Xin chào mọi người, leopardracer đây!
Trước đây, tôi mất hàng giờ mỗi tuần chỉ để tìm ý tưởng nội dung. Reddit ở một tab, tin tức ở tab khác, arXiv ở tab thứ ba, và một ghi chú Obsidian để dán mọi thứ vào rồi cố nhớ xem các mảnh ghép kết nối với nhau ra sao. Mỗi lần tìm kiếm bằng AI chỉ mất vài giây, nhưng tôi lại dành phần lớn thời gian còn lại để làm "keo dán" kết nối mọi thứ.
Tệ hơn nữa là tôi đã tiêu tốn quá nhiều sự tập trung chỉ để chuyển qua lại giữa các tab và cuộc trò chuyện. Mỗi lần chuyển đổi đều làm giảm sự tập trung, và mỗi lần bắt đầu lại khiến công việc trở nên nặng nề hơn thực tế.
Lúc đó tôi không nhận ra, nhưng thay vì tối ưu hóa quá mức các prompt của mình, tôi lẽ ra chỉ cần tạo một workflow. Tôi đã mất một thời gian để tìm ra cách tốt nhất để làm điều này, và bây giờ tôi sẵn sàng chia sẻ cách tôi chuyển đổi prompt thành workflow.
Trong bài viết này:
- Tại sao thói quen dùng prompt lại thất bại khi mở rộng quy mô
- Cách phát hiện ứng viên workflow đầu tiên của bạn
- Cách tìm ra các điểm kết nối trong các cuộc trò chuyện dài
- Mô hình bàn giao giúp chuyển tiếp ngữ cảnh
Nếu bạn đang sao chép đầu ra giữa các tab trò chuyện AI, bạn đang làm công việc điều phối mà AI lẽ ra phải đảm nhận. Giải pháp là biến các prompt của bạn thành một workflow, nơi mỗi bước ghi vào một file và bước tiếp theo đọc file đó. Ngữ cảnh được chuyển tiếp tự động mà bạn không cần phải mang vác. Bạn chỉ dừng lại ở những điểm cần đưa ra quyết định thực sự.
Khi Prompting Ngừng Hiệu Quả
Hầu như ai cũng bắt đầu với AI theo cùng một cách. Bạn gõ một câu hỏi, nhận được câu trả lời, sao chép-dán nó vào đâu đó, rồi lặp lại. Đây là cách tôi đã dùng AI trong năm đầu tiên. Và tôi hiểu, nó có cảm giác hiệu quả vì mỗi tương tác đều mang lại thứ gì đó hữu hình.
Rồi bạn nhận ra mình đang dành nhiều thời gian để quản lý AI hơn là thời gian AI tiết kiệm cho bạn. Bạn là người sao chép giữa các bước. Bạn là người nhớ bước ba cần gì từ bước một.
Một nghiên cứu tháng 10 năm 2025 được công bố trên arXiv cho thấy độ chính xác của LLM giảm đáng kể khi thông tin liên quan bị nhúng trong các ngữ cảnh dài hơn, ngay cả khi tất cả các token không liên quan đã bị che đi.
Các blog và khóa học về prompt engineering vẫn đang bán ý tưởng rằng những từ ngữ đúng đắn sẽ sửa chữa mọi thứ. Họ đang tối ưu hóa sai lớp. Bạn đang cố chạy một pipeline qua một cửa sổ trò chuyện, và không có lượng từ ngữ nào thay đổi được điều đó.
Chạm trần với prompting có nghĩa là bạn có một vấn đề về kiến trúc.
Cách Phát Hiện Workflow AI Đầu Tiên Của Bạn
Trước khi đi sâu hơn, hãy thử điều này. Hãy nghĩ về tác vụ lặp đi lặp lại gần đây nhất bạn đã làm với AI. Tác vụ mất 45 phút và khiến bạn muốn la hét vào phút thứ 30. Bây giờ hãy tự hỏi:
- Tôi có sao chép-dán giữa các bước không?
- Tôi có mở nhiều cửa sổ trò chuyện vì ngữ cảnh liên tục bị nhiễu không?
- Tôi có phải nhớ bước ba cần gì từ bước một không?
- AI có tạo ra đầu ra tốt ở mỗi bước, nhưng kết quả cuối cùng lại tầm thường không?
Nếu bạn trả lời "có" cho bất kỳ câu hỏi nào trong số này, bạn đã có một ứng viên workflow. Bạn đã và đang làm công việc điều phối một cách thủ công.
