Làm Việc Với Claude Để Tối Ưu Hiệu Suất: Cách Một Người Vận Hành Bằng Năng Suất Cả Một Team

Bài viết bởi Nguyễn Hoàng Nam, người sáng lập Nam.academy, đang
vận hành một hệ thống nội dung và affiliate quy mô hàng chục dự án mỗi
tháng một mình, chủ yếu bằng cách làm việc với Claude.

Cập nhật lần cuối: 30/06/2026.

Một buổi chiều tuần trước, tôi giao cho Claude một bài toán mà bình
thường phải thuê hẳn một nhóm tư vấn: tìm đề tài sản phẩm đáng tiền nhất
cho tôi. Tôi bật ba agent chạy cùng lúc, mỗi cái cãi một hướng, thêm một
cái thứ tư chuyên đi phản biện cả ba. Hai mươi phút sau, tôi có bốn bản
phân tích trên bàn, còn mình chỉ ngồi đọc và chốt.

Đó là làm việc với Claude để tối ưu hiệu suất, và nó không giống chút
nào với hỏi đáp cho nhanh kiểu chatbot. Hiệu suất thật đến khi bạn thôi
coi Claude là cái máy trả lời, và bắt đầu coi nó là một đội ngũ để giao
việc: cho nó đọc thẳng dữ liệu thật của bạn, chạy nhiều agent song song,
đóng gói quy trình thành kỹ năng tái dùng, nối nó vào công cụ thật để nó
tự tay làm. Tôi đang vận hành hàng chục dự án affiliate mỗi tháng một
mình theo đúng cách đó, với 98 luồng tự động hóa và một bộ não thứ hai
287 trang. Bài này là cách tôi làm, tới từng thao tác.

Tóm tắt nhanh (đọc 30 giây):

• Chuyển từ “người làm” sang “người giao
  việc”: bạn ra đầu bài và kiểm kết quả, Claude làm phần thừa
  hành.
• Cho Claude đọc thẳng kho ghi chú của bạn (Claude
  Code + Obsidian), đừng copy-paste từng đoạn vào chat.
• Chạy nhiều agent song song để nghĩ thay cả một
  phòng ban, thay vì một cuộc hội thoại tuyến tính.
• Đóng gói quy trình lặp lại thành skill để gọi lại
  bằng một lệnh, không mô tả lại từ đầu mỗi lần.
• Nối Claude vào công cụ thật bằng MCP để nó bấm nút
  giùm bạn, không chỉ viết hướng dẫn.
• Cạm bẫy lớn nhất: giao cho AI làm từ trí nhớ tóm tắt thay vì
  từ nguồn thật. Tôi vừa mắc đúng lỗi này tuần trước, kể ở cuối
  bài.

Làm việc với
Claude khác gì “hỏi ChatGPT cho nhanh”?

Khác ở một chỗ quyết định tất cả: bạn là người giao việc,
không phải người gõ câu hỏi.

Phần lớn người dùng AI dừng ở mức hội thoại: gõ một câu, nhận một
câu, copy ra dùng. Cách đó tiết kiệm vài phút, nhưng không đổi được năng
suất của bạn theo cấp số. Để một người làm được việc của cả một team,
bạn phải đẩy Claude lên vai trò một nhân sự thật: giao cho nó bối cảnh
đầy đủ, quyền truy cập dữ liệu, công cụ để hành động, rồi bạn lùi về làm
hai việc mà chỉ con người làm được là ra đầu bài và
kiểm kết quả.

Nói thẳng: nếu sau sáu tháng dùng AI mà bạn vẫn đang copy-paste từng
câu hỏi vào ô chat, bạn chưa làm việc với Claude, bạn mới đang tán gẫu
với nó. Bốn phần dưới đây là bốn nấc để bước qua ranh giới đó, xếp theo
thứ tự tôi khuyên bạn đi.

Cho Claude đọc
thẳng bộ não thứ hai của bạn

Nấc đầu tiên, và là nấc đổi nhiều nhất: thôi dán từng đoạn vào chat,
cho Claude đọc thẳng kho tài liệu của bạn.

