Skill cho AI: Hạn chế là gì? Agent có cần skill không?

Một nguyên tắc mình đặt vào tất cả các skill là không được bịa. Chỗ nào cần số đo thật hay trải nghiệm thật mà nguồn chưa có thì AI phải để trống và ghi rõ cần điền gì, chứ không được viết cho đầy. Với mình đây là luật quan trọng nhất, vì cái nguy hiểm của AI không phải là viết dở, mà là viết trơn tru một thứ không có thật.

Bài học lớn nhất của mình khi chạy skill song song là chúng có thể giẫm chân nhau. Vì AI chọn skill dựa trên phần mô tả, nên hai skill có mô tả na ná nhau là nó dễ chọn nhầm. Cách mình xử lý là ghi thẳng vào mô tả của mỗi skill câu "KHÔNG dùng cho..." và chỉ sang skill nào phụ trách việc đó.

Ngoài skill, mình tách riêng phần lưu trữ ra một Project trên Claude chứa file liên quan. Skill lo chất lượng và cấu trúc, Project lo chỗ để và cách tìm lại, hai thứ chạy độc lập, không cái nào cần biết cái nào. Mình thấy tách vậy dễ sửa hơn nhiều so với nhồi hết vào một chỗ.

Hạn chế đầu tiên và lớn nhất, skill có thể nằm đó mà AI không thèm gọi. Đầu năm nay đội ngũ kỹ sư của Vercel làm một bài test khá kỹ, họ viết một skill chứa tài liệu Next.js rồi cho AI lập trình làm hàng loạt bài kiểm tra, kết quả là trong 56% trường hợp AI có skill trong tay mà không hề mở ra dùng. Khi họ chuyển cùng nội dung đó vào một file hướng dẫn luôn nằm sẵn trong ngữ cảnh (AGENTS.md) thì điểm số lên tối đa ở cả ba hạng mục build, lint và test. Một người khác chạy lại thí nghiệm trong các phiên chat nhiều lượt và cũng thấy tỷ lệ skill được gọi dao động rất rộng, có lúc chỉ vài phần trăm.

Bài học mình rút ra từ chuyện này là chia đúng chỗ. Luật nào bắt buộc trong mọi tình huống, ví dụ những thứ không bao giờ được phép đổi, nó luôn là cố định, thì mình để ở phần hướng dẫn, nó sẽ luôn ở đó, cụ thể là hướng dẫn của Project, còn skill dành cho công thức theo từng loại việc. Và khi cần chắc chắn thì mình gọi thẳng tên skill ra chứ không chờ AI tự chọn (mặc dù AI bây giờ khôn nên nó có thể nhận diện skill khá tốt, mình thử với Claude Opus 5.5 thì hầu như chưa bao giờ nó gọi sai skill, AI khác thì mình không rõ).

Hạn chế thứ hai là bảo mật, anh em nào hay cài skill người khác chia sẻ trên mạng thì nên đọc kỹ đoạn này. Hồi tháng 2/2026, hãng bảo mật Snyk quét gần 4.000 skill trên hai kho chia sẻ lớn và thấy 13,4% có ít nhất một lỗi nghiêm trọng, trong đó có 76 mã độc được xác nhận. Phần lớn skill độc hại còn kết hợp thêm prompt injection. Một nghiên cứu học thuật khác quét hơn 42.000 skill thì thấy khoảng một phần tư có ít nhất một lỗ hổng, có mẫu còn ra lệnh cho AI gửi dữ liệu dự án của người dùng tới một địa chỉ lạ và dặn AI đừng báo cho người dùng biết. Skill nguy hiểm hơn phần mềm thường ở chỗ lệnh độc viết bằng ngôn ngữ tự nhiên, công cụ quét mã truyền thống khó bắt được.

Nên lời khuyên của mình cho anh em: skill người khác làm thì mở SKILL.md ra đọc hết trước khi cài, skill có kèm script thì càng phải đọc kỹ và chỉ lấy từ nguồn mình tin được. Các skill của mình đều tự viết nên mình yên tâm hơn, nhưng cũng chính vì vậy mà mình hiểu một skill có thể ra lệnh cho AI làm những gì.

Hạn chế thứ ba nhỏ hơn nhưng hay bị quên, đó là skill cần được bảo trì. Quy trình làm việc thay đổi thì skill phải sửa theo, không thì nó cứ chăm chỉ làm đúng theo cái cách đã cũ. Thêm nữa, skill có script thì cần môi trường chạy được mã, nên cùng một skill có thể chạy đủ tính năng trên app này mà chỉ chạy được phần hướng dẫn bằng chữ trên app khác.

