ISC SU02 · Thang năng lực AI
Thang năng lực AI · ISC SU02 · L1 — L5 · v1.0

Thang năng lực AI: năm level, từ prompting đến multi-agent.

Tài liệu trả lời hai câu hỏi. Thứ nhất: mỗi level làm được những gì. Thứ hai: cần hoàn thành nhiệm vụ nào để lên level tiếp theo.

Level 1
Prompting
Viết prompt cho model
Level 2
Context
Chọn thông tin đưa vào context window
Level 3
Harness
Dựng môi trường chạy cho agent
Level 4
Loop
Cho agent tự chạy và tự dừng
Level 5
Graph
Chia việc cho nhiều agent
Năm level là gì

Level được xác định theo unit of control, không theo công cụ đang dùng.

Unit of control là phạm vi mà người dùng tự thiết kế ra. Ở Level 1, phạm vi đó là nội dung một prompt. Ở Level 5, phạm vi đó là cách chia việc giữa nhiều agent. Cùng một công cụ dùng được ở cả năm level — khác biệt nằm ở phạm vi tự thiết kế, không nằm ở công cụ.

LevelUnit of controlVí dụ việc phải làmArtifact
L1 PromptingNội dung một promptViết lại yêu cầu cho rõ, bổ sung few-shot examples, quy định output formatPrompt template
L2 ContextToàn bộ context window của một lần gọiQuyết định file nào nạp sẵn, file nào để agent tự tìm; ghi state ra fileCLAUDE.md
L3 HarnessMôi trường chạy của một agent: tool, quyền, logCấp cho agent quyền chạy test; ghi log đủ để truy nguyên nhân khi lỗiSKILL.md, permission model
L4 LoopChu kỳ hành vi của một agentĐặt verification để agent biết khi nào xong; đặt iteration ceiling và budget caploop specification
L5 GraphTổ chức của nhiều agentAgent nào phụ trách domain nào; bàn giao kết quả theo định dạng gìorg graph, work graph
Hai lưu ý trước khi áp dụng
  1. Level trên bao level dưới, không thay thế. Người ở Level 4 vẫn phải viết prompt tốt. Yêu cầu còn cao hơn, vì khi agent tự chạy thì không còn ai hiệu chỉnh output ở từng lượt.
  2. Không phải vị trí nào cũng cần level cao. Phần lớn công việc dừng ở Level 2 hoặc Level 3. Đây là kết quả đúng với nhu cầu, không phải thiếu sót cần khắc phục.
Cơ sở của khung arXiv 2607.00038, Hình 1 — hệ thống hoá chuỗi bốn tầng prompt → context → harness → loop, nêu rõ “each layer subsumes the previous one”. Chính bài này ghi ở chú thích rằng khung bốn tầng được rút từ bài viết của người hành nghề, không phải phát hiện của bài. tosea.ai — What Is Loop Engineering? · 06/2026 — một trong hai nguồn hành nghề mà bài trên dẫn làm gốc của chuỗi bốn tầng. arXiv 2603.09619 · Vera V. Vishnyakova, HSE University · 10/03/2026 — một mô hình bốn tầng khác: prompt → context → intent → specification engineering. Không trùng tầng với khung này, nhưng cùng nguyên lý tích luỹ: “each level subsumes the previous one as a necessary foundation”. arXiv 2605.26146 — ghi nhận hiện tượng hội tụ độc lập: nhiều nhóm nghiên cứu riêng rẽ cùng kết luận prompt → context → một tầng cao hơn tạo thành hệ thứ bậc tích luỹ, dù tầng thứ ba mỗi nhóm đặt tên khác nhau. Tầng thứ năm (Graph) không nằm trong bất kỳ nguồn nào ở trên. Do nguồn thứ cấp tháng 07/2026 bổ sung.
Cách lên level

Mỗi level có hai nhiệm vụ thực hành và một gate sang level kế tiếp.

Nhiệm vụ làm ngay trên dự án đang chạy, không làm bài tập riêng. Qua được gate cần đủ hai điều kiện: trigger đã xuất hiện trong công việc thực tế, và prerequisites kỹ thuật đã chuẩn bị xong.

