AI Agent Skills: cách đóng gói một kỹ năng để AI làm việc ổn định hơn

Khi bắt đầu với AI Agent, nhiều người nghĩ “skill” chỉ là một prompt được lưu lại. Cách hiểu đó đúng một phần, nhưng chưa đủ để vận hành công việc.

Một AI Agent Skill hữu ích nên giống một quy trình có thể tái sử dụng: nó nói rõ việc gì cần hoàn thành, đọc nguồn nào, làm theo thứ tự nào, dùng công cụ gì, khi nào phải dừng, cách kiểm chất lượng và nộp kết quả ở đâu.

1. Prompt và Skill khác nhau ở điểm nào?

Prompt thường giải quyết một lượt: “hãy viết bài này”. Skill giải quyết một loại việc: “mỗi khi có brief SEO, hãy đọc evidence, kiểm intent, viết theo cấu trúc, QA nguồn, kiểm cannibalization và tạo output theo schema”.

Prompt có thể hay nhưng vẫn phụ thuộc người dùng nhớ context. Skill giúp đưa context và quy tắc vào chính quy trình.

2. Bảy thành phần của một skill tốt

1. Outcome: kết quả cuối cần đạt.
2. Input: dữ liệu hoặc file bắt buộc.
3. Source of truth: nguồn nào thắng khi có mâu thuẫn.
4. Steps: thứ tự thao tác.
5. Tools: công cụ được phép dùng.
6. Guardrails: lỗi nào phải dừng hoặc hỏi người duyệt.
7. DoD: tiêu chí nghiệm thu và nơi nộp.

Nếu thiếu một trong các phần này, agent vẫn có thể làm được, nhưng độ ổn định giảm mạnh khi task phức tạp hoặc chạy nhiều lần.

3. Viết skill từ một công việc đã làm tốt

Đừng thiết kế skill trong phòng họp rồi hy vọng nó đúng. Chọn một task đã làm thủ công 3–5 lần, ghi lại các bước và lỗi thường gặp.

Ví dụ với nghiên cứu đối thủ: xác định danh sách đối thủ → nguồn được phép dùng → dữ liệu phải trích → cách phân biệt fact/inference → format bảng → phần implication → QA link.

Skill tốt thường xuất phát từ kinh nghiệm thực thi, không chỉ từ lý thuyết.

4. Skill cần “fail-closed” ở chỗ quan trọng

Nếu thiếu nguồn quan trọng, skill nên ghi MISSING thay vì tự điền. Nếu có hai bản tài liệu mâu thuẫn, phải dừng để xác định bản chuẩn. Nếu một hành động cần phê duyệt, agent không nên tự vượt gate.

Fail-closed nghe chậm hơn, nhưng giúp hệ thống không tạo ra “kết quả đẹp nhưng không đáng tin”.

5. Tách skill nhỏ thay vì một skill khổng lồ

Một skill 5.000 dòng làm mọi thứ từ nghiên cứu đến xuất bản rất khó kiểm. Tốt hơn là tách skill theo năng lực: research, brief, writing, QA, publish, report.

Sau đó orchestration ghép chúng theo workflow. Cách này giúp thay đổi một phần mà không làm hỏng toàn bộ hệ thống.

6. Skill nên có input/output có cấu trúc

Nếu mỗi skill nhận và trả text tự do, việc nối nhiều skill sẽ khó ổn định. Hãy dùng schema hoặc ít nhất một format cố định.

Ví dụ output của research có thể luôn gồm: facts, sources, insights, data gaps, recommended angles. Writer nhận đúng cấu trúc đó. QA trả score, blockers và required fixes.

7. Versioning rất quan trọng

Skill sẽ được sửa theo thời gian. Vì vậy cần phiên bản, changelog và cách biết một output được tạo bằng phiên bản nào.

Khi chất lượng giảm, version giúp truy ngược thay đổi. Khi một phiên bản tốt hơn, có thể nâng toàn bộ workflow có kiểm soát.

8. Đo skill bằng output và outcome

Đừng chấm skill vì “prompt trông thông minh”. Hãy chạy test set thật và đo tỷ lệ đạt QA, số lần phải sửa, thời gian xử lý và outcome cuối.

Ví dụ Writer Skill tốt không phải vì viết dài; nó phải tạo bài dễ đọc, có nguồn, không trùng intent, đúng CTA và qua editorial gate.

9. Ví dụ Skill cho AI Sales

Input: email khách + CRM. Steps: trích nhu cầu → data gap → tạo brief → đề xuất câu hỏi → draft phản hồi. Guardrail: không tự bịa giá, không tự cam kết. Output: deal brief + draft + blocker.

10. Ví dụ Skill cho AI SEO

Input: keyword + SERP evidence + nội dung hiện có. Steps: intent → cannibalization → outline → evidence → draft → QA. Output: post in_review + source trace + quality report.

Kết luận

AI Agent càng mạnh thì skill càng quan trọng, vì model mạnh giúp agent làm tốt từng bước, còn skill giữ cho toàn bộ công việc đi đúng đường.

Nếu đang xây agent, đừng bắt đầu bằng việc hỏi “agent này cần personality gì?”. Hãy bắt đầu bằng một công việc thật và viết rõ: input là gì, output đúng trông như thế nào và lỗi nào không được phép vượt qua.