Show HN: Chia sẻ cách bạn dùng AI, học hỏi từ cộng đồng

Trên các diễn đàn công nghệ, ai cũng hào hứng khoe những gì họ xây dựng bằng AI. Nhưng câu hỏi thú vị hơn thường nằm ở phía sau: họ làm việc đó bằng cách nào?

Một dự án mới trên Hacker News mang tên "Show HN: Share your AI Setup, Learn from others" đang cố gắng trả lời câu hỏi đó. Thay vì tập trung vào sản phẩm đầu ra, nó tạo ra một không gian để các kỹ sư, nhà phát triển và người sáng tạo chia sẻ chính quy trình làm việc với AI của họ.

Vấn đề: Ai cũng khoe kết quả, ít ai nói cách làm

Tác giả dự án chia sẻ rằng anh liên tục thấy các kỹ sư đăng lên mạng những gì họ tạo ra với AI. Nhưng điều khiến anh tò mò hơn lại là cách họ làm việc:

• Họ dùng những agent nào?
• Skill và công cụ nào đã trụ lại, cái nào đã bị gạt bỏ?
• Làm sao họ quản lý những tác vụ chạy dài hơi?

"Tôi không thấy ai chia sẻ điều đó cả. Nên tôi muốn có một nơi riêng để mọi người công khai về cách mình thiết lập hệ thống AI."

Cảm giác choáng ngợp là điều rất thật. Mỗi tuần lại có một thuật ngữ mới — nào là agent harness, nào là graph engineering — khiến người ngoài cuộc khó theo kịp.

Ví dụ về các "AI setup" được chia sẻ

Trang web hiển thị hồ sơ của những người tham gia, kèm mô tả ngắn gọn về hệ thống của họ:

• Wes Sander, một solo founder, chạy mô hình Fable dẫn dắt Claude Code, kèm guard hook, định tuyến model, dùng Codex làm executor, và có một lớp governance cho các tác vụ chạy không cần giám sát.

• Dru Ibarra, kỹ sư backend trên một nền tảng đa dịch vụ, dùng Claude Code để đi từ ticket đến bản nháp PR thông qua các skill cá nhân, kết hợp guardrail hook, subagent chạy song song và kiểm tra runtime riêng trước khi merge.

• Ryan Mazzolini dùng Raspberry Pi với các gói đăng ký ChatGPT và Claude, cộng thêm skill và extension tùy chỉnh cho những tác vụ coding cần sự cẩn trọng và có thể review lại.

Điểm chung của các thiết lập này là sự kết hợp nhiều công cụ: một agent làm nhạc trưởng, một agent làm người thực thi, các hook bảo vệ để tránh sai sót, và những subagent chạy song song để tăng tốc.

Vì sao điều này đáng chú ý với người Việt

Với các lập trình viên và nhóm phát triển sản phẩm tại Việt Nam, việc học từ cách người khác tổ chức công việc với AI có thể tiết kiệm rất nhiều thời gian thử - sai. Thay vì mò mẫm từ đầu, bạn có thể tham khảo:

• Cách phân chia vai trò giữa các agent khác nhau.
• Cách đặt guardrail để AI không tự ý làm những việc ngoài phạm vi cho phép.
• Cách tổ chức subagent cho những tác vụ lớn, chạy lâu.

Đây cũng là cơ hội để các nhóm Việt Nam đóng góp trở lại cộng đồng, chia sẻ những cách làm phù hợp với bối cảnh và nguồn lực của mình.

Một cộng đồng nhỏ nhưng đúng hướng

Tác giả thẳng thắn thừa nhận dự án có thể chỉ là "cộng đồng của một người" — chính anh. Nhưng triết lý đằng sau khá dễ đồng cảm:

"Chúng ta không cần phải là người duy nhất hiểu rõ mọi thứ. Chia sẻ sẽ giúp tất cả cùng nhẹ nhõm hơn."

Trong một thời điểm mà công cụ AI thay đổi chóng mặt, việc có một nơi để so sánh, học hỏi và cập nhật cách làm việc có thể giá trị hơn bất kỳ bản demo hào nhoáng nào.

Bạn có thể khám phá các thiết lập hiện có, hoặc tự chia sẻ cách mình đang làm việc với AI — biết đâu nó sẽ giúp ích cho người khác ở nửa vòng trái đất.