Khai thác tối đa AI: 'Harness' chính là chìa khóa giúp lập trình viên tăng năng suất gấp bội

Trong 18 tháng qua, làn sóng AI tạo sinh đã thay đổi hoàn toàn cách chúng ta viết mã. Từ gợi ý tab đơn giản đến lập trình tác nhân (agentic coding), giờ đây các lập trình viên đang tiến xa hơn với khái niệm harness — một khung điều phối tập trung giúp quản lý và phối hợp nhiều mô hình AI khác nhau để đạt hiệu quả tối đa. Bài viết này sẽ hé lộ cách một kỹ sư kỳ cựu xây dựng hệ thống của riêng mình để biến AI thành công cụ đắc lực nhất, thay vì chỉ là một trình gợi ý mã thông thường.

Sự trỗi dậy của "harness" trong kỷ nguyên AI

Khi bắt đầu sự nghiệp, tác giả bài viết từng được một đàn anh "tóc bạc" chỉ bảo rằng định luật Moore cũng áp dụng cho cả phần mềm. Lúc đó, anh không hiểu rằng những cuộc tranh luận không ngừng về cách giải quyết vấn đề — từ việc than phiền về J2EE, sự chậm chạp của Netbeans, cho đến layout dạng bảng và việc tải lại toàn bộ trang — chính là động cơ của sự tiến bộ.

Ngày nay, sự tiến bộ đó đã đạt đến một cấp độ mới: một lập trình viên đơn lẻ có thể xây dựng ứng dụng với chất lượng và sự nhất quán của một đội ngũ phát triển lớn. Không còn phải lo lắng về việc tuyển dụng kỹ sư giàu kinh nghiệm, vì nếu họ hiểu rõ stack, họ sẽ nhanh chóng làm quen với dự án của bạn. Tuy nhiên, điều quan trọng nhất được tác giả nhấn mạnh là: harness chính là điểm tựa, nơi kỳ vọng của bạn gặp gỡ khả năng của AI.

Bộ khung ba công cụ: Cursor, Claude và Pi

Hiện tại, tác giả sử dụng một bộ khung được hỗ trợ bởi ba công cụ chính:

• Cursor và Claude: Hai nền tảng lập trình AI phổ biến với gói đăng ký 20 USD/tháng
• Pi: Một công cụ bổ sung, có thể tăng cường khi cần thiết

Điểm đáng chú ý là cả ba công cụ này đều chia sẻ chung các kỹ năng (skills) và tệp AGENTS.md — nơi lưu trữ các hướng dẫn và ngữ cảnh cho AI. Điều này tạo ra một trải nghiệm thống nhất, giúp mô hình hóa thành hàng hóa (commoditized): không còn phụ thuộc vào "nước sốt bí mật" của bất kỳ nền tảng nào.

"Tôi không còn lo lắng về việc chuyển từ Cursor sang Codex vào cuối tháng này nữa." — Tác giả chia sẻ.

Chiến lược tối ưu chi phí: Deepseek cho việc thường ngày, Frontier cho việc lớn

Trong thời đại mô hình AI trở thành hàng hóa, tác giả đã tìm ra cách tối ưu chi phí đáng kinh ngạc. Anh chủ yếu sử dụng deepseek-v4-flash-0731 cho các tác vụ bảo trì và đơn giản, chỉ dùng đến các mô hình mạnh hơn (mà anh gọi là "frontier") khi khám phá tính năng phức tạp hoặc refactor lớn.

Một kỹ thuật đáng chú ý được tác giả áp dụng là prewalk — phương pháp do Can Bölük phát triển, sử dụng mô hình frontier cho giai đoạn lập kế hoạch và tác vụ đầu tiên, sau đó chuyển sang mô hình rẻ hơn khi đã xác định được pattern. Kết hợp với mô hình phân vai planner/worker/critic (lập kế hoạch/thực thi/phản biện), tác giả đã xây dựng một quy trình làm việc hiệu quả:

1. Khám phá (Explore): Dùng mô hình mạnh để lập kế hoạch, hình thành một danh sách tác vụ DAG (directed acyclic graph) rõ ràng
2. Thực thi (Worker): Tập trung triển khai từng nút trong DAG một
3. Phản biện (Critic): Xem xét, đơn giản hóa và đặt câu hỏi về những gì đã triển khai
4. Quảng bá (Promoter): Nhắc nhở rằng công việc chưa hoàn thành cho đến khi được truyền đạt đúng cách đến người khác

Với cách tiếp cận này, tác giả đã giảm 75% việc sử dụng mô hình mạnh (Fable) ngay cả trong những ngữ cảnh căng thẳng nhất. Chi phí chỉ còn khoảng 40 USD/tháng cho hai gói đăng ký, trong khi vẫn phục vụ tốt khách hàng và dự án cá nhân.

