TL;DR

Prompt người dùng chỉ là lớp cuối trong những gì Claude nhìn thấy. Với Claude Code, context còn được ghép từ system prompt, Skills, CLAUDE.md, memory, tool description và các tài liệu được nạp theo workflow.

Trong bài viết ngày 24/07/2026, Anthropic cho biết đội ngũ Claude Code đã loại bỏ hơn 80% system prompt cho Claude Opus 5 và Claude Fable 5 mà không thấy suy giảm đo được trong đánh giá coding nội bộ. Kết luận không phải là xóa prompt theo một tỷ lệ máy móc, mà là: model mạnh hơn cần context hỗ trợ phán đoán thay vì khóa nó bằng luật thừa.

Context engineering kết hợp nhiều lớp ngữ cảnh cho Claude 5
Context engineering xem toàn bộ context là một hệ thống, không chỉ là ô prompt cuối cùng.

Prompt không còn là toàn bộ câu chuyện

Ở giai đoạn đầu của LLM, lời khuyên thường là viết prompt rõ hơn: thêm ví dụ, chỉ định format đầu ra và lặp lại các constraint quan trọng. Các kỹ thuật này vẫn có chỗ đứng, nhưng không mô tả đầy đủ cách một coding agent hoạt động.

Khi Claude nhận request trong Claude Code, request đó đi vào một context đã được chuẩn bị từ trước. System prompt xác định vai trò và môi trường. CLAUDE.md bổ sung quy ước repository. Skills cung cấp workflow chuyên biệt. Memory mang theo thông tin liên quan từ các phiên trước. Tool description định nghĩa khả năng agent có thể gọi. User prompt chỉ là một lớp trong hệ thống ấy.

Một prompt phục vụ một request, còn context được dùng lại qua nhiều request. Vì vậy, context phải đủ tổng quát để hỗ trợ nhiều ý định, nhưng vẫn đủ rõ để tránh mơ hồ và xung đột.

Các lớp context được hợp nhất cho AI coding agent
System prompt, Skills, hướng dẫn repository, memory, tools và user request cùng góp phần tạo nên context cuối cùng.

Sáu thay đổi trong cách thiết kế context

1. Từ đưa luật sang để Claude dùng phán đoán

Quy tắc cứng từng giúp giảm rủi ro khi model dễ xóa nhầm file, viết comment sai hoặc bỏ qua bước kiểm tra. Nhưng luật viết cho tình huống xấu nhất có thể trở thành vật cản khi áp dụng cho mọi task.

Anthropic nêu ví dụ về comment: system prompt, Skill và request của người dùng có thể đưa ra ba chỉ dẫn khác nhau. Claude vẫn có thể tìm ra ý định cuối cùng, nhưng phải tiêu tốn năng lực để giải quyết xung đột do context tạo ra. Hướng mới là mô tả mục tiêu và tiêu chuẩn - chẳng hạn khớp mật độ comment, cách đặt tên và idiom đang có trong repository - rồi để model phán đoán theo tình huống.

2. Từ đưa ví dụ sang thiết kế interface

Ví dụ từng là cách nhanh để dạy agent dùng tool. Tuy nhiên, chúng cũng có thể thu hẹp vùng khám phá: model dễ bắt chước đường đi đã được minh họa, dù task mới cần cách tiếp cận khác.

Thay vào đó, hãy thiết kế tool, script và file sao cho tham số diễn đạt rõ ý định. Một interface tốt có tên rõ, trạng thái có nghĩa và đủ không gian cho agent chọn cách dùng phù hợp. Ví dụ, một trường trạng thái gồm pending, in_progress và completed đã truyền đạt nhiều hơn một đoạn ví dụ dài.

3. Từ đưa mọi thứ lên đầu sang progressive disclosure

Context dài không đồng nghĩa với context tốt. Một file chứa toàn bộ best practice có thể giúp không bỏ sót thông tin, nhưng cũng làm loãng hướng dẫn đang cần cho task hiện tại.

Progressive disclosure chia kiến thức thành các lớp có thể nạp đúng lúc. System prompt giữ phần gắn với sản phẩm. CLAUDE.md giữ các gotcha của repository. Skills chứa workflow chuyên biệt. References giữ tài liệu chi tiết và chỉ được đọc khi task liên quan. Anthropic cũng dùng deferred loading cho một số tool để full definition không chiếm context trước khi cần.

Progressive disclosure chia context thành Skills và References được nạp khi cần
Progressive disclosure biến một tài liệu khổng lồ thành các module có thể nạp theo nhu cầu.

4. Từ lặp lại sang mô tả tool đơn giản

Các model cũ đôi khi cần được nhắc lại hướng dẫn ở nhiều vị trí trong context. Vì thế, system prompt có thể nói cách dùng tool, còn tool description lại lặp nội dung đó. Với model đọc và chọn tool tốt hơn, phần lặp chỉ làm context phình to và tăng cơ hội mâu thuẫn.

