác với Skills ở chỗ toàn diện hơn.

• Feature flag: Cờ bật/tắt tính năng trong code, dùng để kiểm soát xem tính năng có hiển thị với người dùng hay không.

• xAI: Công ty AI do Elon Musk thành lập, phát triển Grok.

• Vertex AI: Nền tảng AI dành cho doanh nghiệp của Google.

Nhưng đó là trước khi mình biết tới Gamma AI. Giờ đây, chỉ cần dùng công cụ này, nhập đúng một đoạn text mô tả ý tưởng. 60 giây sau, bộ slide 12 trang đã có bố cục, hình ảnh, màu sắc và font chữ đồng bộ hoàn toàn, đúng theo yêu cầu của bạn.

Mình không muốn nói Gamma hoàn hảo. Nhưng AI này đã thay đổi hoàn toàn cách mình nghĩ về việc làm trên slide. Và bài viết này mình sẽ reivew thật chi tiết về Gamma AI này (Cả điểm tốt, lẫn diểm yếu)

QUILIX AI Insights là newsletter chia sẻ về chủ đề AI. Tại đây, bạn sẽ tìm được nhiều tin tức, kiến thức, kỹ năng AI được cập nhật liên tục mỗi ngày.

Mục lục

1. Gamma AI Là Gì? Tại Sao 70 Triệu Người Chọn Nó?

2. Gamma AI Làm Được Gì? Các Tính Năng Chính

3. Hướng Dẫn Dùng Gamma AI Từng Bước

4. Bảng Giá Gamma AI: Gói Nào Phù Hợp Với Bạn?

5. Ưu Điểm Và Nhược Điểm Thực Tế Sau Khi Test

6. Gamma AI Phù Hợp Với Ai Nhất?

7. Mẹo Dùng Gamma AI Hiệu Quả Hơn

8. Tổng Kết

9. Chú Thích Thuật Ngữ

10. Nhận Định Cá Nhân Của Mình

Gamma AI Là Gì? 70 Triệu Người Dùng Ứng Dụng Này Làm Gì?

Gamma là công cụ tạo nội dung trực quan bằng trí tuệ nhân tạo, cho phép bạn tạo bài thuyết trình, tài liệu và trang web chỉ từ một đoạn text prompt trong vòng dưới 60 giây.

Khác với PowerPoint hay Google Slides yêu cầu bạn tự thiết kế từng slide một, Gamma dùng hệ thống “Card” linh hoạt và cuộn dọc, kết hợp hơn 20 mô hình AI để tự động tạo nội dung, bố cục, hình ảnh và theme design.

Gamma được sáng lập cuối năm 2020 bởi Grant Lee, James Fox và Jon Noronha. Tính đến cuối năm 2025, công ty đã huy động 68 triệu đô la Series B từ Andreessen Horowitz, đạt mức định giá 2.1 tỷ đô la và vượt mốc 100 triệu đô la doanh thu hàng năm với đội ngũ chỉ 52 nhân viên. Gamma tạo ra khoảng 700.000 nội dung mỗi ngày.

Hơn 70 triệu người dùng toàn cầu đã tạo hơn 400 triệu bài thuyết trình, tài liệu và trang web trên nền tảng này. Tháng 9 năm 2025, Gamma 3.0 ra mắt với Gamma Agent, một trợ lý AI có thể nghiên cứu chủ đề trên web, thiết kế lại toàn bộ bộ slide và tinh chỉnh nội dung qua hội thoại tự nhiên.

Các Tính Năng Chính Của Gamma AI

• Tạo nội dung tự động: nhập text prompt, dán outline, hoặc upload file Word/PDF/PowerPoint. AI tự thiết kế bố cục, chọn hình ảnh và tạo nội dung hoàn chỉnh trong dưới 60 giây.

• Đa dạng định dạng output: không chỉ làm slide. Gamma tạo được bài thuyết trình, tài liệu báo cáo, trang web giới thiệu sản phẩm, và cả nội dung mạng xã hội.

• Gamma Agent (3.0): trợ lý AI có thể research chủ đề trên web, thiết kế lại toàn bộ deck theo yêu cầu, và tinh chỉnh nội dung qua hội thoại tiếng Việt tự nhiên.

• Tùy chỉnh linh hoạt: chỉnh sửa nội dung, font, màu sắc, embed video YouTube, Figma, Miro, Google Maps và hàng chục loại nội dung tương tác khác không cần code.

• Cộng tác thời gian thực: nhiều người cùng chỉnh sửa một bài thuyết trình, để comment, và chia sẻ link trực tiếp hoặc publish thành trang web.

• AI Animations (ra mắt tháng 1 năm 2026): tự động tạo hoạt ảnh cho slide thay vì hình ảnh tĩnh, có trên gói Ultra và Business.

• Generate API (ra mắt chính thức tháng 1 năm 2026) cho phép tích hợp với Zapier, Make.com và các hệ thống tự động hóa khác để tạo nội dung theo lô ở quy mô lớn.

Hướng Dẫn Từng Bước Sử Dụng Gamma AI

Gamma hoàn toàn chạy trên trình duyệt, không cần cài đặt gì. Truy cập gamma.app và đăng ký miễn phí.

• Bước 01: đăng ký và vào dashboard. Truy cập gamma.app, nhấn “Get started free”, đăng ký bằng tài khoản Google hoặc email. Gói miễn phí cấp ngay 400 AI credits, đủ để tạo khoảng 10 bài thuyết trình.

• Bước 02: chọn loại nội dung muốn tạo. Trên dashboard, nhấn “Create new” và chọn Presentation, Document hoặc Webpage.

