Tôi nhớ Claude Code ngày xưa

Trong thế giới AI tạo sinh phát triển chóng mặt, hiếm có công cụ nào khiến tôi gắn bó như Claude Code của Anthropic. Nhưng giờ đây, tôi nhận ra mình đang hoài niệm về một phiên bản cũ – một công cụ tập trung, nhanh gọn và thông minh – trước khi nó dần trở nên cồng kềnh và mất đi bản chất vốn có.

Bài viết này là lời chia sẻ của một người dùng kỳ cựu về hành trình từ yêu thích đến thất vọng với Claude Code, đồng thời phân tích nguyên nhân dẫn đến sự "phình to" của công cụ và mô hình AI hiện tại, cùng khung tư duy để kiểm soát sự phức tạp trong kỷ nguyên code được tạo ra hàng loạt.

Từ sự tập trung đến mất tập trung

Tôi bắt đầu với AI tạo sinh qua các API tự quản lý qua Open Router. Điều khiến tôi ấn tượng với Anthropic không phải là sức mạnh tính toán, mà là sự cô đọng trong câu trả lời – các mô hình của họ luôn đi thẳng vào vấn đề. Sự tập trung đó có giá trị rất lớn, và nó đã đưa tôi đến với Claude Code.

Lần đầu dùng Claude Code, tôi cảm giác như đang sử dụng một phần mở rộng của bộ não mình. Nó không cố tạo ra những giải pháp kỹ thuật phức tạp, mà chỉ đơn giản tìm đọc các file liên quan trong repo, grep tiếp khi cần – đúng như cách tôi tự khám phá codebase. Mọi thứ trôi chảy.

Nhưng rồi có một sự thay đổi. Càng ngày, tôi càng phải "vật lộn" với công cụ để hoàn thành công việc. Cảm giác thiếu tập trung ngày càng rõ, đặc biệt với Claude Opus 5. Nhiều người dùng khác cũng lên tiếng: mô hình này dài dòng, lười biếng, cẩu thả và thường tự ý "over-engineering" mà không được yêu cầu.

"Opus 5 có viết khác hẳn các phiên bản Opus trước – câu trả lời dài hơn nhiều, dùng nhiều cụm từ sáo rỗng, nhiều mệnh đề phụ, nhưng không dùng từ ngữ sâu sắc hơn." – Peter Gostev

Ba nguyên nhân dẫn đến sự "phình to"

Theo tôi, sự béo phì mà tôi đang trải nghiệm với Claude đến từ ba khía cạnh:

1. Mô hình AI – sự dài dòng và mất trọng tâm

Opus 5 quá "nói nhiều". Nó dùng từ to, dùng nhiều, và khó giữ được mục tiêu ban đầu. Đến mức Anthropic phải phát hành Concise Output Style (kiểu xuất kết quả cô đọng) – một biện pháp vá tạm để kiểm soát Opus 5. Đây là dấu hiệu rõ ràng rằng mô hình đã mất đi sự tập trung vốn là điểm mạnh của các phiên bản trước.

2. Công cụ – phát triển quá nhanh, thiếu kiểm soát

Anthropic tung ra tính năng mới với tốc độ chóng mặt. Một ví dụ điển hình: lệnh /doctor trước đây chỉ chạy quy trình thiết lập và kiểm tra mọi thứ hoạt động. Giờ nó trở thành một cuộc kiểm toán toàn bộ các prompt và hệ thống – một thứ cồng kềnh, thay vì giải quyết tận gốc vấn đề thì chỉ vá víu bề mặt.

"Lệnh /doctor chỉ là giải pháp nông cạn cho một vấn đề mang tính hệ thống."

3. Marketing – dẫn dắt người dùng khỏi sự tập trung

Ví dụ rõ nhất là SDLC Playbook mới của Anthropic. Tôi phải chạy nội dung này qua một AI khác mới hiểu được ý chính. Và nếu hiểu đúng, nó cổ vũ cho một thế giới mà tình trạng "phình to" diễn ra hàng ngày, trên toàn bộ codebase. Nó làm cho việc biến ý tưởng thành tính năng trở nên dễ dàng hơn, nhưng đó cũng là cách tạo điều kiện cho sự phình to lan rộng.

Ngược lại: kiểm soát sự phình to mới là thách thức

Trong thế giới mà việc tạo code gần như miễn phí, mỗi tính năng mới cần được chú ý nhiều hơn, chứ không phải ít hơn, trước khi được đưa vào sản xuất. Kiểm soát sự phình to có thể trở thành thách thức lớn nhất của mọi công ty trong kỷ nguyên AI tạo sinh.

Lợi thế của Claude không phải là vĩnh viễn, và các đối thủ cạnh tranh đang nhận ra điều đó.

Khung 5 câu hỏi chống phình to

Để chống lại sự phình to, tôi sử dụng một khung tư duy đơn giản mỗi ngày:

• Làm hay không? – Thứ này có nên tồn tại không?
• Bây giờ hay để sau? – Có thật sự quan trọng lúc này không?
• Nhiều hay ít? – Phạm vi tối thiểu tuyệt đối để hoàn thành là gì?
• Cách này hay cách dễ hơn? – Có cách nào đơn giản hơn để xây dựng không?
• Tự làm hay nhờ người khác? – Đây có phải thế mạnh cốt lõi của chúng ta không?

Kết luận

Tôi thực sự khuyến khích Anthropic giải quyết "cỗ máy chạy trốn" này trước khi quá muộn. Tôi vẫn trân trọng những công cụ họ đã xây dựng và mong muốn được sử dụng công nghệ này trong nhiều năm tới. Nhưng tôi mong họ quay lại với những giá trị cốt lõi: sự tập trung, sự cô đọng và sự thông minh đã làm nên tên tuổi của Claude Code ngày đầu.

Đối với cộng đồng lập trình viên Việt Nam, đây cũng là một bài học quý giá: khi AI tạo ra mã nguồn nhanh hơn bao giờ hết, kỷ luật về phạm vi và sự tập trung mới là thứ quyết định chất lượng sản phẩm của bạn.