Làm thế nào để vượt qua hầu hết mọi người xung quanh bạn trong kỷ nguyên AI?
Có người sẽ nói đơn giản thôi: cài thêm kỹ năng, dùng thêm nhiều công cụ, mở thêm nhiều gói thành viên.
Nhưng kết quả thì sao?
Bạn đã cài cả đống công cụ, hóa đơn token hàng tháng còn đáng sợ hơn lương tháng, mà sếp vẫn chưa tăng lương hay thăng chức cho bạn.
Tại sao?
Bởi vì khi ai cũng dùng cùng một bộ công cụ, thì công cụ trở thành mức cơ bản mới. Nếu bạn dùng được, người khác cũng dùng được. Chỉ biết cách dùng mới chỉ đưa bạn về cùng vạch xuất phát với mọi người; chưa ai vượt qua ai cả.
Thứ thực sự giúp bạn vượt trội hơn người xung quanh không phải là bạn dùng công cụ gì, mà là bạn có liên tục cải tiến khả năng sử dụng những công cụ đó hay không.
Phương pháp này tên là PDCA, và nó đã có từ hàng chục năm nay. Giờ đây, nó vẫn hiệu quả trong kỷ nguyên AI.
Tại sao lại là PDCA?
Phương pháp PDCA đã giúp ngành sản xuất Nhật Bản vượt qua Mỹ, và chính phương pháp này có thể giúp bạn vượt qua đối thủ trong cạnh tranh công việc hay kinh doanh.
Nhưng câu hỏi là, tại sao một phương pháp hiệu quả cho sản xuất lại có thể hỗ trợ cho việc sử dụng AI hiệu suất cao?
Bởi vì PDCA về bản chất là phương pháp cốt lõi để tối ưu hóa bất kỳ quy trình nào.
Công việc trên dây chuyền lắp ráp của Toyota và công việc bạn làm với AI hàng ngày đều là những quy trình có thể lặp lại, vì vậy cả hai đều có thể được tối ưu hóa.
Phương pháp này được một bậc thầy về quản lý chất lượng người Mỹ tên là Deming mang đến Nhật Bản hơn bảy mươi năm trước, và sau đó đã giúp ngành sản xuất Nhật Bản đánh bại Mỹ.
Nó có bốn bước:
- Plan: Lập kế hoạch
- Do: Thực hiện kế hoạch
- Check: Ghi lại những gì bạn đã làm và phân tích điều gì không hiệu quả
- Act: Lặp lại một lần nữa, mỗi lần đều tốt hơn lần trước một chút.
Phương pháp này đã tạo ra một loạt các ý tưởng, như Lean Manufacturing và Lean Startup!!
Đây là quá khứ và hiện tại của PDCA, nhưng có một câu hỏi lớn hơn: làm thế nào để bạn triển khai PDCA trong kỷ nguyên AI?
Làm thế nào để Triển khai PDCA trong Kỷ nguyên AI?
Vòng lặp PDCA trong kỷ nguyên AI phải trở nên bản địa hơn với AI. Chỉ đơn giản lặp lại như các quy trình truyền thống là không đủ nhanh; nó cần được tự động hóa và cực kỳ nhanh chóng.
Làm sao để đạt được điều này?
Trước tiên, hãy phân tích xem hầu hết mọi người thường mắc kẹt ở đâu với PDCA.
Mọi người nghĩ rằng họ mắc kẹt ở khâu phân tích và cải tiến. Thực ra, nút thắt nằm ở bước đầu tiên: ghi chép lại.
Hãy nghĩ mà xem: cuối cùng bạn cũng trò chuyện với AI để tạo ra một quy trình làm việc hữu ích, nhưng rồi bạn quên mất hoặc lười không ghi lại.
Không có ghi chép, thì bạn phân tích cái gì? Bạn cải tiến cái gì?
Vậy là PDCA đứt gãy ngay ở bước ghi chép.
Trong kỷ nguyên cũ, việc ghi chép phụ thuộc vào con người viết tài liệu và ghi chú. Nhưng con người thì lười và bận rộn; họ đơn giản là không thể duy trì được.
