# Bài viết Liên quan Kỹ năng

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Kỹ năng", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Claude Science phiên bản mã nguồn mở đã ra mắt: Không phụ thuộc, giấy phép MIT, tích hợp hơn 30 Skills nghiên cứu

Claude Science, một công cụ nghiên cứu AI nổi tiếng, đã được tái tạo dưới dạng mã nguồn mở với tên gọi OpenAI4S. Được phát triển bởi Phòng thí nghiệm chung Đại học Bắc Kinh và YuanAI, dự án này được cấp phép MIT và không phụ thuộc vào thư viện bên ngoài. OpenAI4S hoạt động dựa trên triết lý "Code-as-Action" (Mã lệnh là Hành động), cho phép tác nhân AI tạo và thực thi mã Python/R trong một môi trường kernel liên tục. Cách tiếp cận này giúp tự động hóa các quy trình nghiên cứu phức tạp, từ tìm kiếm tài liệu, phân tích dữ liệu, chạy thuật toán đến tạo báo cáo, trong khi vẫn giữ lại các kết quả trung gian để kiểm tra và sửa đổi. Dự án tích hợp sẵn hơn 30 kỹ năng (Skills) cho các lĩnh vực như sinh học, hóa học, bao gồm phân tích cấu trúc protein, thiết kế phân tử và truy xuất dữ liệu mở. Nó tuân thủ chính sách "không tạo dữ liệu giả", chỉ sử dụng dữ liệu thật và tính toán thật, đồng thời hỗ trợ kết nối với môi trường tính toán riêng (như GPU) cho các tác vụ chuyên sâu. OpenAI4S là một nền tảng nghiên cứu mở, khuyến khích cộng đồng học thuật và nhà phát triển đóng góp kỹ năng mới, cải thiện kiến trúc và mở rộng khả năng ứng dụng vào các lĩnh vực khoa học thực tế.

marsbit17 giờ trước

Claude Science phiên bản mã nguồn mở đã ra mắt: Không phụ thuộc, giấy phép MIT, tích hợp hơn 30 Skills nghiên cứu

marsbit17 giờ trước

Claude viết code xong không nộp ngay: Tự kiểm tra qua 4 Skill, sửa tốt rồi mới tìm bạn

Trong lĩnh vực lập trình, AI như Claude đã có thể tạo mã, nhưng việc kiểm tra và xác thực chất lượng mã vẫn thường đè nặng lên vai người dùng. Gần đây, Anthropic đã giới thiệu "vòng lặp xác minh" (verification loop) trong Claude Code, một quy trình tự động giúp Claude tự kiểm tra và sửa lỗi trước khi giao kết quả. Thay vì đưa mã ngay lập tức, Claude sẽ chạy qua bốn bước kiểm tra chính: 1. **/code-review:** Tìm và sửa lỗi tiềm ẩn. 2. **/simplify:** Tinh gọn mã, loại bỏ phần dư thừa. 3. **/verify:** Kiểm thử đầu cuối để xác nhận chức năng hoạt động. 4. **/design:** (Khi cần) Đối chiếu thay đổi giao diện với tài liệu thiết kế. Bốn bước này, được gọi là "Skill", đóng gói các quy tắc và quy trình kiểm tra thủ công thành các module tự động. Người dùng có thể tạo Skill riêng bằng cách mô tả các bước kiểm tra cụ thể của dự án dưới dạng hướng dẫn đơn giản. Mức độ tự động hóa của việc xác minh có thể điều chỉnh, từ chạy thủ công (Standalone), nhúng vào tác vụ (Embedded), chuỗi tự động (Chained) đến kiểm tra trên mọi Pull Request (On every PR). Điều này giúp chuyển "thói quen" kiểm tra thành "giao kèo" tự động, giảm tải cho lập trình viên. Sự phát triển này cho thấy trọng tâm của AI trong lập trình đang chuyển từ "tạo mã" sang "xác minh mã". Khả năng tự kiểm tra giúp các tác nhân AI (AI agent) chạy độc lập và đáng tin cậy hơn. Các Skill cũng đang trở thành một tiêu chuẩn mở giữa các nền tảng, cho phép tích lũy và tái sử dụng kiến thức nhóm. Tóm lại, vòng lặp xác minh không thay thế lập trình viên, mà tối ưu hóa quy trình, biến AI thành một cộng sự đáng tin cậy hơn bằng cách giao phó công việc kiểm tra lặp đi lặp lại.

marsbit07/27 10:25

Claude viết code xong không nộp ngay: Tự kiểm tra qua 4 Skill, sửa tốt rồi mới tìm bạn

marsbit07/27 10:25

Tại sao ngày càng có nhiều lãnh đạo cấp cao Ấn Độ xuất hiện trong ngành thanh toán toàn cầu?

