Cách các nhóm tại Anthropic sử dụng Claude Code

• Các bộ phận tại Anthropic (hạ tầng dữ liệu, phát triển sản phẩm, bảo mật, inference, khoa học dữ liệu, marketing, thiết kế, kỹ thuật RL, pháp lý, v.v.) đã triển khai Claude Code và đang trải nghiệm những thay đổi mang tính đột phá trong tự động hóa các dự án phức tạp, tối ưu hiệu suất công việc, mở rộng năng lực cho cả các công việc không phải lập trình
• Khôi phục sự cố Kubernetes, onboarding nhân sự mới, giám sát dữ liệu quy mô lớn, tự động hóa workflow cho nhân sự không lập trình ở bộ phận tài chính là những ví dụ cho thấy Claude Code thực sự giải quyết vấn đề và nâng cao năng suất
• Thông qua prototyping nhanh, khám phá codebase, tạo test tự động, tự động hóa các tác vụ lặp lại, các nhóm đã đạt được rút ngắn thời gian 2–4 lần so với trước đây, đồng thời cải thiện tốc độ và chất lượng phát triển
• Ngay cả các bộ phận không phải kỹ thuật như thiết kế, marketing, pháp lý cũng có thể xây dựng tự động hóa phức tạp và công cụ riêng mà không cần tài nguyên kỹ sư, thông qua các agent tùy chỉnh và tích hợp với Figma/Google Ads/Meta Ads
• Mỗi nhóm cũng chia sẻ các mẹo sử dụng chính như tài liệu hóa bằng Claude.md, checkpoint lặp lại, prompt cụ thể, phản hồi trực quan, chia sẻ workflow trong nhóm

---

Tổng quan

Anthropic đang áp dụng Claude Code trong nhiều nhóm nội bộ, giúp cả lập trình viên lẫn nhân sự không kỹ thuật đạt được bước nhảy vọt về năng suất thông qua xử lý dự án phức tạp, tự động hóa công việc lặp lại và rút ngắn đường cong học tập. Bài viết giới thiệu sâu cách 10 bộ phận đang thực tế sử dụng Claude Code, các cách dùng hiệu quả theo từng nhóm, những điểm cần lưu ý khi triển khai, cũng như các mẹo thực hành.

---

Nhóm Data Infrastructure: Ứng dụng Claude Code cho hạ tầng dữ liệu

Các trường hợp sử dụng chính

• Debug Kubernetes
  • Khi cụm Kubernetes gặp sự cố, có thể đưa ảnh chụp màn hình dashboard vào Claude Code để được hướng dẫn đường đi trong Google Cloud UI và gợi ý các lệnh cần thiết để xử lý
• Workflow bằng ngôn ngữ tự nhiên cho người không lập trình
  • Nhân sự không kỹ thuật như bộ phận tài chính chỉ cần mô tả luồng dữ liệu bằng văn bản thường, Claude Code sẽ hỗ trợ tự động chạy workflow, hỏi giá trị đầu vào và tạo kết quả dạng Excel
• Khám phá codebase cho người mới
  • Nhà khoa học dữ liệu mới vào có thể dùng Claude Code để hiểu tài liệu Claude.md và cấu trúc codebase, nắm được phụ thuộc của pipeline dữ liệu và kiểm tra nguồn dashboard
• Tự động tóm tắt tài liệu sau khi kết thúc phiên làm việc
  • Sau mỗi tác vụ, có thể yêu cầu tự động tóm tắt công việc đã làm và đề xuất cách cải thiện tài liệu Claude.md
• Làm việc song song với nhiều instance
  • Vận hành nhiều instance Claude Code trên nhiều repository để chuyển đổi công việc giữa các dự án mà không làm mất trạng thái workflow hay ngữ cảnh

Tác động tới nhóm

• Giải quyết sự cố hạ tầng mà không cần chuyên gia hỗ trợ
• Tăng mạnh tốc độ onboarding cho nhân sự mới
• Tăng cường các workflow hỗ trợ như tự động phát hiện bất thường dữ liệu
• Hiện thực hóa self-service cho các bộ phận không kỹ thuật

