# Every Agent: một AI coworker trong Slack, xây trên Claude Managed Agents

[Katelyn Lesse](https://homus.dev/speakers/katelyn-lesse) · [Claude](https://homus.dev/orgs/claude), [Dan Shipper](https://homus.dev/speakers/dan-shipper) · [Claude](https://homus.dev/orgs/claude), [Willie Williams](https://homus.dev/speakers/willie-williams) · [Claude](https://homus.dev/orgs/claude)

> Dan Shipper và Willie Williams kể Every xây Every Agent trên Claude Managed Agents: skill từ taste, đo model theo việc thật, isolation và danh tính agent.

Topics: Agents, Security, Evals, Workflow

Canonical: https://homus.dev/talks/building-secure-agents-for-knowledge-work

## 1. Mở đầu: cách mọi người làm việc đang đổi, và Every tìm hiểu nó bằng cách tự dùng model

Video là một cuộc trò chuyện ngồi quanh bàn trên kênh Claude. Theo phần mô tả của video đăng ngày 06/10/2026, Katelyn Lesse là Head of Platform Engineering ở Anthropic; hai khách mời là Dan Shipper, Co-Founder and CEO của Every, và Willie Williams, Head of Platform ở Every. Chủ đề là Every Agent, một "AI coworker" mà Every xây trên Claude Managed Agents: knowledge work đang đổi ra sao, cách thử model mới trên chính công việc hằng ngày, bảo mật cho agent và lý do chọn nền tảng này.

![Katelyn Lesse, Dan Shipper và Willie Williams ngồi quanh một bàn gỗ, giữa hình có dòng chữ Building secure agents for knowledge work](https://homus.dev/photos/z7cNbsr3b5s-0003.jpg)

Cảnh mở đầu: Katelyn (bên trái), Dan (giữa, áo xanh rêu) và Willie (bên phải, áo sơ mi xanh đậm) ngồi quanh bàn, giữa hình là tên video "Building secure agents for knowledge work".

Katelyn mở lời: chị rất hào hứng được trò chuyện với hai người. Chị nói chị từng nói điều này với hai anh rồi, rằng chị nghĩ hai anh là một trong những người "AGI-pilled" nhất ngoài kia, qua những thứ hai anh build và cách hai anh nói về những gì đang diễn ra trong AI. Vì vậy chị rất vui được dành thời gian nói chuyện về những gì đang xảy ra và những gì hai anh đang làm.

Để bắt đầu, chị muốn nói về chuyện cách mọi người làm việc đang thay đổi rất nhiều vào lúc này (video đăng ngày 06/10/2026), và điều đó có nghĩa là các công cụ người ta cần để làm xong việc cũng đang thay đổi nhiều. Chị hỏi: hai anh nghĩ về chuyện đó thế nào?

![Dan Shipper cận cảnh, góc dưới bên trái có thẻ tên Dan Shipper, Co-Founder and](https://homus.dev/photos/z7cNbsr3b5s-0018.jpg)

Thẻ tên của Dan Shipper hiện ở góc dưới bên trái; dòng chức danh bên dưới mới đọc được "Co-Founder and".

Dan trả lời rằng anh và nhóm nghĩ về chuyện này rất nhiều. Đó là một câu hỏi ai cũng đang nghĩ tới. Ai cũng rất sợ nó, hoặc lại nói kiểu "ồ, sẽ là một utopia và không ai phải làm việc nữa". Chỗ Every cố đứng, theo lời anh, là: sao không cứ dùng các model rồi thử tìm ra câu trả lời? Điều thường xảy ra là bạn phải làm lại workflow của mình từ đầu, và cách duy nhất để làm vậy là thử nó trên chính những vấn đề bạn đang thật sự làm (theo Dan, video đăng ngày 06/10/2026).

Anh kể thêm: mấy năm qua, bạn nhìn tiến bộ trên benchmark, và mỗi khi benchmark tăng, bạn có cảm giác các benchmark đang đo một thứ kiểu "nó có lấy mất việc của tôi không?", điểm càng cao thì càng gần chuyện đó. Góc nhìn của Every là nếu dùng tốt, các công cụ này giỏi việc mở rộng chính bạn, sức mạnh và tầm ảnh hưởng của bạn. Và cần có cách vừa để đo điều đó, vừa để giúp người ta hiểu cách làm được như vậy. Bởi vì đúng là nếu nhìn benchmark, model làm được các việc thời trước AI ngang hoặc tốt hơn con người trong một số trường hợp. Nhưng nếu bạn nghĩ "mình dùng nó cho công việc của mình thế nào", thì cả một loạt lựa chọn mở ra (theo Dan, video đăng ngày 06/10/2026).

![Willie Williams cận cảnh đang cười, góc dưới bên trái có thẻ tên Willie Williams](https://homus.dev/photos/z7cNbsr3b5s-0014.jpg)

Thẻ tên của Willie Williams ở góc dưới bên trái, trong lúc anh đang cười ở đầu cuộc trò chuyện.

Theo Dan, người ta bắt đầu thấy điều đó ở mảng engineering trước, vì programming có verifiable rewards (phần thưởng kiểm chứng được). Và giờ, theo lời anh (video đăng ngày 06/10/2026), có những kỹ sư 10x, 100x đang điều phối cả team agent để kéo roadmap của họ lên sớm khoảng hai năm. Anh nghĩ điều đó đang tới với phần còn lại của knowledge work, nhưng nó tới chậm hơn. Thứ nhất, vì khó biết hơn là nó có đang làm tốt hay không. Thứ hai, knowledge work là một cách nghĩ khác, cách nghĩ mà có lẽ dân developer đã quen hơn một chút. Nhưng anh và nhóm nghĩ nó đang tới, và Every đang cố vừa khám phá nó, vừa lan truyền nó để ai cũng có thể làm việc theo cách đó.

## 2. Every là gì, và Every Agent bắt đầu từ cơn sốt OpenClaw

Katelyn hỏi tiếp, cho những ai chưa biết: Every là gì, các anh làm gì?

Dan giới thiệu (video đăng ngày 06/10/2026): Every là một công ty media và công nghệ, làm một gói subscription. Với người đăng ký, Every làm một loạt thứ thuộc hai nhóm, "education" và "equipment", để giúp họ làm việc ở "edge" của AI. Phía education có từ bản tin tới các khóa học, và mỗi khi model mới ra, Every làm "vibe check". Phía equipment, giờ Every có một agent cho phép bạn làm việc theo cách Every làm, công khai, cùng với công ty của bạn.

Katelyn nói: vậy là các anh đã build một AI coworker để giúp giải quyết vấn đề này. Chị hỏi về nó: mục tiêu là gì, mọi thứ đang ra sao? (câu hỏi của Katelyn, video đăng ngày 06/10/2026)

Dan kể anh và nhóm đã build Every Agent. Nó là một AI coworker, một agent mà theo lời anh (video đăng ngày 06/10/2026) là cách dễ nhất để "AI-pill" cả công ty của bạn. Về cơ bản, mọi thứ bắt đầu trong cơn sốt OpenClaw. Anh và nhóm bắt đầu dùng OpenClaw và kiểu "trời ơi, đây là thứ ngầu nhất", rồi nó lan ra khắp công ty. Rồi nhóm có cả đống Mac mini. Rồi không may, tất cả các con OpenClaw đều "chết" dần, vì chúng thật sự rất khó bảo trì. Thế là nhóm chuyển sang chỉ dùng một company agent, và thấy "wow, cái này thật sự, thật sự rất tốt".