L1

PromptingUnit of control — nội dung một prompt

Định nghĩaPhương pháp viết và tổ chức instruction cho model nhằm đạt kết quả tối ưu trong một lượt phản hồi. Toàn bộ level đứng trên một giả định: mọi output đều có người đọc, đánh giá và hiệu chỉnh trước khi sử dụng.
Nguồn tham chiếuAnthropic — Effective context engineering for AI agents · 29/09/2025PRIMARY
Skills cần có
  • Viết prompt đủ ba phần: bối cảnh, yêu cầu, và tiêu chí hoàn thành.
  • Phân vùng prompt bằng XML tag hoặc Markdown heading, không viết liền một đoạn dài.
  • Few-shot: chọn ba đến năm ví dụ tiêu biểu, không liệt kê hết edge case.
  • Structured output: ràng buộc định dạng bằng JSON schema khi kết quả được chương trình khác đọc tiếp.
Hai nhiệm vụ thực hành
  1. Lấy ba prompt đã dùng gần nhất, viết lại theo đủ ba phần, chạy lại và so kết quả trước với sau.
  2. Chọn một việc làm ít nhất hai lần mỗi tuần, chuẩn hoá prompt của việc đó thành template có phân vùng. Áp dụng template trên năm case khác nhau.
Artifact xác nhận hoàn thành levelMột prompt template được người khác dùng lại được ngay, không cần hướng dẫn thêm.
G1
L1 → L2
TriggerPrompt đã viết kỹ nhưng kết quả vẫn khác nhau giữa các lần chạy. Session dài thì model bỏ sót yêu cầu đã nêu từ đầu.
PrerequisitesĐã có ít nhất một prompt template tái sử dụng được cho một việc làm định kỳ.
Chưa lên khiKhối lượng dùng AI thấp và các việc không lặp lại — Level 1 đã đủ.
L2

ContextUnit of control — toàn bộ context window của một lần gọi

Định nghĩaTập chiến lược lựa chọn và duy trì tập token tối ưu đưa vào model trong suốt quá trình inference — gồm system prompt, tool definition, dữ liệu ngoài, message history và kết quả tool ở bước trước. Nguyên tắc chỉ đạo: tìm tập token nhỏ nhất có tín hiệu cao nhất nhằm tối đa khả năng đạt được kết quả mong muốn.
Nguồn tham chiếuAnthropic — Effective context engineering for AI agents · 29/09/2025PRIMARYAndrej Karpathy, đồng sáng lập OpenAI — X, 25/06/2025: “filling the context window with just the right information for the next step”gốc thuật ngữOpenAI — Harness engineering, R. Lopopolo · 11/02/2026: một AGENTS.md khổng lồ đã thất bại — “give Codex a map, not a 1,000-page instruction manual”PRIMARYGoogle Cloud — Five guides to building and scaling production-ready AI agents · 2026vendor
Skills cần có
  • Hiểu context rot: số token trong context window càng tăng thì khả năng model nhớ chính xác thông tin trong đó càng giảm.
  • Structured note-taking: ghi tiến độ và quyết định ra file, không giữ trong message history.
  • Nạp sẵn phần ít thay đổi của repo; phần còn lại để agent tự tìm khi cần (just-in-time retrieval).
  • Compaction có chọn lọc khi session quá dài: giữ quyết định kiến trúc và ràng buộc nghiệp vụ, bỏ tool result đã cũ.
Hai nhiệm vụ thực hành
  1. Chọn một việc kéo dài từ ba ngày trở lên, chuyển toàn bộ state ra file. Đóng session giữa chừng, mở session mới và làm tiếp chỉ dựa vào file đó.
  2. Viết CLAUDE.md cho một repo Brownfield đang phụ trách: lệnh build và test, convention đang dùng thật, các điểm dễ gây lỗi trong phần legacy, và phần không được phép sửa.
Artifact xác nhận hoàn thành levelMột người chưa từng làm trong repo dùng agent theo đúng CLAUDE.md và hoàn thành được một task nhỏ, không cần hỏi thêm.
G2
L2 → L3
TriggerContext đã tinh gọn nhưng vẫn phải tự chạy lệnh thay agent. Agent không tự chạy được test. Khi lỗi thì không truy được nguyên nhân vì thiếu log.
PrerequisitesCLAUDE.md đã qua bài kiểm bằng người ngoài repo, và có việc lặp lại đủ nhiều để đáng đóng gói thành skill.
Chưa lên khiCông việc mỗi lần một khác, không theo quy trình ổn định — chưa có cơ sở để đóng gói skill.
L3

