Bạn mở Claude Opus 5, vừa gõ vừa đọc thầm: "làm bước một, rồi bước hai, rồi bước ba, rồi bước bốn." Mỗi khâu đều được chốt chặt, tưởng vậy là chắc ăn nhất. Chờ một lúc lâu, nó mới trả lại kết quả — nhưng lại kèm theo cả đống thứ bạn chưa từng yêu cầu, và hóa đơn token cũng nhảy thêm một khoản không nhỏ.

Cảnh này chính là thói quen số một mà các kỹ sư prompt nội bộ của Anthropic muốn bạn bỏ.

Thói Quen Cũ "Chia Việc Thành 1-2-3-4" Đang Âm Thầm Hại Bạn

Ben — YouTuber đã ba lần khởi nghiệp, hiện đang điều hành một cộng đồng AI lớn và một công ty AI agent, chủ kênh Ben AI — đã tổng hợp lại hướng dẫn prompt chính thức mà Anthropic công bố cho Claude Opus 5, Fable 5, cùng những thảo luận nội bộ liên quan, và rút ra một kết luận: phần lớn người dùng vẫn đang prompt mô hình mới theo cách của mô hình cũ, trong khi logic vận hành của lứa mô hình này đã hoàn toàn khác.

Boris Cherny — người tạo ra Claude Code — trong một buổi nói chuyện gần đây tại Y Combinator đã chỉ thẳng vào thói quen này: lỗi phổ biến nhất là ra lệnh cho Claude quá chi tiết, buộc nó phải làm đúng thứ tự từng bước một. Nhưng với lứa mô hình này, đó không còn là cách dùng đúng. Bạn nên lùi lại một bước: mô tả nhiệm vụ, nói rõ giới hạn và ranh giới, nêu tiêu chí hoàn thành, rồi để mô hình tự chạy, một lúc sau quay lại xem kết quả. Ông thẳng thắn nói rằng cách làm này nửa năm trước còn chưa hiệu quả, nhưng hôm nay lại cho kết quả bất ngờ tốt.

Vì Sao Anthropic Nói "Nói Rõ Toàn Bộ Nhiệm Vụ Một Lần" Mới Là Cách Đúng

Lý do không phức tạp: Claude Opus 5 và Fable 5 được huấn luyện để xử lý nhiệm vụ theo kiểu "từ đầu đến cuối" — hoàn thành trọn vẹn một lượt, không phải răm rắp làm theo danh sách đã chia sẵn từng bước. Tài liệu hướng dẫn thực hành prompt chính thức của Anthropic cũng viết rất rõ: với nhiệm vụ phức tạp, hãy nói một lần cho đủ mục tiêu, lý do, giới hạn và tiêu chí hoàn thành, để mô hình tự quyết định cách chia việc — hiệu quả thường tốt hơn so với việc chốt cứng từng bước.

Khi chuẩn bị video này, Ben cũng làm đúng theo khung này: đưa cho mô hình một mục tiêu và định hướng lớn hơn, giải thích vì sao cần làm, giới hạn là gì, làm xong thì trông như thế nào, rồi để nó chạy hơn mười phút, lấy về một bản dàn ý có thể dùng ngay. Anh cũng nhắc: việc nhỏ thì không cần lôi cả bộ khung này ra mỗi lần, làm vậy chỉ là dùng dao mổ trâu giết gà.

Ngay Cả Anthropic Cũng Phải "Bị Phỏng Vấn" Trước Khi Bắt Tay Làm

Vấn đề là, nhiệm vụ phức tạp thường không thể nghĩ hết mọi chi tiết ngay từ lúc bắt đầu gõ. Ben kể rằng nhóm Anthropic có một cách làm gọi là "Interview me" — để mô hình quay lại hỏi bạn một loạt câu hỏi, khai thác những phần bạn còn chưa nghĩ thông suốt trong đầu, cuối cùng tổng hợp thành một bản tóm tắt nhiệm vụ, thậm chí tạo luôn một prompt hoàn chỉnh. Ben dùng cách này để lên kế hoạch cho bảng điều khiển dữ liệu cá nhân của mình: ban đầu anh cũng không chắc mình cần gì, để mô hình "phỏng vấn" mình xong mới nhận được một bản tóm tắt nhiệm vụ có thể dùng ngay. Trải nghiệm của anh là: dành nhiều thời gian lập kế hoạch trước khi bắt tay làm, với lứa mô hình thông minh này, lại tiết kiệm token và thời gian hơn so với việc viết vội rồi sửa liên tục.