Đây là một prompt bạn có thể sử dụng ngay bây giờ. Hãy dán nó vào cuối cuộc trò chuyện AI dài tiếp theo của bạn, sau khi bạn hoàn thành một tác vụ:
1Hãy nhìn lại cuộc trò chuyện này mà chúng ta vừa có. Tôi sẽ dán prompt ban đầu mà tôi đã bắt đầu bên dưới. Tôi muốn bạn phân tích xem liệu tác vụ này có thể được chuyển đổi thành một kỹ năng hoặc workflow có thể tái sử dụng hay không.23Cụ thể:41. Các bước tôi đã thực hiện có thể được cấu trúc thành một chuỗi, nơi mỗi bước tạo ra đầu ra mà bước tiếp theo cần không?52. Có các điểm bàn giao nào mà ngữ cảnh cần được chuyển tiếp không?63. Tác vụ này có được hưởng lợi từ việc chia thành các bước riêng biệt với ngữ cảnh sạch sẽ, thay vì chạy như một cuộc trò chuyện dài không?74. Đầu vào, hướng dẫn, đầu ra và điểm kiểm tra sẽ như thế nào nếu đây trở thành một workflow?89Đây là prompt ban đầu tôi đã sử dụng: [DÁN PROMPT BAN ĐẦU CỦA BẠN VÀO ĐÂY]1011Hãy cho tôi biết liệu đây có phải là một ứng viên tốt cho workflow hay không, và nếu có, hãy phác thảo các bước sẽ như thế nào.
Hãy chạy prompt này sau tác vụ lặp đi lặp lại tiếp theo của bạn. Bạn có thể nhận ra rằng mình đã và đang làm công việc có hình dạng workflow một cách thủ công.
Điều này hoạt động cho dù bạn sử dụng Hermes, Claude Code, Codex, Cowork, hay bất kỳ công cụ trò chuyện AI nào khác. Các mẫu hình vẫn giữ nguyên. Công cụ không quan trọng. Cấu trúc mới là quan trọng.
Nơi Tìm Ra Các Điểm Kết Nối Trong Một Cuộc Trò Chuyện Dài
Chuyển đổi một cuộc trò chuyện dài thành một workflow bắt đầu bằng việc nhìn ra nơi quy trình hiện tại của bạn có các điểm kết nối.
Khi bạn có một cuộc trò chuyện AI dài, hãy tìm những khoảnh khắc bạn chuyển hướng. Nơi bạn nói "được rồi, bây giờ hãy làm X" và bắt đầu một ngữ cảnh tinh thần mới. Nơi bạn sao chép thứ gì đó từ đầu cuộc trò chuyện và dán nó vào một yêu cầu mới. Nơi bạn phải nhắc AI về những gì bạn đang làm vì nó đã quên. Những điểm kết nối đó là nơi sự mở rộng phạm vi xảy ra.
Đó là những điểm kết nối của bạn. Mỗi điểm kết nối là một bước tiềm năng trong workflow.
Điểm bùng phát của tôi đến trong một dự án lên ý tưởng nội dung. Tôi cần tìm các góc nhìn thú vị cho các bài báo trên newsletter, điều này có nghĩa là phải lấy thông tin từ nhiều nguồn. Các luồng Reddit đưa ra những lời phàn nàn về các vấn đề cụ thể, các bài báo tin tức đề cập đến các công cụ mới nổi, và các bài báo trên arxiv gợi ý về những khả năng mới.
Tôi bắt đầu một cách thủ công, sao chép-dán các bài đăng Reddit vào một tài liệu, thu thập các tiêu đề tin tức, chạy tìm kiếm arxiv và lưu các bản tóm tắt. Mỗi nguồn sống trong phiên trò chuyện riêng của nó vì các cửa sổ ngữ cảnh liên tục bị nhiễu. Vào lúc tôi hoàn thành với Reddit, tôi đã quên mất những gì tôi tìm thấy trong tìm kiếm tin tức.
Sau đó, tôi tạo các kỹ năng riêng lẻ cho từng nguồn. Một kỹ năng cho nghiên cứu Reddit, một kỹ năng khác cho thu thập tin tức, một kỹ năng thứ ba cho các bài báo arxiv. Mỗi kỹ năng hoạt động tốt một mình, nhưng tôi vẫn là người điều phối giữa chúng. Tôi chạy kỹ năng Reddit, lưu đầu ra, chạy kỹ năng tin tức, lưu đầu ra đó, chạy kỹ năng arxiv, lưu đầu ra đó. Sau đó, tôi thủ công kết hợp cả ba thành một danh sách ý tưởng cuối cùng.
