Thuật ngữ chuyên ngành AI đang dần được chuẩn hóa một cách nhanh chóng, và phần lớn trong số đó thậm chí chưa từng tồn tại cách đây 5 năm. Dưới đây là quá trình tiến hóa từ kỹ thuật câu lệnh (Prompt Engineering) đến Quản trị đội ngũ tác tử (Fleet Engineering), được chia thành 5 giai đoạn:
Bước 1: Kỹ thuật câu lệnh (Prompt Engineering | 2020–2022)
- Chúng ta bắt đầu bằng việc mượn các thuật ngữ từ lĩnh vực Học máy (Machine Learning): prompt (câu lệnh), completion (phần hoàn thiện), token, temperature (độ sáng tạo), few-shot (vài ví dụ mẫu).
- Ở giai đoạn này, mọi thao tác đều diễn ra đơn lẻ (single-turn) và không lưu trữ trạng thái (stateless). Bạn kiểm soát đầu ra thông qua việc nhào nặn đầu vào. Đó mới chỉ là xử lý "nguyên liệu thô", chưa phải là xây dựng một hệ thống.
Bước 2: Kỹ thuật ngữ cảnh (Context Engineering)
Độ chính xác của AI không phải là phép màu; nó đến từ việc cung cấp đúng tài liệu tham khảo tại thời điểm suy luận (inference).
- Kỹ thuật ngữ cảnh là nền tảng cốt lõi chi phối mọi hoạt động khác, bao gồm: truy xuất dữ liệu (retrieval), phân mảnh (chunking), nén (compression), chấm điểm mức độ liên quan, phân cấp bộ nhớ, và tinh gọn thông tin qua nhiều lượt tương tác.
Câu hỏi trọng tâm: "Mô hình thực sự đang nhìn thấy những dữ liệu gì?"
- Bước 3: Kỹ thuật khung điều phối (Harness Engineering)
"Harness" (khung điều phối/nền tảng vận hành) không phải là bản thân AI Agent. Nó đóng vai trò như một hệ điều hành quản lý cách một lần chạy (run) được thực thi.
- Nó bao gồm: các công cụ (tools), cơ chế thử lại (retries), các bước chờ con người phê duyệt, vòng lặp xác minh, và các tác tử con (sub-agents). Đây là bộ khung giàn giáo vững chắc để mô hình có thể tập trung hoàn toàn vào việc suy luận logic.
Câu hỏi trọng tâm: "Làm thế nào để một luồng thực thi hoạt động thực sự ổn định trên môi trường production?"
Bước 4: Kỹ thuật vòng lặp (Loop Engineering)
Nếu Harness Engineering giúp một lần chạy trở nên đáng tin cậy, thì Loop Engineering giúp sự đáng tin cậy đó diễn ra liên tục.
- Bạn không còn là người phải ngồi gõ từng câu prompt tiếp theo nữa; thay vào đó, bạn thiết kế một hệ thống tự động làm việc đó. Như Boris Cherny đã chia sẻ: "Tôi không tự prompt Claude nữa. Tôi thiết lập các vòng lặp tự động prompt Claude. Công việc của tôi bây giờ là viết các vòng lặp."
Câu hỏi trọng tâm: "Ai là người tạo prompt, vào thời điểm nào, và kết quả được xác minh ra sao?"
Bước 5: Kỹ thuật quản trị đội ngũ (Fleet Engineering)
Một "Fleet" (đội ngũ/hạm đội) không đơn thuần chỉ là tập hợp của nhiều agent. Nó là một quần thể được quản trị chặt chẽ.
- Lớp này bao gồm: hệ thống lưu trữ (registry), định danh, phân quyền, hộp thư giao tiếp (inbox), nhật ký kiểm toán (audit trail), và một mặt phẳng điều khiển (control plane) cho phép vô số vòng lặp vận hành an toàn trong một tổ chức. Mọi hành động đều phải tuân thủ nghiêm ngặt các quy tắc đã đề ra.
Câu hỏi trọng tâm: "Làm thế nào để vận hành toàn bộ hệ thống này ở quy mô doanh nghiệp mà không tạo ra sự hỗn loạn?"
- Ngành công nghiệp AI đã không còn hỏi "Mô hình này có thể làm được những gì?", mà đã chuyển sang câu hỏi "Làm thế nào để chúng ta xây dựng các hệ thống thực sự hoạt động hiệu quả trong thực tế (production)?"
- Việc bỏ qua bất kỳ lớp kiến trúc nào đều sẽ không giúp hệ thống của bạn đơn giản hơn. Nó chỉ tạo ra các khoản nợ kỹ thuật (technical debt) tích tụ dần cho đến khi toàn bộ hệ thống đổ vỡ.
Đó chính là sự chuyển dịch mang tính thời đại: từ Thử nghiệm (Experimentation) sang Kỹ thuật hệ thống (Engineering).