Một bước chuẩn bị khác, theo gợi ý của Andrej Karpathy, là dùng công cụ chuyển giọng nói thành văn bản, nói vài phút về nhiệm vụ — thường giúp Claude nắm được nhiều ngữ cảnh hơn so với việc gõ chữ; nhưng nói miệng khó tránh lộn xộn, nên Ben tự làm thêm một công cụ nhỏ để sắp xếp lời nói rối rắm thành prompt có cấu trúc — đây là cách làm riêng của anh, không phải tính năng chính thức của Anthropic.

Chỉ Nói "Làm Gì", Claude Sẽ Coi Như Một Công Văn Vô Hồn — Phải Nói Cả "Vì Sao"

Hướng dẫn của Anthropic nhấn mạnh: khi mô hình hiểu "vì sao" bạn cần làm việc này, hiệu suất với nhiệm vụ phức tạp sẽ rõ rệt tốt hơn. Bởi vì trong nhiệm vụ phức tạp, mô hình luôn gặp phải những phán đoán nhỏ mà bạn chưa nói rõ từ trước; chỉ khi nắm được bức tranh lớn và mục đích, nó mới có thể dựa vào nền đó để đưa ra phán đoán sát ý hơn. Anthropic thậm chí đưa ra một mẫu câu có thể áp dụng ngay: nói rõ việc này làm cho ai, và người đó cần lấy được điều gì từ kết quả.

Ví dụ của Ben là: thêm một câu "vì sao" vào cùng một prompt — giải thích rằng anh đang làm một video về "cách prompt Claude đã thay đổi như thế nào", đối tượng là những chuyên gia không chuyên kỹ thuật và chủ doanh nghiệp muốn dùng Claude tự động hóa công việc, những người cần không chỉ lý thuyết mà cả kỹ thuật và khung làm việc có thể dùng ngay. Logic này giống hệt việc giao việc giữa người với người: chỉ nói "làm gì" là cách nhanh nhất, nhưng cách giao việc hiệu quả nhất là nói rõ luôn cả "vì sao".

Nhiệm Vụ Không Có Điểm Kết Thúc, Thứ Bị Đốt Là Token Của Bạn Chứ Không Phải Của Nó

Một điều khác mà Boris đặc biệt chỉ ra trong buổi nói chuyện tại YC là "điểm kết thúc". Lứa mô hình Claude 5 có xu hướng chạy lâu hơn, thiên về làm quá nhiều hơn là làm quá ít — nếu không nói rõ khi nào coi là hoàn thành, nó rất có thể sẽ chạy tiếp mãi, đốt một khoản token không nhỏ. Việc này có hai mặt: nói rõ sản phẩm cuối cùng trông như thế nào và phong cách đầu ra ra sao, rồi đưa thêm một ví dụ để đối chiếu. Ben đã viết thẳng quy cách đầu ra vào trong prompt — số lượng gợi ý cố định, mỗi gợi ý phải có ví dụ cụ thể và nguồn "được chính Anthropic xác nhận". Anh cũng nhắc đến lỗi thường gặp của Opus 5: hay nói dài dòng, có thể thêm thẳng một câu "trình bày bằng ngôn ngữ đơn giản, trực tiếp" để chỉnh lại.

"Đừng Làm X" Và "Vì... Nên Đừng Làm X" — Với Claude 5 Là Hai Hiệu Quả Khác Nhau

Nhiều người có thói quen dùng lệnh cấm cứng kiểu "tuyệt đối không được". Nhưng nghiên cứu mới của Anthropic về context engineering chỉ ra: lứa mô hình này phản hồi tốt hơn rõ rệt khi đồng thời biết được lý do đằng sau chỉ dẫn — giới hạn vẫn cần đưa ra, nhưng đừng chỉ ném một câu "không được làm gì", mà luôn kèm thêm "vì sao không được". Ví dụ của Ben: thay vì viết "không được đưa vào bất kỳ luận điểm nào chưa được Anthropic xác nhận", anh đổi thành "hãy đảm bảo mỗi điểm được liệt kê đều có sự xác nhận từ chính nhóm Anthropic" — khác biệt ở đây là bạn đang thực sự cầm trong tay một bằng chứng, chứ không chỉ đơn thuần ném ra một lệnh cấm.

