Tả việc càng kỹ, AI càng viết giống máy: sửa bằng bài mẫu với Claude

1. Ba bình luận chê "nghe như AI đọc"

Thanh Trần mở video bằng mấy câu bình luận người xem để lại. Một người viết: "ông bạn đọc như đọc kịch bản của AI viết ra vậy". Một người khác chỉ ra kiểu câu "không cái này, không cái kia", tính từ nối tính từ, nghe khá là giống AI. Một người nữa hỏi thẳng: ông kêu AI gen lời thoại ra rồi ngồi đọc lại à, nghe thô kinh khủng. Thanh nhấn mạnh những bình luận này là thật, nằm ngay dưới các video trên kênh của anh (video đăng ngày 05/11/2026).

Anh không giấu chuyện mình vẫn dùng AI phụ viết kịch bản. Vì vậy, theo anh, câu hỏi đáng hỏi ở đây là vì sao: có những bản đọc lên nghe rất tự nhiên, nhưng có những bản thì người xem nhận ra ngay là máy viết (video đăng ngày 05/11/2026).

2. Hai bản kịch bản, cùng một AI viết

Thanh đặt lên màn hình hai kịch bản cho cùng một video, cùng một AI viết, và tất nhiên đều dựa trên cái sườn chính của anh. Bản bên trái là bản anh đã loại. Bản bên phải là bản anh chọn để lên hình. Theo anh, phần mở đầu của hai bản gần như nhau (video đăng ngày 05/11/2026).

Nhưng tới khoảng giây thứ 30, bản bên trái chuyển sang câu kiểu "Sau video này các bạn sẽ biết: một, hai, ba". Thanh nói chỉ cần nghe câu đấy thôi là người xem đã biết đây là cái máy nó viết (video đăng ngày 05/11/2026).

Để tìm ra lý do, Thanh đọc tiếp tài liệu hướng dẫn của chính Anthropic, công ty làm ra Claude. Sau đó anh làm thử từng cách trên máy của mình (video đăng ngày 05/11/2026).

3. Kết quả hơi ngược đời: tả càng kỹ, càng giống máy

Kết quả, theo lời Thanh, hơi ngược đời. Bản bên trái hỏng không phải vì hướng dẫn sơ sài, mà thực chất vì anh hướng dẫn nó quá kỹ: mở bài như thế nào, khối nào đi trước, mỗi khối dài bao nhiêu giây. AI cứ thế làm theo không sai một ly, và vô tình cách làm như vậy đọc lên nghe rất giống một cái máy (video đăng ngày 05/11/2026).

Câu anh muốn người xem nhớ: tả việc càng kỹ thì AI viết càng giống máy. Theo anh, sau khi thử nghiệm, cách sửa nghe rất đơn giản: bớt tả việc cho AI, và hãy đưa cho nó bài mẫu (lời khuyên trong video đăng ngày 05/11/2026).

4. Chuyện nấu nước phở

Thanh mời người xem nghĩ về chuyện một quán phở cần dạy một bạn nhân viên mới nấu nước phở. Cách thứ nhất là người ta đưa cho bạn ấy một tờ giấy ghi rõ kiểu như: xương ống thì hầm 8 tiếng, gừng nướng, hồi, quế, thảo quả. Bạn ấy làm theo đúng từng dòng và ra một nồi nước phở đúng công thức, nhưng ăn vào thì vẫn thấy sao sao (ví dụ trong video đăng ngày 05/11/2026).

Cách thứ hai là cho bạn ấy ăn một bát phở của quán ngon nhất phố, rồi ăn tiếp một bát của một quán mà mọi người đã biết là dở, sau đó hỏi xem hai bát khác nhau ở chỗ nào. Khi đó bạn ấy sẽ tự tìm ra những thứ mà bạn ấy không bao giờ nghĩ ra để viết được vào giấy: nước trong hơn, hành chần vừa tới, bánh phở không bị bết (ví dụ Thanh đưa ra trong video đăng ngày 05/11/2026).

