Build với AI PRD: viết yêu cầu sao cho AI hiểu
Matt Maher so sánh PRD truyền thống với AI PRD, demo prompt thô và PRD trên game match-3, rồi giới thiệu meta PRD để chia dự án lớn thành phase.
✓ Đã duyệt độc lập · cập nhật 12/11/2026 · 25 min
1. Vì sao cùng một kiểu yêu cầu, lúc ra tốt lúc ra dở
Matt Maher mở đầu bằng một câu hỏi quen với người hay nhờ model viết code: có khi bạn chỉ gõ vài dòng, có khi bạn nói hẳn một tràng nhiều đoạn văn, và kết quả trả về lúc thì chạy khá ổn, lúc thì không ổn chút nào. Chuyện đó là sao, và quan trọng hơn, có cách nào để nó ổn hơn không (video đăng ngày 19/08/2025)?
Theo anh (video đăng ngày 19/08/2025), điều quan trọng nhất trong cả câu chuyện là thứ bạn gửi vào model. Prompt của bạn là cả thế giới của model. Model được train để không làm gì khác ngoài phục vụ đúng yêu cầu đó.
Nhìn qua lăng kính ấy, anh cho rằng (video đăng ngày 19/08/2025) chẳng có gì lạ khi bạn gửi vào quá ít thông tin thì model sẽ tự bịa ra phần thiếu. Còn nếu gửi vào quá nhiều, nó cố phục vụ mọi phần của yêu cầu và bị rối. Video này muốn sửa chuyện đó bằng cách dạy một chút về cách đổi điều bạn nói với model, dùng một PRD. Theo anh, đó là một định dạng đơn giản, về cơ bản là cách bạn gửi yêu cầu vào và gửi vào những gì. Nó thật sự sẽ đổi được output bạn nhận từ các model, và các model sẽ bắt đầu bám theo đúng thứ bạn đang yêu cầu.
2. PRD truyền thống: tài liệu "what", không phải "how"
Để có chút nền, Matt bắt đầu từ định nghĩa truyền thống: PRD là product requirements document, tài liệu yêu cầu sản phẩm. Anh nói bạn không nhất thiết phải thuộc các thuật ngữ này. Nhưng theo anh, thời điểm video đăng ngày 19/08/2025, PRD đang được chú ý nhiều tới mức nếu bạn nhớ ba chữ cái đó như "tài liệu định nghĩa" để gửi yêu cầu vào một AI, bạn có lẽ sẽ ở thế tốt hơn.
Lý do anh đưa ra (video đăng ngày 19/08/2025): bạn có thể vào ChatGPT và nói "đây là thứ tôi muốn build, hãy cho tôi một PRD", và anh cam đoan kết quả sẽ tốt hơn. Bản PRD mà ChatGPT tạo ra chỉ từ những gì bạn yêu cầu sẽ tốt hơn so với việc bạn cứ yêu cầu đúng những gì bạn vừa yêu cầu. Anh thừa nhận nghe hơi vòng vo, nhưng ý thì chắc ai cũng hiểu.
Theo Matt (video đăng ngày 19/08/2025), PRD không phải tài liệu hướng dẫn cách làm. Nó hoàn toàn không phải tài liệu "how", mà là tài liệu "what". Nó là bộ hướng dẫn: câu chuyện về mục tiêu, các luật và các ranh giới. Nó không nói sẽ dùng công nghệ gì hay bên trong có những cấu trúc gì. Anh nói phần này sẽ đổi hướng một chút khi bàn tới việc phải sửa tài liệu ra sao để làm việc với AI.

3. QuickNotes: một PRD mẫu và lúc các chuyên gia bắt đầu hỏi
Matt kể cách làm truyền thống (video đăng ngày 19/08/2025): bạn gom một nhóm người lại. Một người kiểu product manager bước vào phòng và nói: được rồi, đây là thứ tôi muốn build, tôi muốn nó làm cái này, cái kia. Anh đã nhờ tạo một bản mẫu rất đơn giản cho một ứng dụng tên QuickNotes, một ứng dụng ghi chú gọn nhẹ dành cho người muốn ghi nhanh vài dòng chữ.
Anh đi qua từng phần của bản mẫu (video đăng ngày 19/08/2025). Scope là kích cỡ: ta muốn nó lớn chừng nào, hình dạng nó dừng ở đâu để không phình ra quá xa. Goals and objectives đúng là những điều ta muốn ứng dụng này đạt được, ít nhất là theo định nghĩa này. Rồi tới vài giả định (assumptions). Sau đó là các yêu cầu cứng hơn: ít nhất thì đây là những việc ta biết chắc hệ thống phải làm được. Tài liệu không nói làm thế nào, nhưng người dùng phải tạo được ghi chú, sửa ghi chú, xoá ghi chú, xem các ghi chú và tìm kiếm ghi chú.