• Bước 03: nhập prompt hoặc upload file có sẵn. Chọn “Generate with AI” rồi nhập chủ đề chi tiết. Ví dụ: “Bài thuyết trình 8 slide về ứng dụng AI trong ngành bán lẻ Việt Nam năm 2026, dành cho CEO và giám đốc marketing doanh nghiệp vừa và nhỏ, tone chuyên nghiệp nhưng dễ hiểu.” Hoặc nhấn “Import” để upload file Word, PDF, hoặc PowerPoint có sẵn.

• Bước 04: chờ AI tạo và xem kết quả. Gamma xử lý trong 30 đến 60 giây. Kết quả là bộ slide hoàn chỉnh với bố cục, hình ảnh và nội dung đã được cấu trúc. Nhớ fact-check các số liệu vì AI đôi khi hallucinate dữ liệu cụ thể.

• Bước 05: chỉnh sửa và tùy biến. Click vào bất kỳ phần nào để chỉnh text. Dùng Gamma Agent để yêu cầu thay đổi theo ngôn ngữ tự nhiên như “đổi theme sang màu tối hơn” hoặc “thêm biểu đồ cho phần dữ liệu này.”

• Bước 06: chia sẻ hoặc export. Nhấn “Share” để lấy link hoặc publish thành trang web. Nhấn “Export” để tải về dạng PDF hoặc PowerPoint. Lưu ý: export sang PowerPoint đôi khi bị lệch layout.

Bảng Giá Gamma AI: Gói Nào Phù Hợp Với Bạn?

1. Gói Free: miễn phí hoàn toàn. Cấp 400 AI credits lúc đăng ký, đủ tạo khoảng 10 bài thuyết trình. Có watermark “Made with Gamma” trên export.

2. Gói Plus: 8 đô mỗi tháng (thanh toán theo năm) hoặc 10 đô mỗi tháng. Cung cấp 1.000 credits mỗi tháng, xóa watermark, model AI hình ảnh nâng cao, và tối đa 20 cards mỗi prompt.

3. Gói Pro: 15 đô mỗi tháng (thanh toán theo năm) hoặc 20 đô mỗi tháng. Cung cấp 4.000 credits, model AI premium, Generate API access và custom domain cho site.

Mẹo chọn gói: Bắt đầu bằng gói Free để test. 400 credits đủ để tạo 8 đến 10 bài thuyết trình thật sự. Nếu thấy phù hợp, gói Plus 8 đô mỗi tháng là giá trị tốt nhất cho người dùng cá nhân.

Ưu Điểm Và Nhược Điểm Thực Tế

Ưu điểm: Tốc độ tạo nội dung cực nhanh dưới 60 giây, design tự động đẹp và nhất quán, không cần kỹ năng thiết kế, hỗ trợ tiếng Việt khá tốt, embed nội dung tương tác phong phú, giao diện trực quan dễ học, Gamma Agent có thể research chủ đề, và gói miễn phí đủ để thử thật sự.

Nhược điểm: Export sang PowerPoint hay bị lệch layout, không chỉnh được kích thước font chính xác, bố cục card không phải 16:9 truyền thống, AI đôi khi hallucinate số liệu cụ thể, design đôi khi lặp lại thiếu sáng tạo, credit hết nhanh nếu dùng nhiều tính năng AI, và không phù hợp cho branding doanh nghiệp chặt chẽ.

Gamma AI Phù Hợp Với Ai Nhất?

1. Dân marketing và sales: Làm proposal, pitch client, báo cáo campaign. Gamma giúp tạo bản nháp đẹp nhanh để team chỉnh sửa nội dung thay vì mất thời gian làm design từ đầu.

2. Startup founder và nhà khởi nghiệp: Tạo pitch deck, investor presentation trong thời gian ngắn. Tốt cho bản nháp nội bộ và early-stage pitches.

3. Giáo viên và học sinh: Soạn bài giảng, làm bài thuyết trình nhóm. Gamma đặc biệt giỏi cấu trúc nội dung giáo dục theo dạng có thứ tự logic.

4. Creator và content marketer: Làm one-pager, case study, hoặc landing page nhanh để chia sẻ link thay vì gửi file đính kèm.

Gamma chưa phù hợp nếu bạn cần kiểm soát pixel-perfect cho brand guidelines doanh nghiệp nghiêm ngặt, hoặc cần slide 16:9 chuẩn để trình chiếu trong hội trường lớn.

Mẹo Dùng Gamma AI Hiệu Quả Hơn

Prompt càng chi tiết, output càng tốt. Thay vì “làm slide về AI”, hãy viết “Bài thuyết trình 8 slide về ứng dụng AI trong ngành bán lẻ Việt Nam năm 2026, dành cho CEO và giám đốc marketing của doanh nghiệp vừa và nhỏ, tone chuyên nghiệp nhưng dễ hiểu.”

Dùng tính năng “Import” thay vì tạo từ đầu khi bạn đã có nội dung. Upload file Word hay outline sẵn có để Gamma chỉ làm phần design.

Luôn fact-check số liệu trước khi present. Gamma AI có thể tạo ra con số sai hoặc dùng data cũ.

Dùng “Restyle” thay vì tạo lại từ đầu nếu nội dung ổn nhưng muốn đổi giao diện. Gamma Agent có thể thiết kế lại toàn bộ theme chỉ từ một câu lệnh.

Chia sẻ bằng link thay vì export PowerPoint khi có thể. Gamma link hiển thị đẹp trên mọi thiết bị, trong khi file PPT đôi khi bị lệch format khi mở trên máy khác.

Tổng Kết

Gamma AI là công cụ tạo bài thuyết trình và tài liệu từ text prompt bằng AI, cho phép tạo nội dung hoàn chỉnh trong dưới 60 giây mà không cần kỹ năng thiết kế.

Nó phù hợp nhất cho việc tạo bản nháp nhanh, nội dung nội bộ, bài thuyết trình chia sẻ qua link, và các tài liệu không yêu cầu kiểm soát design chặt chẽ.