Theo Thanh, viết hướng dẫn cho AI cũng y như vậy. Khi tả, chúng ta thường chỉ tả được những thứ mình ý thức được. Nhưng cái làm nên một kịch bản hay thì phần lớn chúng ta lại không ý thức được: nó nằm ở trong tay chứ không nằm ở trong đầu. Những gì chúng ta tả được lại là một cái khuôn, mà AI đổ chữ vào khuôn giỏi hơn bất kỳ ai. Với 10 video, 10 cái khuôn y hệt nhau, khán giả xem đến video thứ 3 là sẽ nhận ra ngay (theo Thanh, video đăng ngày 05/11/2026).

Anh dẫn tài liệu hướng dẫn viết skill của Anthropic: ví dụ truyền đạt văn phong và độ chi tiết cho Claude rõ hơn là chỉ mô tả (theo trang Skill authoring best practices, đọc ngày 05/11/2026).

Thanh nói thêm: những model mới bây giờ làm khá tốt một việc, đó là nhìn kết quả rồi lần ngược ra cách làm. Chúng ta đưa cho nó cái đích, nó sẽ tự tìm đường. Nên câu hỏi bây giờ không còn là viết hướng dẫn thế nào cho đủ kỹ, mà là mình có bài mẫu nào tốt không (nhận định trong video đăng ngày 05/11/2026).

5. Hiệp 1: Claude soi hai bản với câu lệnh ba ý

Rồi Thanh kiểm tra lại chính các kịch bản của mình, làm thật luôn. Anh mở Claude bản chat thường lên, dùng tài khoản miễn phí, không phải cài thêm gì cả (theo Thanh, video đăng ngày 05/11/2026; góc trên màn hình chat ghi "Free plan").

Anh tải lên hai file: một bản kịch bản bị loại và một bản được chọn. Cùng một chủ đề, cùng một người viết, chỉ khác cách viết. Rồi anh gõ đúng ba ý. Ý thứ nhất: so hai bản, chỉ ra chỗ khác nhau về cách mở bài, nhịp câu, độ dài đoạn, cách đặt tên phần, cách chuyển ý. Ý thứ hai: với mỗi khác biệt, nói vì sao bản này có thể nghe như người thật, còn bản kia nghe như cái máy. Ý thứ ba, theo anh là câu quan trọng nhất: gắn nhãn cho từng kết luận, "thấy tận mắt" nếu nó chỉ được những dòng cụ thể trong bài, "suy ra" nếu nó đang đoán, và "không biết" khi không đủ dữ kiện (demo trong video đăng ngày 05/11/2026).

Câu lệnh Thanh gõ, như trên màn hình (hai file ban-A.md và ban-B.md đính kèm):

Mình gửi 2 bản kịch bản cho cùng một video. Bản A mình đã loại vì đọc lên nghe như máy viết. Bản B được giữ lại.
1. So hai bản: cách mở bài, nhịp câu, độ dài đoạn, cách đặt tên phần, cách chuyển ý.
2. Với mỗi khác biệt, nói vì sao bản B nghe giống người thật hơn.
3. Gắn nhãn từng kết luận: [THẤY TẬN MẮT] nếu chỉ được dòng cụ thể, [SUY RA] nếu đang đoán, [KHÔNG BIẾT] nếu thiếu dữ kiện.
Chưa đề xuất sửa gì. Chỉ phân tích.

Vì sao phải có câu thứ ba? Thanh giải thích: nếu không, AI sẽ trả lời mọi thứ với cùng một giọng chắc nịch; cái nó thấy thật và cái nó bịa, nó nói y như nhau. Khi bắt nó gắn nhãn, chúng ta sẽ biết chỗ nào cần tự kiểm lại (theo Thanh, video đăng ngày 05/11/2026).

Và đây là kết quả: khoảng hơn 2 phút, Claude trả ra 26 kết luận, gồm 14 cái "thấy tận mắt", 8 cái "suy ra" và 4 cái "không biết" (demo trong video đăng ngày 05/11/2026).