Mẹo chính

• Ghi tài liệu chi tiết trong file Claude.md
• Khi xử lý dữ liệu nhạy cảm, nên dùng MCP server thay vì BigQuery CLI
• Chia sẻ các phiên làm việc trong nhóm để lan tỏa best practice

---

Nhóm Product Development: Sử dụng Claude Code trong phát triển sản phẩm

Các trường hợp sử dụng chính

• Prototyping nhanh bằng vòng lặp tự động hóa
  • Sau khi bật thiết lập "auto-accept mode", có thể giao một bài toán trừu tượng cho Claude để nhận kết quả ở mức 80%, rồi chỉnh sửa hoàn thiện ở bước cuối
• Lập trình đồng bộ (cộng tác thời gian thực)
  • Khi phát triển tính năng cốt lõi, con người cung cấp prompt theo thời gian thực và guideline về code, còn Claude phụ trách phần lập trình lặp lại
• Triển khai các tính năng độc lập như Vim mode
  • Có thể tự động hóa hơn 70% khối lượng và hoàn thiện bằng nhiều vòng cải tiến lặp lại
• Tự động hóa test case và sửa bug
  • Ở giai đoạn review PR, Claude có thể tự động áp dụng các chỉnh sửa như sửa định dạng, đổi tên hàm, v.v.
• Khám phá codebase nhanh chóng
  • Có thể hỏi Claude về cấu trúc, phụ thuộc của monorepo phức tạp hoặc cả phần code phía API

Tác động tới nhóm

• Triển khai nhanh các tính năng phức tạp bằng tự động hóa
• Giảm thời gian lặp lại và mở rộng prototype
• Cải thiện độ phủ test tự động và chất lượng code
• Tăng hiệu quả khám phá codebase chưa quen thuộc

Mẹo chính

• Xây dựng vòng lặp tự kiểm chứng (build, test, lint tự động)
• Phân biệt rõ công việc bất đồng bộ và đồng bộ để áp dụng phù hợp
• Tạo prompt rõ ràng và cụ thể

---

Nhóm Security Engineering: Áp dụng Claude Code trong kỹ thuật bảo mật

Các trường hợp sử dụng chính

• Debug hạ tầng phức tạp
  • Khi đưa vào stack trace và tài liệu liên quan, Claude có thể lần theo control flow
• Review và phân tích mã Terraform
  • Có thể đưa kế hoạch vào Claude để rà soát nhanh tác động bảo mật và phê duyệt
• Hợp nhất tài liệu và tạo runbook
  • Tập hợp nhiều tài liệu để tạo hướng dẫn troubleshooting và bản tóm tắt runbook
• Triển khai phát triển hướng kiểm thử (TDD)
  • Hợp tác với Claude theo quy trình pseudocode → TDD → kiểm tra định kỳ
• Rút ngắn chuyển đổi ngữ cảnh và onboarding
  • Chỉ cần đưa đặc tả Markdown vào Claude là có thể nhanh chóng đóng góp cho nhóm trong thời gian ngắn

Tác động tới nhóm

• Rút ngắn thời gian phản ứng với sự cố hạ tầng xuống dưới 5 phút
• Loại bỏ thời gian chờ phê duyệt bảo mật
• Có thể đóng góp cho dự án khác trong thời gian ngắn
• Tối đa hóa hiệu quả workflow tài liệu hóa

Mẹo chính

• Tận dụng tích cực các custom slash command
• Chỉ thị Claude tự chủ viết code
• Truyền đạt rõ ràng cách tài liệu hóa và định dạng đầu ra

---

Nhóm Inference: Ứng dụng trong vận hành hệ thống suy luận

Các trường hợp sử dụng chính

• Hiểu nhanh codebase và onboarding
  • Có thể hỏi ngay Claude về file gọi tính năng, phụ thuộc và nhiều chi tiết khác
• Tự động tạo test bao gồm cả edge case
  • Sau khi triển khai tính năng, Claude tự động tạo test và con người chỉ cần kiểm tra lại
• Giải thích các khái niệm machine learning
  • Có thể hỏi trực tiếp Claude về hàm và thiết lập của từng mô hình, giúp tiết kiệm 80% thời gian so với tìm kiếm trên Google
• Chuyển đổi code đa ngôn ngữ
  • Chuyển logic mong muốn sang các ngôn ngữ còn xa lạ như Rust
• Hướng dẫn thường trực về lệnh Kubernetes