Bắt đầu bằng gói miễn phí. 400 credits đủ để cảm nhận thật sự. Nếu workflow của bạn cần tạo nhiều bài thuyết trình thường xuyên, gói Plus 8 đô mỗi tháng là đáng đầu tư.

Thử Gamma AI miễn phí tại: gamma.app

Nhận Định Cá Nhân Của QUILXI AI

“Gamma AI thực sự tiết kiệm thời gian hay chỉ chuyển công sức từ chỗ này sang chỗ khác?”

Câu trả lời thật sự là: Gamma AI thực sự tiết kiệm thời gian, nhưng chỉ khi bạn hiểu rõ nó làm tốt ở đâu và không tốt ở đâu. Nếu bạn cố dùng Gamma để tạo slide chuẩn format công ty, export sang PowerPoint rồi gửi cho sếp, bạn sẽ mất thêm thời gian sửa layout bị lệch. Đó là xài hao.

Nhưng nếu bạn dùng Gamma để tạo bản nháp nhanh, chia sẻ link cho team review, hoặc làm tài liệu trình bày qua màn hình thay vì in ra, nó sẽ tiết kiệm cho bạn nhiều giờ thật sự mỗi tuần.

Thứ mình thấy thú vị nhất về Gamma không phải là tính năng. Mà là con số: 52 nhân viên xây dựng một sản phẩm có 70 triệu người dùng và 100 triệu đô ARR, đồng thời profitable. Đó là bằng chứng rõ nhất rằng AI đang thay đổi cơ bản cách một công ty có thể scale mà không cần tăng nhân sự theo tỷ lệ tương ứng.

Bạn đã thử Gamma chưa? Hay đang dùng công cụ nào khác để làm slide? Comment xuống dưới cho mình biết nhé, mình đang rất tò mò xem anh em creator và marketer Việt đang xử lý bài toán presentation như thế nào.

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Chú Thích Thuật Ngữ

• Generative AI: trí tuệ nhân tạo tạo sinh, loại AI có thể tạo ra nội dung mới như text, hình ảnh, code, slide từ câu lệnh của người dùng.

• Text Prompt: câu lệnh văn bản bạn nhập vào để chỉ dẫn AI tạo nội dung. Prompt càng chi tiết, output thường càng phù hợp.

• AI Credits: đơn vị đo lường việc sử dụng tính năng AI của Gamma. Mỗi lần tạo nội dung bằng AI tiêu thụ một số credits nhất định.

• Card System: hệ thống thiết kế của Gamma, dùng các “thẻ” cuộn dọc thay vì slide 16:9 cố định như PowerPoint. Linh hoạt hơn nhưng có thể khó tương thích khi export.

• Hallucinate: hiện tượng AI tạo ra thông tin sai hoặc bịa đặt, đặc biệt với số liệu, ngày tháng, và tên cụ thể. Cần fact-check trước khi dùng chính thức.

• Generate API: giao diện lập trình cho phép tạo nội dung Gamma tự động theo lô, kết nối với Make hay Zapier.

• Andreessen Horowitz (a16z): quỹ đầu tư mạo hiểm lớn tại Silicon Valley. Việc a16z dẫn vòng Series B của Gamma là tín hiệu mạnh về tiềm năng dài hạn.

• Series B: vòng gọi vốn thứ ba của startup sau Seed và Series A, thường dùng để mở rộng quy mô sau khi đã có sản phẩm hoạt động và tăng trưởng ổn định.

• SOC 2 Type II: chứng nhận bảo mật quốc tế xác nhận công ty bảo vệ dữ liệu người dùng đúng chuẩn. Gamma đạt chứng nhận này vào tháng 10 năm 2025.

NotebookLM hiện đang có gì?

Nếu bạn chưa biết, NotebookLM là công cụ của Google cho phép bạn tải tài liệu lên rồi để AI tóm tắt, giải thích, hoặc tạo video từ nội dung đó.

Các định dạng hiện có gồm:

• Cinematic: Video chất lượng cao, dùng Gemini 3 và Veo 3, dành cho subscriber trả phí AI Ultra.

• Explainer: Video giải thích nội dung dạng tiêu chuẩn.

• Brief: Video ngắn, tóm tắt nhanh.

Và giờ thì 2 định dạng mới vừa lộ diện trong giao diện tùy chỉnh, dù chưa chính thức mở cho người dùng.

Hai định dạng mới có gì?

Một là, Short: Định dạng video siêu ngắn, có thể phục vụ nhu cầu chia sẻ lên mạng xã hội hoặc xem nhanh. Nghe quen không? Đúng là hướng đến kiểu nội dung Reels hay Shorts luôn.

Hai là, Whiteboard Animation: Đây là cái mình thấy thú vị hơn nhiều. Thay vì video bình thường, định dạng này mô phỏng phong cách vẽ tay từng bước trên bảng trắng, giống như series RSA Animate nổi tiếng hồi đầu những năm 2010. Ai học qua video dạng này rồi sẽ hiểu, nó cực kỳ hiệu quả để giải thích những khái niệm phức tạp theo cách dễ tiêu hóa.

Điểm đáng chú ý là Whiteboard Animation được đặt là một định dạng độc lập, không phải chỉ là một “kiểu hình ảnh” bên trong Cinematic hay Explainer. Tức là nó tạo ra một cấu trúc video hoàn toàn khác, không chỉ đổi phong cách trình bày.

Ứng dụng cho đối tượng nào?

• Sinh viên và người tự học: Biến tài liệu dày thành video whiteboard ngắn gọn để ôn bài.

• Giáo viên và người làm nội dung giáo dục: Tạo video giải thích không cần quay hay dựng tay.

• Marketer và creator: Short format phục vụ đúng nhu cầu nội dung nhanh cho mạng xã hội.

Khi nào 2 format video này ra mắt?