Vì vậy, trong kỷ nguyên AI, việc ghi chép nên được giao cho một công cụ bản địa AI thực hiện tự động.
Công cụ này là flowtrace!!
flowtrace có thể tự động biến toàn bộ quy trình làm việc của bạn với AI thành một bản ghi có thể tái sử dụng, được gọi là "trace" (dấu vết).
Cài đặt nó không khó. Clone dự án từ GitHub và chạy một lệnh cài đặt:
git clone https://github.com/AIScientists-Dev/flowtrace.git
cd flowtrace
./scripts/install.sh
Sau đó, copy kỹ năng make-trace của nó vào thư mục kỹ năng AI của bạn, và nhập /make-trace để bắt đầu.
Vậy nó thực sự có thể làm gì?
Trang web chính thức liệt kê một số tính năng:
- Transparent: Đầu ra của mỗi bước là một tệp có thể mở được; quy trình hiển thị rõ ràng, không bị chôn vùi trong tin nhắn
- Documented: Mọi kết luận đều có thể truy ngược lại tệp gốc; bạn xác minh, không tin mù quáng
- Intervenable: Thay đổi một bước, chỉ các bước phụ thuộc vào nó mới chạy lại; phần còn lại giữ nguyên
- Traceable: Toàn bộ quá trình chạy bao gồm các tệp cộng với git; có thể dừng và tiếp tục bất cứ lúc nào, và xem lại toàn bộ lịch sử
- Reusable: Khi một tác vụ hoàn thành, nó trở thành một trace; thay đổi đầu vào và chạy lại
- Evolvable: Càng chạy nhiều, nó càng hoàn thiện; nếu một bước không đạt tiêu chuẩn, phiên bản tiếp theo sẽ thay thế nó bằng một phương pháp đạt chuẩn
Bạn thấy không? Những tính năng này về cơ bản là những công cụ được thiết kế riêng cho từng bước của PDCA:
- Ghi chép: Dựa vào tính minh bạch (mỗi bước trở thành một tệp) và tài liệu hóa (kết luận truy ngược về nguồn)
- Phân tích: Dựa vào khả năng truy vết (xem lại lịch sử của từng bước như git)
- Cải tiến: Dựa vào khả năng can thiệp (chỉ thay đổi một bước, và chỉ các bước phụ thuộc vào nó mới chạy lại)
- Vòng lặp tốt hơn: Dựa vào khả năng tái sử dụng (chạy lại với đầu vào khác) và tiến hóa (càng chạy càng tốt)
Nó cung cấp mọi thứ cần thiết cho mọi bước của PDCA.
Cách sử dụng nó
Về cơ bản, hãy gọi kỹ năng này và ra lệnh cho nó làm gì đó dựa trên các chức năng này.
Nếu bạn vẫn chưa biết cách sử dụng! Trang web cũng có một loạt các trường hợp có sẵn trên nhiều lĩnh vực:
- Viết sơ yếu lý lịch
- Chọn cổ phiếu
- Thực hiện thẩm định mua lại SaaS
- Chạy quét bảo mật
- Viết báo cáo ngành
- Sửa lỗi
- Tối ưu hóa vị trí quảng cáo
- Chắt lọc tư duy của một người thành một kỹ năng
- Biến kịch bản bài phát biểu thành một bộ Slides phong cách tạp chí
Có thể bạn vẫn còn băn khoăn, vậy để tôi cho bạn xem một ví dụ thực tế!!
Tối ưu hóa Quy trình Đánh giá Dự án Mã nguồn Mở
Gần đây tôi có một nhiệm vụ là đánh giá một số dự án mã nguồn mở, vì vậy tôi sẽ dùng nó làm ví dụ.
Bước 1: Chạy và Ghi lại
Trước đây tôi đã dùng Claude Code để nghiên cứu một dự án mã nguồn mở, trò chuyện qua lại khá nhiều, dẫn đến một lịch sử trò chuyện dài.
Bây giờ trong Claude Code, tôi nhập: /make-trace record this open-source project research workflow.
Nó tự động bắt đầu chạy. Đoán xem nó đang làm gì bên dưới?