Tác động tới nhóm

• Giảm 80% thời gian nghiên cứu và học machine learning
• Xử lý tức thì việc khám phá codebase
• Duy trì chất lượng nhờ test tự động
• Gỡ bỏ rào cản ngôn ngữ

Mẹo chính

• Ưu tiên thử truy vấn knowledge base trước
• Yêu cầu tạo code rồi tự kiểm chứng kết quả
• Giảm gánh nặng bằng cách yêu cầu Claude trực tiếp viết test

---

Nhóm Data Science và ML Engineering: Khoa học dữ liệu và kỹ thuật machine learning

Các trường hợp sử dụng chính

• Xây dựng ứng dụng dashboard bằng JavaScript/TypeScript
  • Dù gần như không có kinh nghiệm với JS/TS, vẫn có thể viết toàn bộ dashboard React, rất hiệu quả trong việc phân tích hiệu năng mô hình RL
• Tự động hóa refactor lặp lại
  • Các tác vụ lặp như xung đột khi merge hay thay đổi cấu trúc file có thể được tự động xử lý hoàn toàn trong 30 phút, và nếu thành công thì áp dụng ngay
• Phát triển công cụ phân tích dùng lâu dài
  • Thay vì notebook dùng một lần, có thể xây dashboard React có thể tái sử dụng để phân tích hiệu năng mô hình
• Giao trọn các tác vụ zero-dependency
  • Ngay cả với ngôn ngữ hay codebase hoàn toàn xa lạ, vẫn có thể giao toàn bộ tác vụ cho Claude xử lý

Tác động tới nhóm

• Rút ngắn ít nhất 2–4 lần thời gian cho các đợt refactor thường nhật
• Xây dựng ứng dụng phức tạp ngay cả bằng ngôn ngữ chưa thành thạo
• Chuyển từ công cụ phân tích dùng một lần sang sử dụng bền vững
• Nâng cao chất lượng ra quyết định nhờ trực quan hóa hiệu năng mô hình

Mẹo chính

• Sử dụng theo kiểu máy đánh bạc: chấp nhận hoặc thử lại tùy theo kết quả
• Càng phức tạp càng nên can thiệp trực tiếp và hướng bài toán về đơn giản hơn

---

Nhóm Product Engineering: Ứng dụng thực tế trong kỹ thuật sản phẩm

Các trường hợp sử dụng chính

• Bắt đầu bằng cách hỏi Claude danh sách file/đường dẫn để thiết kế workflow nhanh hơn
• Tự debug bug và phát triển tính năng trong codebase xa lạ
• Dogfooding thông qua trải nghiệm các mô hình nghiên cứu mới nhất
• Loại bỏ chi phí chuyển đổi ngữ cảnh để tăng khả năng tập trung

Tác động tới nhóm

• Có thể làm việc độc lập cả ở các vùng code chưa từng biết
• Giảm gánh nặng chuyển đổi ngữ cảnh và chờ câu trả lời
• Tăng tốc onboarding cho các kỹ sư luân chuyển
• Tăng mức độ hài lòng và năng suất của lập trình viên

Mẹo chính

• Xem Claude như một đối tác cộng tác và tiếp cận theo cách lặp lại
• Mạnh dạn thử cả những nhiệm vụ xa lạ
• Bắt đầu với lượng thông tin tối thiểu và làm theo hướng dẫn của Claude

---

Nhóm Growth Marketing: Tự động hóa marketing tăng trưởng

Các trường hợp sử dụng chính

• Tự động tạo nội dung Google Ads
  • Tạo tiêu đề và mô tả quảng cáo phù hợp giới hạn ký tự của từng vị trí hiển thị, phục vụ tự động hóa quy mô lớn
• Tạo hàng loạt creative thông qua plugin Figma
  • Tạo theo chương trình nhiều hình ảnh và nội dung quảng cáo cùng lúc, tối đa 100 mẫu
• Phân tích dữ liệu Meta Ads theo thời gian thực bằng MCP server
  • Tự động hóa việc phân tích hiệu quả chiến dịch quảng cáo, ngân sách đã chi, v.v.
• Ghi log các thí nghiệm lặp lại bằng hệ thống bộ nhớ
  • Lưu kết quả thử nghiệm creative để dùng cho lần tạo tiếp theo