Matt nhận xét (video đăng ngày 19/08/2025) rằng tới đây mọi thứ nghe rất đơn điệu. Nhưng thật ra đây là lúc bạn đưa các chuyên gia vào phòng, và cuộc thảo luận thật sự mới bắt đầu. Ai cũng bắt đầu hỏi: khi nói tìm kiếm ghi chú, bạn muốn tìm bằng heuristic nào? Có phải semantic search không? Cần cơ chế gì? Tìm kiếm có yêu cầu về hiệu năng không, sẽ có bao nhiêu ghi chú? Yêu cầu kỹ thuật quanh những chuyện đó là gì? Dữ liệu cần lưu ở đâu, chỉ local thôi sao?
Theo anh (video đăng ngày 19/08/2025), tất cả những câu hỏi đó dần dựng nên tài liệu kỹ thuật từ góc nhìn của kỹ sư, và đó là thứ đội build dựa vào. Ta có được định nghĩa đó bằng việc kiểu như phỏng vấn nhau trong giai đoạn này. Mà kể cả không có buổi phỏng vấn nào, một chuyên gia kỹ thuật vẫn được kỳ vọng tự trả lời được một số câu hỏi bằng best practice, bằng phỏng đoán tốt nhất của mình, hoặc bằng prior art trong lĩnh vực của mình: "ta build theo cách này vì nhiều hệ thống khác trong môi trường của ta cũng build như vậy". Matt nói đó chính là chỗ mọi thứ bắt đầu rẽ nhánh, và anh dừng ở đó.
4. Out of scope, và chỗ AI bắt đầu khác con người
Cuộn xuống, Matt chỉ cho thấy bản mẫu còn vài phần nữa (video đăng ngày 19/08/2025): non-functional requirements, và những gì nằm ngoài scope (out of scope). Theo anh, phần out of scope quan trọng vì nó đặt một guardrail để nói "đừng đi quá xa, ta không yêu cầu bạn build hết chỗ đó, chuyện đó tính sau". Phần này vẫn còn giữ trong loại tài liệu mới mà anh sắp giới thiệu.

Nhưng khi nói tới việc có các chuyên gia trong phòng, những người lập luận được bằng trực giác và bằng kiến thức tích luỹ trong tổ chức (institutional knowledge), Matt cho rằng (video đăng ngày 19/08/2025) đây là chỗ khác biệt lớn xuất hiện. Nếu đưa loại tài liệu này cho AI, nó sẽ chật vật y như khi ta chỉ đưa nó mấy đoạn văn mô tả điều mình muốn. Đó là điểm phân biệt, và cũng là lý do ta phải đưa cho AI một loại PRD mới, thứ anh gọi là AI PRD, hơi khác bản PRD bạn đưa cho một kỹ sư.
Theo Matt (video đăng ngày 19/08/2025), nói chuyện với AI rõ ràng rất khác nói chuyện với người, nhưng vì sao lại thế thì không hẳn hiển nhiên. Nhiều người bắt đầu tin rằng AI nắm bắt được mọi thứ và tự suy ra được bất cứ điều gì nó cần từ cả kho tri thức của Internet. Anh nói thực tế chắc chắn không phải vậy, và đáng để hiểu rõ mọi điều bạn nói với một AI.
Anh nhấn mạnh (video đăng ngày 19/08/2025) điều này đúng với mọi AI, không chỉ chuyện code. Nó đúng với ChatGPT, với những chỗ khác bạn trò chuyện với AI, với mọi yêu cầu bạn gửi vào. Yêu cầu bạn đưa cho AI là thứ quan trọng nhất trên đời đối với nó. Nó biết phần thông tin nó đã được train, cứ tạm coi là Internet, và biết điều bạn hỏi. Nó sẽ dùng hai mẩu thông tin đó và không gì khác.
Matt nói tiếp (video đăng ngày 19/08/2025): model không có phần huấn luyện nào để tự nhủ "để tôi hỏi thêm đã", hay "tôi đã biết đủ để trả lời chưa", hay "người này muốn nói gì". Theo anh, kể cả các reasoning model cũng chưa làm tốt việc đó lắm, chúng không thật sự tra hỏi ý định (intent) trước. Bạn hỏi gì, nó cũng sẽ cố hết sức.
5. "Create Note": kỹ sư sẽ hỏi lại, AI thì không
Matt giải thích (video đăng ngày 19/08/2025) rằng việc cố hết sức để trả lời nằm ngay trong chính sách huấn luyện của model: "chúng tôi muốn bạn đưa ra một câu trả lời". Theo anh, hallucination và nhiều chuyện khác đến từ đó: nó chỉ đang cố hết sức để có câu trả lời. Nếu bạn không đưa đủ context, hoặc nó không có đủ thông tin, nó vẫn sẽ đưa ra một câu trả lời.