Có Thể Bạn Đang Trả Tiền Để Claude Làm Một Việc Nó Vốn Đã Tự Làm

Trước đây nhiều người có thói quen thêm câu "tự kiểm tra lại trước khi trả lời", hoặc để một sub-agent xác minh lại câu trả lời, nhằm giảm ảo giác. Nhưng theo Ben, Opus 5 và Fable 5 vốn đã được huấn luyện để tự động kiểm tra lại, xác minh và sửa đầu ra của chính nó — yêu cầu kiểm tra thêm một lần chỉ tốn thêm tiền mà không giúp kết quả tốt hơn. Những thứ khác cũng nên bỏ, gồm "hãy suy nghĩ từng bước", "giải thích quá trình suy luận của bạn", và cách nhấn mạnh bằng chữ in hoa toàn bộ — Anthropic quan sát thấy những cách này lại dễ khiến mô hình mới phản ứng thái quá. Điều này cũng nên áp dụng cho CLAUDE.md và các file skill — theo lời Ben, đây chính là lý do Anthropic ra mắt công cụ "Rule Rewriter": biến những quy tắc cứng nhắc đã chốt sẵn thành những chỉ dẫn có kèm lý do.

Opus 5 Nói Chuyện Như Công Văn? Một Câu Là Chỉnh Lại Được Ngay

Nhiều người dùng Opus 5 đều gặp tình huống: từ vựng dùng nhiều và cứng nhắc, đọc rất khó hiểu. Ben cho biết gợi ý của Anthropic là viết thẳng chỉ dẫn điều chỉnh tông giọng của Claude vào CLAUDE.md hoặc system prompt — yêu cầu rõ ràng đầu ra phải "tập trung, ngắn gọn, đúng trọng tâm, tránh thuật ngữ và câu chữ dư thừa".

Ghép bảy điều này lại, thực chất đang nói về cùng một việc: đối mặt với lứa mô hình mới này, điều bạn cần làm không phải là học thêm nhiều "câu chú" hơn, mà là đổi cách tư duy khi giao việc — coi Claude như một đồng nghiệp mới, thông minh nhưng vừa vào làm, còn chưa quen cách bạn làm việc. Thay vì chỉ nói cho nó biết "làm gì", bạn nên để nó biết cả "vì sao", và trước khi bắt tay làm, hãy nghĩ rõ "làm đến mức nào thì coi là xong". Lần sau trước khi mở Claude Opus 5, có thể bạn nên cất cái danh sách "1-2-3-4" đó lại, đổi thành một đoạn mô tả nhiệm vụ đầy đủ cùng một điểm kết thúc rõ ràng, rồi đi pha một cốc cà phê, mười phút sau quay lại xem kết quả.

Câu hỏi thường gặp (FAQ)

Câu 1: Vì sao không thể dùng cách prompt "từng bước một" cũ cho Claude Opus 5, Fable 5? Vì lứa mô hình này được huấn luyện để xử lý nhiệm vụ theo kiểu từ đầu đến cuối, chia nhiệm vụ quá nhỏ lại giới hạn không gian để nó tự phán đoán, dễ khiến kết quả vừa dài dòng vừa lệch trọng tâm, đồng thời cũng tốn thêm token không cần thiết.

Câu 2: "Interview me" mà Anthropic nhắc đến là gì? Theo lời kể trong video của Ben, đây là cách làm nội bộ của Anthropic trước khi giao nhiệm vụ phức tạp cho mô hình mạnh: để mô hình quay lại hỏi bạn một loạt câu hỏi, làm rõ những chi tiết bạn còn chưa nghĩ thông suốt, cuối cùng tạo ra một bản tóm tắt nhiệm vụ hoặc prompt hoàn chỉnh. Tên gọi và cách dùng cụ thể này hiện chỉ xuất hiện trong chia sẻ của Ben, bài viết chưa đối chiếu được từng chi tiết này với các trang tài liệu chính thức được dẫn ở dưới.

