Một người làm nội dung, cập nhật hàng ngày không bỏ sót. Tính đến nay, tôi đã đăng hơn chục bài viết dài, trung bình mỗi bài đạt 120.000 lượt xem, tổng số người theo dõi tăng hơn 9.000, và tỷ lệ lưu bài ổn định ở mức 0,5–1% — nghĩa là cứ một trăm người xem thì có một người thấy nội dung đáng để lưu lại sau.
Không phải vì tôi viết xuất sắc. Mà là vì có một hệ thống sản xuất nội dung AI chạy phía sau — từ chọn chủ đề, tìm kiếm tài liệu, viết nháp, minh họa đến đánh giá dữ liệu, toàn bộ quy trình đều do AI thực hiện; tôi chỉ đưa ra quyết định.
Nguyên mẫu của hệ thống này đến từ quy trình Claude Code được @dontbesilent chia sẻ công khai. Anh ấy dùng cách này để đăng 13.000 bài viết mỗi năm, vận hành đồng thời 7 nền tảng, và kiếm thêm 700.000 người theo dõi hàng năm. Tôi đã lấy nó và sửa đổi đáng kể theo nhu cầu của mình cho các bài viết dài trên X. Bài viết này chia sẻ phiên bản tôi đang dùng sau những chỉnh sửa đó.
Khái niệm cốt lõi
@dontbesilent từng đề cập một vấn đề rất cơ bản: hầu hết mọi người dùng AI làm nội dung một cách rời rạc — họ hỏi AI khi có ý tưởng, đăng câu trả lời, rồi quên mất. Lần sau có ý tưởng, họ lại bắt đầu từ đầu.
Giải pháp của anh ấy là biến toàn bộ quy trình thành một vòng lặp khép kín: ý tưởng vào thư viện chủ đề → AI tìm trong thư viện tài liệu các yếu tố có thể tái sử dụng → viết theo khuôn khổ đã kiểm chứng → xuất bản → đánh giá dữ liệu → chắt lọc các mẫu hiệu quả đưa trở lại phương pháp. Mỗi lần sáng tạo đều bổ sung thứ gì đó vào hệ thống, thay vì phát minh lại bánh xe mỗi lần.
Tôi áp dụng trực tiếp logic này. Dưới đây là phiên bản tôi đã chỉnh sửa.
Kho tri thức bốn lớp
Tôi dùng Obsidian để quản lý nội dung và Claude Code để thực thi. Hệ thống được chia thành bốn lớp.
Lớp thứ nhất: Kho ngữ liệu.
Vấn đề lớn nhất với viết lách bằng AI không phải là nó viết tệ, mà là nó không giống bạn. Người đọc bài dài đọc từng chữ; nếu "mùi AI" quá nặng, họ thấy gượng.
Vậy nên tôi lưu lại mọi thứ mình đã nói — tweet, quan điểm trong lịch sử chat WeChat, bản ghi âm, và những suy nghĩ vụn vặt ghi chép lại. Sau đó tôi trích xuất một hướng dẫn phong cách viết: tôi thích nêu kết luận trước rồi mới đưa ra lý do, tôi ưu tiên số liệu hơn tính từ, tôi thích dùng logic từ ngành khác để giải thích vấn đề hiện tại, và tôi không dùng "chicken soup" để kết bài.
AI đọc hướng dẫn này trước mỗi bản nháp, nên bản nháp đầu tiên ít nhất 70–80% giống tôi. Sau khi viết, tôi chạy kiểm tra "khử mùi AI" để đánh dấu những cách diễn đạt quá máy móc để tôi sửa.
Nó phát hiện gì? Dưới đây là vài cạm bẫy thường gặp:
- Từ ngữ tiếp thị: empowerment (trao quyền), closed-loop (vòng lặp khép kín), connecting (kết nối), underlying logic (logic nền tảng) — xóa ngay khi thấy.
- Nói thay người đọc: "Bạn có thể nghĩ..." "Nhiều người sẽ hỏi..." — sao bạn biết người khác nghĩ gì?
- Giọng điệu giáo huấn: "Hãy nhớ," "Bạn phải," "Cốt lõi chỉ là một câu" — Tôi đang trò chuyện, không phải dạy học.
