Cuối tuần lại phải loay hoay với mấy công việc lặp đi lặp lại cả nửa ngày, bỗng nhận ra bộ AI tự động hóa của mình đã hoạt động được nửa năm, hiệu suất tăng lên khá rõ rệt. Thế là mình tóm tắt lại cách mà cấu trúc này phối hợp với nhau.
Cốt lõi chỉ có hai vai trò phân công: **Hermes làm quản lý** và Claude Code làm thợ. Hermes về bản chất là một quản gia nhiệm vụ, xử lý lịch trình, quản lý trí nhớ, nhiệm vụ cron chạy nền, cộng với việc phân phối tin nhắn đến Telegram và Feishu. Cứ tưởng tượng như một thư ký luôn trực tuyến, nhớ lại ý tưởng của hôm qua, nhắc nhở đúng giờ vào tối nay và tự động chạy một script thu thập dữ liệu vào ngày mai.
Những công việc mã hóa phức tạp thực sự, mình giao cho Claude Code làm cho xong. Tái cấu trúc lớn, kiểm tra mã, hoặc thiết kế một chức năng từ 0 đến 1 — những thứ này mình trực tiếp dùng chế độ CLI của Claude Code để làm cho triệt để. Cả hai bên đều có thể truy cập vào kho kỹ năng của mình (tinh hoa phương pháp), nếu Hermes muốn tái sử dụng một logic có sẵn, chỉ cần gọi kỹ năng; Claude Code cũng có thể dùng, chi phí chuyển đổi gần như không có.
Việc chọn mô hình là sự cân bằng giữa chi phí và lợi ích. Đối thoại hàng ngày, báo cáo sáng hàng ngày, giám sát thị trường, những thứ có tần suất cao thì sử dụng Haiku (rẻ), khi gặp những nhiệm vụ lớn cần lý luận sâu sắc thực sự thì nâng cấp lên Sonnet hoặc Opus. Như vậy, chi phí token trong một tháng có thể kiểm soát được.
Nhìn từ một góc độ khác, **agent là bộ não của dây chuyền tự động hóa**, quyết định và điều phối; **kỹ năng là đôi tay của dây chuyền**, cụ thể là làm việc. Hermes ở phía agent, cung cấp cho từng khâu của toàn bộ dây chuyền trí nhớ và ngữ cảnh. Nếu một nhiệm vụ nào đó vượt quá phạm vi, thì sẽ trực tiếp nâng cao cho Claude Code, chuyên gia này.
Trước khi thử bộ này, mỗi tuần mình mất 8 tiếng cho công việc lặp đi lặp lại. Giờ một số công việc cơ bản chạy ở nền, chỉ cần định kỳ kiểm tra báo cáo hoặc cảnh báo bất thường. Cái hố lớn nhất là tài liệu kỹ năng viết không rõ ràng dẫn đến gọi sai. Giờ đây, đối với mỗi kỹ năng mới, mình bắt buộc phải bổ sung "cạm bẫy phổ biến" và "tình huống sử dụng".
Nói đến đây, mình cảm thấy cốt lõi của tự động hóa AI không phải là dùng mô hình mạnh nhất, mà là **chia nhỏ công việc đủ chi tiết, mỗi đơn vị đủ độc lập, và dễ dàng debug khi có lỗi**. Một đội nhỏ đầu tư theo hướng này chắc chắn sẽ tiết kiệm được nhiều công sức thủ công.
$BTC #AI #Agent
Cốt lõi chỉ có hai vai trò phân công: **Hermes làm quản lý** và Claude Code làm thợ. Hermes về bản chất là một quản gia nhiệm vụ, xử lý lịch trình, quản lý trí nhớ, nhiệm vụ cron chạy nền, cộng với việc phân phối tin nhắn đến Telegram và Feishu. Cứ tưởng tượng như một thư ký luôn trực tuyến, nhớ lại ý tưởng của hôm qua, nhắc nhở đúng giờ vào tối nay và tự động chạy một script thu thập dữ liệu vào ngày mai.
Những công việc mã hóa phức tạp thực sự, mình giao cho Claude Code làm cho xong. Tái cấu trúc lớn, kiểm tra mã, hoặc thiết kế một chức năng từ 0 đến 1 — những thứ này mình trực tiếp dùng chế độ CLI của Claude Code để làm cho triệt để. Cả hai bên đều có thể truy cập vào kho kỹ năng của mình (tinh hoa phương pháp), nếu Hermes muốn tái sử dụng một logic có sẵn, chỉ cần gọi kỹ năng; Claude Code cũng có thể dùng, chi phí chuyển đổi gần như không có.
Việc chọn mô hình là sự cân bằng giữa chi phí và lợi ích. Đối thoại hàng ngày, báo cáo sáng hàng ngày, giám sát thị trường, những thứ có tần suất cao thì sử dụng Haiku (rẻ), khi gặp những nhiệm vụ lớn cần lý luận sâu sắc thực sự thì nâng cấp lên Sonnet hoặc Opus. Như vậy, chi phí token trong một tháng có thể kiểm soát được.
Nhìn từ một góc độ khác, **agent là bộ não của dây chuyền tự động hóa**, quyết định và điều phối; **kỹ năng là đôi tay của dây chuyền**, cụ thể là làm việc. Hermes ở phía agent, cung cấp cho từng khâu của toàn bộ dây chuyền trí nhớ và ngữ cảnh. Nếu một nhiệm vụ nào đó vượt quá phạm vi, thì sẽ trực tiếp nâng cao cho Claude Code, chuyên gia này.
Trước khi thử bộ này, mỗi tuần mình mất 8 tiếng cho công việc lặp đi lặp lại. Giờ một số công việc cơ bản chạy ở nền, chỉ cần định kỳ kiểm tra báo cáo hoặc cảnh báo bất thường. Cái hố lớn nhất là tài liệu kỹ năng viết không rõ ràng dẫn đến gọi sai. Giờ đây, đối với mỗi kỹ năng mới, mình bắt buộc phải bổ sung "cạm bẫy phổ biến" và "tình huống sử dụng".
Nói đến đây, mình cảm thấy cốt lõi của tự động hóa AI không phải là dùng mô hình mạnh nhất, mà là **chia nhỏ công việc đủ chi tiết, mỗi đơn vị đủ độc lập, và dễ dàng debug khi có lỗi**. Một đội nhỏ đầu tư theo hướng này chắc chắn sẽ tiết kiệm được nhiều công sức thủ công.
$BTC #AI #Agent