Hiện tại chưa có timeline chính thức. Google cũng chưa xác nhận hai định dạng này sẽ được ship hay không.

Nhưng nhìn vào tốc độ ra tính năng của NotebookLM trong đầu 2026 (Cinematic ra tháng 3, Mind Map, Infographic, Slide Deck đều đã có), thì khả năng cao chúng sẽ xuất hiện trong thời gian tới.

Một tin nhỏ kèm theo:

Google cũng đang thử nghiệm kết nối Google Play Books làm nguồn dữ liệu cho NotebookLM. Tức là bạn có thể sắp tóm tắt và tạo video từ sách bạn mua trên Play Books luôn.

Góc nhìn cá nhân QUILIX AI

Mình dùng NotebookLM khá thường xuyên để xử lý tài liệu dài, và phải thừa nhận rằng tính năng Video Overview hiện tại vẫn còn khá... công thức. Cinematic thì đẹp nhưng nặng. Explainer thì ổn nhưng không có gì đặc biệt.

Whiteboard Animation nếu làm tốt sẽ là tính năng mình dùng nhiều nhất, vì nó phù hợp với nội dung giáo dục hơn bất kỳ định dạng nào đang có. Đặc biệt với anh em đang làm content giáo dục hoặc cần trình bày ý tưởng phức tạp một cách dễ hiểu, đây sẽ là thứ đáng thử ngay khi ra mắt.

NotebookLM đang dần trở thành một “xưởng sản xuất nội dung” thực sự chứ không chỉ là công cụ tóm tắt tài liệu nữa. Và mình nghĩ đây là hướng đi đúng.

Bạn đang dùng NotebookLM cho việc gì? Comment bên dưới nhé, mình muốn biết anh em đang khai thác nó như thế nào!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Mình đã test liền ngay khi biết thông tin này và muốn giải mã cho anh em hiểu tại sao Operon lại đáng chú ý hơn nhiều so với một tính năng bình thường.

QUILIX AI Insights là newsletter chia sẻ về chủ đề AI. Tại đây, bạn sẽ tìm được nhiều tin tức, kiến thức, kỹ năng AI được cập nhật liên tục mỗi ngày.

Claude Operon là gì và tại sao tên lại là “Operon”?

Trước hết, nói về cái tên “Operon”. Trong sinh học phân tử, "Operon" là một cụm gene được phiên mã cùng nhau trong ADN của vi khuẩn. Việc Anthropic chọn cái tên này không phải ngẫu nhiên. Đây là một tín hiệu rõ ràng: Công cụ này hướng đến người làm khoa học sự sống, từ nhà nghiên cứu gene đến chuyên gia phân tích protein.

Operon là một không gian làm việc độc lập, nằm ngay cạnh Chat, Code, và Cowork hiện tại, nhưng được xây riêng 100% cho một đối tượng cụ thể: Các nhà nghiên cứu khoa học, đặc biệt trong lĩnh vực sinh học và y tế.

Khi bạn vào Operon lần đầu, màn hình chào mừng sẽ hiện ra với tiêu đề “Welcome to Operon” và giải thích rằng Claude sẽ tạo một môi trường riêng tư để làm việc cùng bạn. Các gợi ý tác vụ hiển thị ngay trên màn hình đó nói lên tất cả về đối tượng mà Anthropic nhắm đến.

Operon có thể làm gì? 4 tác vụ đầu tiên được gợi ý

Ngay trên màn hình onboarding, Anthropic gợi ý 4 loại tác vụ nghiên cứu cụ thể mà Operon được thiết kế để hỗ trợ người dùng:

1. Xây dựng cây phát sinh loài (Phylogenetic trees): Phân tích mối quan hệ tiến hóa giữa các loài dựa trên dữ liệu gene. Đây là tác vụ nền tảng trong nghiên cứu sinh học tiến hóa.

2. Thiết kế thí nghiệm sàng lọc CRISPR knockout: Lên kế hoạch chỉnh sửa gene bằng công nghệ CRISPR, một trong những kỹ thuật nóng nhất trong sinh học phân tử hiện nay.

3. Phân tích dữ liệu RNA chuỗi đơn (Single-cell RNA sequencing): Xử lý và giải mã dữ liệu gene ở cấp độ từng tế bào riêng lẻ, cho phép hiểu sâu hơn về cách tế bào hoạt động.

4. Xếp hạng các biến thể enzyme bằng mô hình ngôn ngữ protein: Dùng AI để dự đoán và so sánh hiệu quả của các phiên bản khác nhau của một loại protein enzyme.

Bốn tác vụ này không phải ví dụ cho vui, đây là những quy trình tính toán thật sự mà các phòng lab nghiên cứu đang làm hàng ngày và chúng đòi hỏi công cụ chuyên biệt, không phải chatbot thông thường.

Operon khác gì so với Claude Chat bình thường?

Sau khi onboarding, Operon sẽ cho bạn tạo một dự án nghiên cứu với một "System prompt" áp dụng xuyên suốt tất cả các phiên làm việc.

Đây là điểm khác biệt lớn đầu tiên: Thay vì mỗi cuộc trò chuyện bắt đầu từ đầu, Operon nhớ bối cảnh nghiên cứu của bạn.

Điểm khác biệt chính của Operon

• Quản lý nhiều phiên nghiên cứu cùng lúc, giống như mở nhiều thí nghiệm song song.

• Hỗ trợ tạo và quản lý artifacts, tức là các file, đồ thị, kết quả phân tích được lưu lại.

• Có cả Plan mode và Auto mode, học theo mô hình của Claude Code.

• Cho phép truy cập trực tiếp vào file và thư mục cục bộ trên máy tính của nhà nghiên cứu.

• Cái cuối cùng quan trọng nhất: Truy cập file cục bộ.