Hãy đưa hướng dẫn vào đúng nơi thuộc về nó: tool description nói về tool, Skill nói về workflow, system prompt nói về vai trò và môi trường.

5. Từ memory thủ công trong CLAUDE.md sang auto-memory

CLAUDE.md từng được dùng như nơi lưu thông tin và hướng dẫn qua các phiên làm việc. Anthropic cho biết Claude giờ có thể tự lưu những memory liên quan đến công việc và người dùng. Điều này giải phóng CLAUDE.md để làm đúng vai trò hơn: mô tả ngắn gọn repository và những gotcha mà agent không thể tự suy ra từ file system.

Điều đó không có nghĩa là mọi memory đều nên được tin tưởng vô điều kiện. Với quyết định quan trọng, policy bảo mật hoặc tri thức cần kiểm chứng, vẫn phải có source-of-truth rõ ràng trong code, tài liệu hoặc hệ thống quản trị.

6. Từ spec đơn giản sang reference giàu ngữ cảnh

Markdown plan vẫn hữu ích, nhưng model ngày càng xử lý được reference phong phú hơn. Anthropic nêu HTML artifact, test suite, function trong codebase khác và rubric đánh giá như những đầu vào có độ trung thực cao hơn một mô tả trừu tượng. Một mockup HTML thường truyền đạt ý định giao diện tốt hơn đoạn văn mô tả hoặc screenshot đơn lẻ.

Bài học thực dụng là chọn reference gần với thứ bạn muốn tạo ra: test cho hành vi, code cho implementation, mockup cho giao diện và rubric cho tiêu chuẩn chất lượng.

Checklist cho người xây agent

  1. Vẽ bản đồ context: liệt kê system prompt, memory, Skills, CLAUDE.md, tool description, references và user request đang được nạp.
  2. Tìm xung đột: tìm các chỉ dẫn lặp lại nhưng khác nhau, đặc biệt là những từ tuyệt đối như "luôn luôn" hoặc "không bao giờ".
  3. Giữ lại gotcha có giá trị: CLAUDE.md nên mô tả điều agent không thể tự suy ra khi xem repository, không phải bản sao của tài liệu chung.
  4. Đưa chi tiết vào đúng lớp: workflow chỉ dùng cho một loại task nên nằm trong Skill hoặc reference chuyên biệt.
  5. Thiết kế interface trước khi viết ví dụ: kiểm tra tên tool, tham số, trạng thái và kết quả lỗi có đủ rõ để agent tự khám phá hay chưa.
  6. Đo trước và sau: dùng bộ task của đội ngũ, theo dõi tỷ lệ hoàn thành, lỗi hồi quy, số lần agent cần hỏi lại và chi phí token.

Checklist này không phải lời khuyên xóa hết guardrail. Với thao tác có thể gây mất dữ liệu, quyền truy cập nhạy cảm hoặc thay đổi production, constraint rõ ràng vẫn cần thiết. Mục tiêu là đặt chúng đúng nơi có ích và tránh bắt model mang theo mọi cảnh báo trong mọi request.

/doctor có ý nghĩa gì?

Anthropic cho biết các best practice mới đã được đưa vào claude doctor; trong Claude Code, người dùng có thể gọi /doctor để rightsize Skills và file CLAUDE.md. Nếu prompt engineering là viết một yêu cầu tốt, context engineering là bảo trì cả môi trường nơi yêu cầu đó được xử lý.

Hãy coi kết quả từ công cụ tự động là điểm bắt đầu, không phải phán quyết. Context tốt phụ thuộc vào repository, quyền hạn, dữ liệu và tiêu chuẩn chất lượng của từng đội ngũ. Sau khi dọn dẹp, hãy chạy lại task thật và kiểm tra xem agent có bỏ sót thông tin cần thiết hay không.

Kết luận: bớt ràng buộc, nhiều tín hiệu đúng chỗ

Thông điệp lớn nhất không phải là "prompt ngắn hơn luôn tốt hơn". Khi Claude 5 và các model mới có khả năng phán đoán tốt hơn, cách thiết kế context cũng phải tiến hóa. Một hệ thống gồm ít luật hơn nhưng được đặt đúng chỗ có thể giúp agent tập trung vào ý định của người dùng thay vì giải quyết các mâu thuẫn do context tạo ra.

Hãy bắt đầu bằng cách lập bản đồ những gì agent đang nhìn thấy, chạy /doctor nếu phiên bản hỗ trợ, rồi đo lại trên workflow thật. Giữ hướng dẫn bảo vệ dữ liệu và chất lượng, chuyển tài liệu dài sang progressive disclosure, thiết kế tool như interface có thể khám phá và để model dùng phán đoán ở những nơi rủi ro cho phép.

via bài viết gốc của Anthropic.