Anh và nhóm cũng nhận ra việc lan các workflow mà nhóm khám phá ra khắp công ty trở nên dễ thế nào. Anh giải thích: việc của Every là làm việc ở "edge", nhưng bạn sẽ bất ngờ khi thấy khó thế nào để việc làm ở "edge" diễn ra trên toàn công ty, kể cả ở Every. Và điều đó bắt đầu xảy ra: các workflow bắt đầu lan ra (theo Dan, video đăng ngày 06/10/2026).

Dan kể thêm một điều anh và nhóm nhận ra: có một kiểu người rất thích Every, mà nhóm gọi là "AI ambassador". Đó là người có cảm giác về AI kiểu: "trời ơi, tôi có cái setup Codex này, hay cái setup Claude này, hay gì đó, đang tăng gấp 10 lần cách tôi làm việc. Tôi không tưởng tượng nổi làm việc mà thiếu nó. Nhưng đồng nghiệp của tôi không ai biết nó là gì. Tôi cứ cố giải thích với họ suốt là nên dùng nó thế nào, mà họ cứ như bỏ ngoài tai." (theo Dan, video đăng ngày 06/10/2026)

Cái hay của một agent trong Slack, nhất là Every Agent, theo Dan (video đăng ngày 06/10/2026), là bạn có thể cho người khác thấy thay vì kể cho họ nghe cách dùng những thứ này để làm việc thật sự, thật sự tốt, vì bạn đang làm ngay trong Slack. Bạn viết prompt công khai thay vì riêng tư. Vì thế anh và nhóm build Every Agent để có tất cả những gì bạn chờ đợi ở một agentic coworker: nó có thể giúp làm các việc lặp lại như gom báo cáo, viết social post, hay đủ loại việc bạn có thể nghĩ tới. Nhưng mọi thứ diễn ra trong Slack của công ty, để đồng nghiệp tự nhiên học theo và nó bắt đầu lan các best practice của bạn. Nhóm cố trao cho các ambassador càng nhiều sức mạnh càng tốt bằng một công cụ như thế này.

Cách Dan mô tả vai trò của Every Agent (video đăng ngày 06/10/2026): trong Slack, người dùng AI giỏi có thể cho đồng nghiệp thấy thay vì kể, và đồng nghiệp tự học theo.

## 3. Open enrollment: một việc nhỏ làm trọn qua company agent

Katelyn hỏi một ví dụ yêu thích: điều gì đó các anh thấy ai đó làm với Every Agent, mà có thể trước đây họ làm được nhưng sẽ lâu hơn, hoặc có thể trước đây họ còn không làm nổi?

![Katelyn đang nói và giơ tay, Dan ngồi bên phải nhìn chị](https://homus.dev/photos/z7cNbsr3b5s-0437.jpg)

Katelyn hỏi một ví dụ yêu thích về Every Agent; Dan ngồi nghe ở bên phải.

Dan nói anh thật sự nghĩ rằng khi có Every Agent, có một agent trong Slack, thì có những thứ "top-end" kiểu điên rồ, nhưng thứ anh muốn nhấn vào lại là những việc nhỏ hằng ngày tốn nhiều thời gian của nhiều người, và có một company agent khiến chúng trở nên rất dễ (theo Dan, video đăng ngày 06/10/2026).

Một ví dụ đơn giản: công ty vừa có đợt open enrollment. Công ty làm toàn bộ quy trình open enrollment qua một agent, qua Every Agent. Anh nói chắc Katelyn cũng biết: bạn nhận một file PDF kiểu "đây là tất cả các gói", và làm phép tính để chọn gói thật ra rất khó. Trong quy trình đó, Every Agent vừa biết tất cả các gói, vừa biết bạn là ai, và giúp bạn đại khái tìm ra nên chọn gói nào cho hoàn cảnh riêng của mình (theo Dan, video đăng ngày 06/10/2026).

Theo Dan, đó là việc sẽ rất khó làm và khó điều phối nếu không có một company agent trung tâm. Every Agent khiến hai việc trở nên rất dễ: thứ nhất, lãnh đạo công ty tạo ra một bộ skill chạy theo cách đó; thứ hai, đưa nó tới mọi người trong tổ chức và bảo đảm quy trình open enrollment thật sự diễn ra suôn sẻ (video đăng ngày 06/10/2026).

Katelyn nói: thử nghĩ lượng thời gian các anh có lẽ đã tiết kiệm được khi không phải mỗi người tự dán riêng vào Claude kiểu "đây là file PDF, tôi chọn gì đây?". Chuyện đó tiết kiệm của bạn nhiều thời gian (video đăng ngày 06/10/2026).

Dan kể thật lòng, ngay cả với anh, mỗi lần nhận được mấy thứ như vậy, anh chỉ gọi cho bố, và bố anh kiểu: "Bố không tin nổi con đã 35 tuổi rồi. Bố không tin là bố vẫn phải giải thích chuyện này cho con." Vì nó thật sự rất phức tạp. Và đúng là anh có thể tự dán nó vào Claude. Nhưng biết rằng thứ này đến từ công ty, và công ty đã nghĩ cho từng người kiểu "đây là gói bạn có thể muốn chọn", thật sự giúp anh thấy tự tin vào lựa chọn của mình (chuyện Dan kể trong video đăng ngày 06/10/2026).

Katelyn đáp: "Và giờ anh có thể gọi bố cho những chuyện vui hơn."

Dan: "Đúng vậy. Xin lỗi bố. Con đã tự động hóa việc đó rồi." Có tiếng nói thêm rằng đó không phải việc ông thích thú gì, ông không thích nó.

## 4. Kate Bench: 30.000 bản sửa của tổng biên tập thành một skill

Willie kể thêm một ví dụ khác (video đăng ngày 06/10/2026): Every cũng có khá nhiều việc lặp lại, kiểu máy móc, đi kèm mảng biên tập. Nhóm đã dành nhiều thời gian xây một thứ gọi là Kate Bench, đặt theo tên tổng biên tập của Every. Phần lớn nó xoay quanh câu hỏi: làm "top edit" thế nào trước khi bài được đăng? Vẫn còn câu hỏi về lúc nào thì kích hoạt các lượt top edit này, và kiểu như cả nhóm làm ngập hộp thư của Kate.

![Willie Williams cận cảnh đang nói, tay giơ trước người](https://homus.dev/photos/z7cNbsr3b5s-0628.jpg)

Willie kể về Kate Bench và các lượt sửa bài trước khi đăng.

Theo Willie (video đăng ngày 06/10/2026), giờ thì dễ hơn nhiều: chỉ cần tag agent trong Slack và nói kiểu "này, review cái này đi". Phần hay là Kate thấy được chuyện đó, và chị có thể đại khái đánh giá: agent có đang làm đúng việc hay không?