Tôi dùng Claude Code, bản Claude chạy trong máy và đọc được thẳng các
file trên ổ cứng. Toàn bộ kiến thức, ghi chú, dự án của tôi nằm trong
một kho Obsidian gọi là Nam’s Brain. Khi tôi giao việc, Claude tự mở
đúng file nó cần, đọc, rồi làm. Tôi không phải nhớ thông tin nằm ở đâu
để mà dán vào.

Cụ thể cách dựng, để bạn làm được ngay:

1. Gom mọi ghi chú, tài liệu, dữ liệu dự án vào một thư mục duy
   nhất (tôi dùng Obsidian, nhưng một thư mục chứa file
   .md và .pdf là đủ).
2. Cài Claude Code và trỏ nó vào đúng thư mục đó.
3. Viết một file hướng dẫn ở gốc thư mục (tôi đặt tên theo quy ước của
   Claude Code) nói rõ: thư mục này là gì, sắp xếp ra sao, tôi muốn Claude
   cư xử thế nào. Đây là bản mô tả công việc cho nhân sự AI của bạn.
4. Từ đó, mỗi lần giao việc, chỉ cần trỏ tên file hoặc tả nội dung,
   Claude tự đi tìm và đọc.

(Mẹo ngoài lề: file hướng dẫn ở gốc càng cụ thể, Claude càng ít
đoán mò. Tôi coi nó như nội quy, và mỗi lần Claude làm sai một kiểu, tôi
thêm một dòng để lần sau khỏi lặp lại.)

Ngay bài bạn đang đọc là một ví dụ. Khi tôi giao cho Claude viết nó,
tôi không dán vào ô chat một dòng nào về tiểu sử mình. Tôi chỉ nói: đọc
cuốn hồi ký của tôi nằm trong kho rồi viết. Claude tự mở file dài gần
bốn mươi nghìn chữ, đọc hết, rút ra đúng chi tiết nó cần. Nếu phải dán
tay từng đoạn, tôi mất cả buổi và chắc chắn bỏ sót đúng chỗ đắt
nhất.

Khác biệt nghe nhỏ mà lớn: khi Claude đọc được nguồn thật của bạn,
câu trả lời của nó không còn là kiến thức chung chung trên internet, mà
bám đúng dữ liệu và bối cảnh của riêng bạn.

Chạy
nhiều agent song song để nghĩ thay cả một phòng ban

Nấc thứ hai: thay vì một cuộc hội thoại tuyến tính, bung
nhiều agent chạy cùng lúc, mỗi agent một nhiệm vụ.

Một agent là một bản Claude riêng, có bối cảnh riêng, làm một việc
độc lập rồi trả kết quả về cho bạn. Khi một bài toán có nhiều mặt, bạn
không bắt một agent ôm hết. Bạn chia ra.

Cho bạn một ví dụ sống, vì nó vừa xảy ra. Tuần trước tôi cần chọn đề
tài cho một sản phẩm thông tin mới. Thay vì tự ngồi nghĩ, tôi giao cho
Claude:

1. Bung ba agent cùng lúc, mỗi agent đóng một nhà
   chiến lược với một góc khác nhau: một agent đào năng lực của tôi, một
   agent đọc nhu cầu thị trường, một agent chuyên tìm hướng ngược
   dòng.
2. Cho agent thứ tư phản biện cả ba, để không hướng
   nào được nhận mà chưa bị chất vấn.
3. Tôi ngồi ở vai trọng tài, đọc bốn kết quả, rồi chốt.

Cả một phiên brainstorm mà bình thường cần thuê bốn người tư vấn ngồi
một buổi, tôi chạy trong khoảng hai mươi phút, song song chứ không nối
đuôi. Đó là lúc bạn thật sự cảm thấy một người đang vận hành như một
phòng ban.

Quy tắc tôi rút ra: bung agent song song khi các phần việc
độc lập với nhau (mỗi agent không cần biết agent kia
đang làm gì). Khi việc nối tiếp nhau, để một mạch xử lý sẽ tốt hơn.