Tác động tới nhóm

• Rút thời gian tạo nội dung quảng cáo từ 2 giờ xuống 15 phút
• Tăng hơn 10 lần số lượng creative được tạo
• Một nhóm marketing một người vẫn có thể trực tiếp xử lý công việc phát triển và phân tích quy mô lớn
• Dời trọng tâm công việc sang chiến lược tổng thể và tự động hóa

Mẹo chính

• Bắt đầu xem xét tự động hóa từ các tác vụ lặp có tích hợp API
• Với workflow lớn, tách thành các sub-agent theo từng vai trò
• Thiết kế và cấu trúc prompt đầy đủ trên Claude.ai rồi mới triển khai bằng Claude Code

---

Nhóm Product Design: Đổi mới công việc thiết kế sản phẩm

Các trường hợp sử dụng chính

• Tự trực tiếp điều chỉnh cải tiến trực quan frontend và quản lý trạng thái
  • Nhà thiết kế có thể dùng Claude Code để cải thiện UI ngay lập tức và triển khai thay đổi trạng thái
• Ticketing bằng GitHub Actions và gợi ý code tự động
  • Khi có yêu cầu frontend hoặc sửa bug, Claude có thể tự động đề xuất code
• Tạo prototype tương tác nhanh chóng
  • Dán ảnh mockup vào là có thể tạo ngay code đang hoạt động
• Nắm bắt edge case, trạng thái hiện tại và kiến trúc
  • Có thể trực tiếp khám phá trạng thái hệ thống, luồng lỗi, v.v. ngay từ giai đoạn thiết kế
• Thay đổi nội dung phức tạp và quản lý tuân thủ theo thời gian thực
  • Có thể sửa hàng loạt một cụm từ cụ thể trên toàn bộ codebase và cộng tác với bộ phận pháp lý theo thời gian thực

Tác động tới nhóm

• Chuyển đổi công việc sang nền tảng Figma + Claude Code
• Tăng tốc 2–3 lần cho các cải tiến trực quan và quản lý trạng thái
• Các dự án cộng tác phức tạp có thể rút từ 1 tuần xuống còn 1 giờ
• Tạo trải nghiệm khác biệt cho cả lập trình viên và nhà thiết kế
• Nâng mạnh chất lượng giao tiếp và thiết kế

Mẹo chính

• Thiết lập ban đầu vẫn cần sự hỗ trợ của kỹ sư
• Dùng file custom memory để định sẵn vai trò và cách mô tả
• Tạo prototype bằng cách dán hình ảnh

---

Nhóm RL Engineering: Sampling RL và quản lý trọng số

Các trường hợp sử dụng chính

• Áp dụng cách làm tự chủ + giám sát cho các tính năng nhỏ và vừa
• Tự động tạo test và code review
• Dùng Claude để debug và phân tích lỗi
• Tự động tóm tắt codebase và phân tích call stack
• Hỗ trợ vận hành thực tế qua các truy vấn liên quan đến Kubernetes

Thay đổi trong cách làm việc

• Thiết lập phương thức checkpoint thử nghiệm + rollback
• Tiết kiệm thời gian nhờ tự động tạo tài liệu
• Với các PR nhỏ và vừa, khoảng 1/3 trường hợp có thể hoàn thành ngay trong một lần

Mẹo chính

• Ghi rõ trong Claude.md để tránh lặp lại các lỗi thường gặp
• Tạo thói quen commit và rollback thường xuyên
• Áp dụng mô hình one-shot → cộng tác

---

Nhóm Legal: Ứng dụng AI trong bộ phận pháp lý

Các trường hợp sử dụng chính

• Tùy biến nhanh các giải pháp trợ năng cá nhân
  • Có thể tự tạo các ứng dụng như Predictive Text cho người thân trong thời gian ngắn
• Prototype tự động hóa workflow trong bộ phận
  • Tự động hóa như cây chuyển cuộc gọi theo nhóm hoặc quy trình tích hợp với G Suite
• Đổi mới dựa trên prototype
  • Làm prototype nhanh, thu thập phản hồi từ chuyên gia rồi kiểm chứng khả năng sử dụng thực tế
• Phản hồi và phát triển theo hướng trực quan
  • Giao tiếp với Claude bằng ảnh chụp màn hình giao diện

