3 điều sẽ thay đổi cách bạn sử dụng Claude mãi mãi

Mọi người sử dụng LLM cho rất nhiều việc, nhưng thỉnh thoảng — vào một ngày ngẫu nhiên, không có gì đặc biệt — họ lại phát hiện ra chúng có thể làm được những điều mà mình chưa từng tưởng tượng. Và với sự kết hợp của trí tuệ nhân tạo (AI) có khả năng tự điều khiển, những khoảnh khắc đó càng trở nên kỳ lạ hơn. Tính năng tạo nên khoảnh khắc kỳ lạ gần đây nhất không phải là tính năng mà mọi người thường nhắc đến. Đó không phải là Claude Code mà là Skills.

Skills thực sự là một sự nâng cấp "thầm lặng". Bạn thấy đấy, với AI, chúng ta hiện đã đạt đến điểm mà các mô hình cốt lõi đều đủ tốt. Sự khác biệt trong trải nghiệm nằm ở các yêu cầu và công cụ mà mô hình có sẵn. Claude hỗ trợ Skills, và nó cũng có thể tự xây dựng chúng ngay tại chỗ. Chính điều này đôi khi khiến nó có cảm giác gần như kỳ diệu. Và tất cả những gì bạn cần làm là yêu cầu nó một cách lịch sự.

Thẳng thắn yêu cầu Claude học thứ gì đó

Một người trò chuyện với OpenClaw qua Telegram và hỏi liệu nó có thể gửi tin nhắn thoại hay không. Nó nói không. Vì vậy, người này đã nói thẳng với OpenClaw: Hãy học cách gửi tin nhắn thoại. Nó đã tự động cài đặt các gói và thư viện cần thiết, tự viết một file README hướng dẫn cách vận hành chúng, và hai tin nhắn sau đó, cuối cùng một ghi chú thoại trong cuộc trò chuyện đã được tạo. OpenClaw đã làm được điều đó.

Khả năng đó không chỉ có ở OpenClaw. Tất cả các chatbot mà chúng ta sử dụng đều là những agent. Chúng có môi trường riêng để chạy các tác vụ. Có cả một khái niệm về skill cho phép các LLM làm được hầu hết mọi thứ, và nó thậm chí còn mạnh mẽ hơn khi bạn kết hợp nó với MCP server.

Claude cũng làm được điều này, và có thể nói là làm tốt hơn, bởi vì Claude Code và Claude Cowork được tích hợp ngay vào ứng dụng Claude. Sau khi bạn xây dựng một skill và thêm vào, nó sẽ được giữ nguyên. Trong khi OpenClaw chạy liên tục trên máy tính của bạn, Claude tạo ra một môi trường thử nghiệm mới mỗi lần và chạy skill trong đó.

Cơ chế đằng sau tất cả những điều này chính là Markdown. Ngày nay, Markdown được xem như ngôn ngữ lập trình dành cho AI. Bạn có thể chọn cách tổ chức dữ liệu có cấu trúc chặt chẽ hơn nếu muốn, nhưng Markdown lại là lựa chọn tối ưu để khai thác triệt để khả năng của một AI agent: Bạn chỉ cần viết quy trình, các bước thực hiện và tiêu chí vào một file `.md` thông thường, trỏ Claude Code đến thư mục chứa file đó, và nó sẽ đọc toàn bộ nội dung. Tuyệt hơn nữa, nó mang tính phổ quát - bạn có thể đưa chính file đó cho Codex hay Antigravity của Google và chúng đều có thể đọc được. (Cũng chính vì lý do này mà Markdown rất tuyệt vời cho việc ghi chú cá nhân, nhưng bài viết sẽ không đi sâu vào chuyện đó).

Tận dụng sức mạnh của Claude Skills

Nhiều người chưa bao giờ thực sự bận tâm đến việc thiết lập Claude Skills. Họ biết chúng tồn tại, thậm chí đã lướt qua danh sách các skill có sẵn, nhưng chưa bao giờ tự mình kết nối bất kỳ skill nào. Nhưng rồi điều đó đã thay đổi.

Một sinh viên đang ôn tập cho một bài kiểm tra sắp tới trong vài tháng nữa, và nhận ra rằng mình thực sự cần phải biết hình dạng của các phân tử. Suy nghĩ đầu tiên là giữ một danh mục để tham khảo lại. Suy nghĩ thứ hai là yêu cầu Claude tạo ra chúng dưới dạng SVG, thay vì tự mình tải xuống. Suy nghĩ thứ ba: Điều gì sẽ xảy ra nếu Claude có thể vẽ chúng theo yêu cầu?