AI Agent có còn cần skill không?

AI Agent nói nôm na là AI không chỉ trả lời câu hỏi mà tự làm việc nhiều bước, tự mở công cụ, tự đọc file, tự quyết bước tiếp theo và gần như ai trong ngành cũng xem đây là bước phát triển tiếp theo của AI. Câu hỏi nhiều anh em đặt ra là khi AI đủ thông minh để tự làm hết thì có cần mình ngồi viết skill nữa không?

Với mình thì câu trả lời là có, thậm chí còn cần hơn. Lý do nằm ở cách các mô hình AI hiện nay hoạt động, sau khi huấn luyện xong thì "bộ não" của nó gần như đóng băng, nó không tự học thêm từ công việc hàng ngày với mình được. Muốn một agent làm việc lâu dài mà càng ngày càng hợp ý mình thì kinh nghiệm phải được ghi ra ngoài, ở dạng mà lần sau nó đọc lại được và đó chính là skill. Hàng loạt nghiên cứu năm nay đi theo đúng hướng này, cho agent tự rút kinh nghiệm từ những việc đã làm, tự viết skill mới và tự sửa skill cũ mà không cần huấn luyện lại mô hình.

Nhưng chỗ thú vị là chính các nghiên cứu đó cũng cho thấy agent tự viết skill chưa đáng tin. Một bộ đánh giá tên SkillsBench ghi nhận skill do AI tự viết không giúp agent làm tốt hơn một cách đo được so với lúc không có skill, dù đọc lên thì nghe rất trơn tru. Một nghiên cứu khác thử 21 tổ hợp agent và phương pháp tự học, trong đó có cả Claude Code và Codex, thì cả 21 đều có lúc tự viết ra skill không an toàn và 15 tổ hợp mang cái sai đó sang phiên làm việc mới.

Nên theo mình, tương lai gần không phải là AI tự lo hết, mà là vai trò của con người dịch chuyển từ người viết skill sang người duyệt skill. AI có thể soạn nháp, có thể đề xuất sửa sau mỗi lần làm sai, nhưng cái gì là đúng, cái gì là "giọng của mình", cái gì là luật của team thì vẫn phải có người chốt. Bản thân mình cũng đang dần chuyển sang kiểu làm việc agent nhiều hơn, ví dụ một bot Telegram chạy Claude trên máy ở nhà để kiểm tra và trả lời email công việc và càng giao cho AI tự làm thì mình càng thấy bộ luật viết sẵn quan trọng.

Sau làn sóng của AI Agents (các tác nhân tự vận hành) và Skills (các kỹ năng chuyên biệt), bước tiến tiếp theo của trí tuệ nhân tạo được dự đoán sẽ là kỷ nguyên của Large Graphical Models (LGM) và Hệ sinh thái đa tác nhân tự tiến hóa (Self-Evolving Multi-Agent Ecosystems). Thay vì chỉ là những trợ lý kỹ thuật số thực hiện các công việc riêng lẻ, các AI trong tương lai sẽ tự động kết nối, đàm phán và hợp tác với nhau thành một mạng lưới xã hội AI thu nhỏ để giải quyết các bài toán vĩ mô của doanh nghiệp và xã hội. Chúng không còn phụ thuộc vào các bộ kỹ năng cố định do con người lập trình sẵn, mà có khả năng tự nhận thức lỗ hổng kiến thức, tự học hỏi từ môi trường thực tế và liên tục nâng cấp mã nguồn của chính mình theo thời gian.

Xa hơn nữa, AI sẽ tiến tới giai đoạn Cộng sinh Thần kinh (Neuro-Symbolic & Symbiotic AI), nơi lanh giới giữa máy tính và thế giới vật lý hoàn toàn bị xóa nhòa. AI lúc này không chỉ xử lý dữ liệu số mà còn tích hợp sâu sắc với robot sinh học và giao diện não-máy (BCI), sở hữu khả năng suy luận logic chặt chẽ như con người kết hợp với trực giác nhân tạo. Trọng tâm phát triển sẽ dịch chuyển từ việc bắt AI làm hộ một kỹ năng sang việc biến AI thành một thực thể cộng sinh, cùng con người đồng sáng tạo và mở rộng giới hạn nhận thức của nhân loại.