Nhận thức về bảo mật và compliance

• Có thể nắm bắt ngay các vấn đề bảo mật khi tích hợp MCP
• Khi hệ thống AI được mở rộng, cần ưu tiên xây dựng công cụ compliance

Mẹo chính

• Lên ý tưởng và cấu trúc đầy đủ trên Claude.ai trước
• Giảm áp lực bằng cách yêu cầu theo từng bước công việc hoặc dựa trên ảnh chụp màn hình
• Chủ động chia sẻ cả những prototype chưa hoàn thiện

---

[GN⁺]

Ý kiến Hacker News

• Claude Code có xu hướng chỉ làm được khoảng 70~80%, và tôi ước gì điểm này được nhấn mạnh nhiều hơn. Ví dụ, những lời khuyên như “hãy dùng nó như máy đánh bạc”, “hãy lưu trạng thái trước khi bắt đầu và chia thành các phiên 30 phút; chấp nhận kết quả hoặc làm lại từ đầu sẽ tốt hơn là cố sửa giữa chừng” nghe khá thú vị. Nhưng đó chỉ là điều dễ nói khi bản thân không phải trực tiếp trả chi phí compute
  • Từ góc nhìn nhân viên thì lời khuyên kiểu “dù đã ra kết quả tốt vẫn hãy tạo và chỉnh code hàng trăm lần” nghe khá buồn cười. Làm vậy thì công ty sẽ chỉ nhận được hóa đơn khổng lồ trong khi commit thực tế chẳng có bao nhiêu. Đến mức có thể đùa rằng “tưởng AI sẽ giải quyết hết, ai ngờ lại phải tuyển thêm lập trình viên”
  • Với tôi thì LLM được dùng cho sinh mã khá hiệu quả. Quy tắc của tôi là phải có hơn 90% toàn bộ công việc có thể làm bằng AI thì mới đáng, không tính vài phần autocomplete đơn giản hay chỉnh sửa văn bản. Những bài toán có trong dữ liệu huấn luyện, ví dụ setup một web server đơn giản bằng golang, thì độ chính xác gần như 100%. Mấy phần đó xong trong vài phút, và có thể nhanh chóng dựng phần code “phẳng” của kiến trúc. Năng suất thực tế tăng thêm khoảng 30~50%
  • Điều tôi nhận ra gần đây là đặc tính hoàn thành 70-80% của Claude không chỉ áp dụng ở giai đoạn đầu dự án mà còn có thể hữu ích ở bước cuối. Tôi từng tự bắt đầu một đợt refactor lớn, mới chỉ phác được ý tưởng rồi giao lại cho Claude, và nó hoàn tất phần còn lại một cách hoàn hảo, kể cả CHANELOG. Tôi xem đây là một ví dụ về prompt theo ví dụ hoặc có guardrail mạnh
  • Nếu thêm vào phép so sánh “máy đánh bạc”, thì tôi nghĩ nên tăng mức độ nghiêm ngặt chính thức của hệ thống lên tối đa khi có thể. Nếu chỉ code Python kiểu tùy hứng cho vui thì cuối cùng kết quả sẽ tệ. Nếu ở Haskell mà tăng các kiểm tra hình thức như tùy chọn GHC hay property test thì Claude sẽ bị bắt bài khi cố lách luật. Với TypeScript v.v. cũng hiệu quả nếu ép cấu trúc nghiêm ngặt hơn bằng hệ thống kiểu. Vì Claude ám ảnh với checkbox TODO nên rốt cuộc nó sẽ cố làm đúng những gì được yêu cầu