Bài viết thảo luận về hiện tượng ngày càng nhiều nhà quản lý gốc Ấn Độ nắm giữ các vị trí cao cấp trong ngành công nghiệp thanh toán toàn cầu. Tác giả chỉ ra một sự tương phản: trong khi thị trường Ấn Độ thường được coi là phức tạp, thì các chuyên gia Ấn Độ trong các tập đoàn toàn cầu lại thể hiện năng lực nổi bật. Nguyên nhân không chỉ đơn thuần là do sử dụng tiếng Anh tốt. Những nhân tài Ấn Độ này thường là những cá nhân ưu tú đã trải qua quá trình sàng lọc kỹ lưỡng từ nền giáo dục, môi trường làm việc đến sự hội nhập toàn cầu. Họ phát triển mạnh nhờ khả năng phù hợp với các tổ chức quy mô lớn. Bài viết nhấn mạnh hai điểm mạnh chính của họ: 1. **Kỹ năng quản lý liên quan (Stakeholder Management):** Khả năng điều phối, xây dựng sự đồng thuận và thúc đẩy hợp tác giữa các bộ phận, đối tác ngân hàng và cơ quan quản lý phức tạp - một kỹ năng quan trọng trong ngành thanh toán vốn là một mạng lưới phức tạp. 2. **Khả năng giao tiếp và xây dựng ảnh hưởng:** Kỹ năng trình bày (storytelling) và giao tiếp hiệu quả không đơn thuần là "phô trương" mà là công cụ thiết yếu để truyền đạt giá trị, tranh thủ nguồn lực và tạo sự ảnh hưởng trong tổ chức toàn cầu. Ngoài ra, mạng lưới nghề nghiệp chặt chẽ và văn hóa hỗ trợ lẫn nhau trong cộng đồng người Ấn Độ ở nước ngoài tạo ra lợi thế tích lũy lâu dài cho con đường sự nghiệp của họ. Các trung tâm như Singapore đóng vai trò khuếch đại sự hiện diện này trong lĩnh vực thanh toán châu Á. Cuối cùng, bài viết khẳng định các chuyên gia Trung Quốc có năng lực chuyên môn xuất sắc từ thị trường nội địa phức tạp. Tuy nhiên, để tiến xa hơn trong môi trường toàn cầu, họ cần bổ sung kỹ năng tổ chức, xây dựng mạng lưới và nâng cao khả năng thể hiện giá trị bản thân. Sự trỗi dậy của nhân tài Ấn Độ đánh dấu một giai đoạn cạnh tranh mới, nơi khả năng kết nối và vận hành các hệ thống phức tạp xuyên biên giới trở nên quan trọng hàng đầu.

链捕手07/27 10:07

Tại sao ngày càng có nhiều lãnh đạo cấp cao Ấn Độ xuất hiện trong ngành thanh toán toàn cầu?

链捕手07/27 10:07

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

Claude vừa ra mắt tính năng "Ghi lại Kỹ năng", cho phép người dùng tạo kỹ năng tự động hóa bằng cách ghi màn hình và giải thích bằng giọng nói. Tính năng này hiện có sẵn cho người dùng Pro, Max và Team trên ứng dụng desktop Claude Cowork. Người dùng chỉ cần thực hiện quy trình công việc trên máy tính, vừa làm vừa mô tả bằng lời nói, sau đó Claude sẽ tự động phân tích và tạo ra một "Skill" có thể tái sử dụng, được gọi bằng lệnh gạch chéo (/). Điểm đột phá của tính năng này là bỏ qua bước "viết" hướng dẫn phức tạp thủ công, giúp chuyển đổi tri thức ngầm và kinh nghiệm thực tế thành quy trình tự động một cách dễ dàng. Nó không chỉ là công cụ nâng cao hiệu suất, mà còn làm giảm đáng kể rào cản trong việc số hóa và lưu giữ quy trình nghiệp vụ chuyên môn, điều mà các hệ thống quản lý tri thức truyền thống thường gặp khó khăn. Bài viết cũng đề cập đến mặt khác của tự động hóa: một trường hợp cho thấy mối quan hệ hợp tác lâu năm có thể bị thay thế bởi một bộ kỹ năng được tạo sẵn. Nghiên cứu từ Harvard Business School chỉ ra rằng khi AI phát triển, giá trị công việc sẽ dịch chuyển từ "biết cách làm" sang "biết cách làm những việc người khác không thể làm". Tính năng mới của Claude đẩy nhanh xu hướng này, biến quy trình cá nhân thành tài sản tự động có thể chia sẻ và vận hành ngay lập tức.