Dan tiếp lời: đây là một điều thật sự quan trọng; anh nghĩ Kate Bench cho bạn thấy những thứ này sẽ được dùng trong knowledge work thế nào từ nay về sau. Như Willie nói, Kate là tổng biên tập của Every (video đăng ngày 06/10/2026). Anh nói anh đã cố "tự động hóa" Kate nhiều năm nay, nhưng theo cách trìu mến nhất có thể.

Katelyn chen vào: "Tôi định nói là, có lẽ đừng để chị ấy xem."

Dan nói tự động hóa, anh nghĩ, nghe thì đáng sợ, nhưng khi thật sự thấy nó trong thực tế, bạn sẽ thấy "à, cái này thật ra giúp ích cho chị ấy, vì Every xuất bản quá nhiều". Khi Kate mới vào, Every có khoảng bốn người; chị là người thứ tư, và giờ công ty có 30 người (theo Dan, video đăng ngày 06/10/2026). Kate có gu (taste) đặc biệt về copy edit: bảo đảm từng dấu chấm, từng động từ, từng chi tiết nằm đúng chỗ. Nhưng giờ lượng thứ được đăng ra nhiều gấp 10 lần so với lúc chị mới vào, mà chị vẫn phải tự làm hết.

Vậy nên Dan lấy khoảng 30.000 bản sửa cũ của Kate và biến chúng thành một skill nằm trong Every Agent (theo Dan, video đăng ngày 06/10/2026). Giờ mỗi khi Every đăng thứ gì, dù là một bài viết, một landing page hay một email, bất kỳ ai trong tổ chức cũng có thể nhắc agent trong Slack (anh nói "at every"), đại ý "làm một Kate pass cho bài này", và agent sẽ lấy taste của Kate rồi áp vào: nó thật sự sửa ngay trong Google Doc, dưới dạng suggested changes, như thể chính Kate sửa.

## 5. Đưa phần sửa thêm trở lại skill, và góc nhìn khác về chuyện tự động hóa

Theo Dan (video đăng ngày 06/10/2026), sau đó mọi người có thể accept hoặc reject các suggested change đó. Việc của Kate là vào xem: bản sửa đã có phần lớn những gì chị sẽ làm, thậm chí bắt được cả những chỗ chị có thể bỏ sót. Chị mất ít thời gian hơn cho mỗi bài, vì agent đã làm nhiều phần việc.

Tiếp theo, nhóm theo dõi phần việc thêm mà Kate tự sửa sau đó, rồi đưa ngược (compound) phần đó vào skill, để nó ngày càng tốt hơn theo thời gian. Kate được xem một biểu đồ cho thấy nó đang tiết kiệm của chị bao nhiêu thời gian, và cả những rule mà có thể nên thêm vào để nó bắt được nhiều thứ hơn, những thứ mà chị không nhất thiết đã biết (theo Dan, video đăng ngày 06/10/2026).

Vòng lặp Dan kể (video đăng ngày 06/10/2026): skill sửa bài, Kate sửa thêm, phần sửa thêm được đưa trở lại skill cùng các rule gợi ý thêm.

Dan nghĩ điều đó lật cuộc tranh luận về tự động hóa, từ "nó có lấy mất việc của tôi không" sang một góc khác: "Tôi là một chuyên gia trong tổ chức. Thời gian của tôi bị chiếm cả ngày bởi những người nhờ tôi làm những việc mà chỉ tôi làm được. Và khi tổ chức lớn lên, trước đây muốn mở rộng tầm ảnh hưởng thì tôi sẽ phải bỏ thêm thời gian." Nếu có một agent biết tích lũy (compound) như Every Agent, thì cơ hội cho các chuyên gia trong tổ chức là lan được tầm ảnh hưởng và cách mình làm việc mà không phải bỏ thêm thời gian, vì bạn đang làm việc trên một hệ thống làm việc thay cho bạn, thay vì tự làm hết mọi thứ (theo Dan, video đăng ngày 06/10/2026).

Katelyn nói như vậy là có giá trị gấp đôi: Kate có thêm thời gian cho những việc khác, có lẽ là những đoạn copy khó nhất, và tất cả những người khác cũng được hưởng lợi. Rồi chị nói chị rất muốn lấy Kate Bench làm ví dụ để bàn tiếp. Các anh nói nhiều về chuyện rất "bench-pilled", đúng không, và về chuyện rất sát sao kiểu "đây là cách mình làm một use case rất hay, và đây là cách đo xem mình làm use case đó tốt tới đâu". Chị hỏi thêm về tư duy đó, và làm sao những người bắt đầu dùng Every Agent cũng có thể mang tư duy này vào việc cải tiến liên tục (câu hỏi của Katelyn, video đăng ngày 06/10/2026).

Dan đáp: đúng, anh và nhóm đã thật sự bắt đầu làm tốt chuyện này, làm tốt evals và cố đo những thứ đó. Anh nghĩ, những ai làm AI và theo sát Every đều biết rằng điều đó không thực sự nói lên nhiều (theo Dan, video đăng ngày 06/10/2026).

## 6. Từ vibe check làm tay tới một lớp đo định lượng

Theo Dan (video đăng ngày 06/10/2026), câu hỏi không phải là model giỏi tới đâu ở một benchmark chung chung, mà là nó giỏi tới đâu với đúng loại việc tôi làm. Đó là một cách nghĩ hoàn toàn khác về chuyện AI có tốt hay không, vì nó mang tính cá nhân hơn nhiều.

Đó là nơi các buổi vibe check của Every bắt đầu: trước khi một model mới ra mắt, nhóm được truy cập sớm và thật sự thử nó bằng tay trên nhiều workflow của mình. Rồi đúng ngày model ra mắt, Every có thể nói với bạn: đây là loại việc chúng tôi làm, đây là taste của chúng tôi, đây là điều chúng tôi nghĩ về model này. Người ta dựa vào đó kiểu "tôi tin Every, tôi tin taste của họ", hoặc "có một người viết ở Every mà tôi biết có taste giống mình, nếu người đó thích model này thì tôi sẽ thử" (theo Dan, video đăng ngày 06/10/2026).

Vấn đề, theo Dan, là cách đó rất thủ công và mất nhiều thời gian. Vì vậy nhóm bắt đầu ghi lại các tác vụ mình làm. Mỗi khi một người trong nhóm làm việc với model hằng ngày và để ý thấy "nó làm một điều tôi thích" hoặc "nó làm một điều tôi không thích", người đó có thể ghi lại chuyện đó vào một chỗ, rồi nói chuyện với một nền tảng mà nhóm đã xây, nền tảng mà về sau sẽ trở thành một phần của Every Agent, để giải thích vì sao mình thích hay không thích (video đăng ngày 06/10/2026).

Nền tảng đó biến các lời giải thích thành một bộ "check", về cơ bản giống unit test hay rule về những gì cần soi. Với Kate Pass hay Kate Bench, một ví dụ là: tiêu đề có viết theo sentence case không? Điều đó cho phép nhóm chạy nhiều model khác nhau trên cùng một tình huống, rồi xem với công việc thật của mình: model này làm tốt hay không, theo taste của tôi? Theo Dan (video đăng ngày 06/10/2026), nhóm đã bắt đầu thêm được một lớp định lượng vào vibe check, thứ mà anh nghĩ trông giống một benchmark nhưng thật ra đo những gì bạn quan tâm.