Đây là lúc công cụ phát huy tác dụng. Bạn thấy đấy, vẽ ở đây không giống như "tạo ra". Điều này sẽ không giống như một mô hình hình ảnh. Nó sẽ không tự ghép những gì nó nghĩ là cấu trúc chính xác, và không dễ bị ảo giác AI.

Một phân tử có thể được biểu diễn bằng chuỗi SMILES, và các thư viện như RDKit có thể chuyển đổi chuỗi đó thành cấu trúc 2D hoàn chỉnh. Claude chỉ cần học cách sử dụng chúng.

Claude có thể sử dụng các widget tương tác động để giải thích mọi thứ. Vì vậy, hãy hỏi liệu nó có thể làm điều tương tự cho các phân tử hay không. Nó không thể làm được ngay lập tức, nhưng đó không thực sự là vấn đề. Hãy yêu cầu Claude "học cách làm".

Khi nhận được kết quả đầu tiên, có những cạnh thô, vì vậy người dùng trong tình huống trên đã chỉ cho nó những gì cần sửa, và Claude đã sửa chúng. Cuối cùng, yêu cầu Claude xuất toàn bộ thành một skill. Chỉ cần một cú nhấp chuột, skill đó có thể được sử dụng trên Claude, Cowork và ứng dụng thông thường, từ trình duyệt hoặc bất kỳ thiết bị nào đã đăng nhập. 

Cuối cùng, yêu cầu hệ thống xuất toàn bộ nội dung đó thành một "skill". Nó đã thực hiện ngay và cung cấp một nút Save as skill rất gọn gàng. Chỉ với một cú nhấp chuột, tính năng này đã sẵn sàng để sử dụng trên Claude, Cowork và ứng dụng thông thường - dù là trên trình duyệt hay bất kỳ thiết bị nào mà bạn đã đăng nhập. Nhờ vậy, một khi đã hoàn thiện kết quả đầu ra, bạn có thể yêu cầu hệ thống vẽ hoặc so sánh các cấu trúc bất cứ lúc nào và ở bất cứ đâu.

Sử dụng mô hình đắt tiền để thực hiện những phần khó

Một khi skill hoạt động, các mô hình rẻ hơn có thể tái sử dụng nó

Vì bạn đang xây dựng các skill bằng chính LLM, bạn nên sử dụng một mô hình mạnh hơn để xây dựng skill. Bạn có thể xây dựng skill của mình với Claude Opus 4.8 để đảm bảo kết quả tốt ngay từ đầu. Nhưng sau đó, nó có thể sử dụng được với bất kỳ mô hình rẻ hơn nào hỗ trợ các công cụ. 

Một lợi thế khác của Markdown ở đây là bạn có thể dễ dàng xuất skill sang các nền tảng khác. Codex, Antigravity hay OpenClaw đều có thể đọc nó.

Các cuộc hội thoại với Claude sử dụng những môi trường riêng biệt, vì vậy nếu một skill cần các gói bên ngoài, một cuộc hội thoại mới sẽ cần phải tải xuống hoặc thiết lập lại chúng. Bản thân skill được lưu lại, nhưng runtime không giống như việc máy tính của bạn luôn sẵn sàng với mọi thứ đã được cài đặt.

Đó là một lợi thế của những phần mềm như OpenClaw hoặc Claude Code, chạy cục bộ. Nếu bạn thiết lập môi trường trên máy tính của mình, nó có thể ở đó mãi. Nhưng Claude có giao diện tốt hơn cho loại đầu ra trực quan này. Đối với trường hợp sử dụng phân tử ví dụ, điều đó quan trọng hơn việc có một môi trường cục bộ ổn định.

Đây chỉ là một trường hợp sử dụng mà chúng ta tình cờ gặp phải. Có lẽ bạn nên thiết lập một cơ sở dữ liệu để lưu trữ các kết quả đã được tạo sẵn; như vậy, những lần sau hệ thống chỉ cần hiển thị chúng thay vì phải thực hiện lại toàn bộ quy trình tạo mới. Hoặc có thể thiết lập một MCP server. Còn hiện tại, bạn biết mình sẽ dùng khoản credit vào việc gì: Phát triển thêm các skill cho Claude.

Nhưng đó mới là điểm mấu chốt - tiềm năng thực sự là vô hạn. Bạn chỉ cần yêu cầu nó học một điều gì đó, rồi lưu lại thành một skill. Hãy dùng Opus để xây dựng skill đó thật chỉn chu, định dạng đúng chuẩn, và sau đó bạn có thể triển khai nó ở bất cứ đâu với chi phí thấp hơn nhiều. Skill này mang lại kết quả chất lượng cao và ổn định, đồng thời giúp cắt giảm đáng kể chi phí vì bạn không cần phải lặp lại các yêu cầu hay hướng dẫn mỗi lần thực hiện nữa.