Đóng gói quy trình lặp
lại thành skill

Nấc thứ ba: việc nào bạn làm đi làm lại, đóng nó thành một
skill để gọi lại bằng một lệnh.

Skill là cách bạn gói một quy trình, gồm hướng dẫn từng bước, văn
phong, ví dụ mẫu, thành một năng lực mà Claude gọi ra dùng lại y hệt mỗi
lần. Tôi có skill cho việc viết bài chuẩn SEO, skill cho việc dựng quảng
cáo, skill cho việc phân tích khách hàng. Mỗi skill là một quy trình của
một phòng ban được đóng hộp.

Cách làm, cụ thể:

1. Chọn một việc bạn đã làm tốt nhiều lần và biết rõ quy trình (ví dụ:
   cách bạn viết một email bán hàng).
2. Viết quy trình đó ra thành các bước, kèm nguyên tắc và một hai ví dụ
   mẫu bạn ưng nhất.
3. Lưu thành một skill theo cấu trúc Claude đọc được, đặt tên dễ
   gọi.
4. Lần sau, thay vì mô tả lại từ đầu, bạn chỉ gọi tên skill đó, Claude
   làm đúng quy trình bạn đã dạy.

Lại lấy chính bài này làm ví dụ. Khi tôi bảo Claude viết một bài
chuẩn SEO, nó không khởi đầu từ con số không. Nó tự gọi ra skill viết
bài tôi đã đóng gói sẵn, bên trong là nguyên quy trình từng bước, bộ
nguyên tắc chống giọng AI, và các mẫu tôi ưng nhất. Tôi chỉ ra đề tài,
phần khung nghề thì skill lo. Tôi có skill tương tự cho việc phân tích
khách hàng và dựng quảng cáo, mỗi skill là một phòng ban đóng hộp.

Lợi ích thật không phải là nhanh hơn một chút. Là chất lượng
đồng đều. Skill khiến đầu ra lần thứ một trăm vẫn giữ đúng
chuẩn của lần tốt nhất, kể cả khi bạn mệt hay vội. Đây là cách một người
giữ được chất lượng của cả một quy trình mà không cần một đội kiểm
soát.

Nối Claude vào công cụ
thật bằng MCP

Nấc thứ tư, và là nấc biến Claude từ “cố vấn” thành “người làm”:
nối nó vào công cụ thật.

MCP là chuẩn cho phép Claude điều khiển các phần mềm bên ngoài, không
chỉ nói về chúng. Khi đã nối, Claude không còn viết cho bạn hướng dẫn
“anh vào công cụ X bấm nút Y”, mà tự bấm nút Y.

Một ví dụ tôi làm thường xuyên: tôi cần tra lượng tìm kiếm thật cho
một loạt từ khóa. Tôi không tự mở công cụ gõ từng cái. Tôi giao một câu
cho Claude, nó nối thẳng vào công cụ nghiên cứu từ khóa, kéo số thật về,
rồi đổ vào bảng tính cho tôi xem. Tôi chỉ đọc kết quả và quyết. Trong hệ
thống của tôi, Claude còn nối tới nền tảng tự động hóa để chạy nguyên
chuỗi quy trình và tới các công cụ thu thập dữ liệu, theo cùng một kiểu:
tôi giao một câu, nó làm cả chuỗi rồi báo lại.

Bạn chưa cần dựng cả một hệ thống như vậy ngay. Bắt đầu bằng việc nối
Claude với một công cụ bạn dùng hằng ngày, rồi giao cho nó một việc trọn
vẹn trên công cụ đó, từ đầu đến cuối. Cảm giác lần đầu thấy Claude tự
hoàn thành một chuỗi thao tác thật, không phải đưa lời khuyên, là cái
mốc bạn sẽ không quay lại cách cũ được nữa.

Một nguyên tắc an toàn tôi luôn giữ: việc nào động tới tiền hoặc khó
đảo ngược, tôi để Claude chuẩn bị tới bước cuối rồi tôi tự bấm nút chốt.
Tự động hóa phần nặng nhọc, giữ lại quyền quyết ở chỗ rủi ro cao.

