howangduc
ENVI
Đặt lịch gọiMenu
howangduc
Tất cả bài viết

Hướng dẫnAI agentsPlaybook

AI delegation loop: giao việc hằng tuần cho AI agent và thôi sửa lỗi trong chat

Một general agent, mỗi việc một folder: Process, Toolbox và Proof. Mọi fix đều đưa vào folder.

Hoàng Huy Đức · 3 phút đọc

PLAYBOOK

Bạn nhờ AI làm báo cáo tuần. Đúng được 90 phần trăm. Bạn gõ lại đúng ba chỗ sửa như tuần trước. Tuần sau chat mất, ba chỗ sửa cũng mất theo.

AI delegation loop là lối ra đơn giản, từ guide của Actionable AI và bài đọc thực hành của John Bradshaw: viết công việc thành một folder, để một general agent run nó, và đưa mọi fix vào folder chứ không phải vào chat. Dưới đây là năm hình cho dễ hình dung.

1. Một agent và một folder, không phải mỗi việc một specialist bot

Mỗi việc một specialist bot

  • Prompt, tools và wiring riêng
  • Việc đổi một chút là wiring gãy
  • Khách hàng phát hiện lỗi trước bạn

Vài tuần lại build lại

Một agent, mỗi việc một playbook

  • Một folder mô tả công việc
  • Agent nào tốt cũng đọc được
  • Đổi model, giữ nguyên folder

Folder là tài sản bạn giữ lại

Model thì thay được. Judgement của bạn, khi đã viết ra, thì không.

Hai đội kỹ sư cũng đi theo hướng này. Vercel build lại data agent của họ, từ một đống custom tools thành một agent đọc các file documentation tốt: trên 5 test query, thời gian trung bình giảm từ 274.8s xuống 77.4s, số câu đúng từ 4/5 lên 5/5, ít hơn 37% token và ít hơn 42% step. Lời cảnh báo của chính họ cũng quan trọng không kém: cách này chỉ chạy được vì các file vốn đã là documentation tốt. Agent Skills của Anthropic là cùng ý tưởng ở dạng sản phẩm: các folder chứa instructions, scripts và resources, thay vì build một custom agent cho từng use case.

2. Playbook: ba layer trong một folder

weekly-sales-report/

  1. Process

    Việc này làm thế nào?

    • Trigger và inputs
    • Các step, theo thứ tự của bạn
    • Decision rules
    • Definition of done
    • Edge cases
  2. Toolbox

    Dùng lại những gì?

    • Report template
    • Script lấy số liệu
    • Một good example
    • Reference lists
  3. Proof

    Sao biết là đúng?

    • Mỗi con số trace được về ô trong sheet
    • Mỗi link đều mở được
    • Độ dài trong limit
    • Tên khớp client list
Process là judgement của bạn. Toolbox giúp khỏi build lại cùng một template. Proof là những check có thể fail.
  • Process là cách bạn thật sự làm việc đó, viết cho một người mới giỏi: trigger, inputs, các step, decision rules, definition of done, và edge cases.
  • Toolbox là những thứ không nên làm lại mỗi lần run: templates, scripts, reference data, một good example. Thiếu nó, mỗi tuần bạn nhận một kết quả hơi khác.
  • Proof là một checklist ngắn phải pass, kèm evidence, trước khi bất cứ thứ gì đến tay bạn.

3. Check không thể fail thì không phải check

Agent tự self review bản draft của mình

  • “Looks good”
  • “Số liệu đều đúng”
  • “Đã check link”

Bạn vẫn phải soát lại tất cả

Check có evidence nằm ngoài bản draft

  • Mỗi con số khớp với một ô trong sheet
  • Mỗi link được mở thử, có status
  • Word count so với limit
  • Mỗi claim khớp một quote

Bạn đọc evidence, không phải cả bản draft

Nghiên cứu cũng nói vậy: model kém trong việc tự phát hiện lỗi reasoning của mình khi không có external feedback (Huang và cộng sự, ICLR 2024). Lời khuyên của Anthropic về evals cho agent cũng thế: ưu tiên check mà code chạy được (deterministic), và xét outcome thật (booking đã có trong database chưa?), chứ không phải câu agent nói là đã book xong. Không có Proof, bạn mới delegate bản draft, còn việc inspect thì vẫn ôm.

4. Loop: fix folder, đừng fix trong chat

  1. 1Run Agent làm việc từ folder, run lại từ đầu.
  2. 2Check Các check pass hoặc fail, có evidence.
  3. 3Tìm layer Một người hỏi: thiếu step, tool cũ hay thiếu check?
  4. 4Fix folder Fix nhỏ nhất mà bền, đúng layer đó. Rồi run lại.
Chat thì đóng. Folder giữ lại mọi fix, nên lần run sau cần bạn ít hơn.

Khi output sai, gọi tên layer hỏng trước khi fix:

  • Bỏ qua một step bạn luôn làm. Đó là Process: thêm step hoặc rule.
  • Format lệch, hoặc một con số lấy từ file cũ. Đó là Toolbox: cập nhật template hoặc script.
  • Một con số sai lọt đến tay bạn. Đó là Proof: thêm check lẽ ra đã fail.

5. Bạn đang ở level nào?

  1. 1Chat correctionsCác fix nằm trong một thread chat rồi đóng.Reset mỗi tuần
  2. 2Giant promptMọi thứ dồn vào một prompt cứ dài thêm.Brittle
  3. 3Written processSteps, rules, edge cases được viết ra.Repeatable
  4. 4Process + ToolboxTemplates, scripts và examples được lưu lại.Consistent
  5. 5Closed loopChecks và notes nuôi lần run sau.Compounds
Phép thử của mỗi level: lần run sau có cần bạn ít hơn lần trước không?

Bắt đầu ngay tuần này

  1. Đầu vàoChọn một weekly jobViệc mà bản làm dở là bạn nhận ra ngay.
  2. Bước AIĐể agent interview bạnAgent hỏi, rồi viết ra PROCESS.md.
  3. Quy tắcRun một lần, freezePhần làm đúng thì lưu vào Toolbox.
  4. Đầu raThêm checksNăm đến mười check có thể fail, kèm evidence.
  5. Con ngườiĐọc evidenceRồi run lại. Lần run thứ hai mới thấy nó hay.
Đừng bắt đầu bằng việc phức tạp nhất. Bắt đầu bằng việc bạn làm mỗi tuần.

Folder cho weekly sales report có thể trông thế này:

weekly-sales-report/
  PROCESS.md   steps và rules
  toolbox/     template, script
  proof/       CHECKS.md
  NOTES.md     mọi fix, có ngày

Agent nào đọc được file đều dùng được: Claude Code đọc thẳng một folder như vậy, còn Agent Skills đóng gói cùng ý tưởng đó.

Khi nào chưa nên làm

  • Việc chỉ làm một lần. Playbook có lời từ lần run thứ hai, không phải lần đầu.
  • File của bạn đang lộn xộn. Kết quả của Vercel dựa trên documentation tốt; một folder notes cũ chỉ cho bạn câu trả lời sai nhanh hơn.
  • Không ai làm owner. Phải có người đọc evidence và fix đúng layer. Quyết định đó vẫn thuộc về con người.

Chỗ có thể thấy điều này

Hoàng Huy Đức mô tả công việc của mình là lớp automation nằm dưới marketing và sales, từ lead scoring đến CRM pipeline (LinkedIn, tháng 9/2026). Xem AI agent để biết playbook đầu tiên được chia scope ra sao.