marsbit07/22 07:59

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

marsbit07/22 07:59

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

Vercel, công ty đứng sau Next.js, đã ra mắt công cụ Skills - một trình quản lý gói (package manager) dành cho AI Agent, cho phép cài đặt các "kỹ năng" (skill) chuyên biệt vào các công cụ lập trình AI như Claude Code, Cursor, Codex... chỉ bằng một dòng lệnh `npx skills add <package>`. Kho lưu trữ chính thức đã đạt 24,000 sao GitHub trong vòng 5 tháng. Một skill là một thư mục chứa tài liệu hướng dẫn (SKILL.md), tài liệu tham khảo và cả script có thể thực thi, giúp AI tuân thủ các quy tắc, phong cách code cụ thể của dự án một cách tự động và lâu dài. Tính năng nổi bật là "Find Skills", một skill giúp AI tự động tìm kiếm và cài đặt skill phù hợp nhất dựa trên yêu cầu của người dùng, hoạt động như một công cụ tìm kiếm năng lực cho AI. Tuy nhiên, tiện ích đi kèm rủi ro bảo mật lớn. Các nghiên cứu từ Snyk và Koi Security cho thấy hàng trăm skill chứa mã độc, có khả năng đánh cắp khóa, thực hiện prompt injection hoặc phân phối phần mềm độc hại. Khác với npm, skill hợp nhất lệnh, mã code và quyền truy cập đầy đủ, tạo ra mối đe dọa trực tiếp đến hệ thống cục bộ. Vercel, thông qua sáng kiến này, đang tìm cách định hình lại lớp công cụ AI, biến trải nghiệm "một dòng lệnh" từng thành công với Next.js thành chuẩn mực mới trong việc mở rộng năng lực cho trợ lý lập trình AI, đồng thời cũng đặt ra những thách thức bảo mật cần được quản lý cẩn thận.

marsbit07/06 00:21

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

marsbit07/06 00:21

Dan Koe bài viết mới: Thoát khỏi số phận người làm công ăn lương, làm thế nào để tồn tại trong cơn sóng thay thế của AI?

Tóm tắt: Bài viết của Dan Koe phản bác quan điểm bi quan về AI sẽ cướp hết việc làm, và chỉ ra mối đe dọa thực sự là việc con người phó mặc hạnh phúc và sinh kế của mình cho người khác. Để thoát khỏi số phận "công cụ kiếm tiền" và tồn tại trong làn sóng AI, giải pháp duy nhất là xây dựng sự nghiệp của riêng bạn. Tác giả cho rằng nhiều công việc nhàm chán khiến con người mất đi động lực nội tại, và mô hình "chủ - nhân viên" hiện đại thực chất là một hình thức nô lệ tài chính tinh vi. Để tự do, bạn cần làm chủ 5 yếu tố then chốt: tính chủ động, gu thẩm mỹ/khả năng đánh giá, kỹ năng thuyết phục, sự kiên trì và khả năng lặp lại cải tiến. Con đường thực tế là tự biến mình thành "người không thể bị thuê", bắt đầu bằng việc thay đổi triệt để môi trường sống và thói quen để định hình lại căn tính. Hai kỹ năng đòn bẩy mạnh mẽ nhất là viết code và sáng tạo nội dung (media), trong đó kỹ năng làm nội dung được đánh giá cao hơn vì giá trị chủ quan và khả năng kết nối của nó. Bài viết kết thúc bằng một hướng dẫn hành động cụ thể trong 15 phút: (1) Khai quật "nguyên liệu thô" từ trải nghiệm và sở thích sâu nhất của bản thân. (2) Xác định góc nhìn "phản đồng thuận" độc đáo của bạn về một vấn đề. (3) Ngay lập tức xuất bản ý tưởng đầu tiên của bạn để nhận phản hồi thực tế và bắt đầu quá trình học hỏi, điều chỉnh. Hành động thực tế là liều thuốc giải duy nhất.

marsbit06/24 05:37

Dan Koe bài viết mới: Thoát khỏi số phận người làm công ăn lương, làm thế nào để tồn tại trong cơn sóng thay thế của AI?

