Vì sao AI không thể "one-shot" ra một website hoàn chỉnh — và cái khung bạn đang thiếu

Bài 3/5 trong chuỗi Hành trình từ "ra lệnh rồi cầu nguyện" đến sản phẩm thật.

Có một ảo tưởng phổ biến, và nó khiến rất nhiều người bỏ tiền, bỏ thời gian rồi vỡ mộng:

"Chỉ cần tôi viết prompt đủ hay, AI sẽ nhả ra cả một website hoàn chỉnh."

Tôi nói thẳng, từ kinh nghiệm tự tay làm hàng trăm lần: không. Và trong bài này tôi sẽ giải thích chính xác vì sao, rồi chỉ cho bạn cái thứ bạn đang thiếu — thứ tạo nên toàn bộ khác biệt.

Sự thật về "one-shot"

Khi bạn ra một lệnh, AI xử lý toàn bộ yêu cầu đó trong một nốt nhạc — thường chỉ 1 đến 2 lượt gọi. Kết quả? Nó trả về một thứ chạy được, nhưng tối thiểu về chức năng.

Hãy lấy một ví dụ cụ thể. Bạn gõ: "Tạo cho tôi một website bán khoá học, có trang chủ, trang khoá học, giỏ hàng, đăng nhập, và trang quản trị." AI sẽ vui vẻ tạo ra… một trang chủ trông khá ổn, một trang khoá học tĩnh, và những nút bấm "đăng nhập", "thêm vào giỏ" mà khi bấm vào thì không thực sự làm gì cả. Nhìn xa thì giống một website. Lại gần thì là một cái vỏ.

Quy luật chung tôi rút ra:

• Một landing page đơn giản? Có thể, may ra AI làm tới nơi tới chốn.
• Một website thật sự — có đăng nhập, có dữ liệu, có nghiệp vụ, có thanh toán? Không đời nào trong một phát, dù bạn prompt kỹ đến mức nào.

Đây không phải lỗi của bạn, cũng không phải AI "ngu". Đó là bản chất của việc giao một việc lớn mà không có quy trình. Cũng như bạn không thể bảo một thợ giỏi: "xây cho tôi cái nhà" — rồi mong có nhà sau một câu nói. Không bản vẽ, không móng, không nghiệm thu, họ sẽ dựng cho bạn một cái lều: nhanh, nhưng là cái lều.

"Ra lệnh rồi cầu nguyện" — bạn có đang mắc không?

Tôi gọi cách làm phổ biến này là "ra lệnh rồi cầu nguyện": gõ một câu thật dài, bấm Enter, nhắm mắt, và hy vọng điều kỳ diệu. Đây là vài dấu hiệu bạn đang ở trong cái bẫy đó:

1. Bạn viết một prompt khổng lồ mô tả cả sản phẩm, rồi mong AI làm xong trong một lần.
2. Khi kết quả sai, bạn lại gõ thêm một prompt khổng lồ khác để "sửa hết một lượt".
3. Bạn không có khái niệm về thiết kế, tài liệu, hay tiêu chí nghiệm thu — chỉ có "đầu vào: lời nói" và "đầu ra: hy vọng".
4. Mỗi lần làm lại là một lần bắt đầu từ đầu, vì chẳng có cấu trúc nào để AI bám vào.

Nếu thấy mình trong đó, đừng nản. Gần như ai mới dùng AI để làm sản phẩm cũng đi qua giai đoạn này. Vấn đề không nằm ở bạn, mà ở việc thiếu một thứ.

Cái bạn đang thiếu: một quy trình

Là kỹ sư phần mềm, tôi biết một điều mà người ngoài ngành ít để ý: sản phẩm thật không ra đời từ một mệnh lệnh, mà từ một quy trình.

Hãy nhìn cách người ta sản xuất một video chuyên nghiệp. Không ai bật máy quay rồi mong có phim hay. Người ta đi qua các bước:

lên ý tưởng → viết kịch bản/content → xác định khách hàng mục tiêu → quay & dựng → test → đánh giá chất lượng → đạt chuẩn thì mới đăng.

