# Context engineering: đừng đổ raw file vào agent

[Tess](https://homus.dev/speakers/tess) · [Tess](https://homus.dev/orgs/tess)

> Vì sao đổ PDF thô vào knowledge base làm agent kém và tốn, và cách biến chúng thành context file viết theo title và description.

Topics: Context Engineering, Agents, Workflow

Canonical: https://homus.dev/talks/context-engineering-stop-dumping-raw-files-into-your-ai-agent

## 1. Prompt engineering và context engineering: hai việc khác nhau

Tess mở đầu: bước tiếp theo, sau khi bạn đã làm việc với những connector được dựng tốt, là context engineering. Và context engineering khác với prompt engineering một chút.

Theo người trình bày (video đăng ngày 22/10/2026), prompt engineering là những chỉ dẫn ngắn gọn để định hướng cách "nhân viên" của bạn suy luận và ra quyết định. Còn context engineering, trên thực tế, là **mọi thứ agent của bạn cần biết** để làm việc với chất lượng vượt trội.

![Slide so sánh prompt engineering và context engineering](https://homus.dev/photos/fnKaaUjONqg-0023.jpg)

Slide "Two different disciplines": bên trái, prompt engineering là "Brief instructions that guide reasoning and decision-making", chỉ vài dòng; bên phải, context engineering là "Everything your agent needs to know to execute with exceptional quality", gồm cả bức tranh: brand, tone of voice, products, processes, customers, examples, rules, data (slide trong video đăng ngày 22/10/2026).

## 2. Bản năng kéo mọi file vào knowledge base

Khi người ta build một agent, Tess nói (video đăng ngày 22/10/2026), phản xạ rất tự nhiên là mở mục knowledge base ra rồi kéo vào đó mọi file PDF, mọi mẩu dữ liệu, mọi file quan trọng dành cho agent ấy. Làm được như vậy là tốt. Tất nhiên là tốt.

Nhưng mặt khác, theo chị (video đăng ngày 22/10/2026), khi bạn đổ tài liệu vào knowledge base, bạn đang phụ thuộc vào khả năng của LLM trong việc tự tìm ra đúng thông tin liên quan trong đống tài liệu đó, vào đúng thời điểm. Bạn gửi một yêu cầu kiểu "tạo cho tôi một bộ slide thuyết trình". Và bạn tin rằng AI đủ năng lực để lục vào tài liệu của bạn, đi vào một brand guideline 42 trang, rồi rút ra đúng phần màu sắc, đúng phần typography.

![Slide minh hoạ một yêu cầu tạo slide và agent quét file brand guideline 42 trang](https://homus.dev/photos/fnKaaUjONqg-0103.jpg)

Slide "One request · 42 pages": yêu cầu "Create a slide presentation for me" được gửi tới agent, và agent đang quét file BRAND-GUIDELINE.PDF, tới trang 18 trên 42 (minh hoạ trong video đăng ngày 22/10/2026).

Nói cách khác, bạn đang dựa hoàn toàn vào khả năng của LLM trong việc sàng lọc toàn bộ tài liệu và tìm ra chính xác những mảnh liên quan tới đúng sản phẩm đầu ra cụ thể ấy (theo người trình bày, video đăng ngày 22/10/2026).

## 3. "Chỉ chạy được với model đầu bảng"

Vấn đề là độ phức tạp của việc đó thì "vượt khỏi biểu đồ" (off the charts). Theo Tess (video đăng ngày 22/10/2026), chính vì vậy mà phần lớn áp đảo những người làm việc với knowledge base lần nào cũng đưa ra cùng một phản hồi: "Ồ, nó chỉ chạy được với bản GPT mới nhất." "Nó chỉ chạy được với Claude Opus, hoặc với những model hạng cao nhất."

Nhưng có một điều, chị nói: quy luật "model tốt hơn sẽ bù cho prompt engineering hoặc context engineering kém" vẫn tiếp tục đúng. Nếu một thứ chỉ chạy được với model flagship, nhiều khả năng là vì prompt hoặc context của bạn được dựng kém (nhận định của người trình bày trong video đăng ngày 22/10/2026). Vậy làm sao để build context engineering cho tốt?

Chuỗi lập luận của Tess trong video đăng ngày 22/10/2026: phản hồi "chỉ chạy với model đầu bảng" là dấu hiệu prompt hoặc context chưa được dựng tốt.