Quy trình Dan mô tả để thêm lớp định lượng vào vibe check (video đăng ngày 06/10/2026); theo anh, nền tảng này về sau sẽ là một phần của Every Agent.

Katelyn quay lại chuyện form factor: các anh vừa nói việc ở trong Slack rất mạnh, mọi knowledge worker đều dễ tiếp cận. Sao các anh lại chọn Slack, và các anh nghĩ về form factor đó thế nào? (câu hỏi của Katelyn, video đăng ngày 06/10/2026)

Willie trả lời (video đăng ngày 06/10/2026): thật ra lúc đầu nhóm theo mô hình mỗi người một agent, có mặt ở bất kỳ bề mặt nào bạn muốn agent đó ở, dù là Telegram hay Slack.

## 7. Vì sao chuyển sang một agent chung trong Slack

Willie kể (video đăng ngày 06/10/2026) một phần lý do mà theo thời gian nhóm chuyển từ setup nhiều agent sang thật sự chỉ một agent: nhóm thấy các agent tốt lên theo cùng một cơ chế, càng đầu tư vào chúng thì chúng càng tốt. Thế là có nhiều người kiểu "tôi đang đầu tư vào agent của tôi", nhưng những cải thiện đó không thật sự lan ra phần còn lại của team. Những chỗ mà nhóm thật sự thấy agent làm được việc thật là khi nhiều người cùng đầu tư vào chúng: làm skill tốt hơn, đưa hướng dẫn tốt hơn.

![Willie Williams cận cảnh đang nói, hai tay đưa ra trước ngực](https://homus.dev/photos/z7cNbsr3b5s-1209.jpg)

Willie giải thích vì sao nhóm chuyển từ mỗi người một agent sang một agent chung trong Slack.

Theo Willie, để mọi người cùng đầu tư vào một agent duy nhất hợp lý hơn nhiều so với việc ai cũng có agent riêng nằm rải rác. Và Slack là form factor rất tự nhiên cho câu hỏi "mình đang ở đâu khi trò chuyện với từng agent". Khi làm việc chung, có rất nhiều copy và paste: "mình sẽ nói chuyện, tôi copy đoạn này sang Claude Cowork của tôi, copy câu trả lời về, rồi bạn lại làm y vậy". Thay vào đó, dễ hơn nhiều là trò chuyện ngay ở chỗ đồng nghiệp đang ở, và cũng là chỗ agent đang ở (video đăng ngày 06/10/2026).

Katelyn nói như vậy là hoàn hảo và dễ tiếp cận. Rồi chị chuyển sang chuyện các anh đã build Every Agent thế nào: các anh build sản phẩm này trên Claude Managed Agents, thứ mà phía Anthropic rất hào hứng (câu hỏi của Katelyn, video đăng ngày 06/10/2026). Chị hỏi, lúc mới bắt đầu, đâu là những lý do chính khiến các anh chọn build trên Claude Managed Agents?

Willie kể (video đăng ngày 06/10/2026) nhóm đã học nhiều bài học đau đớn với phiên bản đầu tiên, gọi là "One Agent for Everyone". Một trong những bài học chính là hạ tầng (infrastructure) thì khó. Nhiều điều nhóm muốn tập trung là tương lai của công việc, và làm sao làm ra một sản phẩm tốt hơn cho tương lai mà nhóm thấy đang tới. Nhóm không nhất thiết muốn dành thời gian cho những câu như "điều phối sandbox thế nào?".

Anh kể nhóm đã đi qua một chặng rất đau: "được, mình sẽ build một agent cho mọi người", rồi nó nhanh chóng trở nên cồng kềnh, vì bạn vừa cố cải thiện sản phẩm, vừa phải có một lớp hạ tầng chắc chắn, bền bỉ bên dưới. Nhóm lấy những bài học đó và biến chúng thành Every Agent (theo Willie, video đăng ngày 06/10/2026).

## 8. Claude Managed Agents lo phần hạ tầng

Theo Willie (video đăng ngày 06/10/2026), nhóm muốn dồn sức vào chỗ mà nhóm nghĩ tương lai đang đi tới. Và Claude Managed Agents rất hợp: nó cho nhóm sandbox, cho memory, cho session control, và tất cả những primitive cho phép nhóm tập trung vào tầng tiếp theo: làm interaction design cho một agent thế nào. Nhóm có thể kiểu như giao phần kia đi, kiểu "được rồi, phần này đã có người lo, tôi không bị báo động nữa".

Có tiếng chen vào cảm ơn: "Thank you. Thank you for your service." Willie nói thêm rằng mọi thứ đã chạy rất tốt (video đăng ngày 06/10/2026).

Dan nói đây là một chuyện kinh điển ở startup: "được, mình sẽ build một agent platform, có nên tự làm lớp infra không?" Rồi bạn nghĩ "ồ, giờ infra đâu có khó nữa, mình cứ để Claude dựng một đống server và quản lý chúng cho mình, vân vân." Dan kể anh từng nói như vậy, và nhận lại câu "không, không, khó lắm". Anh bảo cứ thử. Một tháng sau, anh phải thừa nhận: "ừ, khó thật." (theo Dan, video đăng ngày 06/10/2026)

![Dan Shipper cận cảnh đang cười, Katelyn quay lưng ở bên trái](https://homus.dev/photos/z7cNbsr3b5s-1451.jpg)

Dan cười khi kể chuyện từng nghĩ tự làm lớp infra không khó, rồi một tháng sau phải thừa nhận là khó.

Theo Dan (video đăng ngày 06/10/2026), Claude Managed Agents lấy một thứ mà bạn không biết là khó, nhưng khi tự làm thì bạn thấy "cái này phức tạp quá", và khiến nó trở nên rất dễ với nhóm.

Katelyn nói: vậy là có phần quản lý infra, rõ ràng là có ích. Chị hỏi những tính năng khác mà các anh nhắc tới là gì, chẳng hạn memory. Những thứ nào các anh dùng sẵn có (out of the box) trong Claude Managed Agents mà giúp build agent mạnh hơn so với chuyện tự viết tay một harness rồi đi tiếp từ đó?

Willie trả lời (video đăng ngày 06/10/2026) rằng nó cho phép kết hợp các primitive, và cho nhóm thêm thời gian để làm nhiều thử nghiệm hơn ở những vùng khó. Ví dụ, có khả năng tách riêng ra: nhóm muốn một managed agent cụ thể đóng vai một bản "edge", kiểu như bản staging, trường hợp "frontier" của họ, rồi lấy memory và durable state từ production, copy sang và chạy thử nghiệm trên đó. Kiểu: chuyện gì xảy ra trong tình huống này, chuyện gì xảy ra trong tình huống kia? Làm sao giảm chi phí token cho khách hàng?

## 9. Thử nghiệm vùng xám bằng bản tách riêng, và bảo mật nhờ isolation

Willie nói tiếp (video đăng ngày 06/10/2026): có cả triệu edge case trong hội thoại mà nhóm phải gỡ, nhất là những thứ nằm trong vùng xám. Khi build một AI coworker, có rất nhiều thứ bạn mặc định ở một đồng nghiệp: họ sẽ đưa ra phán đoán hợp lý. Mà khó dạy model làm điều đó. Vì vậy nhóm chạy kết hợp evals với một loạt thử nghiệm dựa trên cảm giác, kiểu "cái này có giống một đồng nghiệp thật không".