Để minh hoạ, anh lấy lại một yêu cầu đã thấy ở trên: tạo một ghi chú. Nghe thì hiển nhiên. Anh đặt yêu cầu này trước một kỹ sư là người và một "kỹ sư AI", và theo anh (video đăng ngày 19/08/2025) cách hai bên tiếp nhận sẽ khác nhau rất nhiều.

Anh đọc từng dòng như một người kỹ sư sẽ đọc (video đăng ngày 19/08/2025). "Người dùng có thể bấm nút New Note để tạo một ghi chú trống": vậy là tôi có khái niệm ghi chú bắt đầu trống, và có một cái nút ghi chữ New Note. Dễ thôi. "Mỗi ghi chú có title và body": được, tôi giả định đó là các thuộc tính, có lẽ là các field thật sự của đối tượng note, và có lẽ đây thành cấu trúc của tôi. Nó không có field nào khác sao? Có lẽ chỉ có chừng đó field. Tài liệu không nói vậy, nhưng tôi sẽ bắt đầu từ ý rằng ta chỉ có chừng đó.
Rồi tới chỗ không biết (video đăng ngày 19/08/2025): ghi chú trống trông thế nào? Nó là một cửa sổ, hay một phần của ứng dụng? Chưa ai nói gì cả. Theo Matt, tới đây một kỹ sư sẽ lập tức đặt câu hỏi. Nếu chỉ được đưa chừng ấy, người kỹ sư sẽ nói "không, tôi chưa đủ để build, tôi không hiểu anh muốn gì". Hệ thống này nằm trong cái gì? Người dùng chỉ bấm được thôi à? Có cách nào khác để mở một ghi chú mới không? Nếu biết nó nằm trong một hệ thống web, thì đó là một trang mới hay một phần của trang? Bạn sẽ nhận đủ mọi câu hỏi hiển nhiên đó, còn AI thì không hỏi những câu ấy.
Matt nói (video đăng ngày 19/08/2025) đó chính là gợi ý cho thấy vì sao điều bạn cần nói với AI khác điều bạn cần nói với một kỹ sư. Theo anh, cách ta từng truyền đạt thông tin, như một PRD, không còn dùng được nữa. Ta phải làm thêm một chút, không nhiều, nhưng nó thật sự là một bước xoay trong điều ta kỳ vọng thấy ở tài liệu yêu cầu đầu tiên.
6. Context: đủ để AI biết phải nhìn vào đâu
Matt thừa nhận anh đang đi khá sâu vào phần kỹ thuật bên trong các tài liệu này, nhưng theo anh (video đăng ngày 19/08/2025) đây thật ra là thông tin nền tảng. Anh bảo hãy quên chuyện anh đang nói về code, chỉ nghĩ tới AI. Khi bạn hỏi AI một câu, tất cả những gì nó biết là điều bạn đã nói với nó. Nếu bạn tới một AI "lạnh" (cold AI), chưa biết gì về bạn, và hỏi "tôi bao nhiêu tuổi?", nó sẽ trả lời thế nào? Anh không đi vào chuyện nó thật sự có thể trả lời ra sao, nhưng ý thì ai cũng hiểu.
Theo Matt (video đăng ngày 19/08/2025), context mà mọi người vẫn hay nói tới cực kỳ quan trọng ở đây. Đôi khi bạn không thể đưa nó trọn vẹn context. Nếu anh có một ứng dụng đầy đủ ở đâu đó và chỉ muốn thêm một nút mới, anh không thể nạp hết cả ứng dụng vào rồi bảo "hãy hiểu trọn ứng dụng này để đổi cái nút". Như vậy có lẽ là quá nhiều.
Điều anh cần nói (video đăng ngày 19/08/2025) là kiểu: bạn đang ở trong phần này của một trang; trang này làm những việc này; điều tôi cần bạn để tâm là thêm một nút ở đây, giống những nút bạn thấy ở chỗ kia, vân vân. Bạn đưa nó đủ context để nó biết phải nhìn vào đâu.
Theo anh (video đăng ngày 19/08/2025), một kỹ sư là người đã tự làm việc đó theo trực giác. Người kỹ sư hoặc biết prior art, hoặc biết gọi ai để hỏi prior art là gì, hoặc biết cách tự tìm hiểu. AI thì không làm như vậy, và Matt nói thẳng: đó là toàn bộ sự khác biệt. Từ đây anh chuyển sang xem làm sao đi từ một PRD truyền thống tới AI PRD mới: cần gì, khác gì.