HarnessUnit of control — môi trường chạy của một agent

Định nghĩaToàn bộ phần code bao quanh model, biến model thành agent: tool registry, workspace, persistent state, output parser, guardrail, permission và observability. Công thức thường dùng: Agent = Model + Harness.
Nguồn tham chiếuOpenAI — Harness engineering: leveraging Codex in an agent-first world, R. Lopopolo · 11/02/2026 — 3 kỹ sư, 5 tháng, khoảng 1.500 PR, không một dòng code viết tayPRIMARYMartin Fowler / Birgitta Böckeler, Thoughtworks — Harness engineering: “Agent = Model + Harness”, bộ từ vựng guides và sensorschuẩn từ vựngAnthropic — Effective harnesses for long-running agents · 26/11/2025PRIMARYAddy Osmani, Google Chrome — Agent Harness Engineering: mọi lỗi của agent phải trở thành một sửa chữa vĩnh viễn trong harnessthực hànhMột phần harness sẽ bị model hấp thụ khi model mạnh lên. Nên ưu tiên đầu tư vào phần đặc thù của tổ chức — convention, phân quyền, verification — hơn là phần chỉ bù năng lực chung của model.
Skills cần có
  • Nắm được agent đang có những tool nào và permission tới đâu.
  • Phân biệt ba nhóm lỗi: lỗi model, lỗi tool, và lỗi parse output.
  • Đóng gói việc lặp lại thành một skill có tên, có ví dụ, có cách tự kiểm.
  • Persistent state: lưu tiến độ ra file trên disk thay vì giữ trong session, để mất session không mất việc đã làm.
Hai nhiệm vụ thực hành
  1. Lập danh mục đầy đủ tool và permission agent đang có. Lấy năm lỗi gần nhất, phân loại theo ba nhóm trên, kèm bằng chứng cho từng lỗi.
  2. Đóng gói một việc lặp lại thành SKILL.md có ví dụ và cách tự kiểm, rồi đưa một người khác chạy thử.
Artifact xác nhận hoàn thành levelMột skill được người khác gọi lại và chạy thành công, không cần hướng dẫn.
G3
L3 → L4
TriggerHarness đã ổn định nhưng vẫn phải tự khởi động từng bước cho một việc lặp lại đều đặn.
PrerequisitesBa prerequisites bắt buộc, thiếu một điều là chưa được lên:
  1. Có verification chạy được bằng máy: exit code, schema validation, hoặc test suite.
  2. Có sandbox cô lập, scoped credentials chỉ chạm được môi trường test hoặc staging, và budget cap cứng.
  3. Có log đủ chi tiết để truy nguyên nhân khi sự cố xảy ra ngoài giờ giám sát.
Chưa lên khiMọi output vẫn được người kiểm trước khi hệ thống hành động theo. Hoặc chỉ con người mới kết luận được là đã xong hay chưa.
L4