Theo Willie, về mặt dev experience, việc tách được phần đó ra và chạy thử nghiệm riêng biệt, không ảnh hưởng tới instance production chính, nhưng vẫn chạy trên cùng hạ tầng với instance production chính, giúp team nhanh hơn và cho ra sản phẩm tốt hơn (video đăng ngày 06/10/2026).

Cách Willie mô tả việc tách một managed agent làm bản staging (video đăng ngày 06/10/2026): copy memory và durable state từ production sang, thử các tình huống vùng xám, nhưng vẫn chạy trên cùng hạ tầng.

Katelyn nói điều đó rất hợp lý. Rồi chị hỏi: lúc này (video đăng ngày 06/10/2026) đang có rất nhiều chuyện về bảo mật với agent, và rất nhiều công sức đang dồn vào câu hỏi làm sao bảo đảm agent làm những việc mình muốn và không làm những việc mình không muốn. Claude Managed Agents giúp các anh nghĩ về bảo mật cho Every Agent thế nào?

![Katelyn đang nói và đưa tay ra, Dan ngồi bên phải nghe](https://homus.dev/photos/z7cNbsr3b5s-1651.jpg)

Katelyn đặt câu hỏi về bảo mật cho agent; Dan ngồi nghe ở bên phải.

Willie trả lời (video đăng ngày 06/10/2026): nhiều phần là nhờ isolation có sẵn (built-in). Nó khiến việc tách riêng trở nên rất dễ: sandbox, các tool call, những gì đang diễn ra, agent trong vòng lặp, environment nằm ở đâu và memory nằm ở đâu. Vì nhóm kiểm soát được tất cả những thứ đó, nhóm có thể quyết định ai được truy cập gì, khi nào. Session management rất hợp cho việc này.

Theo Willie (video đăng ngày 06/10/2026), điều đó cho nhóm những công cụ đủ tinh để đặt câu hỏi như: nếu Dan yêu cầu một thứ, anh ấy có nhận được đúng thứ mà tôi sẽ nhận nếu tôi yêu cầu không? Bên dưới là rất nhiều việc vận dụng các primitive: gắn memory nào vào request đó, sandbox giống nhau hay khác nhau? Có sẵn những primitive đó đơn giản là có ích về mặt kỹ thuật.

Dan muốn thêm một ý, mà anh nghĩ vừa liên quan tới bảo mật, vừa liên quan tới hiệu năng: giờ không còn ranh giới rõ ràng giữa model và harness nữa. Một model không đi kèm một cái máy tính mà nó biết cách dùng thì đơn giản là không hiệu quả bằng. Có tất cả những thứ đó được xây ở một chỗ, bởi một nhà cung cấp, bảo đảm model biết dùng những thứ đó thật sự tốt (theo Dan, video đăng ngày 06/10/2026).

## 10. Một dòng cập nhật khi model mới ra, và câu hỏi về danh tính của agent

Dan kể: đúng ngày ghi hình cuộc trò chuyện này có một model mới ra mắt từ phía Anthropic. Willie đã nói với anh rằng nếu nhìn vào prompting guide thì có một số breaking change mà các team sẽ phải lo. Nhưng trong Claude Managed Agents, đó chỉ là một dòng cập nhật. Theo Dan (video đăng ngày 06/10/2026), đó là kiểu thứ bạn có được miễn phí đi kèm, và anh nghĩ nó thật sự mạnh.

Katelyn nói điều đó rất hợp lý. Theo chị (video đăng ngày 06/10/2026), một phần của việc phát hành model là phía Anthropic đang đưa vào harness của Claude Managed Agents những breaking change đó, cùng những cách để lấy được điều tốt nhất từ Claude và tận dụng mọi thứ nó làm được. Chị nói nghe được điều đó thật hay.

Rồi chị hỏi về auth và identity: danh tính của Every Agent là gì, nó hành động thay mặt con người, hay thay mặt chính nó? Các anh đã nghĩ chuyện đó thế nào?

Willie nói chuyện này có nhiều sắc thái. Ngay khi bạn đặt một agent vào bên trong một công ty, người ta nghĩ về nó như một con người, đúng không? Và họ nhờ nó những việc rơi vào vùng xám. Kiểu: một con người sẽ biết rằng chẳng có hại gì khi tôi được xem bản báo cáo này, nhưng điều đó khó mã hóa thành một đoạn logic của agent. Nhóm chọn đó làm "North Star": cố để nó hành xử gần với một con người nhất có thể trong Slack (theo Willie, video đăng ngày 06/10/2026).

Cách nhóm làm, theo Willie (video đăng ngày 06/10/2026): khi ở trong Slack, nó hành động như một thực thể riêng mà bạn đang tương tác cùng, và bên dưới, nó có memory được tách riêng, cùng hiểu biết về việc bạn là ai và bạn được truy cập những gì trong công ty. Đó là cuộc trò chuyện giữa hai vùng tách biệt. Khi bạn nhờ nó đi lấy thứ gì đó qua một tool call, một connection hay gì đó, thì phần lớn trường hợp nó hành động thay mặt bạn, như một phần mở rộng của bạn khi nó đi lấy một tài liệu hay tra một thứ gì đó.

Ranh giới nội bộ và bên ngoài mà Willie mô tả (video đăng ngày 06/10/2026): trong Slack agent là một thực thể riêng, còn khi đi lấy tài liệu qua tool thì phần lớn nó hành động như phần mở rộng của người yêu cầu.

Theo Willie (video đăng ngày 06/10/2026), nhóm thấy mô hình đó khá sát với cách mọi người muốn dùng nó: họ thấy ổn với ranh giới nội bộ và bên ngoài như vậy.

Katelyn chuyển sang chuyện cải tiến liên tục và memory mà cuộc trò chuyện đã chạm tới một chút. Chị hỏi: điều gì quan trọng nhất với các anh khi agent hôm nay làm rất tốt một số việc, nhưng có thể chưa tốt như các anh muốn ở những việc khác? Các anh nghĩ thế nào về việc làm cho agent ngày càng giỏi hơn ở tất cả những việc đó theo thời gian? (câu hỏi của Katelyn, video đăng ngày 06/10/2026)

## 11. Những lần chỉnh nhỏ làm nền cho taste, và phép so sánh với điểm SAT

Willie nói một điểm hay (video đăng ngày 06/10/2026) là agent thấy được tất cả những khoảnh khắc nhỏ mà bạn đưa taste của mình vào các request. Những cú "nudge" nhỏ kiểu: "bạn viết đoạn này chưa tốt". Có một hôm, agent kể một câu đùa dở; anh bảo "câu này không hay lắm, kể câu khác đi".

