Đừng chỉ nhờ AI viết code: quy trình 4 bước để làm phần mềm dùng được

Bạn nhờ AI tạo một website và chỉ vài phút sau đã có giao diện đẹp. Nhưng khi nhập dữ liệu thật, nút lưu không hoạt động, trang báo lỗi, hoặc người khác không biết phải cài đặt thế nào. Viết xong mã nguồn không đồng nghĩa với hoàn thành phần mềm.

Trong bài viết ngày 6/11/2026, GitHub giới thiệu một cách tổ chức công việc với AI Agent qua bốn chặng: Plan (lập kế hoạch), Build (xây dựng), Verify (kiểm chứng) và Observe (theo dõi vận hành). Cách nghĩ này không chỉ dành cho lập trình viên nhiều kinh nghiệm. Nếu bạn đang dùng Codex, Claude Code hoặc Copilot để làm một công cụ quản lý đơn hàng, một trang web hay tiện ích riêng, bạn cũng có thể áp dụng theo từng bước.

Xem kho mẫu Awesome Copilot

Sơ đồ quy trình do biên tập Tài Nguyên Số xây dựng từ bài viết GitHub Blog; không phải ảnh giao diện ứng dụng.

Ví dụ xuyên suốt: một ứng dụng theo dõi đơn hàng nhỏ

Hãy giả sử bạn muốn làm một ứng dụng nội bộ cho cửa hàng: thêm đơn hàng, sửa trạng thái, lọc đơn chưa xử lý và xuất danh sách. Bài này mô tả quy trình mẫu, không phải kết quả của một ứng dụng đã được chúng tôi chạy thử. Bạn có thể thay bài toán bằng công việc của mình.

1. PLAN: xác định kết quả cần có trước khi sinh code

Đừng chỉ ra lệnh “Làm cho tôi phần mềm quản lý đơn hàng”. Hãy viết một bản yêu cầu ngắn mô tả ai sử dụng, dữ liệu nào được nhập, việc gì phải làm được và thế nào mới được coi là hoàn thành.

Ví dụ, ứng dụng cần có các trường: mã đơn, tên khách hàng, số điện thoại, ngày tạo và trạng thái. Người dùng được thêm đơn, đổi trạng thái và tìm theo mã đơn. Nếu thử nhập mã trùng, phần mềm phải báo lỗi dễ hiểu và không tự ghi đè dữ liệu cũ.

Bạn có thể giao cho AI:

Bạn đóng vai người phân tích nghiệp vụ. Từ mô tả ứng dụng quản lý đơn hàng này, hãy viết yêu cầu ngắn gọn, các trường dữ liệu, các tình huống lỗi, tiêu chí nghiệm thu và những câu hỏi cần xác nhận. Chưa viết code. Không tự giả định các yêu cầu quan trọng.

Đầu ra cần kiểm: tệp REQUIREMENTS.md có tiêu chí nghiệm thu và danh sách điều chưa rõ. Bạn là người quyết định yêu cầu; AI có thể giúp liệt kê và sắp xếp.

2. BUILD: chia chức năng thành thay đổi nhỏ, dễ xem lại

Khi kế hoạch đã rõ, hãy yêu cầu AI triển khai từng phần: tạo cấu trúc dự án; thêm màn hình nhập đơn; lưu dữ liệu; bổ sung tìm kiếm; cuối cùng mới trang trí giao diện. Với mỗi phần, buộc AI nói rõ tệp nào được thay đổi và cách chạy kiểm tra.

Prompt mẫu:

Dựa vào REQUIREMENTS.md, chỉ triển khai chức năng thêm đơn hàng. Giữ nguyên các chức năng khác. Trước khi sửa, cho biết tệp dự kiến thay đổi. Sau khi sửa, báo các lệnh kiểm tra và giới hạn của phần đã làm. Không tự thêm chức năng ngoài phạm vi.

Một tệp AGENTS.md trong repository có thể ghi các quy ước cố định như ngôn ngữ, cấu trúc thư mục, lệnh chạy test và phần không được sửa. Nó giúp giảm việc phải nhắc lại, nhưng vẫn phải đọc các thay đổi trước khi nhận.

Nếu dùng nhiều AI Agent song song, nên tách nhiệm vụ và nhánh riêng để tránh hai tác vụ cùng ghi đè một tệp. Khả năng tạo phiên làm việc độc lập tùy công cụ, tài khoản và cấu hình.