Tôi đã làm công việc điều phối của agent một cách thủ công. AI có thể thực hiện tốt từng bước. Các bước bàn giao mới là vấn đề. Tôi là phần mềm trung gian.
Cách Chuyển Tiếp Ngữ Cảnh Một Cách Chính Xác
Workflow là các chuỗi bước, nơi mỗi bước tạo ra thứ gì đó mà bước tiếp theo cần. Điều phân biệt workflow với prompting là ngữ cảnh được chuyển tiếp tự động thay vì bạn phải mang vác bằng tay.
Hướng dẫn "Building Effective Agents" của Anthropic, được xuất bản vào tháng 12 năm 2024 và được trích dẫn rộng rãi như một tài liệu tham khảo chính thống, đưa ra một sự phân biệt rõ ràng. Workflow là các hệ thống nơi LLM và các công cụ được điều phối thông qua các đường dẫn mã được xác định trước. Agent là các hệ thống nơi LLM tự động điều hướng các quy trình của riêng chúng.
Đối với những người không phải lập trình viên, workflow là điểm ngọt ngào. Bạn xác định đường dẫn. AI thực hiện công việc tại mỗi điểm dừng.
Anthropic mô tả năm mẫu hình workflow. Bằng tiếng Việt dễ hiểu:
Xâu chuỗi prompt (Prompt chaining) hoạt động như một dây chuyền lắp ráp. Đầu ra của bước một trở thành đầu vào của bước hai. Mỗi bước vẫn đơn giản và tập trung.
Định tuyến (Routing) phân loại các đầu vào khác nhau vào các đường dẫn khác nhau. Giống như một máy phân loại thư gửi thư đến đúng mã bưu điện.
Song song hóa (Parallelization) chạy nhiều thứ cùng một lúc. Giống như có ba nhà nghiên cứu thay vì một.
Điều phối viên-công nhân (Orchestrator-workers) sử dụng một agent quản lý phân chia công việc và ủy thác nó cho các agent công nhân.
Đánh giá-tối ưu hóa (Evaluator-optimizer) có một agent làm công việc và một agent khác kiểm tra nó. Agent đầu tiên sửa đổi dựa trên phản hồi.
Tôi gọi các file giữ mọi thứ lại với nhau là file bàn giao. Mỗi bước ghi lại công việc của nó để bước tiếp theo không phải phỏng đoán. Định dạng ít quan trọng hơn nguyên tắc. Nó có thể là một file markdown, một Google Doc, một khối văn bản có cấu trúc. Điều quan trọng là mỗi bước tạo ra thứ gì đó mà bước tiếp theo có thể đọc.
Tôi đã thử mọi cách để giữ ngữ cảnh giữa các bước. Các biến trong bộ nhớ biến mất khi phiên kết thúc, các mục nhập cơ sở dữ liệu yêu cầu thiết lập và bảo trì, và các file trạng thái dùng chung bị hỏng khi hai bước ghi cùng một lúc.
Các file Markdown trong Obsidian đã thắng vì chúng nhàm chán và đáng tin cậy.
Mỗi bước trong workflow ghi đầu ra của nó vào một file markdown, và bước tiếp theo đọc file đó. Các file nằm trong một cấu trúc thư mục phản ánh workflow. Khi có sự cố, tôi mở file và thấy chính xác những gì bước ba đã tạo ra. Tôi truy ngược vấn đề qua chuỗi.
Điều này cũng mang lại cho tôi điều mà tôi không ngờ tới. Tôi theo dõi những gì mỗi subagent hoặc bước đã làm, với các liên kết đến các file cụ thể mà nó đã tạo ra. Khi có điều gì đó nghe có vẻ đáng ngờ trong đầu ra cuối cùng, tôi mở các file trung gian và tìm ra nơi sự sai lệch bắt đầu.
Markdown cũng có những lợi thế thực tế. Văn bản thuần túy hoạt động ở mọi nơi. Các file di chuyển giữa các hệ thống mà không cần chuyển đổi. Các thay đổi có thể được kiểm soát phiên bản theo thời gian. Mọi thứ hiển thị đẹp mắt trong Obsidian, công cụ tôi đã sử dụng để ghi chú.