Câu đầu tiên của nó làm Thanh rất bất ngờ: rất nhiều đoạn của hai bản giống nhau gần như y nguyên. Chỗ khác nhau nằm ở cấu trúc, chứ không nằm ở câu chữ. Trên màn hình, câu trả lời còn dẫn số dòng cụ thể của từng cặp đoạn giống nhau ở bản A và bản B (demo trong video đăng ngày 05/11/2026).

6. Chỗ Thanh đinh ninh là đúng, và con số nói khác

Tới chỗ Thanh đinh ninh là mình đúng. Anh tin bản bên trái hỏng vì đoạn nào nó cũng dài đều đều. Nhưng Claude đếm: trung bình 31 chữ một đoạn ở bản bên trái, 33 chữ ở bản bên phải, tức là không khác gì nhau. Trên màn hình, câu trả lời ghi độ dài đoạn trung bình là 31,4 từ ở A và 32,9 từ ở B. Cái anh tưởng là lý do, hoá ra không phải (demo trong video đăng ngày 05/11/2026).

Còn cái khác thật thì Claude chỉ đúng dòng. Bản trái đặt tên các phần theo khuôn bài giảng: "Mục tiêu học", "Khái niệm cốt lõi", "Bước 1", "Bước 2". Bản phải đặt tên theo một trận đấu: "Luật chơi", "Hiệp 1". Nghe tên phần là thấy cái giọng kiểu giảng bài (demo trong video đăng ngày 05/11/2026).

Cách chuyển ý cũng khác. Bản bên phải có kiểu "hẹn rồi trả": đánh dấu chỗ này lại, "lát nữa mình sẽ quay lại giải thích", và xuống phía dưới thì có đoạn giải thích thật. Bản bên trái thì khối nào viết xong cũng tự đóng khối đó lại, giống như một cái mục lục (demo trong video đăng ngày 05/11/2026).

Có một kết luận gắn nhãn "suy ra": một phần lý do bản bên phải nghe giống người là vì Thanh đã đổi cách làm video, từ chỉ giảng sang chạy thật, chạy demo thật, chứ không chỉ vì câu chữ hay hơn. Thanh thấy kết luận này đúng, và theo anh đó cũng chính là thứ không viết vào hướng dẫn được (video đăng ngày 05/11/2026).

7. Sửa skill viết kịch bản

Thanh áp dụng luôn. Anh mở skill viết kịch bản, tức là bản hướng dẫn anh cài cho Claude để nó viết theo giọng kênh của anh. Khối "mục tiêu học" nằm ở đây, dòng 73. Anh sửa ngay trên hình, nhưng không tự viết lại hướng dẫn (video đăng ngày 05/11/2026).

Anh đưa file đó cho Claude và bảo: từ những khác biệt vừa tìm được, viết lại file này sao cho kịch bản ra giống bản bên phải; chỉ dựa vào những gì được gắn nhãn "thấy tận mắt", không được thêm luật nào khác (demo trong video đăng ngày 05/11/2026). Một đoạn của prompt trên màn hình (file cong-thuc-skill.md đính kèm):

Đây là file công thức trong skill mình cài cho Claude để viết kịch bản. Bản A được viết theo đúng file này.
Từ những khác biệt bạn vừa tìm được, viết lại file này sao cho kịch bản viết theo nó sẽ ra giống bản B.
Chỉ dựa vào những kết luận bạn gắn nhãn [THẤY TẬN MẮT]. Không thêm luật nào ngoài những khác biệt đó.

File cũ dài 397 dòng, file mới 302 dòng. Claude bỏ khối mục tiêu học, bỏ cái khuôn 7 khối bài giảng, bỏ kiểu "bước 1, bước 2", và bỏ luôn mốc giây cố định cho từng khối (demo trong video đăng ngày 05/11/2026).

Có một thứ nó cố ý không thêm vào: luật về độ dài câu, độ dài đoạn, vì hai bản không khác nhau ở chỗ đó. Thẻ chú thích trên màn hình ghi: "Claude ghi trong phần đã bỏ: Không có quy tắc độ dài câu hay đoạn. Vì hai bản không khác nhau ở đó." Thanh nói thông thường, nếu là anh thì anh luôn luôn thêm luật ấy vào (demo trong video đăng ngày 05/11/2026).