Bắt chất lượng
bằng hook, đừng dựa vào trí nhớ

Khi bạn giao nhiều việc cho AI, sẽ có lúc nó làm tắt hoặc bỏ sót.
Giải pháp không phải là dặn nó kỹ hơn rồi mong nó nhớ. Giải pháp là
hook: một đoạn kiểm tra tự động chạy mỗi khi Claude làm
xong một việc, và chặn lại nếu chưa đạt chuẩn.

Trong kho ghi chú của tôi có một quy tắc: mọi trang mới phải được nối
vào ít nhất hai trang khác, để không có trang nào mồ côi. Tôi không tự
nhớ luật này, và cũng không trông vào việc Claude nhớ. Tôi gắn một hook
tự quét sau mỗi lần ghi file, thiếu liên kết là nó báo ngay và không cho
kết thúc cho tới khi sửa. Chất lượng được cưỡng chế bằng máy, không bằng
thiện chí.

Luật đó vừa siết lên đúng bài này. Viết xong, Claude không được phép
dừng cho tới khi đã nối bài vào kho của tôi và một đoạn kiểm tra tự chạy
báo “sạch, không có trang mồ côi”. Tôi không cần ngồi canh, cái hook
canh giùm.

Bạn chưa cần viết hook phức tạp. Ý cốt lõi để áp dụng ngay:
mỗi đầu việc quan trọng, định nghĩa trước một tiêu chuẩn “thế
nào là xong” và bắt kiểm tra nó mỗi lần, thay vì đánh giá bằng
cảm tính.

Sai
lầm lớn nhất khi làm việc với Claude (tôi vừa mắc tuần trước)

Tôi sẽ không bán cho bạn một bức tranh hoàn hảo. Đây là cái bẫy đắt
nhất, và tôi vừa rơi vào nó đúng tuần trước.

Khi tôi giao cho Claude tìm đề tài sản phẩm cho mình, ba agent đầu
tiên chạy ra ba hướng nghe đều hợp lý. Nhưng tôi nhận ra cả ba đang bỏ
sót một mảng lớn về con người tôi. Lý do: tôi để chúng làm việc dựa trên
một bản tóm tắt về tôi, thay vì bắt chúng đọc thẳng cuốn hồi ký
tôi đã viết nằm sẵn trong kho. Chúng làm từ trí nhớ tóm tắt,
nên chúng đoán, và đoán thiếu. Khi tôi bắt chúng mở đúng file gốc ra
đọc, kết luận đảo chiều hoàn toàn.

Bài học, và đây là điều quan trọng nhất của cả bài này: AI
mạnh tới đâu cũng chỉ làm tốt ngang với nguồn bạn cho nó. Cho
nó tóm tắt, nó trả lời tầm tóm tắt. Cho nó nguồn thật đầy đủ, nó trả lời
tầm chuyên gia. Phần lớn những lần Claude làm bạn thất vọng không phải
vì nó kém, mà vì nó bị bắt làm việc trong bóng tối.

Vài cạm bẫy khác đáng ghi nhớ:

• Giao việc mơ hồ. “Viết giúp tôi bài về X” cho ra
  bài tầm thường. Đầu bài càng rõ ràng và càng nhiều ràng buộc, kết quả
  càng sắc.
• Dán nguyên đầu ra mà không kiểm. AI là đòn bẩy cho
  người biết kiểm, không phải cái nạng cho người không đọc nổi đúng sai.
  Bạn vẫn phải là người duyệt cuối.
• Tự động hóa cả những chỗ cần phán đoán con người.
  Có những quyết định không nên giao đi, nhất là việc đụng tới lòng tin
  của khách và tới tiền.

Bắt đầu trong 7
ngày, không cần dựng cả hệ thống

Bạn không cần làm tất cả cùng lúc. Đây là đường ngắn nhất để cảm được
khác biệt.