Sản xuất phần mềm cũng y hệt, chỉ khác tên gọi các bước:

lấy ý tưởng → thiết kế → cập nhật tài liệu → tạo từng màn hình (screen) → viết test → định nghĩa thế nào là "đạt" để nghiệm thu (accept).

Mỗi bước có đầu vào, đầu ra, và tiêu chí rõ ràng. Chính cái kỷ luật theo bước này mới biến ý tưởng thành sản phẩm dùng được. Khi thiếu nó, AI sẽ nhảy cóc từ "ý tưởng" thẳng tới "code lung tung" — và bạn nhận về cái lều.

Đó chính là Harness

Năm 2025, Anthropic và Claude Code đưa ra một khái niệm giải đúng bài toán này: Harness.

Harness, hiểu đơn giản, là một bộ khung và một bộ quy tắc hướng dẫn AI agent thực hiện đúng từng bước theo quy trình sản xuất phần mềm đã định sẵn. Nó không để AI tuỳ hứng. Nó nói cho AI: trước tiên hãy thiết kế; rồi viết tài liệu; rồi làm từng màn hình một; rồi tự viết test để kiểm tra; và chỉ coi là xong khi đạt các tiêu chí nghiệm thu.

Nói cách khác, Harness biến AI từ một đứa làm ẩu một phát, thành một đội kỹ sư có kỷ luật. Đây là nấc 5 trong 6 nấc thang tôi đã vẽ ở bài trước — và là ranh giới thật sự giữa "đồ chơi AI" và "công cụ ra sản phẩm".

Một hệ quả ít người để ý: khi đã có Harness tốt, chất lượng không còn phụ thuộc quá nhiều vào model thông minh cỡ nào, mà vào việc quy trình ép nó làm việc kỷ luật cỡ nào. Điều này mở ra một cánh cửa rất lớn về chi phí — tôi sẽ nói kỹ ở bài sau.

Nhưng… tự dựng Harness thì khó

Đến đây thường có người hỏi: "Vậy tôi tự dựng Harness được không?"

Được — nếu bạn là kỹ sư và có thời gian. Vì tự tay làm nghĩa là: tự thiết kế quy trình cho agent, tự viết các skill cho từng bước, tự cấu hình MCP Server để nối đúng công cụ, tự định nghĩa tiêu chí nghiệm thu, rồi tự sửa khi nó chạy sai. Đây vẫn là một công việc kỹ thuật thực thụ, và là lý do tôi đã mất nhiều đêm trắng.

Tin tốt là: bạn không cần tự dựng từ đầu. Giống như bạn không cần tự đúc động cơ để lái xe, cái khung Harness hoàn toàn có thể được đóng gói sẵn — để một người vibe code bình thường chỉ việc lắp vào và chạy. Đó chính là điều tôi sẽ giới thiệu ở bài tiếp theo.

Câu hỏi thường gặp

Vậy AI có bao giờ tự làm được website phức tạp không? Có — nhưng không phải trong một phát. Nó làm được khi đi qua một quy trình (Harness), từng bước có kiểm tra. Khác biệt là ở "cách tổ chức công việc", không phải ở "một câu lệnh thần kỳ".

Tôi không phải kỹ sư, "quy trình sản xuất phần mềm" nghe đáng sợ quá? Bạn không cần tự nghĩ ra quy trình đó. Ý của bài này là: quy trình là thứ bắt buộc — nhưng nó có thể được người khác dựng sẵn để bạn dùng.

👉 Đọc tiếp: Bài 4 — claude_support: bộ khung Harness + skills cài sẵn để bạn ra sản phẩm thật mà không cần là kỹ sư.

---

Về tác giả. Lưu Hải Long — kỹ sư Big Data & AI engineering. Tôi đã dành nhiều năm sống trong các quy trình sản xuất phần mềm thật ở quy mô hàng chục triệu user; điều khiến AI ra được sản phẩm cũng chính là quy trình đó, chứ không phải một câu prompt may mắn.