7. AI PRD có gì mới: thêm context, guardrail chặt hơn, scope nhỏ hơn
Trước khi cho xem các PRD chạy thật, Matt nói về những gì nằm bên trong chúng, và theo anh (video đăng ngày 19/08/2025) đây có lẽ là phần quan trọng nhất của mọi thứ đang bàn. Anh nhắc lại rằng đây là nền tảng: anh không dạy gì riêng cho code cả. Theo anh, mọi điều học ở đây sẽ còn dùng được lâu dài, trong hầu hết môi trường và bối cảnh.
Matt cho rằng (video đăng ngày 19/08/2025) hiểu được AI hiểu hay nghĩ gì về input bạn đưa vào mới tạo ra mọi khác biệt. Bạn sẽ nghe những cụm như context engineering, và theo anh đó đúng là điều đang bàn: làm sao đưa đúng lượng thông tin để biết chắc nó sẽ ở trong khuôn khổ ta đặt ra, mà vẫn sáng tạo được như ta muốn.

Ba điểm mới của AI PRD theo Matt (video đăng ngày 19/08/2025): thêm context, như vừa bàn; guardrail chặt hơn, về cơ bản là ở yên trong ranh giới; và scope nhỏ hơn. Anh nói sẽ quay lại phần scope nhỏ sau khi đi hết mục này và cho xem vài bản build.
8. Các phần của một AI PRD, và đừng chi tiết quá sớm
Về scope nhỏ, Matt nói ngắn (video đăng ngày 19/08/2025): nó rất quan trọng, và về cơ bản là đừng nạp cho model mọi thứ bạn nghĩ ra được trong một lần. Theo anh, làm vậy thì nó dễ bị rối và đi chệch hướng hơn nhiều.
Rồi anh lướt qua hình dạng một AI PRD (video đăng ngày 19/08/2025). Mục tiêu (objective) của cả tài liệu là nói cho model bạn muốn gì: lý do vì sao ta đang cố đạt điều đó, và hệ thống này làm gì. Tiếp theo là input nào có thể có, output nào có thể có, các hành vi và luật (behaviors and rules) là gì, và có những ví dụ (examples) nào. Theo anh, AI xử lý ví dụ cực kỳ tốt, nên có ví dụ thì cứ đưa vào, nó thật sự tạo khác biệt.

Nhưng Matt muốn lưu ý một điều (video đăng ngày 19/08/2025): đây không phải chuyện lập một danh sách đầy đủ mọi thứ bạn muốn. Ở PRD đầu tiên, khi bạn đang cố cho cấu trúc cơ bản chạy và build ra phần lớn tính năng, bạn không cần nói kiểu "khi rê chuột lên, tôi muốn viền xanh lá chuyển sang nâu, kiểu animate theo vòng tròn, và tôi muốn border radius đổi từ 0.5 sang 0.7". Theo anh, thứ đó không thuộc tài liệu này. Nếu đang làm vậy thì bạn đang đưa quá nhiều chi tiết quá sớm.
Theo Matt (video đăng ngày 19/08/2025), chỉ cần bỏ bớt mức chi tiết đó khỏi những gì bạn yêu cầu, và hỏi theo từng phase, kiểu "phase một, tôi hỏi về ứng dụng cơ bản, về hệ thống cơ bản tôi đang build", là bạn đã thành công hơn rất nhiều.
Điều cuối anh muốn nhắc ở phần này (video đăng ngày 19/08/2025) là các edge case, nếu có thì nên ghi ra. Theo anh, AI PRD đang dựng thật ra là để mô tả những điều quan trọng model cần biết trong lúc build. Nếu nó cần kiểm soát vài chuyện, ví dụ "bạn không được gọi API này quá một lần mỗi phút", thì điều đó đi vào PRD. Nghe như một chi tiết kỹ thuật, nhưng khi build với một hệ thống AI, nó sẽ không hỏi câu hỏi tiếp theo ấy. Nên bạn cần nói: cẩn thận, chỉ được gọi cái này một lần mỗi phút, hoặc mọi lời gọi phải trả về trong dưới 200 mili giây. Matt nói model sẽ không tự có trực giác đó, nên đừng trông đợi nó tự làm. Đó là thứ thuộc về PRD.
9. Edge case, cách tự đánh giá và vùng được sáng tạo
Phần tiếp theo trong AI PRD theo Matt (video đăng ngày 19/08/2025) là cách đánh giá (evaluation): một cách nào đó để model tự phán xem nó đã đạt yêu cầu chưa. Anh nói phần này thật ra khá quan trọng.