• Ngày 1 đến 2: gom tài liệu công việc vào một thư
  mục, cài Claude Code, viết file hướng dẫn ở gốc. Cho Claude đọc thẳng,
  thử giao một việc dựa trên tài liệu thật của bạn.
• Ngày 3 đến 4: chọn một việc bạn làm lặp đi lặp lại,
  đóng nó thành một skill. Chạy thử vài lần xem chất lượng có giữ đều
  không.
• Ngày 5 đến 6: thử bung hai đến ba agent cho một bài
  toán nhiều mặt, rồi tự ngồi ghế trọng tài chốt kết quả.
• Ngày 7: chọn một công cụ bạn dùng hằng ngày, tìm
  cách nối Claude vào, giao cho nó một việc trọn vẹn trên công cụ đó.

Cuối tuần, bạn sẽ không còn hỏi “Claude trả lời câu này thế nào”, mà
bắt đầu hỏi “việc này tôi giao cho Claude được không”. Đó là lúc năng
suất của bạn đổi cấp.

Muốn học cách dựng nguyên cỗ máy một người này? Tôi
đang đóng gói toàn bộ cách mình làm việc với Claude và bộ não thứ hai
Obsidian thành chương trình đào tạo tại Học viện Tinh Hoa. Bắt đầu với
hơn 20 bài giảng miễn phí tại: https://nam.academy/doi-quan-mot-nguoi/

Câu hỏi thường gặp

Tôi không biết lập trình, có làm việc với Claude kiểu này
được không? Được. Tôi giao việc cho Claude gần như hoàn toàn
bằng tiếng Việt và tiếng Anh đời thường, không phải bằng code. Claude
Code nghe có vẻ kỹ thuật, nhưng phần lớn thời gian bạn chỉ đang mô tả
việc cần làm bằng lời.

Claude khác ChatGPT thế nào cho công việc kiểu này?
Điểm tôi dựa vào nhiều nhất là khả năng cho Claude đọc thẳng file trong
máy, chạy nhiều agent, đóng gói skill, và nối công cụ qua MCP để nó hành
động chứ không chỉ trả lời. Đây là những thứ biến nó từ chatbot thành
nhân sự.

Bắt đầu thì cần đầu tư bao nhiêu thời gian? Một tuần
theo lộ trình ở trên là đủ để cảm khác biệt. Phần nặng nhất là đổi tư
duy từ “người làm” sang “người giao việc”, còn thao tác thì nhẹ hơn bạn
tưởng.

Giao nhiều việc cho AI thế thì có rủi ro gì không?
Có. Rủi ro lớn nhất là tin đầu ra mà không kiểm, và tự động hóa cả chỗ
cần con người quyết. Tôi luôn giữ quyền duyệt cuối, và việc đụng tới
tiền thì để tôi tự bấm nút.

Một người thật sự làm được việc của cả một team nhờ cách này
à? Đó chính là cách tôi đang vận hành hàng chục dự án mỗi tháng
một mình, không nhân viên, không agency. Không phải vì tôi siêu phàm, mà
vì phần thừa hành tôi đã giao cho một đội ngũ AI biết đọc dữ liệu của
tôi và tự tay làm.

---

Về tác giả

Nguyễn Hoàng Nam là người sáng lập Nam.academy và
Chủ tịch Học viện Tinh Hoa. Anh vận hành một hệ thống nội dung và
affiliate quy mô hàng chục dự án mỗi tháng một mình, với 98 workflow tự
động hóa (86 đang chạy) và một bộ não thứ hai 287 trang, bằng cách làm
việc với Claude: kho tri thức Obsidian (Nam’s Brain) cho Claude đọc
thẳng, nhiều agent chạy song song, các skill đóng gói quy trình, các
công cụ nối qua MCP. Trong năm 2026, các hệ thống anh dựng đã giúp những
công ty công nghệ Mỹ tạo hơn 120.000 lead. Anh đào tạo cách dựng mô hình
một người vận hành như cả một team tại Học viện Tinh Hoa.

Nguồn tham khảo

• Anthropic, tài liệu Claude Code và Model Context Protocol
  (MCP).
• Kinh nghiệm vận hành hệ thống Nam’s Brain và pipeline affiliate của
  tác giả (2026).

---