Lưu trữ ngữ cảnh trong cơ sở dữ liệu hoặc cơ chế trạng thái dùng chung làm tăng thêm độ phức tạp, yêu cầu thiết lập và tạo ra các phụ thuộc. Các file Markdown không yêu cầu gì ngoài một thư mục và một trình soạn thảo văn bản.
Mỗi bước ghi lại công việc của nó. Bước tiếp theo đọc những gì bước trước đã viết. Ngữ cảnh được chuyển tiếp qua các file, không phải qua bộ nhớ.
Xây Dựng Một Workflow AI Từng Bước Một
Hãy để tôi chỉ cho bạn thấy điều này trông như thế nào trong thực tế. Tôi sẽ sử dụng workflow lên ý tưởng nội dung của mình làm ví dụ, nhưng cấu trúc này hoạt động cho bất kỳ tác vụ lặp đi lặp lại nào.
Bốn bước tạo nên workflow này. Mỗi bước đọc từ file đầu ra của bước trước và ghi vào file đầu ra của riêng nó.
Bước 1: Nghiên cứu Reddit
Đầu vào: Một chủ đề hoặc từ khóa để tìm kiếm.
Nó làm gì: Tìm kiếm Reddit để tìm các luồng nơi mọi người phàn nàn về các vấn đề liên quan đến chủ đề đó.
Đầu ra: reddit-findings.md với tiêu đề luồng, URL và các phàn nàn chính.
Bước 2: Thu thập tin tức
Đầu vào: Cùng chủ đề đó.
Nó làm gì: Tìm kiếm các nguồn tin tức để tìm các bài báo về các công cụ hoặc xu hướng mới nổi liên quan đến chủ đề đó.
Đầu ra: news-findings.md với tiêu đề, URL và bản tóm tắt.
Bước 3: Tìm kiếm Arxiv
Đầu vào: Cùng chủ đề đó.
Nó làm gì: Tìm kiếm arxiv để tìm các bài báo gợi ý về những khả năng mới liên quan đến chủ đề đó.
Đầu ra: arxiv-findings.md với tiêu đề bài báo, bản tóm tắt và ghi chú về mức độ liên quan.
Bước 4: Tổng hợp
Đầu vào: Cả ba file từ các bước 1-3.
Nó làm gì: Đọc cả ba file và tổng hợp chúng thành một danh sách các ý tưởng góc nhìn bài báo.
Đầu ra: idea-angles.md với 5-10 chủ đề bài báo tiềm năng, mỗi chủ đề dựa trên nghiên cứu.
Mỗi bước nhận được một ngữ cảnh sạch sẽ với chính xác những gì nó cần. Không có gì bị chôn vùi. Không có gì bị lãng quên.
Lần thử đầu tiên của tôi với workflow này thật xấu xí. Các file trên desktop, một danh sách kiểm tra trong ứng dụng ghi chú, và rất nhiều thao tác sao chép-dán giữ mọi thứ lại với nhau. Nhưng nó có cấu trúc. Mỗi bước có một đầu vào và một đầu ra rõ ràng. Agent không cần nhớ bất cứ điều gì từ ba bước trước vì tôi đã cung cấp chính xác những gì nó cần.
Cuối cùng, tôi đã xây dựng một kỹ năng thống nhất xử lý toàn bộ pipeline. Nó lấy thông tin từ Reddit, các nguồn tin tức và arxiv theo trình tự, ghi từng lô kết quả tìm kiếm vào một file markdown riêng biệt, sau đó tổng hợp cả ba thành một danh sách ý tưởng cuối cùng. Kỹ năng chạy từ trên xuống dưới mà tôi không cần sao chép bất cứ thứ gì giữa các bước.
Prompting vs. Workflow: Cùng Một Tác Vụ
Lên ý tưởng nội dung trông hoàn toàn khác nhau theo cách dùng prompt so với cách dùng workflow.
Cách dùng prompt: Bạn mở một cuộc trò chuyện và yêu cầu AI tìm kiếm Reddit để tìm các phàn nàn về một chủ đề cụ thể. Nó đưa cho bạn một danh sách. Bạn sao chép danh sách đó vào một tài liệu. Bạn mở một cuộc trò chuyện mới và yêu cầu nó thu thập các bài báo tin tức về cùng chủ đề đó. Nó đưa ra các tiêu đề và bản tóm tắt. Bạn sao chép chúng vào tài liệu của mình. Bạn mở một cuộc trò chuyện khác và yêu cầu nó tìm kiếm arxiv để tìm các bài báo liên quan. Nó đưa ra các bản tóm tắt. Bạn cũng sao chép chúng.
