Bỏ qua để đến nội dung chính
LeoNex News

Agent skills: viết một lần, chạy trên mọi coding agent

Thư mục SKILL.md kết nối tới nhiều agent; manifest riêng cung cấp bối cảnh, còn mỗi môi trường có công cụ và quyền truy cập riêng.
Trong bài này

Agent skill là cách ghi lại các chỉ dẫn lặp đi lặp lại, để khỏi phải giải thích lại cùng một việc cho agent hoặc hỏi đi hỏi lại đồng nghiệp có nhiều kiến thức nội bộ. Về cấu trúc, một skill là thư mục có phiên bản, xoay quanh tệp SKILL.md mô tả khi nào và làm thế nào để thực hiện một việc lặp lại. Chỉ dẫn này dùng chung được giữa nhiều agent, nhưng môi trường vẫn phải cung cấp công cụ, thông tin xác thực và quyền hạn. Bài viết tổng hợp các cách thiết kế skill từ hai ví dụ là Proof Agent và Data Forge: xác định nhiệm vụ rõ ràng, tách cấu hình khỏi skill, dùng chung đường thực thi và đặt điểm kiểm tra vào quy trình.

Xác định một nhiệm vụ rõ ràng và thời điểm áp dụng

Một skill hoạt động tốt nhất khi có nhiệm vụ, đầu vào và đầu ra rõ ràng. Ví dụ trong nguồn là một agent kiểm tra các thay đổi do AI tạo ra so với yêu cầu ban đầu. Nếu chính agent đó tự đánh giá công việc của mình, phần giải thích của nó có thể ảnh hưởng đến kết quả xét duyệt. Vì vậy Proof Agent dùng một verifier tách biệt để xem xét thay đổi và đưa ra bằng chứng cho các phát hiện. Nguyên tắc cốt lõi được nêu gọn như sau: self-verification is not verification. Phần frontmatter của skill nêu tên nhiệm vụ và mô tả mục đích:

yaml
---
name: proof-agent
description: Adversarial verification of AI-generated work. Spawns an independent verifier to check for false claims, broken code, and security issues.
---

Mục When to Verify trong SKILL.md của Proof Agent cho biết khi nào cần gọi skill. Các chỉ dẫn còn lại giải thích verifier xem xét những gì và cần đưa loại bằng chứng nào vào kết quả.

Phối hợp nhiều skill và tách cấu hình khỏi skill

Khi phán đoán giúp một data pipeline đúng nằm trong đầu bốn người khác nhau, mỗi thay đổi đều phụ thuộc vào thời gian và hiểu biết dữ liệu của họ. Data Forge minh họa cách ghi lại một phần phán đoán đó bằng các skill phối hợp với nhau. Trong ví dụ pipeline support-desk, yêu cầu ban đầu là các chỉ số đếm sự cố được tạo và được giải quyết. Các skill tham gia gồm:

  • forge-init: trước khi xây pipeline, skill này tìm hiểu các chi tiết như bảng nguồn và quy ước đặt tên, rồi ghi vào một resolved manifest. Các skill khác đọc manifest này để lấy bối cảnh dự án.

  • forge-builder: điều phối công việc từ issue đến pull request. Pull request kết quả chứa mã pipeline, thay đổi schema và các bài kiểm thử.

  • forge-dbx: cho các skill còn lại một đường duy nhất để truy cập data platform. Skill đọc manifest và chọn adapter Databricks hoặc DuckDB, nên mỗi skill không cần tự viết logic kết nối và truy vấn.

  • forge-lint: áp dụng tiêu chuẩn của nhóm khi thiết kế và xây pipeline, cung cấp các quy tắc cần theo trước khi mã được sinh ra.

Một người xem xét các quyết định được đề xuất trong suốt quá trình. Mỗi skill có trách nhiệm riêng và chia sẻ bối cảnh dự án thay vì tự khám phá lại. Khi một bước thay đổi, chỉ cần sửa một skill và giữ nguyên phần còn lại.

Không nên cứng hóa tên, cơ sở dữ liệu hay quy ước của từng dự án vào skill. Trong ví dụ support-desk, một manifest mô tả dự án, metric store và nền tảng, nhờ đó skill dùng đúng chi tiết dự án mà không phải nhúng chúng vào chỉ dẫn. Có manifest đã được xác định, các skill khác không phải tự đưa ra giả định về dự án.

yaml
project:
 name: "support-desk"
 store_name: "support_metric_store"

platform:
 engine: "duckdb"
 pipeline_framework: "spark_python"
 duckdb_dir: "warehouse"
  • Giữ các chi tiết được phát hiện tách khỏi tiêu chuẩn của nhóm.

  • Một mẫu tìm thấy trong repository chưa chắc là quy tắc cần giữ, nên cần để con người xem lại, xác nhận hoặc thay đổi ở những chỗ cần phán đoán nghiệp vụ.

  • Để kiểm tra tính di động, cần hỏi: một nhóm khác có thể dùng các skill này với manifest của riêng mình mà không phải viết lại không?

Manifest có thể chọn DuckDB cho bản demo local, nhưng không cài được DuckDB CLI và cũng không cấp quyền truy cập cơ sở dữ liệu. Những việc đó vẫn thuộc trách nhiệm thiết lập của môi trường và người dùng. Manifest chọn engine, còn host cung cấp quyền truy cập.