Theo Willie, những cú nudge nhỏ đó thật sự là nền móng cho câu hỏi "taste của bạn là gì". Rất khó mô tả taste của mình trong một lần, nhưng lại dễ rút nó ra từ một nghìn ví dụ. Những ví dụ đó tạo nền cho cách nhóm build skill, như Dan đã nói, cho những công việc cụ thể. Nếu bạn là người sửa bài nhiều, cách agent giỏi lên ở việc sửa bài là nhìn vào 30.000 bản sửa của bạn và dùng chúng làm nền cho "à, đây là skill, đây là taste của tôi khi sửa bài" (video đăng ngày 06/10/2026).

Anh nói bạn có thể nghĩ như vậy cho việc tạo PowerPoint, cho email, và nhiều thứ khác. Điều này cũng xảy ra trong coding, nhưng với rất nhiều loại knowledge work không phải coding, đây là một frontier mới: bạn tích lũy dần các ví dụ, và agent thật sự là nơi chứa tất cả chúng (theo Willie, video đăng ngày 06/10/2026).

Dan nói anh nghĩ một cách hay để nghĩ về chuyện này, dù anh đã nói nhiều về benchmark nhưng anh nghĩ nó quá quan trọng, là cách anh và nhóm nghĩ về nó đang bắt đầu dịch chuyển: hãy nghĩ việc thuê hay dùng một agent giống như tuyển người cho một công việc (video đăng ngày 06/10/2026).

Nếu bạn tuyển một ứng viên và nhìn điểm SAT của họ, thì đó hơi giống một điểm benchmark. Và về định hướng, nó thật ra giúp được nhiều. Nếu anh tuyển một ứng viên được 1600 điểm SAT so với một người được 300, có lẽ anh sẽ chọn người 1600, có lẽ vậy. Nhưng nếu ai cũng được 1600, mà theo Dan (video đăng ngày 06/10/2026) đó chính là chỗ các model đang đứng, thì anh cần làm nhiều hơn thế. Điều anh thật sự muốn không phải điểm SAT, mà là một lần kiểm tra tham chiếu (reference check), một đợt làm thử (work trial).

Phép so sánh tuyển dụng của Dan (video đăng ngày 06/10/2026): theo anh, các model đang ở mức "ai cũng 1600 điểm"; khi đó anh cần làm nhiều hơn, và điều anh muốn là reference check và work trial.

## 12. Ngày đầu đi làm của model, benchmark cá nhân và thử nghiệm Hands

Dan nói tiếp (video đăng ngày 06/10/2026): với các model này, khi chúng vào công ty bạn ngày đầu tiên, đó là ngày đi làm đầu tiên của chúng. Chúng là một sinh viên mới ra trường, rất thông minh và đã học rất nhiều, nhưng không biết bạn làm việc thế nào. Điều bạn muốn là tạo ra một hệ thống để, khi chúng có thêm kinh nghiệm làm việc với bạn, hiểu biết của chúng về cách bạn làm việc và điều bạn quan tâm được tích lũy dần, để tới ngày thứ 10 chúng giỏi hơn ngày đầu tiên.

Điều anh và nhóm đang bắt đầu build là một cách để thật sự chứng minh điều đó: cho phép bạn gom các trường hợp model làm tốt hoặc không làm tốt, rút ra taste của bạn, rồi cho phép nó cải thiện ở những điểm đó theo thời gian một cách chứng minh được. Theo Dan (video đăng ngày 06/10/2026), thứ đó sẽ không có trong agent ngay ngày đầu, nhưng anh nghĩ đó là hướng nhóm đang đi.

Và anh nghĩ nói chung công việc cũng đang đi về hướng đó: thay vì làm thủ công từng việc mỗi lần, bạn làm việc trên hệ thống, và hy vọng agent của bạn, dù là Every Agent, Claude hay bất kỳ agent nào bạn làm việc cùng, cho phép bạn làm vậy và cho bạn thấy nó đang tốt lên ra sao (theo Dan, video đăng ngày 06/10/2026).

Katelyn nói điều đó rất hợp lý, rồi hỏi vài ý tưởng tiếp theo để cải thiện sản phẩm là gì.

Dan nói đó là một câu hỏi hay. Anh nghĩ ý lớn là một hệ thống tích lũy (compounding system) cho phép bất kỳ ai về cơ bản tạo được một benchmark cá nhân nhỏ của riêng mình: đây là cách tôi làm việc, điều tôi quan tâm, và điều tôi thấy tốt ở câu trả lời của model này so với câu trả lời của model khác. Nó cho bạn thấy model nào bạn có thể muốn dùng theo thời gian, cho bạn build và tối ưu các skill dành riêng cho bạn, dựa trên taste của bạn, để làm việc tốt hơn theo thời gian, và cho phép những skill đó lan ra khắp tổ chức để người khác dùng và làm việc được như bạn, giúp nhiều chuyên gia hơn làm được nhiều việc hơn mà không tốn thêm thời gian. Anh nghĩ đó là hướng nhóm đang đi (video đăng ngày 06/10/2026).

Anh kể nhóm làm rất, rất nhiều thử nghiệm. Anh có một thử nghiệm nhỏ tên là "Hands", một computer use agent trên desktop của anh, để Every Agent có thể dùng máy tính của anh. Lý do, theo lời anh, là bạn luôn nhận được những yêu cầu kiểu "anh làm giúp việc này được không", và anh chỉ việc nhắc agent (anh nói "at every"), đại ý "dùng Hands để làm việc đó trên máy tính của tôi" (thử nghiệm Dan kể trong video đăng ngày 06/10/2026). Anh nói cái đó thật sự hay, nhưng nhóm đang thử nghiệm rất nhiều thứ.

Willie nói thêm (video đăng ngày 06/10/2026): một trong những câu hỏi nhóm nhận được từ khách hàng là Every Agent so với làm việc bằng Claude Code hay Claude Cowork thì thế nào.

## 13. Làm cùng đồng nghiệp hay làm một mình, và chuyện context trong một nhóm người

Theo Willie (video đăng ngày 06/10/2026), nhóm thấy chúng phối hợp với nhau rất tốt, nhờ những thử nghiệm như Hands: có lúc bạn muốn làm cùng đồng nghiệp, làm việc đó công khai; và có lúc bạn muốn chuyển việc đó sang một cách rất liền mạch, kiểu "tôi chỉ muốn làm một mình", giống như bạn vẫn làm với tư cách một con người. Có tiếng nói chen vào: "Phần lớn thời gian tôi muốn làm một mình."

Willie nói thật ra cả chuyện này là mọi người đều đang tìm cách, đúng không: tôi muốn dành thời gian của mình ở đâu với thứ trí thông minh được khuếch đại này, và làm sao quay lại nếu tôi không muốn? (theo Willie, video đăng ngày 06/10/2026)

Với nhóm, theo Willie (video đăng ngày 06/10/2026), chuyện context management vừa trở nên vô hình hơn, vừa trở nên lộ rõ hơn. Cá nhân anh, anh không thật sự còn nghĩ về context management nữa. Nhưng với đồng nghiệp thì có. Nếu bạn coi agent như một đồng nghiệp, thì câu hỏi là: có một cuộc trò chuyện ở đằng kia, bạn có ở trong đó không? Bạn có đủ hiểu các chuẩn mực hội thoại của con người để biết "chỗ này mình nên chen vào", hay "mình nên lấy hai ý từ hai thread khác nhau vì chúng liên quan", dù một cái là buổi brainstorm và một cái mang tính định hướng hơn? Anh nghĩ rất nhiều phần interaction design, personality design là một chuyện lớn đang tới.