LoopUnit of control — chu kỳ hành vi của một agent

Định nghĩaLoop specification là một artifact bên ngoài, có biên, tái sử dụng được, gồm năm thành phần: trigger, goal, verification, stopping rule và memory. Phần thực thi do harness đảm nhận, thực hiện qua các skill có tên. Cần phân biệt với vòng lặp trong lập trình, và với chu kỳ perceive-act-observe nội tại mà harness vốn đã có sẵn.
Nguồn tham chiếuS. Macedo — Stop Hand-Holding Your Coding Agent, arXiv 2607.00038 · 28/06/2026preprintOpenAI — Harness engineering · 11/02/2026: thay câu hỏi chủ quan “trông có đúng không” bằng câu hỏi cơ học “có pass không”PRIMARYMartin Fowler / B. Böckeler — sensors là phần phản hồi sau khi agent hành động; phần lớn harness nặng về guides và nhẹ về sensorschuẩn từ vựngPosition paper của một tác giả, chưa qua peer-review. Định nghĩa và thang verification dùng được; các số liệu khảo sát trong bài chỉ nên coi là mốc định hướng.
Skills cần có
  • Chỉ thiết kế loop khi kết quả một lượt làm thay đổi hành động ở lượt sau. Nếu không thay đổi thì chỉ cần chạy một lượt theo lịch.
  • Goal phải kèm một verification chạy được bằng máy: exit code, schema validation, hoặc test suite.
  • Đặt tên cho mọi terminal state. Lỗi và hết ngân sách không được ghi nhận là success.
  • Maker–checker: agent chấm kết quả phải khác agent thực hiện.
  • Luôn đặt iteration ceiling và budget cap.
Hai nhiệm vụ thực hành
  1. Viết một loop specification cho việc đang phụ trách, gồm: trigger, goal kèm verification, danh sách skill được gọi, cơ chế checker, stopping rule, và vị trí lưu memory. Chạy có giám sát năm lần, ghi lại terminal state từng lần.
  2. Chuyển loop sang chạy tự động trong sandbox, bổ sung checker độc lập, chạy một tuần và ghi lại cost per accepted change — chi phí trên mỗi thay đổi được duyệt.
Artifact xác nhận hoàn thành levelMột loop tự động đang chạy an toàn, kèm số liệu cost per accepted change.
G4
L4 → L5
TriggerLoop hiện tại chạy tốt nhưng công việc tách thành nhiều nhánh độc lập cần chạy song song. Hoặc khối lượng vượt quá một domain và một context window.
PrerequisitesĐã có ít nhất một loop tự động chạy an toàn kèm số liệu chi phí, và đã đo chi phí phương án single-agent để làm mốc đối chứng.
Chưa lên khiCông việc nằm gọn trong phạm vi một agent — single-agent rẻ hơn và giữ được giả định nhất quán. Nếu loop chỉ chậm thì bổ sung tool cho nó, không thêm agent.
L5

Graphthử nghiệmUnit of control — tổ chức của nhiều agent

Định nghĩaThiết kế tổ chức multi-agent như một cấu trúc lập trình được: node là một agent và tự chạy loop riêng, edge là phụ thuộc và luồng dữ liệu, state là phần được mang qua edge. Hệ vận hành thật luôn tồn tại đồng thời hai đồ thị: org graph và work graph.
Nguồn tham chiếuGoogle Cloud — Gemini Enterprise Agent Platform: agent-to-agent orchestration (A2A), Agent Card để agent công bố năng lực · 2026vendorexplainx.ai — Graph Engineering · 18/07/2026blogMarkTechPost — Prompt vs Loop vs Graph Engineering · 29/07/2026tổng hợpLangGraph — Graph API (node · edge · state)vendorLevel có cơ sở yếu nhất. Thuật ngữ ra đời 17/07/2026 từ một bài đăng của Peter Steinberger, chưa có nguồn chính chủ hay peer-review. Bản thân kiến trúc đã tồn tại trong state machine và LangGraph từ trước.
Skills cần có
  • Tách hai sơ đồ: org graph ghi agent nào phụ trách domain nào (ít thay đổi), work graph ghi task nào đang chạy (thay đổi liên tục).
  • Zone defense: mỗi agent phụ trách một domain riêng, không chồng lấn.
  • Handoff protocol: quy định agent trước trả ra định dạng gì, agent sau đọc thế nào. Context không tự truyền qua ranh giới giữa các agent.
  • Failure routing: định sẵn phương án khi một node lỗi — retry, fallback, escalate, hoặc huỷ nhánh.
Hai nhiệm vụ thực hành
  1. Với một bài toán thật, dù nhỏ: lập hai sơ đồ tách riêng org graph và work graph, rồi triển khai thử cấu hình orchestrator–workers.
  2. Chạy đối chứng với phương án single-agent trên cùng bài toán, so cả chất lượng lẫn chi phí token.
Artifact xác nhận hoàn thành levelBảng đối chứng cho thấy phương án multi-agent thật sự tốt hơn. Nếu không tốt hơn thì kết luận đúng là không áp dụng multi-agent.
Nguyên tắc chung

Một câu hỏi phải trả lời được trước khi lên bất kỳ level nào.

Trước khi để agent chạy mà không có người giám sát: verification nào chứng minh việc đã xong? Chưa trả lời được thì chưa lên level, dù mọi điều kiện khác đã sẵn sàng.

Hai điểm thường bị hiểu ngược
  1. Sinh code nhanh hơn thì khối lượng review tăng, không giảm. Số thay đổi cần kiểm tăng theo tốc độ sinh ra chúng.
  2. Lên level không bỏ bớt phần kiểm chứng. Nó chuyển phần kiểm chứng từ thao tác thủ công sang cơ chế verification phải thiết kế sẵn trước khi cho agent chạy.