8. Viết lại mở bài bằng file mới

Rồi Thanh cho Claude viết lại đoạn mở bài của video cũ bằng file mới này (demo trong video đăng ngày 05/11/2026). Prompt anh gõ, như trên màn hình:

Giờ dùng đúng file công thức mới bạn vừa viết, viết lại đoạn mở bài cho video này, khoảng 40 giây đọc.
Lấy nội dung từ bản A. Không chép lại câu nào của bản B.
Chỉ trả về lời thoại, không ghi chú.

Đoạn mở bài Claude viết ra bắt đầu bằng: 51 dòng bình luận cần phân loại, người làm việc đó là một con AI mới ra mắt 10 ngày trước, và nó có một điểm lạ: nó không viết nổi một chữ. Bạn hỏi hôm nay thế nào, nó chịu. Nhờ viết email, nó chịu. Nhờ tóm tắt tài liệu, cũng chịu. Nghe như một sản phẩm hỏng. Thế mà ngay ngày đầu, Vercel ghi nhận nó là model được dùng nhiều nhất từ trước tới giờ, phá kỷ lục cũ gấp đôi. Nên video này không có bài giảng: cho nó chạy thật trên máy, nó sai chỗ nào để nguyên chỗ đó. Bắt đầu thôi (lời thoại Claude viết trong demo của video đăng ngày 05/11/2026).

Thanh nhận xét: nghe giống văn con người hơn thật. Nhưng nhìn kỹ thì đây chỉ là bản bên phải viết lại lời: cũng khoảng 51 dòng, cũng có ý "hôm nay không có bài giảng". Và file mới cũng đặt tên các khối giống hệt bản bên phải. Tức là, theo lời anh, anh chỉ vừa thay cái khuôn cũ bằng một cái khuôn mới (demo trong video đăng ngày 05/11/2026).

Bài học anh rút ra: nếu chỉ đưa một bài mẫu thì AI chỉ chép thôi. Muốn nó học được một cái chung, chúng ta phải đưa cho nó rất nhiều bài (lời khuyên trong video đăng ngày 05/11/2026).

9. Hiệp 2: so tiêu đề bằng số liệu kênh

Thanh nói ở phần 1 phía trên, anh vẫn đang so sánh bằng cảm giác: cảm nhận bản này hay, bản kia chưa hay. Lần này anh so sánh bằng số liệu. Theo anh, nếu có đủ số liệu thì cách này còn mạnh hơn (video đăng ngày 05/11/2026).

Đây là số thật của kênh anh trong 28 ngày, tính đến video đăng ngày 05/11/2026. Có 3 video kéo người theo dõi mạnh nhất: cứ 1.000 lượt xem thì có từ 30 tới 33 người theo dõi. Một video tin tức có nhiều lượt xem nhưng chỉ 12 người trên 1.000. Và có 2 video rất ít người xem, chưa tới 3.000 lượt (số của kênh, theo Thanh trong video đăng ngày 05/11/2026).

Anh đưa cả 6 tiêu đề kèm số liệu cho Claude, câu lệnh y như những lần trước: so sánh nhóm mạnh với nhóm yếu, chỉ ra sự khác biệt và gắn nhãn. Claude trả ra 20 kết luận, 8 cái "thấy tận mắt" (demo trong video đăng ngày 05/11/2026).

Điều thứ nhất: 2 tiêu đề yếu đều mở bằng chữ AI chung chung, "Dùng AI xong việc sớm" hay "AI làm marketing". 3 tiêu đề mạnh mở bằng một thứ rất cụ thể: học Claude Code, thuê nhân viên AI, 73 tuổi (kết luận của Claude trong demo, video đăng ngày 05/11/2026).

Điều thứ hai là con số. Tiêu đề mạnh có số kèm đơn vị: 2 giờ, 500 nghìn một tháng, 20 phút, 73 tuổi. Còn tiêu đề yếu thì một cái không có số nào cả, một cái chỉ có chữ "4 tầng", mà "4 tầng" chỉ là chỉ ra 4 phần thôi, chứ không nói người xem sẽ nhận lại được gì (kết luận của Claude trong demo, video đăng ngày 05/11/2026).