Rồi tới các ranh giới (boundaries), kiểu "bạn được làm cái này và cái này". Matt nói (video đăng ngày 19/08/2025) ở đây bạn cũng có thể viết "cứ thoải mái khám phá trong vùng này; tôi chưa có ý tưởng hay cho cái tile, cứ chơi một chút, sáng tạo một chút". Theo anh, những điều đó thật sự có tác dụng với model.

Theo Matt (video đăng ngày 19/08/2025), giữ model đúng việc và nói rõ cụ thể điều bạn cần, chứ không phải mọi suy nghĩ kiểu "có lẽ nó làm cái này, có lẽ nó làm cái kia", thì bạn nhận được kết quả tốt hơn nhiều. Rồi anh chuyển sang cho xem cách này chạy thật.
10. Demo 1: một prompt thô cho game match-3
Matt có hai ví dụ (demo trong video đăng ngày 19/08/2025). Ví dụ đầu là một input thô: anh nói thành tiếng vào micro điều anh muốn tạo, một game match-3 gọn trong một file, lưới gem, đổi chỗ hai ô kề nhau. Anh nói ai cũng biết kiểu game trượt ô cho các gem khớp nhau; thêm bom, gem cầu vồng, xoá cả hàng hay cả cột, khớp càng nhiều thì hiệu ứng càng đã. Đó là yêu cầu duy nhất anh đưa vào, và anh để ChatGPT build.
Prompt trong khung chat (demo trong video đăng ngày 19/08/2025):
I want a slick, single-file Match-3 game: a grid of gems where you swap two adjacent pieces to make lines of three or more; matches clear, new gems fall, and cascades chain. It should feel juicy—snappy animations, little screenshakes, and tasteful sound effects. Add a few special gems (row/column clears, bombs, rainbow wild) that appear from bigger matches and trigger satisfying effects. Give me a light meta-game: score, combo multiplier, and a short level timer so there's pressure to finish the target score before time runs out.

Matt nhấn mạnh (demo trong video đăng ngày 19/08/2025) mọi thứ đang xem là một lượt duy nhất: ChatGPT nhận prompt này và build. Kết quả là một game chạy được thật. Nó có đồng hồ đếm ngược, một trong các yêu cầu. Anh phải chọn hai ô; đáng chú ý là không trượt ô được, dù prompt có nhắc. Chọn hai gem xong thì các ô rơi xuống và xoá theo chuỗi như mong đợi. Anh thử tạo thêm một cascade, lần đầu không được, rồi được.

Theo Matt (demo trong video đăng ngày 19/08/2025), game này chạy được, có lẽ kém hấp dẫn hơn điều ta muốn, nhưng chắc chắn đạt mức một game gem mà bạn xoá được các ô. Có điều khi đồng hồ về 0, game không có màn kết thúc hay bất cứ thứ gì bạn có thể trông đợi. Anh giải thích: thông tin đưa vào prompt không hề nói gì về việc phải làm gì ở cuối, về chuyện có điểm bắt đầu, điểm kết thúc hay chơi lại. Nên model không tự suy ra những thứ đó. Theo anh, bạn không thể trông đợi nó lúc nào cũng tự nghĩ ra các chi tiết này; nếu đó là chi tiết bạn quan tâm thì chúng thuộc về PRD.
11. Demo 2: biến prompt thành PRD rồi build lại
Để công bằng, Matt cho xem anh đã làm việc đó ra sao (demo trong video đăng ngày 19/08/2025). Điểm bắt đầu là anh nói vào khung chat. Anh thừa nhận phần anh trình bày lúc nãy như là lời anh nói thì chưa hẳn đúng: anh đã nói vào đây đại ý thứ anh muốn build, rồi bảo ChatGPT trả về hai thứ. Một là bản thô dạng lời nói mà anh đọc to lên được, chính là bản vừa xem. Hai là một PRD cho nó. Anh không cần nó mang tính kỹ thuật, cũng không cần bản rút gọn; anh cần một AI PRD như đang bàn, có đủ định nghĩa quanh những điều ta muốn xảy ra và những điều ta không muốn xảy ra, chừa đủ không gian, một "surface area" cho LLM build và sáng tạo. Anh nói thêm rằng công cụ chuyển giọng nói thành chữ của anh dạo này hơi trục trặc.
Tin nhắn anh gửi, như trong khung chat (demo trong video đăng ngày 19/08/2025):
Okay, so here's what I'm looking for. I'm looking for kind of what I just described as the raw description that I might ask for. And what I've just given you is pretty simple. If you want to simplify and clean it so that I can read it, that'd be helpful. But then after that, I think I need a relatively detailed Held PRD for it. I don't need a simplified PRD. I don't need it to be technical. I need it to be kind of an AI PRD like we've been discussing, where we give enough definition around things that we want to occur and a definition around things we. don't want to occur who leave just enough surface area for the LLM while building to create.