## 4. Context như một thư viện, và một agent nối với mười file PDF

Tess (video đăng ngày 22/10/2026) đề nghị hình dung context engineering như một thư viện, và thư viện ấy chất đầy nội dung, thông tin cực kỳ liên quan tới agent đó. Một prompt tốt biết cách chỉ đúng tới từng trang, từng đoạn của từng cuốn sách trong cả thư viện ấy.

Vì thế, theo chị (video đăng ngày 22/10/2026), build một agent nối với ba, bốn, năm, mười file PDF khác nhau là một khối việc khổng lồ, vì bạn sẽ phải mô tả hoàn hảo trong prompt cái gì là liên quan, tìm nó ở đâu, và tìm bằng cách nào, chỉ để agent làm được một việc tạm ổn với đống PDF đó.

![Slide một agent nối với mười file PDF, prompt phải mô tả cái gì là liên quan](https://homus.dev/photos/fnKaaUjONqg-0223.jpg)

Slide "One agent, many PDFs" (ghi "Illustrative"): mười file nối vào agent, gồm brand.pdf, pricing.pdf, playbook.pdf, faq.pdf, onboarding.pdf, policies.pdf, catalog.pdf, contracts.pdf, reports.pdf, training.pdf; ô prompt bên phải "has to specify" thứ gì là "What's relevant" (minh hoạ trong video đăng ngày 22/10/2026).

Nếu đã vậy thì nước đi thông minh khi build một "human-AI" là gì? Câu trả lời của Tess (video đăng ngày 22/10/2026): build context engineering riêng cho chính nhân viên AI của bạn (slide ghi "Build your context for your AI employee").

## 5. Agent đọc text tốt hơn hình ảnh, và file llms.txt

Chị bắt đầu bằng một điều quan trọng: theo người trình bày (video đăng ngày 22/10/2026), AI gặp khó với việc điều hướng bằng hình ảnh, nên nó điều hướng tốt hơn nhiều qua text. Đó là lý do, cũng theo chị, các agent ngày nay đã chiếm một lượng truy cập và duyệt internet lớn đến choáng ngợp.

Ví dụ ngay tại Tess, theo số liệu chị đưa ra trong video đăng ngày 22/10/2026, 30% traffic trên website của Tess là agent đang xử lý trang, không còn là con người nữa. Vì thế Tess có một file llms.txt. Khi một agent ghé website Tess, đội Tess đã render sẵn một phiên bản chỉ có text của site: không hình ảnh, không hiệu ứng rườm rà, không video.

![Người trình bày của Tess bên cạnh slide 30% traffic website là agent](https://homus.dev/photos/fnKaaUjONqg-0303.jpg)

Slide "How agents navigate": AI đọc web qua "Images, video, layout" thì "struggles", qua "Clean text" thì "navigates much better"; bên dưới, traffic website Tess: "30% of our traffic is agents. Not humans anymore." (agents 30%, humans 70%, theo video đăng ngày 22/10/2026).

Chỉ là text gọn, chặt, đi thẳng vào vấn đề, giải thích Tess là gì, dùng để làm gì, vì sao nó quan trọng, điều hướng trong đó ra sao, và những thứ tương tự. Nói cách khác, đội Tess đã điều chỉnh site cho việc điều hướng của agent, điều hướng không phải của con người (theo người trình bày, video đăng ngày 22/10/2026). File [tess.im/llms.txt](https://tess.im/llms.txt) (đọc ngày 29/10/2026) đúng là một bản text ngắn: Tess là gì, loại sản phẩm, đối tượng, ngôn ngữ, rồi danh sách link tới các trang chính.

Điều tương tự cần xảy ra khi bạn build context engineering cho một nhân viên AI, Tess nói (video đăng ngày 22/10/2026).

## 6. Cái giá khi agent phải đọc một file PDF

Khi bạn mở một file PDF, bạn có những công cụ như Control-F. Bạn tìm một từ, bạn điều hướng, bạn đọc. Với một agent, theo Tess (video đăng ngày 22/10/2026), tất cả những việc đó đều có giá. Nó tốn kém, nó đốt token, nên mọi thứ phức tạp hơn nhiều.

Chưa kể với PDF, theo chị (video đăng ngày 22/10/2026), rất dễ vượt quá giới hạn context window của LLM chỉ với một file, vì PDF nhồi vào cả tấn thông tin, cả tấn dữ liệu.