Nhưng rồi Claude đưa ra một ý để phản biện chính nó: video tin tức có tới 4 con số trong tiêu đề nhưng lại có tỷ lệ người theo dõi thấp nhất. Tức là, theo Thanh, con số ở tiêu đề có thể kéo mọi người vào xem, nhưng chưa chắc giữ được người ta theo dõi (demo trong video đăng ngày 05/11/2026).

10. Bao nhiêu mẫu thì đủ

Thanh nói thật: 6 tiêu đề là quá ít. Anh nhấn mạnh câu này không phải anh tự nói, mà Claude ghi ra: mẫu chỉ có 6 video, và ngay cả sự chênh lệch giữa 3 video mạnh, nó cũng bảo là không đủ để kết luận (demo trong video đăng ngày 05/11/2026).

Chính vì vậy, theo Thanh, việc gắn nhãn "suy ra" rất quan trọng. Ở lần này chỉ có 8 trên 20 nhãn là "thấy tận mắt"; phần còn lại là giả thuyết để thử tiếp, chứ không phải kết luận (video đăng ngày 05/11/2026).

Lời khuyên của anh nếu làm theo cách này: cố gắng gom ít nhất 5 bài tốt nhất và 5 bài dở nhất. 10 mẫu thì cũng chưa phải là nhiều, nhưng cũng hơn 6 (lời khuyên trong video đăng ngày 05/11/2026).

Còn nếu chưa có số liệu gì, cứ lấy 3 bài của người khác mà mình thực sự thích. Nhưng anh dặn cẩn thận: học cấu trúc của họ, đừng học luôn giọng của họ. Nếu không, mình lại trở thành bản sao của người khác thay vì bản sao của cái máy (lời khuyên trong video đăng ngày 05/11/2026).

11. Kho skill, chỗ hỏng thứ nhất: phần mô tả nạp vào mọi phiên

Đã mổ kịch bản rồi thì Thanh mổ luôn kho skill của mình. Nói đơn giản, theo anh, skill là một bản hướng dẫn cài sẵn cho Claude: dạy nó một việc một lần, lần sau gọi tên là nó làm theo (cách giải thích trong video đăng ngày 05/11/2026).

Trên máy anh đang có 37 skill. Anh bảo Claude đọc hết, đối chiếu với tài liệu hướng dẫn của Anthropic, và chỉ ra chỗ sai. Nó chỉ ra 4 chỗ, và theo lời anh, không có chỗ nào anh thấy tự hào (demo trong video đăng ngày 05/11/2026).

Chỗ thứ nhất: mỗi lần mở một phiên làm việc, Claude đọc trước phần mô tả của tất cả các skill để biết lúc nào nên dùng cái nào. 37 phần mô tả của anh cộng lại ra 19.000 ký tự, trong khi phần lớn số skill đó anh chỉ gọi ra bằng tay (theo Thanh, video đăng ngày 05/11/2026).

Có một dòng để tắt chuyện tự kích hoạt, tên là disable-model-invocation. Theo Thanh, bật nó lên thì Claude sẽ không tự gọi skill đó ra nữa, và phần mô tả cũng không bị nạp vào phiên (video đăng ngày 05/11/2026). Trong 37 skill, anh không bật cái nào cả; thẻ chữ trên màn hình ghi "Skill đã bật dòng này: 0 / 37, không bật cái nào".

Ví dụ frontmatter trên trang tài liệu đó (theo trang Skills của Claude Code, đọc ngày 05/11/2026):

---
name: deploy
description: Deploy the application to production
context: fork
disable-model-invocation: true
---

Thanh đã thử đo: mở phiên mới rồi gõ lệnh context, phiên mới nạp sẵn 46.000 token, trong đó phần mô tả skill khoảng 10.000. Tất nhiên, trên bộ nhớ 1 triệu token thì con số này không đáng kể (theo số đo của Thanh, video đăng ngày 05/11/2026).