Đó là bản lời nói anh đã trình bày, và ChatGPT cũng trả về PRD; anh chỉ chép PRD đó sang (demo trong video đăng ngày 19/08/2025). Theo Matt, đây là một PRD khá tốt. Nó có khá đủ những thứ đang bàn: có success criteria, có phần chừa không gian cho sáng tạo, đúng như anh nói trước đó.
Một đoạn của PRD mà ChatGPT viết, mục kỹ thuật và mục non-scope/guardrails (demo trong video đăng ngày 19/08/2025):
• Tech • Single HTML file; assets inline (SVG/CSS) or base64; tiny SFX as data URIs. • No external network calls at runtime. CDN for libs is acceptable but not required. 3) Non-scope / guardrails • No ads, accounts, leaderboards, or backend. • No paywalls or stores. • Don't introduce blockers requiring internet access. • Keep logic deterministic enough that no-start boards (no possible moves) are reshuffled automatically without scoring.
Với bản lớn này, Matt thả cả PRD dài vào ChatGPT và chỉ nói "please build this" (demo trong video đăng ngày 19/08/2025). Nó build ra một tài liệu, tất nhiên là khá đồ sộ; anh nói đó không phải cách nên làm những việc này. Nhưng khi chạy lên, ta có một thứ trông khác hẳn, kèm hiệu ứng âm thanh mà người xem có lẽ không nghe được.

Theo Matt (demo trong video đăng ngày 19/08/2025), đây kiểu như một phiên bản hoàn chỉnh của ứng dụng. Anh thấy nó thật ra khá tốt, chơi khá vui, khá gây nghiện, rồi xin lỗi vì mải chơi. Anh nói đó chính là đường đi từ một prompt đơn giản tới một PRD.
12. Khi một PRD quá dày: chia thành phase
Matt kể (demo trong video đăng ngày 19/08/2025) anh không làm gì nhiều ngoài việc kiểm tra những gì trong PRD đúng là điều mình muốn. Lần này anh không phải sửa gì; anh để nguyên xem nó nghĩ ra được gì. Theo anh, nó làm rất tốt, và model dễ đi tới một lời giải như vậy hơn nhiều so với việc tự đưa ra mọi quyết định, bị lạc rồi trả về một output rất đơn giản. Đó là khác biệt thật sự giữa dùng và không dùng PRD.
Lời khuyên tối thiểu của Matt (video đăng ngày 19/08/2025): ít nhất thì lấy prompt của bạn, đưa vào ChatGPT, bảo "cho tôi một PRD", rồi build bằng PRD đó.
Bước cuối, theo lời anh là khá mới và do anh tự nghĩ ra (video đăng ngày 19/08/2025). Anh cho xem một sơ đồ định nghĩa những gì có thể nằm trong một PRD, và nhìn vào thì nó khá dày. Có rất nhiều mối quan tâm cùng lúc: authentication lẫn với mô hình hoá database, việc database và các lớp API. Từng cặp riêng lẻ ghép với nhau thì có thể ổn. Nhưng ở đây tất cả còn gộp chung với mọi vấn đề front end, tìm kiếm, testing, polish và đủ thứ khác bạn có thể đưa vào một ứng dụng.

Theo Matt (video đăng ngày 19/08/2025), phần lớn mọi người, phần lớn các architect nhìn vào sẽ nói đây là miếng quá to cho bất kỳ một tài liệu nào, chưa nói tới một lần làm. Nên làm hết trong một lần không hợp lý lắm. Anh nói ý tưởng này không mới, anh không phát minh lại thế giới; anh chỉ giới thiệu thêm một tài liệu. Theo anh, cách tốt nhất để làm những việc này hiệu quả là dừng ở vài điểm, nhìn lại, đánh giá, bảo đảm vẫn đúng hướng, và đó là quy trình bình thường của phát triển phần mềm.
Vì vậy anh đề xuất (video đăng ngày 19/08/2025) chia việc thành các phase rồi có một tài liệu điều phối. Các tài liệu phase trông khá giống những AI PRD vừa học, chỉ nhỏ hơn một chút, điều không có gì bất ngờ. Mỗi cái xử lý ít thông tin hơn, và nhờ vậy bạn có thể đặt test hay vài kiểu kiểm soát quanh nó. Có thể chỉ là một bước human in the loop ở cuối phase một, khi build PRD cấu trúc nền: để anh vào bấm thử xem nó có chạy không, rồi mới chuyển sang PRD tiếp theo.
