Chuyển tới nội dung

Kỹ năng 01: Decomposition – Nghệ thuật chia nhỏ bài toán trong thời đại AI

Trong kỷ nguyên AI, kỹ năng quan trọng nhất không còn là “code giỏi”…

👉 Mà là: đặt bài toán đúng và chia nó đủ nhỏ để AI xử lý

Đây chính là:

Decomposition – nghệ thuật phân rã vấn đề

🚨 Vì sao Decomposition là “chìa khóa” của AI Workflow?

AI rất mạnh — nhưng có 3 giới hạn lớn:

❌ 1. Không xử lý tốt bài toán mơ hồ

Yêu cầu kiểu:

  • “Xây hệ thống booking”
  • “Refactor toàn bộ code”

👉 Kết quả:

  • Sai logic
  • Thiếu edge case
  • Code “có vẻ đúng nhưng không chạy”

❌ 2. Bị giới hạn bởi Context Window

AI chỉ “nhớ” được một lượng thông tin nhất định.

👉 Nếu bài toán quá lớn:

  • Bị mất context
  • Lặp lại
  • Hoặc “bịa” (hallucination)

❌ 3. Dễ sinh code rườm rà

Khi không rõ scope:

  • AI sẽ over-engineer
  • Viết dư thừa logic

💡 Nguyên tắc vàng:

AI không giỏi giải bài toán lớn
👉 AI giỏi giải nhiều bài toán nhỏ, rõ ràng

🔍 Decomposition là gì?

Chia một vấn đề lớn thành các phần nhỏ, độc lập, rõ ràng và có thể kiểm soát

⚙️ 3 cấp độ Decomposition (quan trọng)

🟢 1. Prompt-level (Câu lệnh)

❌ Sai:

  • Nhồi 5–6 yêu cầu vào 1 prompt

✅ Đúng:

  • Chia từng bước:
    1. Phân tích
    2. Thiết kế
    3. Thực thi

👉 AI làm tốt nhất khi bạn dẫn dắt từng bước

🟡 2. Project-level (Dự án)

Chia hệ thống thành các phần:

  • Database
  • API
  • Service
  • UI

👉 Mỗi phần là một “phase” độc lập:

  • phase-01-database
  • phase-02-api

🔴 3. Technical-level (Dữ liệu & hệ thống)

Ví dụ:

  • Chunking tài liệu lớn (RAG)
  • Chia codebase thành module nhỏ

👉 Giúp AI:

  • Dễ đọc
  • Dễ truy xuất
  • Không “quá tải”

🧩 Quy trình Decomposition chuẩn (theo ClaudeKit)

Đây là cách dev chuyên nghiệp làm việc với AI:

🧠 Bước 1: Brainstorm (Tiền trạm)

  • Không code ngay
  • Làm rõ:
    • Mục tiêu
    • Rủi ro
    • Assumption

👉 Áp dụng:
YAGNI (You Aren’t Gonna Need It)
→ Loại bỏ thứ không cần

🧭 Bước 2: Blueprint (Kế hoạch)

  • Chuyển ý tưởng → thiết kế kỹ thuật
  • Chia thành các phase rõ ràng

👉 Quan trọng:

  • File ownership (AI chỉ sửa đúng phạm vi)
  • Tránh xung đột code

⚙️ Bước 3: Task Hydration (Thực thi)

  • Chia nhỏ thành Todo list
  • Mỗi task:
    • Rõ input
    • Rõ output

👉 Làm theo kiểu:

  • Tick → Done → Validate

🔍 Bước 4: Review (Red Team)

  • Soát lại:
    • Logic sai
    • Conflict
    • Edge case

👉 Tránh lỗi trước khi code

🔄 Bước 5: Execute có kiểm soát

  • Làm từng bước
  • Không “dump toàn bộ bài toán”

👉 Giữ context luôn “sạch”

⚖️ Junior vs Senior – Khác nhau ở đâu?

JuniorSenior
Nhận task → code ngayDefine → Plan → rồi mới code
Làm từng phần nhỏNhìn toàn bộ hệ thống
Bị giới hạn techDùng AI để mở rộng
Debug nhiềuÍt lỗi ngay từ đầu

👉 Khác biệt lớn nhất:

Junior giải bài toán
Senior chia bài toán

⚡ Lợi ích khi làm đúng Decomposition

✅ 1. Giảm hallucination

AI hiểu rõ từng bước → ít sai hơn

✅ 2. Tăng tốc độ

  • Task nhỏ → xử lý nhanh
  • Có thể dùng model rẻ hơn

✅ 3. Dễ scale

  • Mỗi phần độc lập
  • Dễ mở rộng hệ thống

✅ 4. Tiết kiệm chi phí

  • Không cần dùng model mạnh cho mọi thứ

⚠️ Sai lầm phổ biến

  • Chia quá to → AI vẫn fail
  • Chia quá nhỏ → over-engineering
  • Không rõ input/output → AI hiểu sai
  • Không validate → lỗi dây chuyền

🎯 Nguyên tắc “chia đúng”

Một task tốt phải:

  • Đủ nhỏ để làm trong 1 lần
  • Đủ rõ để không hiểu sai
  • Đủ độc lập để test riêng

🚀 Kết luận

Decomposition không chỉ là kỹ năng kỹ thuật.
👉 Nó là tư duy cốt lõi trong thời đại AI

Người bình thường: “AI làm giúp tôi cái này”

Người giỏi: “Đây là 10 bước — làm từng bước”

AI không thay bạn.
👉 Nhưng cách bạn chia bài toán sẽ quyết định bạn ở level nào.

Không còn là người “cày code”
👉 Mà là người điều khiển hệ thống AI

Tag:
Liên hệ