Với anh, chỉ có 37 skill nên việc ở đây chỉ là dọn cho gọn. Còn những ai có thói quen tích trữ nhiều skill, cả trăm, cả nghìn skill, thì đây mới là chuyện quan trọng (theo Thanh, video đăng ngày 05/11/2026).

12. Chỗ hỏng thứ hai và thứ ba: đọc hết từ đầu, và hai bản cùng tên

Chỗ thứ hai: skill viết kịch bản bắt Claude đọc 3 file tham chiếu ngay từ bước đầu tiên, đọc hết rồi mới làm. Trong khi Anthropic khuyên ngược lại: phần chính của skill chỉ nên như một cái mục lục, những file chi tiết thì tới bước cần mới mở. Anthropic cũng khuyên phần chính của một skill nên dưới 500 dòng (theo Thanh dẫn tài liệu Anthropic, video đăng ngày 05/11/2026). Trên máy anh có một skill cài về dài 1.946 dòng (video đăng ngày 05/11/2026).

Chỗ thứ ba: skill viết kịch bản tồn tại hai bản, một bản trong thư mục dự án, một bản nằm trong thư mục chung của máy. Riêng file chính đã lệch nhau 41 dòng; tính cả những file đi kèm thì lệch đúng 158 dòng (demo trong video đăng ngày 05/11/2026).

Điều tệ hơn anh nghĩ: hai bản cùng tên, và Claude dùng bản ở thư mục chung. Bản đấy là bản cũ, còn mọi thứ anh sửa lại nằm ở bản kia, và Claude không đọc. Kể cả file công thức anh vừa sửa khi nãy, Claude vẫn đang đọc bản cũ của nó. Anh nói: mình tưởng mình đã dạy nó, nhưng nó chưa bao giờ nghe (theo Thanh, video đăng ngày 05/11/2026).

Theo Thanh, skill nên được đối xử như một quy trình làm việc trong công ty: tất nhiên nó phải được sửa liên tục, nhưng nó phải sống ở một chỗ thôi. Anh đã xoá bản cũ đi, giờ chỉ còn lại một bản (video đăng ngày 05/11/2026).

13. Chỗ hỏng thứ tư: viết skill trước khi làm việc thật

Chỗ thứ tư, theo Thanh, là gốc của mọi chuyện. Có một số skill anh viết trước khi làm việc thật: ngồi nghĩ ra quy trình, viết thành văn, rồi bắt cái máy làm theo (video đăng ngày 05/11/2026).

Anthropic hướng dẫn ngược lại: phải làm việc đó trong Claude một lần trước, không dùng skill gì cả. Bởi vì trong lúc làm, mình sẽ tự nhiên giải thích, tự nhiên sửa, tự nhiên nói "không, mình thích thế này hơn". Khi xong rồi mới bảo nó gói tất cả những gì mình vừa dặn thành một skill (theo Thanh dẫn tài liệu Anthropic, video đăng ngày 05/11/2026).

Anthropic khuyên thêm một cách mà Thanh gọi là rất hay: một phiên Claude để viết skill, một phiên khác hoàn toàn để dùng thử (theo Thanh dẫn tài liệu Anthropic, video đăng ngày 05/11/2026).

Theo cách Thanh hiểu: phiên viết đã biết quá nhiều nên nó sẽ không thấy được lỗ hổng. Còn phiên dùng thử chỉ có skill trong đó, nên hỏng chỗ nào sẽ lộ chỗ đó ngay (cách hiểu của Thanh, video đăng ngày 05/11/2026).

14. Hiệp 3: tin nhắn chào hàng cho spa

Bây giờ Thanh đưa tư duy này ra khỏi chuyện làm video, sang chuyện đi tìm khách hàng. Giả sử bạn đang làm dịch vụ cho spa và muốn tìm một danh sách spa để chào hàng. Theo anh, phần tìm kiếm thì AI làm rất tốt (video đăng ngày 05/11/2026).