Các nhà nghiên cứu thường làm việc với bộ dữ liệu khổng lồ lưu trên máy tính nội bộ hoặc máy chủ của tổ chức. Việc Operon cho phép kết nối trực tiếp với dữ liệu đó là một bước tiến thực sự lớn, thay vì phải copy-paste thủ công từng đoạn dữ liệu vào chat.

Con đường dài Anthropic đã đi để đến được Operon

Operon không phải thứ Anthropic làm ra trong một đêm. Nhìn lại timeline, mình thấy đây là kết quả của một hành trình có chủ đích rõ ràng:

• Giữa 2025: Anthropic ra mắt chương trình “AI for Science”, cấp tín dụng API miễn phí cho các nhà nghiên cứu sinh học.

• Cuối 2025: Ra mắt Claude for Life Sciences với các kết nối tới nền tảng nghiên cứu như PubMed (cơ sở dữ liệu y văn lớn nhất thế giới), Benchling (công cụ quản lý thí nghiệm sinh học), và 10x Genomics (nền tảng phân tích gene).

• Tháng 1/2026: Ra mắt Claude for Healthcare, đạt chuẩn HIPAA (tiêu chuẩn bảo mật y tế của Mỹ).

• Tháng 3/2026: Operon xuất hiện, kết hợp tất cả những gì đã xây dựng vào một môi trường làm việc hoàn chỉnh.

Mỗi bước trước đó là một viên gạch. Operon là cái tòa nhà từ những viên gạch đó.

Tại sao điều này quan trọng với ngành AI?

Cuộc chiến AI không chỉ diễn ra ở phần “AI chung” nữa. Ai cũng có chatbot. Ai cũng có AI viết văn, làm code. Nhưng AI chuyên biệt cho từng ngành cụ thể, với workflow, công cụ và ngữ cảnh riêng thì khác hoàn toàn.

Google DeepMind có AlphaFold cho protein. Các startup biotech AI đang mọc lên như nấm.

Và giờ Anthropic đặt cược rằng Claude có thể là “Người bạn nghiên cứu” đa năng nhất trong phòng lab ảo đó.

Thông tin về Operon cũng trùng thời điểm với tin rò rỉ về model Mythos, được mô tả là một dòng model hoàn toàn mới, mạnh hơn cả Opus.

Nếu Operon là giao diện và Mythos là động cơ, thì Anthropic đang chuẩn bị một bước đi rất có tính toán vào thị trường khoa học.

Claude Operon sẽ hữu ích như thế nào?

Nếu bạn không phải nhà nghiên cứu sinh học, bạn vẫn nên để ý vì một lý do: Operon cho thấy Anthropic đang nghĩ đến AI theo cách khác.

Đó không còn là một chatbot dùng cho tất cả, mà là các chế độ làm việc chuyên biệt, được tối ưu cho từng ngữ cảnh cụ thể.

Cowork cho dân văn phòng, Code cho lập trình viên, và giờ Operon cho nhà khoa học.

Logic này nếu được tiếp tục, chúng ta có thể thấy thêm các “mode” mới trong tương lai gần, có thể cho nhà giáo dục, cho luật sư, cho kế toán.

Và với người Việt Nam, điều đó có nghĩa là: AI đang ngày càng gần hơn với công việc thực tế của bạn, không còn là thứ bạn phải “uốn éo” để dùng nữa.

Góc nhìn cá nhân từ QUILIX AI

Mình hơi bất ngờ vì thứ này xuất hiện sớm hơn dự đoán. Anthropic từ trước đến nay luôn nói về “AI an toàn và có ích”, nhưng “Có ích cho ai” thì cần phải cụ thể hóa.

Operon là câu trả lời cụ thể đầu tiên cho ngành khoa học sự sống.

Điểm thú vị nhất không phải là 4 tác vụ nghiên cứu được gợi ý, mà là kiến trúc tư duy đằng sau Operon: Xây môi trường làm việc trước, rồi để nhà nghiên cứu đưa dữ liệu của họ vào, thay vì bắt họ phải thích nghi với cách AI làm việc. Đây là cách tiếp cận đúng hướng.

Với bối cảnh Việt Nam, mình nghĩ đây là tín hiệu tốt cho các bạn đang làm nghiên cứu, đặc biệt ở các trường đại học, viện nghiên cứu, hay công ty dược. AI không còn chỉ là thứ để viết email hay tóm tắt tài liệu nữa. Nó đang đi vào phòng thí nghiệm thật sự.

Operon hiện vẫn là tính năng chưa ra mắt chính thức, mình sẽ theo dõi và cập nhật ngay khi có thêm thông tin. Nếu bạn đang làm nghiên cứu hoặc quan tâm đến AI trong khoa học, hãy comment bên dưới nhé, mình muốn biết anh em đang dùng AI vào nghiên cứu như thế nào!

1% better everyday with AI. Mình TIN CHẮC bạn làm được!

Theo dõi mình ở các mạng xã hội khác:

TikTok | YouTube | Facebook | Instagram | X | Threads

Chú thích thuật ngữ AI và khoa học

Operon

Trong sinh học, là cụm gene được phiên mã cùng nhau. Anthropic dùng tên này để chỉ chế độ làm việc mới dành cho nghiên cứu sinh học.

Phylogenetic tree (Cây phát sinh loài)

Sơ đồ thể hiện mối quan hệ tiến hóa giữa các loài sinh vật, được xây dựng dựa trên phân tích gene.

CRISPR knockout

Kỹ thuật chỉnh sửa gene để “tắt” một gene cụ thể, giúp các nhà khoa học hiểu vai trò của gene đó.

Single-cell RNA sequencing

Phương pháp đọc toàn bộ gene đang hoạt động trong từng tế bào riêng lẻ, thay vì đọc trung bình cả mẫu mô.