Skill phù hợp với công việc có giới hạn, lặp lại và hưởng lợi từ phán đoán dùng lại được, chẳng hạn checklist, release, migration hay metric pipeline. Nếu quy trình cần giao diện ổn định, trạng thái dùng chung, audit trail, kiểm soát dài hạn hoặc quyền được thực thi bên ngoài mô hình, một ứng dụng sẽ phù hợp hơn.

Điểm kiểm tra, phê duyệt và đóng gói theo từng client

Quy trình support-desk của Data Forge có bảy giai đoạn, mỗi giai đoạn có một điểm kiểm tra của con người. Trước khi một giai đoạn tiếp tục, quy trình kiểm tra giai đoạn trước đã hoàn tất; trước khi chạy thay đổi schema, quy trình yêu cầu phê duyệt. Proof Agent áp dụng cùng nguyên tắc cho việc review mã:

  • Một workflow GitHub Actions đưa cho verifier yêu cầu ban đầu và các thay đổi mã, nhưng không đưa đánh giá của chính coding agent.

  • Verifier trả về PASS, FAIL hoặc PARTIAL và phải trích dẫn bằng chứng trong các tệp đã thay đổi.

  • GitHub Action chỉ review tĩnh phần diff, không chạy mã và không chạy kiểm thử.

  • Trong workflow demo, block-on-fail được đặt là false nên các phát hiện chỉ mang tính tham khảo. Theo mặc định, FAIL làm check thất bại và chặn merge nếu check đó là bắt buộc.

Mục tiêu là giữ kết quả kiểm thử và yêu cầu merge trong các CI check và quy tắc của repository.

Hỗ trợ nhiều client có thể đồng nghĩa với việc phải giữ đồng bộ nhiều bản sao của cùng một chỉ dẫn. Trong Data Forge, các tệp SKILL.md trong thư mục skills là nguồn gốc, còn một script đóng gói sinh ra các tệp riêng cho từng client:

  • Tệp .claude-plugin/plugin.json dành cho Claude Code.

  • Tệp .cursor-plugin/plugin.json dành cho Cursor.

  • Các tệp .agent.md trong .github/agents dành cho GitHub Copilot.

Script này còn có chế độ check để chạy trong CI:

bash
node scripts/package.mjs --check

Các client có thể khác nhau về mô hình, công cụ, thông tin xác thực và quyền hạn. Sau khi cài một skill, cần kiểm tra client có nhận ra skill cho đúng nhiệm vụ, nạp các references, dùng được những công cụ cần thiết và trả về bằng chứng mà skill yêu cầu hay không.

Điểm chính

  • Skill là thư mục có phiên bản, xoay quanh SKILL.md. Chỉ dẫn dùng chung được, nhưng môi trường vẫn phải cung cấp công cụ, thông tin xác thực và quyền.

  • Mỗi skill nên có nhiệm vụ, đầu vào và đầu ra rõ ràng; Proof Agent dùng một verifier tách biệt thay vì để agent tự kiểm tra.

  • Đặt bối cảnh dự án vào một manifest và cho các skill liên quan dùng chung một đường truy cập nền tảng.

  • Đưa các bước kiểm tra và phê duyệt vào quy trình, đồng thời giữ kết quả kiểm thử và yêu cầu merge trong CI của repository.

  • Với nhiều client, giữ một nguồn SKILL.md để sinh tệp riêng, rồi kiểm tra thiết lập sau khi cài đặt.

Nguồn tham khảo

Các nguồn mà bài viết này dựa vào.

  1. Build once, run on any agent: A practical guide to agent skills (mở trong tab mới) — GitHub Blog

Xem thêm trong AI Engineering

Sơ đồ vòng xử lý: đánh giá được lấy mẫu, LLM tạo bản tóm tắt, hệ thống kiểm tra căn cứ và phản hồi người dùng quay lại để cập nhật.
AI-ENG AI Engineering

Tóm tắt review tự động có vòng phản hồi: LLM chạy production tại Grab

Hệ thống Automated Merchant Review Summary System biến các đánh giá viết tay về cửa hàng thành bản tóm tắt ngắn gọn. Người tiêu dùng có thể xem tóm tắt tổng thể hoặc chọn một chủ đề cụ thể, còn merchant (cửa hàng, đối tác bán hàng) nhận biết được điều khách hàng đánh giá cao và khâu nào cần cải…

6 phút đọc

Dây chuyền ba bước đưa đặc tả và ngữ cảnh qua các cổng kiểm tra trước khi xuất mã đã xác minh.
AI-ENG AI Engineering

Context engineering và guardrails để "thuần hoá" coding agent

Coding Agent như Cursor, Windsurf, Cline hay Claude Code thường cho kết quả ấn tượng ở giai đoạn đầu, nhưng khi dự án lớn dần với nhiều file và nghiệp vụ rẽ nhánh, chúng có thể làm hỏng tính năng đang chạy, kéo thêm thư viện xung đột hoặc phá vỡ kiến trúc. Nguyên nhân nằm ở cách dùng thiếu cấu…

5 phút đọc

Bản tin qua email

Nhận tuyển chọn bài viết mới của LeoNex News qua email.

Chúng tôi chỉ dùng địa chỉ này để gửi bản tin.

Nhận tuyển chọn bài viết mới của LeoNex News qua email. Bạn sẽ nhận một email xác nhận; đăng ký chỉ có hiệu lực sau khi bạn xác nhận. Mỗi email đều có liên kết hủy đăng ký. Xem chính sách quyền riêng tư