![Slide so sánh người đọc PDF bằng Ctrl+F và agent tốn token khi đọc PDF](https://homus.dev/photos/fnKaaUjONqg-0404.jpg)

Slide "Reading a PDF" (ghi "Illustrative"): bạn dùng Ctrl+F để search, navigate, read; agent cũng search, navigate, read nhưng "every step costs", với con số minh hoạ 48,200 tokens burned, và file BRAND-GUIDELINE.PDF chiếm 126% giới hạn context window. Dòng chữ: "PDFs pack in a ton of data." (minh hoạ trong video đăng ngày 22/10/2026).

Vì vậy, theo người trình bày (video đăng ngày 22/10/2026), cấp độ tiếp theo của context engineering là biến raw file thành context file. Raw file là file ở dạng gốc, chưa qua xử lý.

## 7. Từ raw file sang context file: demo với một brand guideline

Tess lấy ví dụ: giả sử chị có một file PDF brand guideline 40 trang, bao trọn mọi thứ một designer cần biết về thương hiệu. Đó là raw file chị có cho brand guideline. Làm sao để biến nó thành một chỉ dẫn context thực sự cho agent?

Đơn giản, chị nói (video đăng ngày 22/10/2026). Lấy file đó, thả vào Tess chat, rồi viết một câu kiểu: "Tôi muốn tạo một tài liệu mới dựa trên tài liệu này. Nó phải là file .md. Mục tiêu là rút ra những phần quan trọng nhất của brand guideline này, ở định dạng tối ưu nhất có thể, để làm chỉ dẫn cho một AI agent."

![Ô chat của Tess với file PDF brand book đính kèm và prompt yêu cầu tạo file .MD](https://homus.dev/photos/fnKaaUjONqg-0443.jpg)

Màn hình Tess chat: một file PDF brand book đã được đính kèm, và prompt yêu cầu tạo file .MD làm chỉ dẫn cho AI agent đã được gõ sẵn trong ô chat, chế độ Chat, nút "Auto" (demo trong video đăng ngày 22/10/2026).

Prompt trên màn hình:

```
I'd like to create a new document based on this one. It should be a .MD file. The goal is to extract the most important parts of this brand guideline, in the most optimized format possible, to serve as instructions for an AI agent.
```

## 8. Dùng model mạnh cho việc chỉ làm một lần, rồi sửa dần

Một chi tiết quan trọng, theo Tess (video đăng ngày 22/10/2026): hãy dùng model tốt nhất đang có cho việc này. Vì sao? Vì chị đang tạo một bộ chỉ dẫn sẽ trở thành nền móng cho công việc của human-AI của chị. Một nhân viên sẽ chạy suốt phần đời còn lại của nó, 24 giờ một ngày, trong nhiều năm tới.

Nếu có chỗ nào đáng để chi tiền, theo chị (video đăng ngày 22/10/2026), thì chính là ở đây. Thà vung tay cho một model hạng cao nhất ngay lúc này, vì việc này chỉ phải làm một lần. Chị chỉ tạo ra một context file, hoặc hai, ba file, nhưng đó là việc làm một lần.

Lập luận của Tess (video đăng ngày 22/10/2026): chi cho model mạnh ở bước tạo context file vì đó là việc làm một lần, còn nhân viên AI dùng nó lâu dài.

Vì vậy, theo người trình bày (video đăng ngày 22/10/2026), rất đáng để dùng một model thật mạnh và tinh chỉnh kết quả dần dần. Có bản đầu tiên của file MD rồi? Hãy xem qua. "Tôi nghĩ chỗ này còn thiếu." "Thêm cái kia." "Cải thiện chỗ này." "Mô tả đó chưa hay." "Thêm cái này vào." Và đảm bảo 40 trang kia trở thành một, hai, ba, bốn trang, bao nhiêu trang cũng được tuỳ bạn cần, của một đoạn text được chăm chút hoàn hảo, dẫn dắt cách agent đó vận hành.

![Kết quả trong Tess chat: file Markdown tess_brand_agent_instructions.md với chín mục](https://homus.dev/photos/fnKaaUjONqg-0723.jpg)

Kết quả trong Tess chat (demo trong video đăng ngày 22/10/2026): trả lời ghi đã tạo file Markdown tess_brand_agent_instructions.md, khoảng 9 KB, viết thành các quy tắc ràng buộc cho AI agent, gồm chín mục từ Brand core, Voice and tone, Logo, Color, Typography, Iconography, Imagery, Applications tới Pre-delivery checklist; dòng model bên dưới ghi Claude 5.5 Sonnet Medium.