Protein language model

Mô hình AI được huấn luyện trên chuỗi axit amin của protein, có thể dự đoán cấu trúc và chức năng protein.

System prompt

Hướng dẫn nền được thiết lập trước, ảnh hưởng đến cách AI phản hồi trong suốt một phiên hoặc dự án.

HIPAA

Tiêu chuẩn bảo mật thông tin y tế của Mỹ (Health Insurance Portability and Accountability Act), yêu cầu bảo vệ dữ liệu bệnh nhân.

Artifacts

Trong ngữ cảnh Claude, là các file, đoạn code, hay tài liệu được tạo ra và lưu lại trong quá trình làm việc.

PubMed

Cơ sở dữ liệu y văn và nghiên cứu khoa học lớn nhất thế giới, được quản lý bởi Thư viện Y học Quốc gia Mỹ.

Claude Dispatch là gì?

Claude Dispatch không phải một AI model mới hay app riêng. Nó là một tính năng trong Claude Cowork cho phép bạn điều khiển Claude Desktop từ điện thoại.

Cách hoạt động đơn giản:

• Điện thoại gửi lệnh: Bạn mở app Claude trên phone, gõ task cần làm

• Desktop thực thi: Máy tính của bạn (đang bật Claude Desktop) nhận lệnh và làm việc

• Bạn nhận kết quả sau: Xong việc, mở máy tính lên là thấy output sẵn sàng

Nghĩ đơn giản: Dispatch là walkie-talkie để điều khiển AI trên máy tính từ xa. Không phải cloud computing, không phải mobile AI, chỉ là remote control.

Use case thực tế

Ví dụ 1: Đang ăn tối, nhớ ra cần report cho meeting 9h sáng. Thay vì về nhà gấp, bạn gửi tin nhắn: "Pull last quarter sales data và tạo performance report." Về đến nhà thì report đã xong.

Scenario 2: Đang trên xe, muốn chuẩn bị cho meeting. Gửi: "Tóm tắt 10 email chưa đọc và flag những cái urgent." Đến văn phòng là có summary sẵn.

Scenario 3: Cần presentation từ project notes. Gửi: "Lấy notes từ folder X và tạo outline presentation." Dispatch xử lý trong lúc bạn làm việc khác.

Đây chính là shift lớn: Từ synchronous (ngồi chờ AI làm) sang asynchronous (giao việc cho nó, rồi đi làm việc khác).

Những điều QUAN TRỌNG bạn cần biết

1. Máy tính phải BẬT

Đây là limitation lớn nhất. Desktop phải awake, Claude Desktop app phải đang mở, internet phải có. Gập màn hình laptop lại? Dispatch dừng ngay. Đây không phải cloud service - nó chỉ là remote control.

2. Vẫn còn sớm và có bugs

Early users báo cáo ~50% reliability với complex tasks. Đừng dùng cho công việc critical trước khi nó mature hơn.

3. Chỉ có 1 conversation thread

Không thể chạy nhiều task song song. Tất cả messages nằm trong 1 thread duy nhất.

4. Không có notification khi xong

Dispatch không ping phone khi task complete. Bạn phải tự check back.

Khi NÀO nên dùng Claude Dispatch?

✅ Dùng khi:

• Task mất >5 phút (report generation, data analysis, file processing)

• Bạn đang xa máy tính (commute, meeting, travel)

• Công việc cần nhiều files và tools (email + docs + spreadsheets)

• Files của bạn đã được organize tốt

❌ KHÔNG dùng khi:

• Câu hỏi nhanh cần trả lời ngay (dùng Claude chat thường thì nhanh hơn)

• Cần real-time collaboration

• Files chưa được organize (Dispatch sẽ cho kết quả inconsistent)

• Task critical không thể chờ được

So với các tool khác thì sao?

Dispatch vs Claude Chat thường:

• Chat: Real-time Q&A, trả lời ngay

• Dispatch: Async task execution, bạn đi làm việc khác

Dispatch vs Zapier/Make:

• Zapier/Make: Always-on automation, không cần máy bật

• Dispatch: AI-driven với local file access mà Zapier không có

Dispatch vs Custom AI agents:

• Custom agents: Chạy 24/7 trên server

• Dispatch: Dễ setup hơn (2 phút) nhưng cần máy bật

Ai nên dùng?

Phù hợp với:

• Founders/PMs cần recurring reports

• Knowledge workers xử lý nhiều files/data

• Teams có workflow đã organize tốt trong Cowork

Không phù hợp với:

• Người dùng casual chỉ hỏi đáp với AI

• Team chưa có underlying systems (CRM, project management)

• Công việc cần real-time collaboration

Vấn đề bảo mật

Dispatch có quyền truy cập mọi thứ mà Cowork có: local files, connected services, browser control. Anthropic cảnh báo rõ: chỉ enable nếu bạn thoải mái với worst-case scenario, không chỉ expected case.

Cẩn thận với:

• Prompt injection attacks

• Sensitive business data

• Financial records và personal information

Review kỹ permissions trước khi dùng cho sensitive workflows.

Giá và availability

• Claude Max: $100/tháng (đã có Access)

• Claude Pro: $20/tháng (đang rollout từng đợt)

Tương lai của Dispatch

Hướng phát triển rõ ràng:

• Always-on execution: Không cần desktop bật (cloud-based)

• Better notifications: Alert khi task xong

• Multi-threading: Chạy nhiều task song song

• Improved reliability: Từ 50% lên gần 100%

Hiện tại đây vẫn là research preview - sớm nhưng đầy tiềm năng.

Bạn có nên dùng không?

Nên thử nếu:

• Bạn đã dùng Claude Cowork thường xuyên

• Files được organize tốt

• Có use case async rõ ràng

Chưa nên dùng nếu:

• Chưa setup Cowork

• Files chưa organize

• Cần độ tin cậy 100% cho critical work

Dispatch là một execution layer tốt trên workflows đã hoạt động tốt. Nó không phải tool để build structure - mà là tool để làm việc nhanh hơn với structure đã có sẵn.