Câu 3: Vì sao nhất định phải nói rõ với Claude "khi nào coi là hoàn thành"? Vì lứa mô hình Claude 5 có xu hướng làm nhiều hơn và chạy lâu hơn so với bạn kỳ vọng, nếu không có tiêu chí hoàn thành rõ ràng, nó rất có thể tiếp tục mở rộng nhiệm vụ, kéo theo lượng token tiêu thụ tăng lên.

Câu 4: Có cần yêu cầu Claude tự kiểm tra lại câu trả lời một lần nữa không? Với Opus 5, Fable 5, quan sát chính thức cho thấy các mô hình này đã có sẵn khả năng tự kiểm tra lại và tự sửa lỗi; yêu cầu kiểm tra thêm một lần thường chỉ làm tăng chi phí mà không giúp kết quả tốt hơn.

Câu 5: Opus 5 nói chuyện quá văn hoa, nhiều thuật ngữ, phải làm sao? Bạn có thể thêm thẳng một câu vào CLAUDE.md, lệnh toàn cục của Claude Desktop, hoặc system prompt, yêu cầu đầu ra "tập trung, ngắn gọn, tránh thuật ngữ và câu chữ dư thừa" — hướng dẫn chính thức cũng khuyến nghị cách chỉnh tông giọng này.

Câu 6: Những thay đổi trong cách prompt này có liên quan đến chi phí sử dụng AI Token không? Có liên quan trực tiếp. Cả việc bỏ đi bước kiểm tra lặp lại không cần thiết, lẫn việc đặt tiêu chí hoàn thành rõ ràng, về bản chất đều là đang giảm lượng token tiêu tốn không cần thiết — nói cách khác, viết prompt đúng hay sai, chính nó đã là một hình thức quản lý chi phí.

Tuyên bố nguồn dữ liệu: Bài viết được biên soạn lại từ video YouTube "Anthropic Just Revealed 7 New Rules for Prompting Claude 5 Models" (kênh: Ben AI, đăng ngày 02/09/2026, nguồn gốc: https://www.youtube.com/watch?v=HDmBwU5uvEE). Phụ đề gốc của video bằng tiếng Bengal, bài viết được biên soạn lại theo cách hiểu ngữ nghĩa, không phải dịch máy nguyên văn.

Những thực hành prompt chính thức được đề cập trong bài tương ứng với các tài liệu chính thức sau của Anthropic:

Prompting Claude Opus 5 (https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5)

Prompting Claude Fable 5 (https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5)

Claude Prompting Best Practices (https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)

Tên gọi công cụ cụ thể "Interview me" và "Rule Rewriter" được đề cập trong bài là lời kể cá nhân của tác giả video Ben AI về cách làm nội bộ/chính thức của Anthropic; bài viết chưa đối chiếu từng chi tiết tên gọi này với ba trang tài liệu chính thức nêu trên, độc giả muốn áp dụng thực tế nên tự tra cứu tài liệu chính thức mới nhất để xác nhận.

Đọc thêm: Trên trang chúng tôi còn có các bài viết liên quan bạn có thể quan tâm — một bài giải thích Claude Fable 5 là gì; một bài so sánh Opus 4.8 và Fable 5 trên cùng một ứng dụng, cùng một bộ chỉ dẫn, để xem năng lực và chi phí Token giữa hai mô hình lớn này khác nhau ra sao; một bài đặt câu hỏi liệu cách viết prompt có thực sự ảnh hưởng đến chi phí AI Token hay không; và một bài lý giải vì sao Prompt Caching đôi khi lại khiến hóa đơn AI của bạn tăng lên chứ không giảm.

Đừng Để Thói Quen Prompt Sai Âm Thầm Ăn Mòn Token Của Bạn

Cách bạn viết prompt quyết định không chỉ chất lượng câu trả lời, mà còn việc lần gọi này sẽ đốt bao lâu, bao nhiêu token. Đừng chờ đến khi hóa đơn nhắc bạn nên đổi cách nói — hãy nhìn thấy chi phí thực tế của từng lần gọi ngay từ bây giờ. Dùng thử miễn phí AI Token King → (https://aitokenking.com.tw/home), để khi thói quen prompt của bạn thay đổi, con số trên hóa đơn cũng thay đổi theo đúng hướng.