Những câu hỏi về chuẩn mực xã hội của agent mà Willie và Dan nêu (video đăng ngày 06/10/2026); Dan nghĩ chúng sẽ tốt hơn nhiều trong sáu tháng tới một năm.

Dan nói đó là chuyện rất lớn, vì tới giờ (video đăng ngày 06/10/2026) Claude, anh nghĩ điều này đang bắt đầu đổi, nhưng tới giờ nó quen với việc mỗi lần thấy một tin nhắn là phải trả lời, vì thường thì bạn đang prompt nó một-một. Còn khi Claude ở trong một bối cảnh xã hội với những con người khác, và có lẽ cả những Claude khác, thì có cả một bộ chuẩn mực mới mà nó không nhất thiết biết sẵn. Anh nói chắc chắn phía Anthropic sẽ bắt đầu cải thiện chuyện đó, nhưng nhóm cũng đang nghĩ về nó, vì còn có những phong cách khác nhau: bạn muốn nó hướng ngoại hay hướng nội? Chính xác là khi nào, và cho use case nào, agent này nên chen vào hay không: theo Dan (video đăng ngày 06/10/2026), đó đều là những câu hỏi thật sự thú vị và phức tạp, mà anh nghĩ sẽ tốt hơn rất nhiều trong sáu tháng tới một năm, và tất cả mọi người sẽ phải cùng làm để điều đó xảy ra.

## 14. Cảm giác làm việc với người của Every, và chữ "fidelity"

Katelyn nói chị thích ý tưởng rằng Every có một tính cách thương hiệu, một cách làm việc riêng, và các anh đang đưa điều đó vào Every Agent, để tính cách đó phần nào hiện ra (video đăng ngày 06/10/2026).

Dan nói một trong những tiêu chí thiết kế của nhóm là: nếu bạn làm việc với Every Agent, bạn nên cảm thấy như đang có một người làm ở Every làm việc cùng mình. Theo anh (video đăng ngày 06/10/2026), đó là một cách nghĩ thật sự thú vị về việc thiết kế một sản phẩm.

Katelyn hỏi: là những người rất AGI-pilled, chắc các anh nghĩ nhiều về chuyện mọi thứ sẽ đi tới đâu. Ba tháng, sáu tháng, một năm nữa, chúng ta sẽ ở đâu về cách mọi người làm việc? Các anh nghĩ điều gì sẽ xảy ra? Every Agent sẽ cần ở đâu, và các anh cần build gì vào nó để nó sẵn sàng cho thời điểm công việc thay đổi? (câu hỏi của Katelyn, video đăng ngày 06/10/2026)

Dan nói đó là một câu hỏi rất hay, và anh nghĩ nó quay về đúng điều cả nhóm nói lúc đầu: bạn thấy developer bắt đầu làm việc theo vòng lặp (loop). Thay vì tự viết từng dòng code, bạn đang chỉ đạo, có lúc là cả một tổ chức gồm nhiều Claude, làm việc thay bạn. Và việc của bạn là bảo đảm rằng dù không tự làm từng đơn vị công việc, bạn đã tạo ra một hệ thống mà cảm giác như là phần mở rộng của chính bạn (theo Dan, video đăng ngày 06/10/2026).

Anh kể anh đã nghĩ về từ ngữ cho chuyện này. Anh nghĩ một từ là "fidelity": agent có fidelity (độ trung thành) với điều bạn muốn, điều bạn quan tâm, để bạn không phải nhúng tay vào từng việc một. Theo Dan (video đăng ngày 06/10/2026), điều đó đang bắt đầu đúng với cách làm programming. Anh nói thêm: tất nhiên, với tất cả những chuyện bảo mật đang diễn ra, đôi khi điều đó không đúng, và đó là một chuyện thú vị. Nó cũng là thứ mà benchmark không đo tốt lắm, vì theo định nghĩa benchmark mang tính chung chung hơn; chúng không nói về bạn và điều bạn muốn.

Nhưng anh nghĩ trong khoảng một năm tới, để knowledge work có được bước nhảy tiếp theo, chúng ta sẽ phải làm ra những agent có fidelity với điều bạn muốn và điều bạn quan tâm. Anh nghĩ điều đó sẽ mở ra cho từng knowledge worker cùng một thứ đang thấy trong coding: bạn tự rút mình ra khỏi vòng lặp (out of the loop), bạn làm việc trên vòng lặp (on the loop), làm việc trên hệ thống, và bảo đảm hệ thống vận hành đúng theo điều bạn quan tâm, taste của bạn, tầm nhìn của bạn (theo Dan, video đăng ngày 06/10/2026).

Hướng Dan nghĩ knowledge work sẽ đi trong khoảng một năm tới (video đăng ngày 06/10/2026): rút mình khỏi vòng lặp, làm việc trên vòng lặp, và chỉ can thiệp ở một số thời điểm.

Theo Dan, bạn can thiệp vào một số thời điểm, giống như một người quản lý, để bảo đảm mọi thứ đi đúng hướng. Điều đó, theo anh, sẽ cho phép: thứ nhất, bạn với tư cách một cá nhân làm được nhiều hơn hẳn trước đây; thứ hai, người khác, dù trong tổ chức của bạn hay là khách hàng của bạn, dùng được điều đó, dùng taste của bạn, làm mọi việc giống như bạn sẽ làm mà không chiếm thêm thời gian của bạn (video đăng ngày 06/10/2026).

## 15. Every muốn gì từ Anthropic: những thứ nhỏ cho knowledge work, và núm chỉnh tính cách

Katelyn nói điều đó rất hợp lý, rồi hỏi: các anh sẽ cần gì từ phía Anthropic, từ Claude platform, để Every Agent trở thành thứ nó cần trở thành vào lúc đó?

Dan nói chúng ta đang bắt đầu tới điểm mà những bước tăng liên tiếp về trí thông minh của model không nhất thiết được tận dụng hết, kể cả bởi power user (theo Dan, video đăng ngày 06/10/2026). Anh nghĩ thật tuyệt khi có những tiến bộ trong toán học frontier, hay giờ là sinh học, và những thứ đó cực kỳ quan trọng. Nhưng anh không muốn Anthropic quên mất "chúng tôi, những knowledge worker", vì anh thật lòng nghĩ rằng ngay cả khi những bước tiến ở các lĩnh vực kia đang diễn ra, vẫn còn rất nhiều "quả thấp dễ hái" trong knowledge work.

Kiểu như khi anh nhận câu trả lời từ Claude: anh có hiểu nó không? Nó có nhắc tới những thứ ở đúng trình độ hiểu biết của anh, hay những thứ anh còn nhớ không? Theo Dan (video đăng ngày 06/10/2026), tất cả những điều nhỏ đó cực kỳ quan trọng để làm ra một công cụ mà người ta dùng mỗi ngày, và anh nghĩ phía Anthropic sẽ cải thiện ở những chiều đó. Anh kỳ vọng nếu làm được, sẽ có rất nhiều thứ nữa mở ra, giúp knowledge worker làm được nhiều việc hơn.