- Dữ liệu hư cấu: "90% mọi người không biết" — bạn lấy con số 90% đó ở đâu?
- Câu ngắn độc lập để tạo hiệu ứng kịch: Một câu. Một từ. Một đoạn. — Đây là thứ "mùi AI" nhất.
- Khẩu hiệu / câu nói vàng in đậm: Những người thực sự mạnh mẽ đều... — Xóa.
Những quy tắc này được lưu trong hệ thống. AI tự động chạy chúng sau bản nháp đầu tiên và đánh dấu các lỗi bằng màu đỏ. Với hai bước này, "tính người" trong bài viết dài cải thiện đáng kể.
Lớp thứ hai: Thư viện tài liệu.
Giải mã 47 tài khoản tương tự, dữ liệu từ hơn 1.100 nội dung, phân tích cấu trúc bài viết lan truyền, và các khái niệm, câu trích dẫn có thể tái sử dụng.
Trước khi viết bài mới, AI trước tiên lướt qua thư viện tài liệu: ai đã viết về chủ đề tương tự, góc tiếp cận nào thu được dữ liệu, và cấu trúc nào khiến người đọc sẵn sàng lưu lại. Đó không phải sao chép; mà là chọn con đường dựa trên dữ liệu của người khác.
Sau khi giải mã 47 tài khoản, một vài phát hiện ảnh hưởng trực tiếp đến chiến lược chủ đề của tôi:
- Nội dung đạt 1M+ lượt xem chỉ rơi vào 5 danh mục: hướng dẫn công cụ thiết yếu, khoa học y tế / sức khỏe, AI + kiếm tiền, phân tích cá nhân (persona), và bộ sưu tập tài nguyên. Các loại khác hầu như không bao giờ vượt qua một triệu.
- Tỷ lệ lưu bài và mức độ hiển thị không nhất thiết tương quan thuận. Một số bài có mức hiển thị trung bình nhưng tỷ lệ lưu cao, cho thấy giá trị dài hạn — những bài này đáng viết đi viết lại.
- Tăng người theo dõi và mức độ hiển thị cũng không nhất thiết tương quan thuận. Một bài về cá nhân với 119K lượt hiển thị thu hút 156 người theo dõi, trong khi một hướng dẫn với 77K lượt hiển thị chỉ thu hút 25. Bài về cá nhân khiến người ta muốn theo dõi cá nhân đó; hướng dẫn khiến người ta lưu lại rồi đi.
Lớp thứ ba: Pipeline nội dung.
Kho chủ đề → Cần đào sâu → Đang thực hiện → Đã xuất bản. Kho luôn có hơn chục chủ đề sẵn sàng viết và hơn chục ứng viên cần thêm tư liệu. Tôi không viết tùy hứng — tôi chọn từ kho dựa trên chiến lược.
Chủ đề xoay vòng qua nhiều nhánh: thực hành dự án, giải mã đường kiếm tiền bằng AI, kinh doanh bình dân cơ bản, và xu hướng AI mới. Mỗi nhánh có cường độ khác nhau — hướng dẫn công cụ chuyên sâu có mức hiển thị cao nhất, giới thiệu cá nhân tăng người theo dõi nhanh nhất, còn đánh giá dữ liệu có đối tượng hẹp nhưng tỷ lệ lưu bài tốt. Tôi chọn chủ đề dựa trên mục tiêu hiện tại: hướng dẫn để tăng hiển thị, cá nhân để tăng người theo dõi, và đánh giá để tạo giá trị dài hạn.
Lớp thứ tư: Phương pháp luận.
Tiêu đề nào hiệu quả, chủ đề nào lan truyền, cấu trúc nào có tỷ lệ lưu cao — tất cả được chắt lọc từ dữ liệu xuất bản của chính tôi.
Tiêu đề là phần dễ định lượng nhất. Sau hơn chục bài viết dài, các tiêu đề hoạt động tốt về cơ bản rơi vào bốn mẫu:
Kiểm tra trước khi đăng: Có số liệu cụ thể không? Có thẻ nhận dạng không? Có sự tương phản không? Người đọc có biết họ sẽ nhận được gì sau khi đọc tiêu đề không? Càng nhiều điểm đúng, dữ liệu càng tốt.