13. Meta PRD: tài liệu điều phối đi kèm mọi phase
Theo Matt (video đăng ngày 19/08/2025), nội dung bên trong PRD phase một thì ổn; build riêng phase một không khó. Build phase hai mới hơi khó: phase hai không biết phase một đã được build. Đó là chỗ mẹo nhỏ này vào cuộc, và là thứ anh gọi là meta PRD.
Meta PRD, theo anh (video đăng ngày 19/08/2025), là một tài liệu điều phối, hay một tài liệu "bộ nhớ" nằm đó, giữ thông tin mà mọi phase đều cần. Ví dụ: phase một ta sẽ build những thứ này, phase hai build những thứ này, phase ba build những thứ này. Lý do điều đó quan trọng: khi đang build phase hai mà không biết gì về tài liệu phase ba, ta không muốn agent thò tay sang phần việc của phase kia, tự nhủ "để tôi thêm testing quanh chỗ này, để tôi tính cách deploy". Ta muốn nó có chính kiến theo kiểu nhìn lại và biết "à, đã có người làm xong user authentication rồi, tôi không được làm việc đó".
Matt mô tả các chỉ dẫn trong meta PRD (video đăng ngày 19/08/2025): đang ở phase nào thì ở yên trong phase đó; đừng thò vào thông tin của các phase khác, nhưng phải biết các phase đó cần gì. Cũng có thể có chỉ dẫn về stub. Ví dụ phase một có thể thật sự cần một màn hình để thử xem mọi thứ ổn không. Chỉ dẫn sẽ nói: nếu cần build stub thì cứ build, và để comment ghi rằng đây là bản stub của trang này, không dùng cho production. Rồi sang phase hai, model sẽ thấy điều đó và gỡ nó ra. Bạn cũng có thể thêm chỉ dẫn "đi dọn những thứ là stub, cứ thoải mái gỡ khi cần".
Một điểm anh nói rõ (video đăng ngày 19/08/2025): khi build phase hai, bạn gửi kèm meta PRD. Mỗi lần gửi các tài liệu khác, bạn đều gửi file này theo.
Matt nói anh dừng ở đó và sẽ cho xem nhanh một meta PRD có thể trông thế nào, chỉ về mặt cấu trúc, để nếu bạn có một dự án lớn thì biết đây là một cách làm (video đăng ngày 19/08/2025).
14. Xem một meta PRD thật: YouTube Channel Viewer
Bước cuối là cho xem rất ngắn một meta AI PRD mà Matt đã tạo cho một ứng dụng anh đang build, để thấy nó trông thế nào khi dùng thật (video đăng ngày 19/08/2025). Trước khi mở, anh nói rõ: chia nhỏ mọi thứ thành những phần cực nhỏ không phải lúc nào cũng là cách làm tốt nhất, và anh không muốn bảo bạn phải làm kiểu meta AI PRD này.
Nếu có một điều để mang về từ video, theo Matt (video đăng ngày 19/08/2025), đó là hiểu PRD. Mà PRD cũng không quan trọng bằng việc nói rõ ràng hơn, nói với AI mọi thứ bạn cần nói. Nhưng nếu bạn có một bài toán tương đối phức tạp mà build trong một lượt có lẽ sẽ trật đường ray, thì bạn chắc chắn muốn build theo từng phần. Có thể bạn đã làm vậy rồi: "tôi build architecture trước, kiểm tra, rồi build các trang". Theo anh, như vậy là ổn. Điều cách này làm thêm là cho bạn làm tất cả trong một lần, và giữ một lớp thông tin điều hành, một kiểu bộ nhớ bao trùm, trong meta PRD.
Anh lướt qua file meta_prd.md (video đăng ngày 19/08/2025). Trên cùng là tiêu đề "Meta-PRD: YouTube Channel Viewer Application" và mục Purpose, phần "vì sao": ứng dụng cho người dùng xem số liệu tổng của kênh, theo dõi các video gần đây, chụp lại và so sánh mức thay đổi (delta) giữa các lần ghé, lưu lịch sử kênh ở local, và có hiệu ứng ăn mừng khi số liệu đổi. Tiếp theo là mục 5. Phases, chính các phase cụ thể: PRD1 Foundations, PRD2 Delta Capture & Storage, PRD3 Delta Visualization & Celebration Layer, PRD4 Advanced Features & Refinements. Theo anh, đây là điều anh nói lúc nãy: khi đang ở phase ba, nó sẽ biết phase bốn đang làm gì.
