blog.dopana

Quay lại

Mỗi bước nhảy năng lực của AI Agent đều đi theo một khuôn mẫu: người làm thực chiến đến một bức tường, nhận ra tầng nào đang là nút thắt thực sự, rồi biến tầng đó thành một kỷ luật kỹ thuật. Ba tầng — ba kỷ luật: Prompt Engineering → Context Engineering → Harness Engineering. Hiểu chiếc thang này là hiểu không chỉ Agent đến từ đâu, mà còn ngành đang đi đến đâu.

01 Prompt Engineering2022–2023làm model trả lời tốt02 Context Engineering2023–2025cho model đúng ngữ cảnh03 Harness Engineering2025–naylàm execution đáng tin

Giai đoạn 01 · Prompt Engineering (2022–2023)#

Nguồn gốc#

ChatGPT ra mắt tháng 11/2022 khiến năng lực của model lần đầu hiện hữu với tất cả mọi người — và phơi bày một sự thật lạ: chất lượng đầu ra phụ thuộc mạnh vào cách diễn đạt đầu vào. Cùng một model, hỏi cùng một câu nhưng hai kiểu khác nhau, có thể cho kết quả xuất sắc hoặc rác rưởi. Prompt trở thành đòn bẩy lớn nhất của cả hệ thống.

Những nguyên mẫu agent đầu tiên cũng ra đời ở đây: một prompt dài bảo model đóng vai “trợ lý tự chủ hoàn thành nhiệm vụ”. Thời đó, prompt là giao diện duy nhất có thể “lập trình” hành vi của model.

Các kỹ thuật cốt lõi#

  1. Few-shot — đưa vài ví dụ mẫu, để model bắt chước khuôn mẫu.
  2. Chain-of-Thought — “nghĩ từng bước” gợi ra chuỗi suy luận tường minh, cải thiện rõ rệt các nhiệm vụ phức tạp.
  3. System prompt / thiết lập vai trò — chỉ thị cấp hệ thống ràng buộc nhân cách, giới hạn và phong cách đầu ra.
  4. Structured output — yêu cầu JSON/XML để kết quả có thể được chương trình tiêu thụ.

Vì sao không còn đủ dùng#

  • Không có trí nhớ — mỗi phiên hội thoại bắt đầu từ con số không.
  • Kiến thức bị cắt tại thời điểm train — model không biết gì sau training, cũng không biết dữ liệu riêng của bạn.
  • Không hành động được — chỉ sinh văn bản, không gọi API hay đụng vào file.
  • Cửa sổ ngữ cảnh hữu hạn — prompt hay đến mấy cũng không nhồi được nhiệm vụ không giới hạn; nhiệm vụ dài nhanh mất tập trung.

[!NOTE] Nút thắt không nằm ở “hỏi sao cho khéo” mà ở model nhìn thấy được gì và làm được gì. Nhận định này mở ra thời kỳ thứ hai.

Giai đoạn 02 · Context Engineering (2023–2025)#

Vì sao ngữ cảnh là bộ nhớ mới#

Trọng số của model bị đóng băng từ lúc train. Khi chạy, mọi thứ model “biết” về tình huống của bạn chỉ là những gì vừa vặn trong cửa sổ ngữ cảnh. Điều đó khiến context window trở thành bộ nhớ hoạt động của agent — và việc lắp ráp nó tốt (cho gì vào, bao nhiêu, theo thứ tự nào, lúc nào bỏ đi) trở thành một kỷ luật kỹ thuật riêng: context engineering.

Chuyển dịch gói trong một câu: từ chỉnh sửa câu lệnh sang thiết kế môi trường thông tin bao quanh câu lệnh.

Ba trụ cột#

Trụ cộtLàm gìGiải quyết
RAG (Retrieval-Augmented Generation)Chia tài liệu thành vector, truy hồi phần liên quan nhất lúc có câu hỏi, tiêm vào ngữ cảnhTính mới của kiến thức và dữ liệu riêng
MemoryTóm tắt các lượt cũ cho bộ nhớ làm việc ngắn hạn; vector hóa sự kiện, sở thích cho lưu trữ dài hạn“Mỗi phiên bắt đầu từ số 0”
Tool UseModel sinh chỉ thị gọi có cấu trúc (Function Calling, MCP); chương trình thực thi rồi hồi kết quảTương tác với thế giới thực
|gọi tool||kết quả|Câu hỏi người dùngRetrieverVector DBBộ lắp ngữ cảnhMemory storeLLMTools / APIsCâu trả lời

RAG nhét kiến thức liên quan vào cửa sổ, memory giữ lịch sử và sở thích sống qua các phiên, tool use cho model vươn ra ngoài chính nó. Lắp ráp đúng — thông tin quan trọng đặt tránh vùng “lost in the middle”, lịch sử cũ được nén lại — và một model đóng băng vận hành như một hệ thống có học hỏi.