3. VERIFY: nhìn vào kết quả thực, không chỉ tin câu “đã xong”

Sau khi AI báo hoàn tất, hãy kiểm từng tiêu chí nghiệm thu. Tạo một đơn hợp lệ, thử bỏ trống trường bắt buộc, nhập lại mã trùng, thay đổi trạng thái và tải lại trang để xem dữ liệu có còn không.

Kiểm tra tối thiểu nên gồm:

• Chức năng: thao tác đúng như yêu cầu, thông báo lỗi dễ hiểu.
• Dữ liệu: không mất dữ liệu sau khi tải lại; không lộ thông tin khách hàng ngoài quyền được phép.
• Kiểm thử: chạy lệnh test thực tế; ghi lại test nào chưa có hoặc không chạy được.
• Thay đổi mã: đọc git diff; kiểm xem có tệp ngoài phạm vi, khóa API, mật khẩu hoặc dependency lạ.
• Khả năng bàn giao: máy mới có thể cài theo README, có .env.example mà không kèm bí mật.

Bạn có thể yêu cầu agent thứ hai đọc lại thay đổi với prompt:

Đóng vai người kiểm tra độc lập. Đối chiếu git diff với REQUIREMENTS.md. Tìm lỗi logic, trường hợp biên, rủi ro dữ liệu và bảo mật. Phân nhóm vấn đề theo mức độ. Không báo đã kiểm thử nếu chưa thật sự chạy lệnh và nhìn kết quả.

AI có thể bỏ sót lỗi. Người duyệt cuối cùng cần xem bằng chứng, không chỉ đọc lời tự nhận xét của mô hình.

4. OBSERVE: theo dõi sau khi người dùng bắt đầu sử dụng

Một website chạy được trên máy lập trình vẫn có thể gặp lỗi khi đưa lên mạng. Hãy ghi lại thông báo lỗi, thời điểm xuất hiện, phiên bản đang chạy và cách người dùng gặp lỗi. Ví dụ, một số đơn có thể không lưu được khi mạng chập chờn.

Bạn cần câu trả lời cho bốn câu hỏi: Có lỗi nào lặp lại? Bao nhiêu người bị ảnh hưởng? Thay đổi gần nhất là gì? Có cần quay lại phiên bản trước không?

Nhờ AI gom các thông tin này để đề xuất hướng điều tra, nhưng không cấp quyền xóa dữ liệu sản xuất hoặc triển khai tự động khi chưa kiểm tra. Kết quả điều tra nên trở thành issue có cách tái hiện và một bài kiểm thử để hạn chế lỗi quay lại.

Bộ tài liệu nên có trong mỗi dự án AI coding

Với một phần mềm nhỏ, bạn không cần dựng cả quy trình doanh nghiệp. Bắt đầu bằng bốn tài liệu dễ giữ lâu dài: REQUIREMENTS.md để biết cần làm gì, AGENTS.md để chỉ dẫn AI đúng quy ước, TEST-CHECKLIST.md để kiểm chứng, và RELEASE-NOTES.md để biết phiên bản đã thay đổi những gì.

Có thể tham khảo kho mẫu awesome-copilot trên GitHub để học cách tổ chức chỉ dẫn, prompt và agent. Hãy xem giấy phép của từng tài nguyên trước khi sao chép hoặc đóng gói. Ngoài ra, GitHub Agentic Workflows là cơ chế riêng để mô tả và chạy tác vụ trong GitHub Actions; không nên nhầm nó với việc chỉ thêm tệp AGENTS.md trong dự án.

Checklist minh họa tự biên soạn cho ứng dụng quản lý đơn hàng giả định.

Khi nào không nên giao toàn bộ cho AI?

Nếu công việc liên quan đến dữ liệu khách hàng, thanh toán, phân quyền, tài chính hoặc hệ thống đang chạy thật, hãy giới hạn quyền của agent. Chỉ đưa dữ liệu mẫu đã ẩn thông tin riêng tư, giữ bí mật ở biến môi trường, thực hiện thử nghiệm trong môi trường cách ly và yêu cầu người quản lý xác nhận trước hành động không thể hoàn tác.

Tóm lại, bạn không cần bắt đầu bằng bốn tác vụ lớn. Hãy chọn một tính năng nhỏ đang làm, xác định trước “đạt” nghĩa là gì, triển khai vừa đủ, kiểm đúng tiêu chí rồi theo dõi khi vận hành. Đó mới là điểm khác biệt giữa AI viết code và AI giúp hoàn thiện sản phẩm.

Nguồn tham khảo: GitHub Blog, 06/11/2026; GitHub Agentic Workflows; Awesome Copilot.