  • Nếu một nhân viên dù bình thường viết code ổn nhưng có 30% xác suất nộp lên thứ hoàn toàn dị thường, đến mức phải đập đi làm lại, thì chắc là đủ lý do để sa thải rồi
• Tôi đã từng triển khai cả một webapp bằng CC. Cũng đã thử nhiều công cụ code AI khác và làm cả khóa học, workshop liên quan. Workflow hiệu quả nhất để dùng CC là viết đặc tả rõ ràng, ngắn gọn vào file md. Sau đó tham chiếu rõ ràng tới nó trong từng prompt. Bắt đầu từ user story, để CC viết bản nháp kế hoạch theo từng bước, rồi lặp lại việc chỉnh sửa và chốt. Sau đó chia việc theo đúng hướng dẫn triển khai thực tế. Đừng quên test tự động, test chức năng, rồi cuối cùng mới merge
  • Lời khuyên hay, khá giống với trải nghiệm của tôi. Ban đầu tôi thường ném một prompt đại khái rồi chỉnh dần. Workflow tôi tự viết cũng đã ghi lại ở đây
  • Tôi tò mò liệu cách này có thực sự nhanh hơn hoặc hiệu quả hơn so với tự viết code trực tiếp không
  • Nếu có ví dụ thực tế nào được làm theo cách này thì tôi rất muốn xem chia sẻ
  • Tôi cũng có trải nghiệm khá giống workflow này, nhưng ghét kiểu làm việc đó nên hầu như lúc nào cũng thích tự code hơn. Viết đặc tả hay user story là việc tôi ghét nhất
• Claude Code hợp với nhiều loại công việc. Hôm qua tôi đổi backend API cho một website thời tiết, dù hai API khá khác nhau nhưng nó gần như làm xong trong một phát. Ở nhà tôi dùng gói đăng ký $20/tháng, còn ở công ty thì đang chạy thử qua AWS Bedrock. Khi dùng qua Bedrock API thì cuối mỗi phiên đều hiện chi phí ngay, điều này hơi khiến tôi khựng lại. Thật ra tôi lo rằng nếu kiểu tính phí chi tiết theo mức dùng này tiếp diễn, lập trình viên sẽ ngại thử nghiệm, ngại refactor, và cuối cùng chất lượng phần mềm nói chung có thể giảm đi. Có lẽ bên trong Anthropic thì họ dùng mà không phải lo tiền nên tránh được vấn đề này
  • Vài tuần trước tôi đưa cho nó MLB API và bảo làm một widget MacOS, thế là chưa tới một tiếng nó đã tạo ra khá ổn một widget hiển thị bảng xếp hạng league/division/wild-card. Với các dự án quick & dirty chỉ cần kiểm tra mười phút là xong thì nó khá hữu dụng. Tôi cũng có vài ví dụ dùng được kiểu này tương tự
  • Trước đây các kỹ sư đã phải để ý đủ loại chi phí như datacenter, cloud, SaaS... thì có lẽ trong 5~10 năm tới họ sẽ để ý tới phí dùng AI. Cuối cùng sẽ đến lúc chi phí AI trở nên nhỏ nhặt so với chi phí thời gian của con người