Nó chia nhỏ quy trình nghiên cứu của tôi từng bước một: đầu tiên clone dự án, sau đó đọc README để hiểu cấu trúc, sau đó chia thành nhiều nhánh—đọc tài liệu chính, xem ví dụ, kiểm tra đối thủ cạnh tranh—và cuối cùng tổng hợp thành một bản ghi chú nghiên cứu.
Sau khi chia nhỏ, nó yêu cầu tôi khởi động một máy chủ cục bộ. Khi tôi mở trình duyệt, toàn bộ sơ đồ quy trình hiện ra ngay trước mắt, từng nút một, hiển thị rõ ràng cái gì kết nối với cái gì.
Cách tôi nghiên cứu giờ đã được cô đọng thành một trace có thể tái sử dụng. Đây chính là ghi chép.
Bước 2: Phân tích
Ghi chép chỉ là sự khởi đầu; khả năng chạy lại nó mới là giá trị thực sự.
Tôi chuyển sang một dự án thứ hai, thả địa chỉ vào, và bảo AI chạy lại theo trace này.
Nó chạy như thế nào?
Nó đi theo sơ đồ, từng nút một. Ở mỗi bước, nó đọc hướng dẫn, thực hiện công việc, xuất ra một tệp, và chuyển sang bước tiếp theo. Từng lớp một, nó tự động chạy đến cuối.
Khi nó chạy, các vấn đề bắt đầu xuất hiện. Trace của tôi chỉ tập trung vào tài liệu và đối thủ cạnh tranh, nhưng nó bỏ sót một phần lớn: nó hoàn toàn không kiểm tra sức khỏe của dự án—có bao nhiêu sao, các issue có được giải quyết không, lần cập nhật cuối cùng là khi nào.
Thấy chưa, khi tái sử dụng, bạn có thể thấy phương pháp thất bại ở đâu thông qua hình ảnh hóa, rất phù hợp cho việc phân tích dự án.
Bước 3: Cải tiến
Tôi trực tiếp nói với nó trong dòng lệnh để thêm một bước vào trace này chuyên để kiểm tra sức khỏe dự án. Nó thêm vào không chút do dự, và một nút mới ngay lập tức xuất hiện trong sơ đồ.
Sau khi thêm nút, tôi dùng nó để chạy một dự án thứ ba. Kết quả ngay lập tức cho thấy một sự tương phản rõ rệt: dự án này có 34.800 sao, một con số khổng lồ, nhưng khi xem qua các issue, có hơn 800 issue tồn đọng, và không một dòng code nào được thay đổi trong ba tháng qua.
Trong toàn bộ quá trình này, tôi không phát minh ra điều gì mới. Tôi chỉ ghi lại công việc đã làm mỗi lần, tìm ra điểm yếu vào lần sử dụng tiếp theo, và sửa chúng trên đường đi.
Qua quá trình này, bạn có thể thấy dự án này triển khai PDCA cho một quy trình làm việc như thế nào.
Cuối cùng
Thứ thực sự tạo ra khoảng cách trong kỷ nguyên AI không bao giờ là bạn đã cài bao nhiêu công cụ. Đó là liệu bạn có một phương pháp để làm cho các công cụ hoạt động tốt hơn khi bạn sử dụng chúng nhiều hơn hay không.
PDCA cung cấp cho bạn phương pháp này, và flowtrace giúp bạn triển khai nó.
Ai cũng có công cụ. Chỉ những ai biết tối ưu hóa quy trình mới có thể vươn lên trong cuộc cạnh tranh.
Nếu bạn cũng muốn AI của mình trở nên hữu ích hơn, hãy cài đặt flowtrace trước, chọn một tác vụ bạn lặp lại thường xuyên nhất, và chạy nó một lần: ghi lại, phân tích, cải tiến.
Một điều cuối cùng, flowtrace là một dự án mã nguồn mở được tác giả phát hành miễn phí. Nếu bạn thấy nó hữu ích, hãy cho nó một ngôi sao. Địa chỉ ở đây:
https://github.com/AIScientists-Dev/Flowtrace
Những điều tốt đẹp đáng để nhiều người biết đến!!!