Giai đoạn 03 · Harness Engineering (2025–nay)#

Từ một prompt đến một cỗ máy#

Harness là toàn bộ hệ thống kỹ thuật bao quanh model: vòng lặp lập kế hoạch, thực thi tool, sandbox, kiểm soát quyền, phục hồi lỗi, quan sát. Model cung cấp trí tuệ; harness cung cấp độ tin cậy.

Dòng thời gian của các framework kể chính câu chuyện này:

2023Thời AutoGPTscript vòng lặp một file2024FrameworksLangChain / LangGraph /CrewAI2025Harness kỹ thuậtsandbox, quyền, quản lý ngữcảnh2026Chuẩn hóagiao thức MCP / A2A
  • 2023 · Thời AutoGPT — đưa một mục tiêu vào, nhận một vòng lặp tự chủ “nghĩ–hành động”. Nó chứng minh tổ hợp model + vòng lặp + tool khả thi, đồng thời chứng minh nó cực kỳ bất ổn.
  • 2024 · Frameworks — LangChain, LangGraph, CrewAI biến agent thành graph lắp ghép và đội vai trò: code xác định và bước LLM chung một cấu trúc kiểm toán được.
  • 2025 · Harness kỹ thuật — các sản phẩm như Claude Code và OpenClaw đưa sandbox, cửa kiểm quyền, quản lý ngữ cảnh lên hàng công dân hạng nhất. Harness trở thành sản phẩm.
  • 2026 · Chuẩn hóa — các giao thức như MCP (truy cập tool thống nhất) và A2A (giao tiếp agent–agent) biến agent thành hạ tầng lắp ghép được.

Sản phẩm tiêu biểu#

  • AutoGPT (2023) — người tiên phong. Đưa một mục tiêu, nó tự phân rã và thực thi trong một harness tối giản. Giá trị của nó là bằng chứng về khả năng hơn là độ tin cậy.
  • ACPAgent — hợp tác ưu tiên giao thức: nhiều agent tìm thấy nhau, ủy nhiệm và trao đổi ngữ cảnh qua các giao thức truyền thông agent chuẩn. Trọng tâm kỹ thuật chuyển từ vòng lặp bên trong sang mạng hợp tác.
  • OpenClaw — harness agent cá nhân mã nguồn mở: chạy trong sandbox cục bộ, kết nối kênh nhắn tin, quản lý trí nhớ dài hạn và quyền tool. Nó thương mại hóa đúng cái mà harness engineering hướng đến — sự chắc chắn về kỹ thuật.

[!TIP] Khuôn mẫu xuyên suốt cả ba giai đoạn: model càng mạnh, harness càng gánh nhiều “sự chắc chắn kỹ thuật”. Model lo trí tuệ; harness lo mọi thứ không được phép hỏng.

Chiếc thang trong một bảng#

Thời kỳKỷ luậtCâu hỏi cốt lõiMô hình tư duy
Prompt EngineeringNghệ thuật chỉ thịHỏi thế nào?Prompt là chương trình
Context EngineeringLắp ráp thông tinModel thấy được gì?Ngữ cảnh là bộ nhớ
Harness EngineeringĐộ tin cậy hệ thốngCó hoàn thành được không, an toàn không?Harness là hệ điều hành

Mỗi tầng không thay thế tầng trước — nó hấp thu tầng trước. Prompt vẫn quan trọng, nhưng nằm trong một chiến lược ngữ cảnh; ngữ cảnh vẫn quan trọng, nhưng nằm trong một harness. Trừu tượng hóa tiếp tục nâng lên, còn bản chất vẫn vậy: làm cho model làm việc một cách đáng tin cậy.

Tiếp theo là gì? Hợp tác đa agent, thực thi có kiểm chứng, và một “nền kinh tế agent” nơi các agent giao dịch với nhau. Mỗi cái sẽ đòi hỏi một tầng kỹ thuật mới — cũng đúng như cách câu chuyện này luôn diễn ra.

Tài liệu tham khảo#