Minh họa sơ đồ các vùng frontier và commodity

Sản phẩm kết nối với harness: Ứng dụng camera biến ảnh thành vector

Một ví dụ thú vị về sức mạnh của harness là sản phẩm của tác giả — một ứng dụng camera giúp chuyển đổi ảnh thành đồ họa vector. Ứng dụng này đơn giản, thú vị: ảnh được giảm độ phân giải, đơn giản hóa thành các lớp giá trị (value layers) và hình dạng, giữ lại bối cảnh nhưng loại bỏ chi tiết để người dùng có thể tự vẽ lại.

Thông qua poster-driver, tính năng này được kết nối với harness thông qua trình duyệt headless Chrome. Giờ đây, việc tạo poster từ bất kỳ đồ họa hay video nào trở nên dễ dàng như tải một trang web:

# Chạy từ thư mục gốc của harness
npm run make:animation artifacts/my-movie.mp4

Trước đây, các trường hợp sử dụng nâng cao như thế này chỉ có những giải pháp vụng về; giờ đây chúng trở nên thú vị và dễ tiếp cận. LLM đã giúp tác giả viết script lưu trong harness, có thể chạy "hàng tỷ lần mà không tốn token" — một minh chứng rõ ràng cho việc sản phẩm trở nên mạnh mẽ hơn vì harness có thể tiếp cận nó.

Cấu trúc harness: Jig cho quy trình làm việc

Tác giả mô tả cách anh "sống" trong harness suốt ngày làm việc. Cấu hình nvim được ánh xạ vào thư mục làm việc, và LLM biết file nào đang mở để có thể chỉnh sửa cũng như hướng dẫn các thao tác vim phù hợp. Anh gọi đây là "harness as jig" — giống như một cái khuôn giúp giữ tập trung và kỷ luật khi sử dụng lệnh vim.

Cấu trúc thư mục của harness được tổ chức rõ ràng:

brayness/
├── AGENTS.md
├── AGENTS.local.md
├── bin/
├── prompts/
├── plans/
├── skills/
├── extensions/
├── artifacts/
└── work/
    ├── realness/
    ├── blog/
    ├── brayness/
    ├── nvim/
    └── ...

Điểm quan trọng là tính khả kiểm toán (auditability): các công cụ TUI được hướng dẫn giữ mọi thứ trong thư mục artifacts/. Cursor sử dụng .gitignore để bỏ qua các file không cần thiết, vì vậy thư mục gốc không cần git. Các kỹ năng, tiện ích mở rộng và AGENTS.md là công dân hạng nhất tại thư mục gốc, sẵn sàng để sửa đổi và xây dựng thêm.

Những bài học và thách thức phía trước

Tác giả chia sẻ rằng lúc đầu anh quá "mô tả chi tiết" với các kỹ năng (skills) của mình, nhưng giờ đã học được cách giảm bớt độ đặc thù, vì vượt quá một giới hạn nào đó sẽ chỉ tốn token vô ích. Anh cũng có kế hoạch áp dụng cách tiếp cận thực nghiệm hơn để xác nhận tác động của các thay đổi khi harness ổn định.

Minh họa tác phẩm vector nghệ thuật

Một động lực quan trọng khác được tác giả đề cập là sự cần thiết phải đa dạng hóa quyền truy cập mô hình AI khi chính phủ Mỹ ban hành lệnh cấm đối với Fable (một mô hình AI) và có dấu hiệu kiểm soát ngành. Khoảng một trăm nghìn lập trình viên phần mềm, trong đó có tác giả, đã chuyển sang dùng thử các mô hình Trung Quốc. Pi, từ một công cụ thử nghiệm, đã trở thành phần quan trọng nhất trong bộ khung của anh.

Kết luận

Câu chuyện của tác giả cho thấy một xu hướng rõ ràng: AI không chỉ là công cụ gợi ý mã, mà còn là một phần trong hệ sinh thái làm việc được thiết kế có chủ đích. Việc xây dựng một harness linh hoạt, với các vai trò được phân chia rõ ràng và chi phí tối ưu, đang trở thành kỹ năng sống còn cho các lập trình viên hiện đại — đặc biệt là những người làm việc độc lập hoặc trong các nhóm nhỏ. Giữa lúc thị trường AI thay đổi chóng mặt, việc nắm vững harness chính là cách để bạn không chỉ theo kịp mà còn dẫn đầu cuộc chơi.