Trong quy trình đóng gói skill, đoạn nào AI làm, đoạn nào máy làm?
Cùng một việc, có bước AI (mô hình ngôn ngữ lớn, gọi tắt LLM) phải đọc và quyết — đoạn đó tốn hạn mức. Có bước chỉ cần script chạy — đoạn đó gần như không tốn hạn mức, chỉ tốn CPU, RAM và điện. Thanh màu là ước lượng tương đối, chưa đo bằng công cụ.
ho-so-khach-hang-vpc — Dựng hồ sơ khách hàng theo khung giá trị
Nó làm gì: hỏi bạn (hoặc đọc 20 câu khách nói) rồi xếp thành một hồ sơ khách theo khung Value Proposition Canvas, gọi tắt VPC — một khung 3 phần: việc khách cần làm, nỗi đau của họ, điều họ mong.
Đầu ra: một tệp hồ sơ khách (persona) đọc trong 5 phút, có đủ 3 phần trên và câu nói thật của khách làm bằng chứng.
Lợi ích: viết bài, chạy quảng cáo, chào hàng đúng người và đúng nỗi đau, thay vì đoán; ai trong đội cũng nói về cùng một khách.
ho-so-khach-hang-web — Bóc lời khách thành tường thẻ trên web
Nó làm gì: lấy bình luận, tin nhắn, gỡ băng cuộc gọi của khách, bóc mỗi ý thành một thẻ, xếp vào 9 ô (khách là ai, việc cần làm, nỗi đau, mong muốn, cớ mua, băn khoăn, cách họ nói, đường đi mua hàng, lời khách nguyên văn) và chấm màu theo độ tin: xanh là khách thật nói, vàng là mình suy ra.
Đầu ra: một trang web tường thẻ cả đội cùng xem, kèm tệp dữ liệu; chạy lại thì thẻ cũ được bồi thêm số, không mất.
Lợi ích: nhìn một cái là biết ô nào còn trống, chỗ nào đang đoán thay vì nghe khách, để biết phải đi hỏi thêm ai; là nguyên liệu vào cho hồ sơ khách ở skill trên.
Khoanh phạm vi
Hiểu yêu cầu, chọn đúng hai thư mục skill, quyết «làm trên bản sao».
Sao chép bản gốc
Liệt kê tệp, chép sang thư mục làm việc, bỏ tệp rác và bản lưu cũ.
Viết thước đo một lần
Soạn danh sách 9 loại dữ liệu riêng và mẫu tìm cho từng loại. Lần sau dùng lại, không tốn nữa.
Quét 16 tệp, đếm số
Script chạy hết 16 tệp trong chưa tới 1 giây, chỉ trả về số chỗ trúng theo loại. Gieo một mẫu thử để chắc thước còn sống.
Phân loại từng chỗ trúng
Đọc từng chỗ, hỏi «chuỗi này đóng vai gì?»: dữ liệu khách thật, đường dẫn riêng, ghi chú nội bộ, hay ví dụ dạy «đừng làm thế». Đây là bước tốn nhất vì phải hiểu ngữ cảnh.
Thay hàng loạt theo bảng quy tắc
Sau khi AI chốt bảng «chuỗi nào thay bằng gì», script thay 67 chỗ trong một lần chạy.
Soạn tờ cài 5 dòng
Viết hướng dẫn cài ngắn cho học viên.
Đóng gói
Gom 2 skill sạch + dữ liệu mẫu + tờ cài, nén thành một tệp 18 tệp.
Đọc mắt chỗ máy còn báo
Máy báo 10 chỗ còn trúng, AI đọc và xác nhận đó là chỗ giữ chung và tên giả, không phải dữ liệu thật.
Nghiệm thu hai chiều
Quét lại bản sạch phải ra 0. Quét bản gốc phải ra lớn hơn 0 để chắc thước không gãy. Chạy thử script sinh tường bằng dữ liệu mẫu.
Kể lại cho lớp
Viết tin tóm tắt ba dòng, chỉ nói số và loại, không nói nội dung riêng. Điểm cần quyết đưa lên trang round.
Gửi tệp
Gửi tệp nén kèm vào ô chat.
Máy viết hai bộ ví dụ
Hồ sơ khách mẫu và 20 câu khách nói cho hai doanh nghiệp trong lớp. Tốn nhiều hạn mức, nhưng giao cho một máy viết khác chạy nền, không chặn việc chính.
Quét lại và gói lại
Quét 4 tệp mới bằng đúng thước cũ, chép vào gói, nén lại.
Nhìn cả quy trình
Ước lượng theo thời gian và số lần AI phải đọc: khoảng một phần ba việc là AI hiểu và quyết, hai phần ba là máy chạy lặp lại không tốn hạn mức. Bước 3 gánh phần lớn hạn mức vì cần hiểu ngữ cảnh; mọi bước đếm, thay, nén, quét lại đều là script.