Câu hỏi cho bạn: Nếu có Dispatch, bạn sẽ dùng nó cho task nào trong công việc hàng ngày?

Nếu bạn thích phong cách phân tích thực tế của QUILIX AI Insights, đừng quên subscribe để nhận tin AI mỗi tuần. Comment bên dưới nếu bạn đã thử Dispatch! 🚀

Lyria 3 Pro là gì?

Lyria 3 Pro là AI music generation model của Google - tạo nhạc từ text prompts với chất lượng cao, structure coherent, và musical awareness tốt hơn các phiên bản trước.

Điểm mới (25/3/2026):

• Public preview trên Vertex AI: Businesses và developers có thể integrate vào apps

• Available qua Google AI Studio và Gemini API: Developer-friendly access

• Tích hợp vào Google Vids: Workspace customers tạo custom music cho video

• Hỗ trợ trong Gemini app: Paid subscribers (Pro/Ultra) tạo longer tracks

• ProducerAI: Tool mới dùng Lyria 3 Pro cho musicians và producers

Ai có thể dùng và làm gì?

1. Developers (qua API):

• Integrate music generation vào apps, games, platforms

• Tạo on-demand soundtracks cho users

• Build creative tools với tính năng AI music

• Access qua Google AI Studio và Gemini API

2. Businesses (qua Vertex AI):

• Scale music production cho video/content platforms

• Tạo tailored soundtracks cho campaigns

• Automate background music cho products

3. Video creators (qua Google Vids):

• Google Workspace customers add custom music vào presentations/videos

• Gemini Pro/Ultra subscribers tạo nhạc dài hơn và complex hơn

4. Musicians & producers (qua ProducerAI):

• Collaborative workflow tool

• Support music creation process

• Available globally (free + paid tiers)

Khả năng của Lyria 3 Pro

So với phiên bản trước:

• ✅ Longer tracks: Không còn giới hạn 30s, giờ tạo được full songs

• ✅ Complex transitions: Chord progression và arrangement tự nhiên hơn

• ✅ Better structure: Intro-verse-chorus-bridge-outro coherent

• ✅ Musical awareness: Hiểu genre, mood, instruments rõ hơn

Lyria 3 Clip vs Lyria 3 Pro:

• Lyria 3 Clip: 30-second clips (cho short-form content)

• Lyria 3 Pro: Full songs với structure phức tạp

Use cases thực tế

Video creator:

Thay vì mua stock music ($20-50/track) hoặc lo copyright claim, bạn prompt: "Upbeat electronic music for tech product demo, 2 minutes" - Lyria tạo ngay.

Game developer:

Integrate API để tạo dynamic background music thay đổi theo gameplay. Mỗi player có soundtrack riêng.

Podcast/content creator:

Tạo intro/outro music unique cho brand, không lo trùng với ai.

Musician/producer:

Dùng ProducerAI để brainstorm ideas, tạo demo nhanh, experiment với styles mới.

Điều này có nghĩa là gì?

Với creators:

• ✅ Barrier to entry giảm - không cần budget cho stock music

• ✅ Customization tăng - tạo nhạc fit chính xác nhu cầu

• ✅ Speed tăng - từ idea đến track trong vài phút

Với developers:

• ✅ Music generation trở thành feature dễ integrate

• ✅ Enable new creative tools và platforms

• ✅ API access = democratization of music tech

Với ngành công nghiệp âm nhạc:

• ⚠️ Stock music libraries đối mặt disruption

• ⚠️ Background music production có thể bị automate

• ✅ Musicians focus vào creative/unique content thay vì generic tracks

Câu hỏi lớn: Chất lượng thế nào?

Thực tế: AI music generation hiện tại vẫn chưa thay thế được musicians chuyên nghiệp cho:

• ❌ Original compositions với cảm xúc sâu

• ❌ Live performances

• ❌ Genre-bending creative works

Nhưng đủ tốt cho:

• ✅ Background music cho video/presentations

• ✅ Game soundtracks đơn giản

• ✅ Placeholder tracks trong production

• ✅ Quick demos và prototypes

So với competitors

Google Lyria 3 Pro:

• ✅ Tích hợp sâu với Google ecosystem (Vids, Gemini, Workspace)

• ✅ API access cho developers

• ✅ Enterprise-ready (Vertex AI)

Suno, Udio:

• ✅ User-friendly cho consumers

• ✅ Mature longer (ra trước)

• ❌ Chưa có enterprise/API tier mạnh như Google

OpenAI/Meta:

• ❓ Chưa có music generation API public

Pricing và availability

Google chưa công bố pricing chi tiết cho API, nhưng:

• Google Vids: Included với Google Workspace

• Gemini app: Pro ($20/tháng) và Ultra ($100/tháng) có longer tracks

• ProducerAI: Free tier available, paid tiers chưa rõ giá

• Vertex AI/API: Pricing theo usage (chưa announce)

Tương lai: AI sẽ thay thế nhạc sĩ?

Câu trả lời ngắn gọn: Không.

Nhưng AI sẽ thay đổi cách làm việc:

• Generic background music sẽ bị AI thay thế phần lớn

• Creative, original compositions vẫn cần con người

• Musicians sẽ dùng AI như tool, không phải competitor

Giống như Photoshop không thay thế photographers - nhưng thay đổi cách họ làm việc. AI music cũng vậy.

Kết luận

Google mở API cho Lyria 3 Pro là một bước lớn: Từ experiment thành production-ready tool cho developers và businesses.