Vào lúc bạn hoàn thành, bạn có ba đoạn văn bản riêng biệt trong một tài liệu. Bây giờ bạn cần tổng hợp chúng thành các góc nhìn ý tưởng. Bạn dán mọi thứ vào một cuộc trò chuyện mới và yêu cầu các ý tưởng. AI tạo ra một danh sách, nhưng nó chung chung. Nó đã mất đi sắc thái từ các phàn nàn trên Reddit vì chúng bị chôn vùi trong văn bản kết hợp. Nó đã bỏ lỡ các kết quả tìm kiếm arxiv vì chúng ở cuối một prompt dài 5.000 từ.
Cách dùng workflow: Bạn chạy một kỹ năng tìm kiếm Reddit và ghi kết quả tìm kiếm vào một file có tên reddit-findings.md. Kỹ năng sau đó tìm kiếm các nguồn tin tức và ghi vào news-findings.md. Sau đó, nó tìm kiếm arxiv và ghi vào arxiv-findings.md. Mỗi file đều sạch sẽ và tập trung.
Bước cuối cùng đọc cả ba file và tổng hợp chúng thành idea-angles.md. Mỗi bước nhận được một ngữ cảnh sạch sẽ với chính xác những gì nó cần. Không có gì bị chôn vùi hoặc lãng quên.
Nghiên cứu của Clare Liguori tại AWS đã thử nghiệm năm cách tiếp cận để hướng dẫn hành vi của agent qua 3.000 lần đánh giá. Các hướng dẫn prompt đơn giản đạt độ chính xác 82,5%, có nghĩa là khoảng một trong năm tương tác thất bại. Khi cô ấy thêm các vòng phản hồi có cấu trúc, mà cô ấy gọi là móc điều hướng, độ chính xác đạt 100% qua 600 lần chạy.
Cấu trúc tốt hơn đã tạo ra sự khác biệt, không phải prompt tốt hơn.
Tôi đã tự kiểm tra điều này khi so sánh cách các mô hình khác nhau xử lý các workflow Hermes thực tế. Các mô hình trông ấn tượng trên các điểm chuẩn thường thất bại với các workflow có cấu trúc vì chúng suy nghĩ quá nhiều về các bước đơn giản hoặc bỏ qua các ràng buộc về định dạng. Cấu trúc quan trọng hơn khả năng thô.
Nơi Con Người Vẫn Kiểm Tra
Mọi workflow đều cần các điểm kiểm tra, nhưng không phải bước nào cũng cần một điểm kiểm tra. Thêm các điểm xem xét ở khắp mọi nơi biến workflow thành một chuỗi các gián đoạn.
Tôi sử dụng các cổng quyết định. Bạn chỉ dừng lại ở nơi cần đưa ra một lựa chọn thực sự. Theo đuổi góc nhìn nào. Ưu tiên nguồn nào. Có nên cắt bỏ một phần không phù hợp hay không.
Nếu đầu ra ổn và không cần quyết định, bạn không dừng lại. Workflow chạy cho đến khi chúng chạm đến một điểm mà chúng không thể tiếp tục nếu không có sự phán xét của bạn.
Các cổng quyết định kiểm tra xem đầu ra có khớp với ý định của bạn hay không. AI tạo ra nội dung đúng ngữ pháp, được nghiên cứu kỹ lưỡng nhưng vẫn đi sai hướng. Các cổng quyết định bắt lỗi đó trước khi bước tiếp theo xây dựng trên một giả định sai lầm.
Trong kênh Telegram của tôi, tôi đã viết một hướng dẫn đầy đủ về cách thêm các cổng phê duyệt vào workflow Hermes nếu bạn muốn biết chi tiết kỹ thuật. Các cổng bảo vệ danh tiếng của bạn bằng cách chặn các hành động bên ngoài mà không có sự đồng ý của bạn, bảo vệ dữ liệu của bạn bằng cách yêu cầu xác nhận trước khi thay đổi hệ thống, và bảo vệ ví tiền của bạn bằng cách chặn chi tiêu trên một ngưỡng nhất định mà không có sự phê duyệt.