  • Có người nói “thấy chi phí hiện ra trực tiếp thì khó chịu”, nhưng thật ra nếu một phiên Claude khủng của tôi tính cho công ty khoảng $10 thì tôi cũng chẳng bận tâm. Công ty tôi cũng bảo “đừng lo chi phí, cứ thử nghiệm trước đi”

  • Ngay cả những hàm nhỏ nhặt, nếu giao cho Claude thì tôi thấy nó vẫn hay triển khai sai một cách tinh vi, dù test sẽ bắt được ngay, nên tôi nghĩ có lẽ nên cẩn thận hơn
  • Tôi thấy khá lạ khi có người bất ngờ vì chi phí sử dụng được hiển thị trực tiếp. Tất nhiên tôi cũng không thích bị hiện chi phí quá thường xuyên, nhưng khi thử nghiệm prompt cho agent thì tôi lại thích vì có thể kiểm tra chi phí theo từng query. Có khi chỉ khác một câu trong prompt là chi phí đã thay đổi, nên chẳng phải chính loại thông tin này mới gợi ra hướng đổi mới sao? Tôi không hiểu vì sao lại xem đó là một chilling effect với thử nghiệm. Nhiều kỹ sư thậm chí còn sẽ tập trung khá nhiều vào đổi mới để giảm chi phí ấy chứ
• Tôi đã đổi từ Gemini Cli sang Claude Code trong mấy ngày gần đây. Tôi công nhận vòng lặp dùng công cụ của nó tốt hơn đôi chút. Nhưng Claude có vẻ “ngu” hơn một chút, và rất hay cố gắng kết thúc công việc bằng mọi giá. Nó bỏ qua cả lẽ thường lẫn chỉ dẫn rõ ràng. Ví dụ, nếu bảo nó làm cho test pass, thì thay vì debug nó có thể đi sửa luôn cấu trúc database. Có đến hai lần nó xóa toàn bộ protobuf rồi đổi sang JSON. Có vẻ chỉ vì proto khó debug nên nó coi đó là cách giải quyết mặc định
  • Tôi cũng có trải nghiệm tương tự. Khi đang refactor nhỏ mà đã sửa được tới nửa khá ổn, nếu giữa chừng thấy khó thì nó sẽ hoàn tác toàn bộ thay đổi trước đó rồi hấp tấp bắt đầu tự động hóa mọi thứ bằng bash script. Những lúc đó nếu chỉ ra rằng “đáng lẽ đã xong rồi, giờ làm gì vậy”, nó sẽ lập tức thừa nhận. Rất điển hình cho kiểu tỏ ra quyết đoán nhưng lại đổi ý rất nhanh
  • Trải nghiệm của tôi cũng vậy: Claude hay lách luật để “giả vờ” làm cho test pass. Nó đôi khi xóa luôn test hoặc bỏ qua test rồi tuyên bố “mọi thứ đã được giải quyết!”. Lạ là tôi chưa thấy hành vi này ở các LLM khác; bình thường chúng sẽ thừa nhận thất bại, và nếu cho thêm gợi ý thì sẽ giải quyết tử tế. Claude thì như thể tin rằng tôi sẽ bị lừa nên mới chơi chiêu đó. Tôi lo nếu nó hành xử kiểu này với lỗi nghiêm trọng hơn thì sao
  • Tôi cũng gặp các trường hợp không khác mấy. Nếu bộ test tổng thể phức tạp bị fail, nó không tìm nguyên nhân mà đổi sang những test rời rạc, dễ pass hơn. Tôi đoán không biết đội Claude có đang nhấn mạnh tiến độ nhanh để tiết kiệm chi phí compute hay không. API timeout hay lỗi cũng xuất hiện khá thường xuyên
  • Điều buồn cười là chỉ cần gặp vấn đề ở bất kỳ bước nào, Claude có xu hướng nói kiểu “hoãn việc này lại” rồi viện cớ qua loa để bỏ qua. Con người có thể hoãn việc bằng phán đoán của mình, nhưng máy thì không có phán đoán, nên tôi nghĩ không nên chấp nhận thái độ đó
  • Thậm chí tôi còn nghe có người nói Claude xóa bừa cả codebase rồi phủ nhận chuyện đó
• Tôi dùng Claude khá nhiều, nhưng bài blog tôi đọc hôm nay hơi kỳ và thô. Tôi còn nghĩ có khi chính team blog đã dùng Claude để viết
  • Trang tài liệu MCP cũng có vấn đề tương tự. Chỉ là một đống gạch đầu dòng thiếu thân thiện
  • Tôi cũng thấy giống vậy, nhưng cảm giác vấn đề còn nằm ở nội dung hơn. Ví dụ câu như “thay vì những lệnh Kubernetes phức tạp, bạn có thể hỏi Claude để lấy đúng lệnh” thì có đáng để nhấn mạnh trong một blog công nghệ AI không nhỉ. Nó chỉ là mẹo rất cơ bản thôi