## 9. Hai cách viết context file: một khối chữ dài hay title và description

Với context file này, có hai cách tổ chức nội dung. Cách thứ nhất là viết thành một mạch văn liền (running text), và theo Tess (video đăng ngày 22/10/2026) đó không phải cách được khuyến nghị. Vì sao? Vì khi bạn viết thành một mạch văn liền, bạn lại một lần nữa dựa vào khả năng của AI trong việc tìm ra thông tin đúng bị vùi bên trong đó.

Cách tốt nhất, ít nhất theo góc nhìn của đội Tess (video đăng ngày 22/10/2026), giống hệt cách đội Tess làm với tool: dùng một title và một description. Chị dựng nó đại loại thế này: "About fonts for the Tess brand", rồi tới đoạn văn: font dùng trong tình huống này là font này, trong tình huống kia là font kia, và cứ thế. "About font sizes for the Tess brand": chúng tôi dùng font XYZ ở những cỡ này, những độ đậm này (trên màn hình, mục này ghi "About font weights for the Tess brand"). "About colors for the Tess brand": ở đây chỉ là một đoạn văn bình thường. Bạn không cần gạch đầu dòng mọi thứ, nó có thể là một đoạn văn bình thường. Chúng tôi dùng màu này khi thế này, dùng màu kia khi thế kia.

![File BRAND.MD với các heading About fonts, About font weights, About colors for the Tess brand](https://homus.dev/photos/fnKaaUjONqg-0652.jpg)

Slide "Title + description": file BRAND.MD dạng context file, mỗi mục là một heading "About ... for the Tess brand" và một đoạn văn ngắn; dòng chữ cuối: "Almost like an FAQ. Easy to locate." (slide trong video đăng ngày 22/10/2026).

Nội dung file trên màn hình:

```
# Tess brand · context file

## About fonts for the Tess brand
DM Sans for everything we write. DM Mono only for eyebrows, labels and meta information.

## About font weights for the Tess brand
Headlines in Bold 700. Subtitles and quotes in Medium 500. Body text in Regular 400. Buttons in SemiBold 600.

## About colors for the Tess brand
Night #0C0D0F is the base. Text is bone #F2F1EE, never pure white. Aqua #7ECAD8 is our single accent, used sparingly.
```

Theo người trình bày (video đăng ngày 22/10/2026), cách tốt nhất để cấu trúc file này là bằng title và description, gần giống một trang FAQ, kiểu hỏi và đáp, vì như vậy AI dễ hơn rất nhiều trong việc định vị chủ đề liên quan và đọc phần nội dung có ý nghĩa với nó. Đó là thứ đội Tess gọi là chất lượng "gold standard".

Bằng cách này, theo chị (video đăng ngày 22/10/2026), bạn biến những file PDF, vốn mang theo rất nhiều context không cần thiết và đòi hỏi LLM quá nhiều, thành những context file được định hình hoàn hảo để agent đó dùng. Lưu file MD đó lại, kéo nó vào nhân viên AI của bạn, và lặp lại bao nhiêu lần tuỳ bạn cần.

## 10. Nhắc tới context file ngay trong prompt

Làm vậy, theo Tess (video đăng ngày 22/10/2026), bạn có một nhân viên biết cách điều hướng trong context, với mọi chỉ dẫn nằm ngay ở đó. Và tất nhiên, hãy phản ánh điều này cả trong prompt engineering nữa. Đảm bảo prompt của bạn có một tham chiếu rõ ràng tới các chỉ dẫn context, kiểu như: "Bạn có quyền truy cập ba file MD: brand.md, john.md và rose.md. Các file này nói về những chủ đề như thế này, thế này, và thế này. Nếu cần chủ đề liên quan tới brand, hãy xem file này. Nếu cần loại chủ đề này, hãy tới tài liệu kia. Nếu cần loại chủ đề khác nữa, hãy xem file này đây."

![Slide prompt tham chiếu ba file Brand.md, John.md, Rose.md](https://homus.dev/photos/fnKaaUjONqg-0803.jpg)

Slide "Reflect it in your prompt": prompt có "clear reference to your context", nối tới ba file Brand.md (brand topics), John.md (this kind of topic) và Rose.md (that kind of topic); dòng thứ ba của prompt đang được gõ dở (slide trong video đăng ngày 22/10/2026).