marsbit06/24 05:37

Làm Thế Nào Để Nghiên Cứu Tốt: Rèn Luyện Những Khả Năng Thực Sự Có Thể 'Luyện Tập Chủ Động'

Chưa ai thực sự dạy bạn cách làm nghiên cứu. Hầu hết mọi người chỉ học cách "trông giống" một nhà nghiên cứu, trong khi năng lực thực sự là sự tích lũy các kỹ năng có thể rèn luyện có chủ ý. **Chọn vấn đề của riêng bạn:** Đừng chỉ tiếp nhận vấn đề từ người khác. Hãy bắt đầu từ một kết quả bạn thực sự muốn đạt được và suy ngược để thiết kế thí nghiệm. Điều này tạo ra tính độc đáo. "Khiếu thẩm mỹ" trong nghiên cứu giống như một cơ bắp, có thể phát triển thông qua việc dự đoán kết quả thí nghiệm và kiểm tra lại các dự đoán đó. **Nâng cấp đầu vào:** Đừng chỉ đọc các xu hướng mới nhất. Tài liệu cũ (như bài phát biểu của Claude Shannon năm 1952) và các lĩnh vực rộng (thần kinh học, thống kê, kiến ​​trúc máy tính) thường mang lại những hiểu biết sâu sắc có giá trị. Hãy đọc chính bài báo gốc, đặc biệt là phần phụ lục và hạn chế. **Viết mọi thứ xuống:** Viết lách là cơ chế phòng thủ rẻ nhất chống lại sự tự lừa dối. Nó phơi bày những lỗ hổng trong suy nghĩ. Giữ một cuốn nhật ký ghi lại giả thuyết, cài đặt, dự đoán, kết quả và bài học. Xem lại nó sẽ dạy bạn sự khiêm tốn. Tóm lại, nghiên cứu hiệu quả dựa trên việc chủ động chọn vấn đề, mở rộng nguồn tri thức và ghi chép trung thực để rèn giũa tư duy.

marsbit06/15 12:26

Làm Thế Nào Để Nghiên Cứu Tốt: Rèn Luyện Những Khả Năng Thực Sự Có Thể 'Luyện Tập Chủ Động'

marsbit06/15 12:26

Người sáng lập Baixing.com: 14 kinh nghiệm sử dụng Claude Code của tôi

Tác giả Wang Jianshuo, người sáng lập Baixing.com, chia sẻ 14 kinh nghiệm cá nhân khi sử dụng Claude Code: 1. Tập trung sử dụng thành thạo một công cụ (Claude Code), thay vì so sánh nhiều công cụ. 2. Ghi nhớ các phím tắt quan trọng (Ctrl+G, Ctrl+A, Ctrl+E, Ctrl+U). 3. Sử dụng tính năng nhập liệu bằng giọng nói (HoldSpeak). 4. Bắt đầu dự án bằng cách viết tài liệu PROJECT.md có cấu trúc. 5. Mặc định sử dụng chế độ Claude agents. 6. Kết hợp Claude Code với GitHub và Cloudflare để tự động hóa quy trình xây dựng, triển khai và quản lý tên miền. 7. Tách biệt mã do người viết và mã do AI tạo. Chỉ quản lý thủ công file CLAUDE.md cốt lõi, không đọc trực tiếp mã AI tạo ra. 8. Kéo và thả file (âm thanh, video, tài liệu, ảnh chụp màn hình) vào cửa sổ Claude Code để giải thích yêu cầu. 9. Tái cấu trúc hệ thống ghi nhớ xung quanh file ~/.claude/CLAUDE.md, liên kết đến nhiều file bộ nhớ, lưu trữ chúng trong git (GitHub private) để tích lũy kiến thức lâu dài. 10. Viết Skill và yêu cầu Claude tự động tóm tắt những gì đã học vào Skill sau mỗi phiên làm việc. 11. Đối với nhiệm vụ phức tạp, sử dụng ultracode để kích hoạt dynamic workflow (hiệu quả cao dù tốn kém và chậm). 12. Liên tục tích lũy và tái cấu trúc Skill, lưu trữ chúng trong git. 13. Sử dụng tài liệu trong git làm đầu ra cho nhiệm vụ trước và đầu vào cho nhiệm vụ tiếp theo, giúp các agent giao tiếp rõ ràng thay vì phụ thuộc vào ngữ cảnh. 14. Coi Claude Code như một "con ngựa" (có khả năng tự tìm đường) chứ không phải một "cỗ xe" (chỉ làm theo chỉ dẫn). Tính tự chủ này là một đặc điểm, không phải lỗi.