Hình ảnh minh họa
Minh họa cho các bài viết dài trên X rất quan trọng. Trên feed, thứ tự thu hút sự chú ý của người dùng là hình HERO > Tiêu đề > Nội dung. Nếu hình ảnh tệ, chẳng ai nhấp vào dù tiêu đề có hay.
Nguyên tắc của tôi: Bộ ba hình HERO, tiêu đề và hook không được lặp lại thông tin. Hình HERO cho bạn biết ngay "đây là loại nội dung gì", tiêu đề cung cấp một mốc dữ liệu để khiến người ta dừng lại, và đoạn đầu tiên của thân bài mở rộng chi tiết. Ba thứ truyền tải ba lớp thông tin khác nhau.
Có hai phong cách minh họa, tự động chọn dựa trên loại nội dung:
Hướng dẫn dùng infographics — nền trắng, bong bóng trang trí màu nhạt, thẻ bo góc, biểu tượng phẳng, và tiêu đề chữ Hán lớn, giống như banner hero sạch sẽ trên website SaaS. Bài quan điểm dùng poster khái niệm — chữ lớn làm khung, với nhân vật và chữ đan xen, giống poster triển lãm hơn là PPT.
Mỗi bài viết dài có một ảnh bìa cộng thêm hai hoặc ba infographics bên trong. AI tạo prompt dựa trên nội dung bài, gọi API GPT Image 2 để tạo hình ảnh, sau đó tôi tải về và cắt theo tỷ lệ yêu cầu. Việc trước đây mất nửa tiếng trong Canva giờ chỉ mất 10 phút cho ba hình.
Dữ liệu bài viết dài
Dưới đây là một vài bài tiêu biểu:
Mức hiển thị trung bình khoảng bình khoảng 120.000, với tỷ lệ lưu bài 0,5–1%. Bài bói toán AI có tỷ lệ lưu cao nhất ở mức 1,01% — sự kết hợp giữa AI + kiếm tiền + bất đối xứng thông tin khiến người đọc lưu bài tích cực nhất.
Các mẫu hình từ dữ liệu
Việc "nuôi dưỡng quy tắc từ dữ liệu" là phương pháp cốt lõi của dontbesilent. Dưới đây là các mẫu hình cụ thể từ dữ liệu bài viết dài trên X của tôi:
- Tiêu đề phải có số liệu cụ thể. "Kiếm 100k trong 4 tháng," "$155 vs $15," "ROI 452%" — tất cả bài viết dài thành công đều có số liệu cứng. Số liệu là thứ dễ nhất khiến người ta dừng lại trên feed.
- AI phải là nhân vật chính. Bài hướng dẫn AI luôn duy trì trên 100.000 lượt xem, trong khi nội dung đầu tư thuần túy hiếm khi vượt 50.000. Mọi người đến tài khoản này để xem "cách dùng AI," không phải "cách giao dịch cổ phiếu."
- "Giúp bạn tiết kiệm thời gian" là logic nền tảng của sự lan truyền. Tổng hợp tài khoản công khai, giới thiệu Codex, thực hành minh họa — điểm chung của tất cả bài viết dài lan truyền là "Tôi đã thử, gặp lỗi, và sắp xếp lại cho bạn; chỉ cần làm theo."
- Công thức lan truyền: Hướng dẫn chuyên sâu hoặc trải nghiệm thực tế + Mốc dữ liệu cụ thể + Lộ trình có thể tái tạo. Không có tiêu đề lan truyền nào là khái niệm trừu tượng. Tất cả đều theo cấu trúc "Tôi đã làm X, và kết quả là Y" — chia sẻ kinh nghiệm kèm dữ liệu, không phải giảng bài.
Những quy tắc này được cập nhật với mỗi bài viết mới. Hệ thống tự sửa lỗi.
Bạn có thể dùng trực tiếp
dbskill của dontbesilent (hơn 4000 sao trên GitHub) là một điểm khởi đầu tuyệt vời. Bạn cũng có thể làm như tôi: lấy ý tưởng cốt lõi của anh ấy và sửa đổi theo nhu cầu riêng.
Bạn không cần phải làm đúng ngay từ một bước. Hãy bắt đầu bằng cách xây dựng kho chủ đề và thư viện tài liệu, chạy thử trong hai tuần, và để dữ liệu chỉ cho bạn hướng cần điều chỉnh.