Phần prompt trên slide, tới lúc dòng thứ ba còn đang gõ:

```
You have access to three MD files:
Brand.md, John.md and Rose.md.

If you need brand topics, check Brand.md.
If you need this kind of topic, go to John.md.
```

Xong. Giờ prompt của bạn nói chuyện thẳng với context của bạn, bằng một đoạn text được viết chỉn chu, đúng định dạng mà AI cần để thực sự đọc, hiểu và thực thi trơn tru (theo người trình bày, video đăng ngày 22/10/2026).

## 11. AI đọc ảnh bằng cách gắn tag, không phải bằng cách hiểu

Tess tự đặt câu hỏi mà người xem có thể nghĩ tới: "Nhưng brand guideline của tôi đầy hình ảnh. Chẳng phải AI biết đọc ảnh sao?" Tất nhiên AI đọc được ảnh, chị trả lời, nhưng một lần nữa, theo chị (video đăng ngày 22/10/2026), ảnh là một thử thách phức tạp hơn nhiều đối với nó.

Để giúp người xem hiểu rõ hơn, chị đề nghị hình dung một người phụ nữ giữa dòng xe cộ, gương mặt hiện vẻ kinh hoàng tột độ. Khi bạn nhìn bức ảnh đó, bạn nghĩ: "Ồ, phim Scream mới sắp ra đây." Vì sao bạn nghĩ vậy? Có lẽ vì người phụ nữ có vẻ mặt kinh hãi, trong một bối cảnh gợi bạn nhớ tới phim Scream, và bỗng nhiên bạn nối các điểm lại với nhau và hiểu đây là ảnh quảng bá cho một bộ phim sắp chiếu.

Khi AI nhìn một bức ảnh, theo Tess (video đăng ngày 22/10/2026), nó làm một việc hoàn toàn khác. Nó nói: 97% urban, 94% traffic lane, 82% person, 83% emotions, 75% landscaping. AI không đọc bức ảnh. Nó gắn tag cho những gì có mặt trong ảnh, rồi từ đó cố đoán xem điều đó có nghĩa là gì. Vì vậy, theo chị, khả năng diễn giải ảnh của AI không tự nhiên hay tiên tiến như chúng ta hay nghĩ.

![Slide cùng một bức ảnh, hai cách đọc: người nối các điểm, AI gắn tag](https://homus.dev/photos/fnKaaUjONqg-0903.jpg)

Slide "Same photo, two readings": bên trái, cách bạn đọc ảnh "woman · traffic · terror" là nối các điểm (terrified look, that setting, a familiar scene) để ra "Here comes the new Scream movie."; bên phải, cách AI đọc là các tag, ở thời điểm này mới hiện "Urban 97%" và "Traffic lane" đang chạy từ 0% (slide trong video đăng ngày 22/10/2026).

Rất thường gặp chuyện AI đọc sai bức ảnh, chị nói, chính vì quy trình của nó là vector hoá, là gắn tag (theo người trình bày, video đăng ngày 22/10/2026). Nên chỉ dẫn AI thông qua hình ảnh là việc khá phức tạp, không dễ.

## 12. Mô tả ảnh bằng chữ thay vì đưa ảnh cho AI

Đó là lý do, theo Tess (video đăng ngày 22/10/2026), nếu bạn có một brand guideline có hình ảnh trong đó, thì mô tả hình ảnh ấy bằng chữ sẽ dễ hơn nhiều so với đưa chính bức ảnh cho AI xử lý. Ví dụ: "Hoạ tiết trong ảnh dùng filter xanh dương, tông sepia." Chị có thể mô tả bằng lời thứ chị muốn thấy trong hình ảnh của công ty mình. Vậy cứ mô tả bằng text và tránh phụ thuộc vào chính bức ảnh. Đó là gold standard.

![Slide hình ảnh trong brand guideline được thay bằng một câu mô tả](https://homus.dev/photos/fnKaaUjONqg-1003.jpg)

Slide "Images in your brand guideline" (BRAND.MD // IMAGERY): ô "The image" ghi "hard to interpret", mũi tên xuống ô "The description" ghi "easy to read": "The pattern in the image uses a blue filter, sepia tones."; dòng chữ: "Describe it in words. Don't rely on the image." (slide trong video đăng ngày 22/10/2026).

Gold standard ấy, theo người trình bày (video đăng ngày 22/10/2026), là prompt engineering hoàn hảo nối liền mạch với context engineering.

