Skills - Dạy AI làm theo bộ quy tắc chuyên gia
Cấu trúc 3 thành phần của Skill (Trigger, SOP, Negative Constraints), kiến trúc nạp theo tầng Progressive Disclosure và ranh giới phân định với RAG.
Skills - Dạy AI làm theo bộ quy tắc chuyên gia
RAG giải quyết bài toán thiếu thông tin bằng cách tra cứu tài liệu. Tuy nhiên, đủ thông tin chưa đảm bảo AI làm việc đúng cách - model vẫn có thể trả lời sai định dạng, bỏ qua bước kiểm tra hoặc tự tiện cam kết vượt quyền. Skill (Kỹ năng chuyên gia) chính là cẩm nang tác nghiệp chuẩn (SOP) định hình cách thức làm việc của AI.
1. Vì sao có đủ thông tin AI vẫn có thể làm sai cách?
Tương tự một nhân viên mới có đủ tài liệu sản phẩm nhưng chưa được đào tạo nghiệp vụ:
- Trả lời dài dòng, cộc lốc hoặc không nhất quán giọng điệu.
- Quên thu thập mã đơn hàng hay ảnh chụp để đối soát.
- Tự ý hứa bồi thường vượt quá thẩm quyền công ty.
Góc nhìn PM: Skill là tờ hướng dẫn tác nghiệp đặt ngay trên bàn làm việc của AI, giúp model kích hoạt đúng quy trình và thực hiện chuẩn xác từng bước.
2. Cấu trúc 3 thành phần cốt lõi của một Skill
- Điều kiện kích hoạt (Trigger): Định nghĩa ngữ cảnh cụ thể khi nào AI cần áp dụng bộ quy tắc này.
- Quy trình tuần tự (SOP Rules): Các bước thực thi bắt buộc (Bước 1: Đồng cảm; Bước 2: Xác minh; Bước 3: Đề xuất).
- Ranh giới và điều cấm (Negative Constraints): Những việc AI tuyệt đối KHÔNG ĐƯỢC LÀM (lằn ranh đỏ bảo vệ uy tín và tài chính).
Giải phẫu cấu trúc của một Skill chuyên gia
Skill đóng vai trò như một cẩm nang tác nghiệp (SOP) hoàn chỉnh với 4 phần tách bạch giúp kiểm soát hành vi AI.
Nhấn vào từng thành phần để xem chi tiết và lý do bắt buộc phải có:
Điều kiện kích hoạt
Mô tả chính xác khi nào AI nên áp dụng quy trình này (dựa vào từ ngữ hoặc ý định trong tin nhắn của khách).
3. Progressive Disclosure: Mở rộng hàng trăm Skill mà không tràn Context
Nhồi toàn bộ 50 Skill vào System Prompt sẽ tiêu tốn >45.000 token mỗi lượt gọi (1 token ≈ ¾ từ tiếng Anh - 45.000 token xấp xỉ cả một cuốn tiểu thuyết ngắn). Kiến trúc Nạp theo tầng (Progressive Disclosure) giải quyết triệt để vấn đề này:
- Tầng 0 (Metadata luôn trực chiến ~300 tokens): AI chỉ giữ danh mục gồm Tên + 2 câu mô tả ngắn của 50 Skill.
- Tầng 1 (Active SOP ~800 tokens): Khi yêu cầu của khách khớp với một skill cụ thể, AI mới nạp chi tiết SOP của đúng skill đó.
- Tầng 2 (Conditional Annex ~400 tokens): Chỉ nạp thêm phụ lục chuyên sâu khi rơi vào nhánh rẽ đặc biệt (ví dụ khách mua sỉ B2B).
Cơ chế nạp theo tầng (Progressive Disclosure) trong Skills
Thay vì nhồi toàn bộ 50 cẩm nang nghiệp vụ vào context, AI chỉ nạp metadata tóm tắt và chỉ bung chi tiết khi thực sự cần.
Tầng 0: Menu tóm tắt luôn trực chiến (Metadata)
Chi phí Token: ~300 tokens (cho cả 50 skills)Khi khởi động, AI chỉ mang theo danh sách Tên + 2 câu mô tả ngắn của tất cả 50 skill. Chưa có quy trình chi tiết nào được đọc.
AI nhìn thấy menu: `tech-cosmetic-exchange` (Đổi trả đồ công nghệ lỗi ngoại quan), `refund-fraud-triage` (Xử lý gian lận), `bulk-order-invoice` (Hóa đơn mua sỉ)...
Hiệu quả: Giữ chi phí token phẳng tối thiểu (~1.500 token thay vì 45.000 token), cho phép mở rộng quy mô không giới hạn.
4. Phân biệt ranh giới: RAG vs. Skills trong sản phẩm
| Tiêu chí | RAG (Knowledge) | Skills (Workflow) |
|---|---|---|
| Bản chất | Cung cấp Thông tin / Sự thật | Cung cấp Quy trình / Cách làm |
| Câu hỏi cốt lõi | "AI cần biết dữ liệu gì?" | "AI cần thực hiện theo các bước nào?" |
| Cách cập nhật | Thêm file vào kho dữ liệu | Viết lại hoặc tinh chỉnh tài liệu SOP |
| Ẩn dụ | Tra cứu từ điển / sách tham khảo | Thực thi theo cẩm nang quy trình |
Phân biệt ranh giới: RAG vs Skills trong sản phẩm
RAG giải quyết câu hỏi 'AI cần biết thông tin gì?', còn Skill giải quyết câu hỏi 'AI cần thực hiện theo quy trình nào?'.
RAG (Retrieval-Augmented Generation)
Đưa THÔNG TIN & SỰ THẬT (Facts & Knowledge)
Ví dụ: Trích xuất dung lượng pin 5.000mAh và thời hạn bảo hành 12 tháng từ datasheet kỹ thuật.
Skills (Quy chuẩn chuyên gia)
Đưa QUY TRÌNH & CÁCH LÀM (SOP & Rules)
Ví dụ: Ép AI viết bài mở đầu 100 từ, đúng 3 gạch đầu dòng và cấm cam kết chữa bệnh y tế.
Đây là dữ liệu sự thật khách quan (facts) nằm trong tài liệu kỹ thuật của nhà sản xuất. Cần RAG để truy xuất thông số chính xác.
5. Tình huống PM: Biến câu dặn dò sơ sài thành Skill chuẩn
Chỉ dẫn sơ sài: "Nếu khách phàn nàn, hãy xin lỗi và đề nghị đổi món." (Dễ gây vỡ quy trình: hứa bồi thường quá mức, không lấy mã đơn).