链捕手06/08 12:55

Người sáng lập Baixing.com: 14 kinh nghiệm sử dụng Claude Code của tôi

链捕手06/08 12:55

Cách đúng đắn để mở khóa Skill: 5 bài học từ phương pháp nội bộ được Anthropic công bố

Bài viết này chia sẻ 5 bài học chính từ bài viết "Lessons from building Claude Code: How we use skills" của Anthropic về cách thiết kế và sử dụng Skill hiệu quả: 1. **Tránh lời thừa, tập trung vào "Gotchas"**: Skill nhằm lưu trữ kiến thức ẩn (kinh nghiệm "lão làng") như các lỗi hay gặp hoặc thông tin đặc thù hệ thống, thay vì lặp lại kiến thức chung đã có. 2. **Skill là "Context Engineering"**: Cấu trúc Skill nên là một thư mục với các file riêng biệt (hướng dẫn, tài liệu tham khảo, script, ví dụ). Cách tiếp cận "tiết lộ dần" này giúp quản lý ngữ cảnh tốt hơn, tránh làm quá tải mô hình bằng thông tin không cần thiết trong mọi lần gọi. 3. **Ưu tiên sử dụng Script**: Những công việc lặp lại, có quy trình cố định nên được đóng gói thành script. Điều này giúp tiết kiệm token, tăng độ chính xác và cho phép mô hình tập trung vào suy luận thay vì thực thi các bước cơ bản. 4. **Mô tả Skill phải như một quy tắc định tuyến**: Phần mô tả nên nêu rõ *khi nào* thì Skill nên được kích hoạt (dựa trên ý định của người dùng), thay vì chỉ liệt kê chức năng của nó. Điều này giúp mô hình định tuyến và lựa chọn Skill chính xác. 5. **Quản lý và phân phối Skill linh hoạt**: Khi số lượng Skill tăng lên, nên có cơ chế quản lý nhẹ nhàng. Anthropic khuyến khích để Skill mới được thử nghiệm và lan truyền tự nhiên trong nhóm nhỏ trước. Những Skill nào thực sự hữu ích và được nhiều người dùng sẽ được đưa vào kho chung (Marketplace) một cách tự nhiên.

marsbit06/08 09:08

Cách đúng đắn để mở khóa Skill: 5 bài học từ phương pháp nội bộ được Anthropic công bố

marsbit06/08 09:08

Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

Bài viết từ Garry Tan, Chủ tịch Y Combinator, chia sẻ nhận thức sâu sắc sau khi xây dựng dự án "Garry's List" với 540.000 dòng code bằng Rails và AI Agent. Ông phát hiện ra giá trị thực sự không nằm ở khối lượng code khổng lồ đó, mà ở "GStack" – một framework phát triển mới xoay quanh luồng làm việc của AI Agent. Ông chỉ trích cách tiếp cận phổ biến hiện nay: bao bọc các mô hình LLM thông minh bằng hàng núi code kiểm soát, kiểm tra, logic giám sát – giống như xây dựng một "nhà máy Foxconn" để kiềm chế một công nhân AI siêu thông minh vốn có khả năng tự hoàn thành công việc. Khi chi phí LLM giảm mạnh và năng lực tăng, trọng tâm phát triển phần mềm cần chuyển từ "viết nhiều code hơn" sang "thiết kế nhiều khả năng hơn". Giải pháp được đề xuất là xây dựng "skill pack" (gói kỹ năng) bằng Markdown – các module năng lực có thể kiểm tra và tái sử dụng, cho phép Agent tự động tạo code, hệ thống kiểm thử và đánh giá. Điều này biến các luồng công việc phức tạp thành tài sản năng lực có thể tích lũy. Ví dụ, việc đánh giá một hackathon với 85 dự án giờ có thể được Agent hoàn thành trong 30 phút thay vì vài ngày. Bài học cốt lõi: Khi code không còn là nguồn lực khan hiếm, năng lực cạnh tranh của kỹ sư chuyển dịch. Tương lai thuộc về những người có thể phán đoán điều gì đáng xây dựng, định nghĩa vấn đề và biến kinh nghiệm thành năng lực tái sử dụng, thay vì chỉ viết thật nhiều code. Kỹ sư giỏi nhất có thể là người viết ít code nhất nhưng giải phóng được nhiều trí tuệ nhất.

marsbit06/02 21:41

Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

marsbit06/02 21:41

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow

Khácright-arrow