  • Vấn đề không phải có dùng Claude hay không, mà là toàn bộ bài viết trông như liệt kê các câu trả lời khảo sát, rời rạc, lộn xộn, lặp lại, và hoàn toàn không có sự biên tập bớt những phần thừa. Không có ai thực sự chịu trách nhiệm tuyển chọn và sắp xếp nội dung
  • Thông tin thì nhiều nhưng cuối cùng vẫn chỉ như một danh sách gạch đầu dòng đã được làm sạch sơ sài
• Ví dụ đầu tiên là chuyện Claude chẩn đoán cạn IP pool khi debug k8s và giải quyết vấn đề mà không cần chuyên gia mạng. Nhưng tôi lại tự hỏi, nếu ngay từ đầu có chuyên gia mạng thiết kế thì chẳng phải việc này đã không xảy ra hay sao
  • Chuyên gia cũng mắc sai lầm. Thật ra mọi con người đều mắc sai lầm
• Mẹo tối ưu gần đây của tôi là dùng nhập liệu nhận dạng giọng nói với Claude Code. Chỉ cần giải thích ngữ cảnh và lịch sử như đang nói chuyện với người thật là được. Nhanh hơn nhiều so với tự gõ
  • Nếu dùng Mac thì ứng dụng SuperWhisper khá ổn
  • Tôi hài lòng với gói Python hns. Chạy bằng <i>uvx hns</i> trong terminal, ghi âm rồi bấm Enter là nó tự chép văn bản vào clipboard. Đơn giản nhưng hòa vào workflow CLI rất tự nhiên. Link
  • Nói chuyện với AI trong phòng à? Không thấy ngượng sao? Tôi lại gõ còn nhanh hơn
  • Tôi cũng muốn biết có lựa chọn nào ổn để dùng trên Ubuntu không
• Khi cluster Kubernetes gặp sự cố, có người đã cho Claude Code xem ảnh chụp dashboard, rồi để nó phân tích từng bước giao diện Google Cloud, tìm ra cảnh báo cạn pod IP và hướng dẫn cách thêm IP pool mới. Nhưng tôi thấy cách này kém hiệu quả và tự hỏi liệu thật sự có cần AI không
  • Nếu cứ như vậy thì cả những vấn đề đơn giản cũng sẽ bị phụ thuộc vào AI. Cuối cùng con người sẽ quên mất cách hiểu bối cảnh của vấn đề hay cả mạng lưới chuyên môn để nhờ hỗ trợ, và tôi lo về một thế giới nơi chúng ta trở thành “nô lệ của AI”
  • Cách giải quyết kiểu này là thứ người ta chỉ kỳ vọng ở thực tập sinh hoặc kỹ sư mới vào nghề thôi (mà thực ra cũng có thể đúng là trường hợp như vậy)
• Đây là một ví dụ thú vị, nhưng đội của chúng tôi cũng từng muốn thử Claude Code mà gói team lại không bao gồm nó, trong khi gói Pro cùng tầm giá thì có. Biết chuyện này sau khi mua xong thật sự rất thất vọng. Chúng tôi không định bắt mọi lập trình viên tự trả tiền cá nhân. Trước khi khoe kinh nghiệm nội bộ của đội mình, mong họ hãy cải thiện cấu trúc thanh toán và gói đăng ký để các công ty bên ngoài cũng dùng được đã. Làm ra mô hình AI hàng đầu ngành mà vẫn chưa giải quyết xong chuyện cơ bản như quản lý thuê bao
  • Tại sao bạn nghĩ không nên để mọi người tự trả tiền riêng?
• Tôi dùng Claude code chủ yếu như một con vịt cao su thông minh để thảo luận ý tưởng hoặc xin phản hồi. Phần lớn code thực tế vẫn do tôi viết. Trước tiên tôi buộc nó giải thích thật kỹ quan điểm và ý định trong chat, rồi đặt quy tắc là chỉ được yêu cầu thay đổi code khi tôi cho phép. Tôi tự copy-paste code vào IDE, và giữa chừng sẽ phản ánh các chỉnh sửa của mình rồi giải thích lại thay đổi cho Claude. Ban đầu có vẻ chậm, nhưng cuối cùng tôi phát hiện vấn đề tốt hơn và tinh chỉnh nhanh hơn theo hướng mình muốn. Claude giống như một lập trình viên junior quá tự tin. Phải giám sát chặt, và nếu tôi làm nhanh thì cứ tự làm còn lợi hơn. (Với junior thì có thể là cách tệ, nhưng với Claude lại hoạt động tốt). Nhân tiện, cũng nên nhớ bài blog này do một công ty bán công cụ viết ra. Tôi nghĩ nên lọc bỏ khoảng 90% marketing của các công ty AI. Có cảm giác họ viết thế chỉ để hút tiền hoặc mong được mua lại
  • Chỉ cần để ở plan mode thì nó sẽ tự động không thay đổi gì đúng không? Gemini CLI thì chẳng ngại ngần gì mà lao vào triển khai ngay :D