Anh cho nó kéo danh sách spa quanh khu Cầu Giấy từ Google Maps: ra 80 chỗ. Anh lọc lấy những chỗ có từ 100 đánh giá trở lên, có trang web, trên 4 sao: còn 14 (demo trong video đăng ngày 05/11/2026).

Có một điều nhỏ anh muốn người xem để ý: trong 80 chỗ đó, chỉ có 4 chỗ thực sự ở Cầu Giấy, còn lại phần lớn anh thấy là Tây Hồ, Nghĩa Đô. Nên nếu cần đúng một quận thì phải lọc kỹ hơn theo địa chỉ. Còn nếu chỉ nói một câu chung chung, máy sẽ không tự biết mình muốn nó chặt tới đâu (demo và lời khuyên trong video đăng ngày 05/11/2026).

Tiếp theo là phần dễ hỏng: tin nhắn mở đầu. Nếu để AI tự viết thì sẽ ra 14 tin nghe y như nhau và nghe y như máy. Theo Thanh, người làm chủ spa cũng nhận mỗi tuần vài tin như vậy, nên họ đọc dòng đầu là biết ngay (video đăng ngày 05/11/2026).

Cách làm đúng, theo anh: lục lại tin nhắn mình từng gửi, lấy ra khoảng 3 tin được trả lời và 3 tin dở bị xem rồi bỏ đấy, đưa cả 6 cho Claude, bảo nó so sánh, gắn nhãn, rồi viết một tin mẫu theo đúng những gì nhóm được trả lời có mà nhóm kia không có (lời khuyên trong video đăng ngày 05/11/2026).

Xong bước đó rồi mới đến bước cho AI điền phần riêng của từng spa vào, như tên, hay một số chi tiết nó đọc thật được từ trang web của họ hoặc từ đánh giá của khách hàng của họ (lời khuyên trong video đăng ngày 05/11/2026).

Thanh nhắc: 3 tin nhắn vẫn là rất ít. Gom được càng nhiều tin thật thì AI càng học được cái chung, thay vì chỉ chép lại vài tin của mình. Một điều quan trọng nữa: 14 tin nhắn được chọn lọc kỹ, mỗi tin có chi tiết thật, khác hẳn vài nghìn tin gửi đại đi. Theo anh, cách gửi đại không chỉ không hiệu quả mà còn làm người ta ghét tên của mình (lời khuyên trong video đăng ngày 05/11/2026).

15. Khi nào cách này không chạy

Thanh nói rõ cách này không dùng được cho mọi việc, vì nó cần bài mẫu rõ ràng: một kịch bản, một tiêu đề, một tin nhắn, tức là những thứ nhìn vào là biết tốt hay không tốt. Còn những việc như xử lý khiếu nại, sắp xếp hộp thư, quyết định trả lời khách nào trước thì sẽ không có bài mẫu để đưa, và cái hay nằm ở từng lựa chọn nhỏ trong lúc làm (theo Thanh, video đăng ngày 05/11/2026).

Với những việc kiểu đó, anh quay về lời khuyên của Anthropic ở phía trên: làm cùng Claude một lần, dặn nó trong lúc làm, xong rồi mới đóng gói (lời khuyên trong video đăng ngày 05/11/2026).

Anh nhắc thêm: ít mẫu quá thì kết luận AI đưa ra chỉ là giả thuyết, và nhãn "suy ra" là để nhắc mình điều đó. Nếu chỉ đưa cho nó một mẫu thì nó chỉ chép thôi, y như cái mở bài lúc nãy anh thử (video đăng ngày 05/11/2026).

16. Thứ quý hơn câu lệnh

Thanh kể có những thời điểm anh đã từng nghĩ dùng AI giỏi tức là viết hướng dẫn giỏi, viết prompt hay. Nhưng hoá ra đấy chưa phải là tất cả. Có những lúc, theo anh, cái quý nhất không phải là câu lệnh, mà là biết bài nào là bài tốt (video đăng ngày 05/11/2026).

Việc anh muốn người xem làm bây giờ: dành thời gian ngồi soạn ra những bài mẫu tốt, những bài mẫu hay trong từng công việc của mình (lời khuyên trong video đăng ngày 05/11/2026).