Nếu bạn là:

• Video creator: Thử Google Vids hoặc Gemini app

• Developer: Explore Google AI Studio và Gemini API

• Musician: Check ProducerAI như creative tool

• Business: Xem Vertex AI cho scale production

Cuộc cách mạng AI music đang diễn ra - không phải thay thế nhạc sĩ, mà làm cho music creation accessible hơn với mọi người.

Bạn nghĩ sao? Bạn sẽ dùng AI-generated music cho project nào? Và nếu bạn là musician, bạn thấy đây là cơ hội hay threat?

Theo dõi QUILIX AI Insights để cập nhật các xu hướng AI thực tế như thế này. Comment bên dưới nếu bạn muốn mình review chi tiết các AI music tools! 🎵🤖

ChatGPT giờ là shopping assistant

Từ ngày 24/3/2026, ChatGPT có visual product discovery - nghĩa là bạn không chỉ nhận text recommendation nữa, mà còn:

• Xem product cards với ảnh, giá, rating ngay trong chat

• So sánh sản phẩm side-by-side (tính năng, giá, reviews)

• Upload ảnh để tìm sản phẩm tương tự (visual search)

• Lọc và refine trong cùng một thread, không cần mở nhiều tab

Tính năng này đang rollout cho tất cả users - Free, Go, Plus, Pro. Không phải pilot nhỏ, mà là full launch.

Agentic Commerce Protocol (ACP): Nền tảng đằng sau

OpenAI không chỉ scrape data từ web như Google. Họ tạo ra một open standard gọi là ACP (Agentic Commerce Protocol) cho phép merchants tự feed data trực tiếp vào ChatGPT:

• Catalog data cập nhật real-time

• Promotions và deals hiện tại

• Inventory signals (còn hàng hay hết)

• Metadata chi tiết về sản phẩm

Điều này có nghĩa là data trong ChatGPT fresher và accurate hơn so với scraping.

Những brand nào đã tích hợp?

Danh sách ấn tượng:

• Retail lớn: Target, Nordstrom, Best Buy, The Home Depot, Lowe's, Wayfair

• Beauty: Sephora

• Platform: Shopify (hàng triệu merchants)

• Custom integration: Walmart (với account linking, loyalty, payment trong ChatGPT)

Đặc biệt, Shopify Catalog cho phép millions merchants xuất hiện trên ChatGPT mà không cần manual integration. Điều này mở cửa cho cả small businesses, không chỉ big brands.

Cách hoạt động với Shopify

• Mobile: Mua hàng trong in-app browser của ChatGPT

• Desktop: Redirect về merchant site để checkout

• Merchant giữ control: Branding, checkout flow, payment methods, customer data

OpenAI đã học bài từ việc thử nghiệm Instant Checkout trước đó (thiếu flexibility). Giờ họ focus vào discovery, để merchant tự handle checkout.

Điều này có nghĩa là gì?

Với người mua:

• Trải nghiệm shopping mượt hơn - không cần switch giữa ChatGPT, Google, Amazon

• AI hiểu context tốt hơn ("Tìm giày chạy bộ phù hợp với marathon runner mới bắt đầu")

• Visual search từ ảnh (chụp đồ bạn thích, AI tìm sản phẩm tương tự)

Với merchants (đặc biệt Việt Nam qua Shopify):

• Thêm một acquisition channel mới - AI chat

• Tiếp cận customers khi họ đang trong research phase

• Không mất control về checkout và customer data

Với ecosystem:

• OpenAI đang xây dựng một commerce layer mới trên AI

• Shopify hưởng lợi lớn - tích hợp sâu vào ChatGPT

• Google Shopping và Amazon đối mặt competitor mới

So với Google Shopping và Amazon?

ChatGPT:

• ✅ Conversational - hiểu intent phức tạp

• ✅ Context-aware - nhớ preferences trong thread

• ✅ Visual search từ ảnh

• ❌ Catalog nhỏ hơn (đang mở rộng)

• ❌ Chưa có review system riêng

Google Shopping:

• ✅ Catalog khổng lồ

• ✅ Price comparison mạnh

• ❌ Keyword-based, không conversational

Amazon:

• ✅ Logistics và fulfillment tốt nhất

• ✅ Review system mature

• ❌ Không conversational AI

Tương lai: AI sẽ thay đổi cách mua sắm online?

OpenAI đang hint vài hướng phát triển:

• Personalization: AI nhớ preferences và suggest theo lịch sử

• Local inventory: Hiển thị stock tại cửa hàng gần bạn

• Delivery timing: Estimate chính xác thời gian giao hàng

Xu hướng rõ ràng: Shopping sẽ trở nên conversational. Thay vì search keyword và lọc filters, bạn sẽ chat với AI như chat với sales assistant giỏi.

Câu hỏi quan trọng cho merchants Việt

Nếu bạn đang bán hàng trên Shopify:

1. Catalog data có đầy đủ không? Title, description, images, specs - AI cần data tốt để recommend

2. Product descriptions có optimize cho AI không? Viết rõ ràng, dễ hiểu cho AI parse

3. Có strategy cho AI-driven traffic chưa? Đây là acquisition channel mới, cần test và measure

Kết luận

OpenAI không chỉ cải thiện ChatGPT - họ đang xây dựng một commerce platform mới. Với ACP, visual discovery, và Shopify integration, họ đang đặt nền móng cho một cách mua sắm hoàn toàn khác.

Câu hỏi không phải là "ChatGPT có thành shopping platform không?" mà là "Nó sẽ ăn market share từ đâu - Google Shopping hay Amazon?"

Bạn nghĩ sao? Bạn có sẵn sàng mua hàng qua ChatGPT thay vì Google/Amazon không? Và nếu bạn là merchant, bạn đã sẵn sàng cho AI-driven commerce chưa?

Theo dõi QUILIX AI Insights để cập nhật các xu hướng AI thực tế như thế này. Comment bên dưới nếu bạn muốn mình phân tích sâu hơn về AI commerce! 🛒🤖