Đối với hầu hết các workflow, bạn cần một cổng tại điểm mà đầu ra trở nên công khai hoặc không thể đảo ngược. Một workflow nội dung có thể có một cổng sau dàn bài, trước khi bản thảo cuối cùng được xuất bản. Một workflow nghiên cứu có thể có một cổng sau bước tổng hợp, trước khi bạn hành động dựa trên các kết quả tìm kiếm.
Các cổng quyết định là nơi bạn giữ quyền kiểm soát hướng đi trong khi AI xử lý việc thực thi.
Nơi Bắt Đầu Workflow Đầu Tiên Của Bạn
Hãy chọn một tác vụ lặp đi lặp lại. Không phải tác vụ phức tạp nhất. Hãy chọn tác vụ bạn làm mỗi tuần mất 45 phút và khiến bạn muốn la hét vào phút thứ 30. Đó là workflow đầu tiên của bạn.
Của tôi là một bản tóm tắt buổi sáng lấy các tác vụ và bài báo trước khi uống cà phê. Hai bước. Đọc từ Asana, định dạng đầu ra, gửi nó. Đủ đơn giản để xây dựng trong một buổi chiều, đủ hữu ích để chạy mỗi ngày trong tuần kể từ khi tôi xây dựng nó.
Nếu bạn mới làm quen với Hermes, hãy bắt đầu với một workflow hai bước như thế này trước khi thử bất cứ điều gì phức tạp.
Các workflow khả thi tối thiểu có bốn phần: đầu vào (thứ đi vào), hướng dẫn (agent làm gì), đầu ra (thứ đi ra) và điểm kiểm tra (nơi bạn xác minh). Bạn không cần phần mềm. Bạn không cần mã. Bạn cần một thư mục với các file trong đó.
Lời khuyên của chính Anthropic từ "Building Effective Agents" là hãy bắt đầu đơn giản và chỉ thêm độ phức tạp khi cần thiết. Họ cảnh báo rõ ràng về việc bắt đầu với các framework hoặc kiến trúc phức tạp. Hãy bắt đầu với hai bước. Làm cho chúng đáng tin cậy. Sau đó thêm bước thứ ba.
Hướng dẫn của Confluent về workflow AI cũng đưa ra quan điểm tương tự. Các giải pháp đơn giản thường là nơi tốt nhất để bắt đầu. Bắt đầu với prompt engineering đơn giản có thể không hoàn hảo, nhưng nó hoạt động đủ tốt như một bước đầu tiên. Khi bạn chạm trần, hãy thêm cấu trúc. Đừng thêm cấu trúc một cách phòng ngừa.
Nhàm chán đánh bại thông minh. Workflow đầu tiên của bạn nên đơn giản đến mức đáng xấu hổ. Một quy trình hai bước với một file bàn giao và một lần kiểm tra của con người. Chỉ vậy thôi. Những người nhận được giá trị từ workflow AI đã xây dựng những cái nhàm chán và chạy chúng 50 lần, chứ không phải những cái ấn tượng mà họ chạy hai lần.
Hầu hết các lời khuyên về năng suất AI đều bảo bạn viết prompt tốt hơn. Thiết kế các bước bàn giao tốt hơn mới là nơi phần thưởng thực sự nằm. Prompt ở mỗi bước có thể tầm thường nếu ngữ cảnh chúng nhận được là sạch sẽ. Một prompt xuất sắc trong một luồng trò chuyện phình to vẫn sẽ tạo ra đầu ra tầm thường.
Nhận ra khi nào bạn đang làm công việc điều phối mà AI lẽ ra phải đảm nhận là toàn bộ sự thay đổi. Một khi bạn thấy mẫu hình, bạn không thể không thấy nó. Mọi tác vụ lặp đi lặp lại đều trở thành ứng viên cho cấu trúc. Mọi bước bàn giao thủ công đều trở thành một vấn đề thiết kế.
Chạm trần với prompting có nghĩa là bạn có một vấn đề về kiến trúc. Hãy xây dựng pipeline. Hãy để ngữ cảnh chảy. Hãy giữ tay bạn trên các quyết định quan trọng.
Nếu điều này đã thay đổi cách bạn nghĩ về workflow AI, hãy theo dõi @leopardracer để biết thêm nội dung như thế này và tham gia kênh Telegram của tôi: https://t.me/+ygATQAt9sUM1N2U6
