Claude Code × Obsidian: Hướng dẫn toàn diện để tạo 15 "Bộ não ngoài" AI thay thế

Hiện tại, chúng tôi có 15 nhân viên AI làm việc tự động. Để giúp họ hoạt động hiệu quả hơn, tôi đã tạo ra 15 bản sao, mỗi bản mang một tính cách riêng, kế thừa kiến thức và cách suy nghĩ của tôi. Tôi không cần đưa ra hướng dẫn chi tiết; họ đã hiểu cách tôi tư duy, nên không cần giao tiếp không cần thiết.

Trong những năm gần đây, sự phát triển vượt bậc của AI đã cách mạng hóa phong cách làm việc và tư duy của chúng ta. Tuy nhiên, phần lớn việc sử dụng AI vẫn chỉ dừng lại ở dạng "hỏi đáp một lần", không khai thác được hết tiềm năng thực sự của công nghệ. Để biến AI từ một công cụ thụ động thành một "cộng tác viên" có thể tự suy nghĩ, hành động và học hỏi, điều cốt yếu là xây dựng một hệ thống nơi AI có thể "Vòng lặp" (Loop).

Bài viết này cung cấp một hướng dẫn thực tế về cách xây dựng "Bộ não ngoài AI" (AI External Brain) bằng cách kết hợp Claude Code và Obsidian. Chúng ta sẽ khám phá khái niệm "Vòng lặp AI"—nơi AI liên tục lặp qua "Lập kế hoạch → Thực thi → Xác minh → Hiệu chỉnh"—và cung cấp các phương pháp triển khai cụ thể kèm ví dụ code thực tế. Từ thiết lập hạ tầng, lý thuyết thiết kế Vòng lặp AI, tự động hóa quy trình làm việc với Skills, quản lý dự án tự động với PM Layer, cho đến tự động hóa nâng cao và quản lý chi phí, hướng dẫn này bao gồm mọi thứ bạn cần để biến AI thành một đối tác thực sự.

Phần 1: Xây dựng Bộ não ngoài AI

Nền tảng của "Vòng lặp AI" là "Bộ não ngoài AI", nơi tổng hợp và quản lý kiến thức cá nhân cũng như thông tin dự án. Bằng cách kết nối Claude Code, Obsidian và Git, chúng ta xây dựng một hạ tầng vững chắc để AI có thể tham khảo, học hỏi và hành động. Chương này giải thích các bước thiết lập cụ thể và cấu trúc thư mục đề xuất.

1.1 Khái niệm về Bộ não ngoài AI

Bộ não ngoài AI là một cơ sở kiến thức có cấu trúc, giúp ngoại hóa các chức năng ghi nhớ, học tập và tư duy của con người để AI có thể truy cập và sử dụng. Điều này cho phép AI đưa ra các quyết định nâng cao và giải quyết vấn đề bằng cách tham khảo kinh nghiệm và kiến thức trong quá khứ.

・Cơ sở kiến thức: Bộ sưu tập các ghi chú Markdown được quản lý trong Obsidian, bao gồm ý tưởng, dự án, biên bản cuộc họp và thông tin kỹ thuật.

・Tác nhân AI: Các chương trình tập trung vào Claude Code để thực thi các quy trình tự động.

・Kiểm soát phiên bản: Quản lý và đồng bộ hóa cơ sở kiến thức bằng Git và GitHub.

・Lớp tự động hóa: Thực thi tác vụ định kỳ và xử lý theo sự kiện bằng GitHub Actions.

1.2 Chuẩn bị môi trường phát triển

1. Obsidian: Công cụ quản lý kiến thức cho các ghi chú Markdown cục bộ.
2. Git: Hệ thống kiểm soát phiên bản để quản lý ghi chú trong kho lưu trữ GitHub.
3. Claude Code: Môi trường thực thi tác nhân AI sử dụng API Claude của Anthropic.
4. Tài khoản GitHub: Cần thiết cho lưu trữ từ xa và tự động hóa qua GitHub Actions.