## 13. Điều cần nhớ: biến raw file thành context file

Rốt cuộc, đây là điều cần mang về, theo Tess (video đăng ngày 22/10/2026): chỉ nạp raw file cho agent rồi hy vọng model tự xoay xở là chưa đủ. Nước đi thực sự thông minh là biến những raw file đó thành context file: viết tốt, tổ chức theo title và description, và thiết kế theo đúng cách AI thực sự đọc và điều hướng.

Phần tóm tắt trên slide "The takeaway" trong video đăng ngày 22/10/2026: "Feed raw files and hope" bị gạch đi, thay bằng raw file chuyển thành context file với ba đặc điểm.

Khi bạn kết hợp context engineering được chăm chút với prompt engineering hoàn hảo, theo chị (video đăng ngày 22/10/2026), bạn thôi phải dựa vào model đắt nhất, và thay vào đó có một nhân viên biết chính xác phải nhìn vào đâu, đọc gì, và giao kết quả chất lượng thế nào, 24 giờ một ngày, trong nhiều năm tới.

## 14. "Context is king"? Làm phần việc tay ngay từ đầu

Phần cuối, Tess quay lại vấn đề từ một góc khác. Theo chị (video đăng ngày 22/10/2026), khi dùng AI, rất nhiều người nghĩ cách tốt nhất là cứ đổ càng nhiều tài liệu tham khảo càng tốt, ở bất kỳ định dạng nào, rồi coi như xong. Dù sao thì chúng ta vẫn luôn nghe rằng "context is king", đúng không? "Xin lỗi, nhưng không", chị nói.

Theo người trình bày (video đăng ngày 22/10/2026), việc truy xuất thông tin (information retrieval) thực ra không đơn giản như vậy với AI. Bạn nạp càng nhiều dữ liệu, bạn càng đặt cược rằng nó tự mình mò ra chính xác những chi tiết bạn cần từ một đống text khổng lồ. Khi việc đó chắc chắn thất bại, bản năng là nâng cấp lên một model đắt hơn nhiều, nhưng ném tiền vào vấn đề không phải là cách sửa.

Một chiến lược tốt hơn nhiều, theo chị (video đăng ngày 22/10/2026), là làm phần việc thủ công ngay từ đầu. Cắt một brand guideline 40 trang xuống còn một tài liệu hai trang, tổ chức bằng heading rõ ràng và câu hỏi trực tiếp, cho agent đúng cấu trúc nó cần. Bỏ ra một buổi chiều để sắp xếp dữ liệu này sẽ tiết kiệm thời gian về sau.

![Slide One afternoon of organizing với các lợi ích của context file sạch](https://homus.dev/photos/fnKaaUjONqg-1213.jpg)

Slide "A clean context file": "One afternoon of organizing." cho ra "A permanent resource" (built once), "A lighter, cheaper model" (handles it), "Accurate at any hour" (24/7), "The heavy lifting of interpreting is already done", và dòng cuối "Capable agents that run around the clock." (slide trong video đăng ngày 22/10/2026).

Một context file sạch, theo Tess (video đăng ngày 22/10/2026), là một tài nguyên lâu dài. Nó cho phép một model nhẹ hơn, rẻ hơn xử lý công việc chính xác vào bất kỳ giờ nào, vì phần nặng nhất là diễn giải thông tin đã được làm xong. Làm đúng việc này nghĩa là bạn có thể build những agent rất có năng lực, chạy suốt ngày đêm mà không đổ một giọt mồ hôi. Một buổi chiều sắp xếp dữ liệu hôm nay là thứ chuẩn bị cho các nhân viên AI của bạn thực sự thành công ngày mai.

## Nguồn và liên kết

- Tên gốc: Context Engineering: Stop Dumping Raw Files into Your AI Agent
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=fnKaaUjONqg](https://www.youtube.com/watch?v=fnKaaUjONqg)

- Kênh YouTube Tess (Tess): [youtube.com/channel/UCVMpf2i-o-Sbl_fPr2dNhSQ](https://www.youtube.com/channel/UCVMpf2i-o-Sbl_fPr2dNhSQ)

- File llms.txt của Tess, bản text ngắn mô tả Tess và liệt kê các trang chính (đọc ngày 29/10/2026): [tess.im/llms.txt](https://tess.im/llms.txt)

- Đề xuất chuẩn llms.txt, giải thích vì sao agent cần một bản text gọn thay cho trang HTML (đọc ngày 29/10/2026): [llmstxt.org](https://llmstxt.org)

Nguồn: https://homus.dev/talks/context-engineering-stop-dumping-raw-files-into-your-ai-agent · cập nhật 2026-10-29