Rồi anh mở tài liệu phase hai, prd_2_delta_capture.md (video đăng ngày 19/08/2025). Phase một coi như đã được giao xong; ta gửi hai tài liệu này và bảo "build". Tài liệu nói mục đích của phase là gì, đang build cái gì, các thứ nằm trong scope của phase này (In-Scope Features), và các thứ không được build trong phase này (Out-of-Scope Features), phần mà anh nói cũng quan trọng không kém. Tiếp đó là vài placeholder mà model có thể cần chú ý, cần tạo ra hay cần gỡ đi, phần định nghĩa user flow của chính cấu trúc, các deliverable, và một mục "Handoff Contract".
Một đoạn của mục Handoff Contract trong file phase hai (video đăng ngày 19/08/2025):
Handoff Contract For PRD3: • Replace animateCelebration() with animated delta display (count-ups, playful visuals). • Replace multiPeriodDeltaUI with real multi-period delta navigation. • Respect Meta-PRD Replacement Rule (no duplication of placeholders).
Matt nói anh chỉ muốn cho thấy nó được dựng theo cách này. Theo anh (video đăng ngày 19/08/2025), nó thật ra chạy khá tốt, nhưng chắc chắn không hoàn hảo.
15. Custom GPT "Meta AI PRD" và file định nghĩa trên GitHub
Matt đã tạo một custom GPT tên "Meta AI PRD", với dòng mô tả "Create AI PRD documents in phases" (video đăng ngày 19/08/2025). Trong video, anh bấm nút mẫu "Design a sample Todo app" và cho xem ứng dụng to-do được định nghĩa ra sao. Kết quả là meta PRD, tài liệu bao trùm như đã bàn; nó chia việc thành năm phase cùng cả loạt luật, rồi tới PRD đầu tiên, vân vân (demo trong video đăng ngày 19/08/2025).

Cách thứ hai anh chia sẻ là một repo trên GitHub chứa tài liệu này (video đăng ngày 19/08/2025). Anh mở file meta_ai_prd_definition.md, tiêu đề "Meta-AI PRD Definition Document", và chỉ vào nút tải file. Anh nói ít nhất đó là một khởi đầu tốt cho câu hỏi "làm sao tạo ra một thứ lớn hơn nhiều". Anh cũng nói custom GPT không làm gì khác ngoài dùng chính tài liệu này.
Matt nói (video đăng ngày 19/08/2025) cách này đang chạy tốt với anh, nhưng hơn thế, anh muốn nhấn mạnh rằng chia nhỏ việc chắc chắn giúp ích với những thứ lớn, đừng bỏ qua điều đó. Kể cả khi tự làm, bạn không cần dùng thứ gì cầu kỳ như thế này; theo anh, thứ này có lẽ sẽ hỏng thường xuyên hơn cách bạn tự làm. Nên đừng nghĩ đây là bí kíp.
16. Kết: vẫn là chuyện context
Matt tóm lại phần vừa đi qua là một vòng nhanh qua ý tưởng ghép PRD và những gì quan trọng (video đăng ngày 19/08/2025). Như anh nói nhiều lần, theo anh, rốt cuộc đó là chuyện context: đưa vào bao nhiêu. Đừng đưa quá nhiều, đừng đưa quá ít. Anh thừa nhận chuyện đó chủ quan tới mức anh không thể hướng dẫn cụ thể; bạn sẽ dần có cảm nhận về nó.
Theo Matt (video đăng ngày 19/08/2025), nếu mỗi lần build nhỏ hơn, chia phase hay làm gì đó tương tự, thì khi nó trật đường ray bạn sẽ biết PRD của mình chưa đủ tốt. Bạn chỉnh, thử lại, và không mất quá nhiều thời gian, kiểu chờ 45 phút để đi tới cuối rồi thấy nó không làm gì như bạn muốn.
Anh cho rằng (video đăng ngày 19/08/2025) khái niệm meta PRD có triển vọng, nhưng nó dành cho những dự án lớn hơn nhiều, hoặc khi bạn thật sự có cách chia phase hợp lý. Còn bất kỳ yêu cầu nào bạn đưa vào, nhất là để build, đều sẽ được lợi khi có khái niệm PRD bao quanh. Anh mong video giúp được một chút, và cảm ơn mọi người đã đi cùng anh trong video này.
Nguồn và liên kết 5 nguồn
- Tên gốc: Building With AI PRDs Is a Game Changer
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=j0yyNQ5eTSk youtube.com
- Kênh YouTube Matt Maher (Matt Maher): youtube.com/channel/UC6-EGajbNF0DPD9AJ8oQC1A youtube.com
- File "Meta-AI PRD Definition Document" trong repo meta_ai_prd mà Matt mở trong video; file mô tả meta PRD và các phase PRD, chuỗi thẩm quyền và các luật Naming, Replacement, Deprecation Comments (đọc ngày 12/11/2026): meta_ai_prd_definition.md trên GitHub github.com