1.3 Cấu trúc thư mục đề xuất

1.claude/          # Lệnh và cấu hình Claude Code
2  commands/       # Script lệnh tùy chỉnh
3  config.yaml     # Cài đặt Claude Code
400_Inbox/         # Ghi chú tạm thời và thông tin chưa phân loại
510_Projects/      # Thư mục cho các dự án đang triển khai
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # Các lĩnh vực đang theo đuổi (ví dụ: Phát triển, Marketing)
1030_Resources/     # Tài liệu tham khảo và học liệu
1140_Archives/      # Dự án đã hoàn thành và thông tin cũ
12README.md         # Tổng quan về bộ não ngoài

1.4 Đồng bộ hóa Git và GitHub

Đồng bộ ghi chú Obsidian với GitHub mang lại sự an toàn cho dữ liệu, theo dõi thay đổi, đồng bộ đa thiết bị và cho phép Claude Code đọc/ghi vào cơ sở kiến thức.

1.5 Thiết lập Claude Code

Claude Code là một tác nhân mã hóa AI thực hiện các thao tác trên tệp tin, tạo mã và thực thi lệnh dựa trên hướng dẫn bằng ngôn ngữ tự nhiên. Nó đóng vai trò là "chân tay" của Bộ não ngoài AI.

Sử dụng cơ bản:
``bash
claude "Vui lòng mô tả mục đích và tổng quan của dự án này trong README.md."
``

Phần 2: Triển khai Cổng Xác minh

Chương này tập trung vào lý thuyết "Vòng lặp AI" và việc triển khai "Cổng Xác minh" (VERIFY Gate), yếu tố quyết định sự thành công hay thất bại của các hoạt động tự động.

2.1 5 giai đoạn của Vòng lặp AI

1. KHÁM PHÁ: Xác định vấn đề và thu thập thông tin.
2. LẬP KẾ HOẠCH: Tạo kế hoạch hành động.
3. THỰC THI: Thực hiện công việc.
4. XÁC MINH: Đánh giá kết quả một cách khách quan.
5. LẶP LẠI: Hiệu chỉnh và thử lại dựa trên xác minh.

2.2 Tầm quan trọng của Cổng Xác minh

Nếu không có một cổng xác minh nghiêm ngặt, AI có thể rơi vào trạng thái tự thỏa mãn, cho rằng nhiệm vụ đã hoàn thành trong khi thực tế không phải vậy. Cổng này đảm bảo AI hiểu được điều gì cấu thành nên sự thành công.

2.3 Triển khai mã cho Cổng Xác minh

Đây là một script Python tự động kiểm tra chất lượng mã bằng mypy và pytest:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- Bắt đầu xác minh mã ---")
14    # Chạy mypy và pytest...
15    return True, "Tất cả các kiểm tra chất lượng mã đã vượt qua."
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 Thiết kế điều kiện dừng

Để tránh vòng lặp vô hạn và chi phí tăng vọt, bạn phải đặt các điều kiện dừng như tiêu chí thành công, số lần lặp tối đa, giới hạn ngân sách và giới hạn thời gian.

Phần 3: Skills và PM Layer

3.1 Thiết kế Skills

Trong Claude Code, bạn có thể định nghĩa các "Skills" tùy chỉnh để biến các thao tác phức tạp thành các lệnh đơn giản như /decompose hoặc /work.

3.2 Giới thiệu PM Layer

Để đạt được sự tự chủ thực sự, AI cần một "lớp phán đoán" để hiểu bối cảnh của dự án (Cái gì, Tại sao, Làm thế nào, Khi nào). Chúng ta sử dụng tệp pm_brief.md trong mỗi thư mục dự án để cung cấp bối cảnh này.

Phần 4: Tự động hóa Luôn Bật

Sử dụng GitHub Actions, chúng ta có thể khiến AI làm việc định kỳ mà không cần sự can thiệp của con người.

4.1.1 Dọn dẹp Hộp thư đến Buổi sáng

Một quy trình chạy tự động vào lúc 9:00 sáng mỗi ngày để sắp xếp thư mục 00_Inbox/.

4.2 Giám sát và Quản lý Chi phí

Tự động hóa Luôn Bật rất mạnh mẽ nhưng đòi hỏi phải giám sát chi phí. Sử dụng --max-budget-usd và --max-turns để giới hạn chi tiêu cho mỗi lần thực thi.

Kết luận: Thiết kế Vòng lặp

Chìa khóa để tối đa hóa AI không chỉ nằm ở việc đưa ra lời nhắc (prompt) thông minh, mà còn ở việc thiết kế một Vòng lặp nơi AI có thể tự lập kế hoạch, thực thi, xác minh và hiệu chỉnh. Bằng cách kết hợp Claude Code và Obsidian, bạn biến AI từ một công cụ đơn giản thành một cộng tác viên liên tục.