Katelyn đồng ý: đúng vậy, đó là trí thông minh, nhưng cũng là tốc độ, chi phí và tất cả những thứ như vậy (video đăng ngày 06/10/2026).

![Willie Williams cận cảnh đang nói](https://homus.dev/photos/z7cNbsr3b5s-3029.jpg)

Willie nói về personality design và nhu cầu có những núm chỉnh tính cách cho agent (video đăng ngày 06/10/2026).

Willie nói anh định nhắc tới tính cách (personality). Nhóm suy nghĩ và làm rất nhiều về personality design. Riêng với Every, vì nhóm đứng giữa managed agents và người dùng của mình, câu hỏi là làm sao giữ tính cách vừa nhất quán, vừa cấu hình được? Anh hỏi có công cụ nào, hay vài núm chỉnh nhỏ nào mà nhóm có thể vặn kiểu: một khách hàng thật sự muốn một tính cách quyết liệt (aggressive), một khách hàng khác thật sự muốn một tính cách kiên nhẫn (patient). Theo Willie (video đăng ngày 06/10/2026), nhu cầu này "very standard", trong cách nhóm có thể chỉnh Claude thành như vậy.

Katelyn nói chị háo hức quay về kể với team và bàn về các tham số API mới: "personality aggression" (video đăng ngày 06/10/2026).

## 16. Hot take của Dan và những khoảnh khắc vui với agent

Katelyn hỏi: hot take của các anh là gì?

Dan nói hot take nhất của anh là: có đủ thứ thảo luận về việc AI đang thay đổi công việc thế nào, và đủ thứ nỗi sợ rằng nó sẽ làm công việc biến mất hoàn toàn. Theo trải nghiệm của anh, hay của cả nhóm, anh coi Every như một "bellwether" nhỏ (một chỉ báo sớm) cho việc knowledge work có thể thay đổi ra sao, vì ai ở đó cũng đang cố dùng agent càng nhiều càng tốt để làm được càng nhiều việc càng tốt. Và điều nhóm thấy là: càng dùng agent nhiều, càng có nhiều việc để làm (theo Dan, video đăng ngày 06/10/2026).

![Dan Shipper đang nói, Katelyn quay lưng ở bên trái](https://homus.dev/photos/z7cNbsr3b5s-3103.jpg)

Dan nói hot take của mình (video đăng ngày 06/10/2026): càng dùng agent nhiều, càng có nhiều việc để làm.

Anh nói chắc chắn công việc sẽ thay đổi, và chắc chắn cách chuyện này diễn ra ở những phần khác nhau của nền kinh tế, ở những công ty khác nhau, sẽ khác nhau. Nhưng anh nghĩ đó là một sự thật chung: khi bạn chạm tới đường chân trời này của công việc, bạn tưởng phía sau sẽ chẳng còn gì, nhưng thật ra nó mở ra cả một đường chân trời mới trước mặt. Theo Dan (video đăng ngày 06/10/2026), điều đó cho mọi người cơ hội làm việc tốt hơn, chất lượng cao hơn, và mang đúng dấu ấn của họ. Tự động hóa công việc không có nghĩa là nó được làm một cách máy móc, hay bạn hoàn toàn không để tâm tới nó; nó chỉ có nghĩa là chỗ bạn làm việc trong hệ thống đã thay đổi.

Katelyn hỏi câu vui cuối cùng. Chị nghĩ nhiều người có những khoảnh khắc "magic" vui vẻ đôi khi cảm thấy khi làm việc với agent, và chúng có thể rất mạnh. Một khoảnh khắc chị thích: emoji chị thích dùng nhất là trái tim màu xanh dương. Có lần chị đang làm việc với Claude, và Claude xuất hiện, thả một trái tim xanh dương vào một tin nhắn của chị. Chị kiểu: "whoa, sao Claude biết?" (chuyện Katelyn kể trong video đăng ngày 06/10/2026) Chị tò mò với Every Agent thì đâu là khoảnh khắc "magic" vui nhất mà hai anh đã trải qua.

Willie kể một chuyện liên quan tới CEO của Every. Mọi người nói kiểu: "ôi, lỗi của tôi, tôi làm hỏng chuyện này rồi. Every, nhắc tôi là tôi nợ Dan một cốc bia vì chuyện này." Và thỉnh thoảng agent sẽ chèn chuyện đó trở lại, đúng vào cuộc trò chuyện phù hợp, kiểu: "à đúng rồi, nhớ lần Dan giúp bạn không, bạn đã đòi lại cốc bia đó chưa?" (chuyện Willie kể trong video đăng ngày 06/10/2026).

Dan kể một chuyện khác: người phụ trách website của Every viết những thông báo rất, rất buồn cười, viết toàn chữ in hoa, kiểu "bạn phải bật xác thực hai lớp cho tất cả các tài khoản" hay đại loại vậy, và anh ấy bỏ nhiều thời gian để làm chúng thật buồn cười. Dan làm một skill kiểu: cho Every Agent viết thông báo bằng giọng của anh ấy. Giờ mọi người dùng skill thông báo đó để viết tất cả thông báo của mình. Dan nói thấy nó cứ thế chạy được thì rất thích (chuyện Dan kể trong video đăng ngày 06/10/2026).

![Katelyn cười, Dan đang nói và đưa tay ra, Willie ngồi chống cằm ở phía trước](https://homus.dev/photos/z7cNbsr3b5s-3321.jpg)

Dan kể về skill viết thông báo theo giọng người phụ trách website của Every; Katelyn và Willie cùng nghe.

Katelyn nói: tội nghiệp anh ấy. Rồi chị nói chị háo hức chờ ngày Every Agent đặt bia cho hai anh để trả món nợ. Chị nói cuộc trò chuyện rất tuyệt và cảm ơn hai người đã dành thời gian. Có tiếng cảm ơn đáp lại, và Willie nói: "Cảm ơn rất nhiều."

## Nguồn và liên kết

- Tên gốc: Building secure agents for knowledge work
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=z7cNbsr3b5s](https://www.youtube.com/watch?v=z7cNbsr3b5s)

- Kênh YouTube Claude (Katelyn Lesse, với Dan Shipper và Willie Williams): [youtube.com/channel/UCV03SRZXJEz-hchIAogeJOg](https://www.youtube.com/channel/UCV03SRZXJEz-hchIAogeJOg)

- Claude Managed Agents overview, trang tài liệu được dẫn trong phần mô tả video; trang này mô tả Managed Agents là một agent harness dựng sẵn, cấu hình được, chạy trên hạ tầng được quản lý, xoay quanh bốn khái niệm agent, environment, session và events (đọc ngày 21/11/2026): [platform.claude.com/docs/en/managed-agents/overview](https://platform.claude.com/docs/en/managed-agents/overview)

- OpenClaw, trợ lý AI mã nguồn mở mà Dan nhắc tới khi kể Every Agent bắt đầu từ đâu; trang chủ tự giới thiệu là trợ lý chạy trên máy của bạn và làm việc qua WhatsApp, Telegram hay các ứng dụng chat (đọc ngày 21/11/2026): [openclaw.ai](https://openclaw.ai)

Nguồn: https://homus.dev/talks/building-secure-agents-for-knowledge-work · cập nhật 2026-11-21
