Bạn có bao giờ cảm thấy các thuật ngữ mới trong lĩnh vực AI cập nhật nhanh hơn cả các dòng điện thoại không?
Hôm qua bạn vừa hiểu được "Function Calling", hôm nay "Skills" đã xuất hiện. Hôm trước có người nhắc đến "MCP", bạn chưa kịp phản ứng thì người khác đã bàn về "Agents". Mỗi lần thấy những từ này, suy nghĩ đầu tiên của bạn là: Mình lại bị tụt hậu rồi sao?
Đừng hoảng. Hôm nay, chúng ta sẽ phân tích rõ "Claude Skills".
Quan trọng hơn, tôi sẽ cho bạn thấy nó liên quan thế nào đến những khái niệm bạn đã biết—functions và function calling. Bạn sẽ thấy đây không phải ba thuật ngữ riêng lẻ, mà là các bước xây dựng chồng lên nhau. Khi hiểu ba lớp này, bạn sẽ có thể đánh giá bất kỳ thuật ngữ mới nào thuộc lớp nào.
Điểm Khởi Đầu
Hãy bắt đầu với thứ quen thuộc: "functions" trong lập trình.
Bạn có thể coi một function như một "trợ lý nhỏ". Bạn bảo nó làm gì (đưa đầu vào), và nó cho bạn kết quả sau khi hoàn thành (đưa đầu ra). Giống như một người phục vụ trong nhà hàng: bạn gọi món, họ phục vụ, theo một quy trình cố định mỗi lần.
Ví dụ, một lập trình viên viết function calculate_tax(income). Bạn đưa vào số thu nhập, nó tính ra số thuế phải nộp. Cần tính lại? Chỉ cần gọi nó lại. Không cần viết lại logic tính thuế mỗi lần.
Giá trị của một function nằm gọn trong ba từ: đóng gói, tái sử dụng và chuẩn hóa.
Nó đóng gói một tác vụ để bất kỳ ai cũng có thể sử dụng theo cùng một cách mỗi lần. Đây là công cụ năng suất cơ bản nhất của lập trình viên trong nhiều thập kỷ.
Nhưng functions có một hạn chế—chúng chỉ tồn tại trong thế giới mã code.
Một lập trình viên viết getWeather() trong code, và nó sẽ được thực thi 100%. Nhưng người bình thường không viết code, và AI cũng không "chạy" code này trực tiếp. Vậy làm thế nào để AI có thể sử dụng những "trợ lý nhỏ" này?
Cầu Nối
Khoảng năm 2023, khái niệm "Function Calling" trở nên phổ biến.
Bạn có thể coi nó như việc đưa cho "AI chỉ biết chat" một chiếc điện thoại và một danh bạ.
Trước đây, nếu bạn hỏi AI "Thời tiết Bắc Kinh hôm nay thế nào?", nó sẽ hoặc đoán từ dữ liệu huấn luyện, hoặc thành thật nói "Tôi không biết" vì nó không có "tay chân" để thực sự kiểm tra.
Với function calling, mọi thứ đã thay đổi.
Các nhà phát triển nói trước với AI: "Đây là một danh bạ có một function tên là get_weather. Hãy gọi số này nếu muốn kiểm tra thời tiết." Khi AI nhận được câu hỏi, nó đánh giá: "À, tôi cần gọi get_weather để trả lời câu này."
Sau đó, nó tạo ra một "bản ghi nhớ" tiêu chuẩn (gọi là JSON) có nội dung:
{ "function": "get_weather", "arguments": { "city": "Beijing" } }
Bản ghi nhớ này được một chương trình bên ngoài tiếp nhận, phân tích và thực thi. Chương trình bên ngoài chính là thứ thực sự gọi đến trạm thời tiết. Kết quả được trả về cho AI, và AI sau đó nói với bạn bằng tiếng Việt: "Hôm nay Bắc Kinh nắng, 15 độ."
Có một điểm chuyển tiếp quan trọng ở đây mà người mới thường bỏ qua.
Các function truyền thống mang tính "tất định"—nếu lập trình viên viết getWeather(), nó sẽ được thực thi.
Nhưng function calling của LLM mang tính "xác suất"—AI phải tự đánh giá có nên gọi function hay không. Sự đánh giá này dựa trên sự hiểu biết, chứ không phải quy tắc. Có một khả năng nhỏ nó có thể hiểu sai yêu cầu.
Vì vậy, bản chất của function calling là: cho phép AI "gọi điện", nhưng nó tự quyết định có gọi không và gọi cho ai.
Đây là một bước tiến lớn—AI không chỉ là một "cơ sở kiến thức"; nó trở thành một "tác nhân hành động."
Nhưng function calling vẫn có một vấn đề: nó rời rạc và chỉ dùng một lần.
Nếu một tác vụ yêu cầu gọi năm sáu function liên tiếp với các phán đoán logic và tham khảo tài liệu, thì function calling đơn giản là không đủ.
Bước Nhảy Vọt
Vào ngày 16 tháng 10 năm 2025, Anthropic đã phát hành một tính năng mới: Claude Skills.
Bạn có thể coi Skills là sự kết hợp giữa một "sổ tay nhân viên" và một "hộp công cụ."
Sổ tay hướng dẫn AI: "Khi gặp loại tác vụ này, đây là cách thực hiện, từng bước một, và sử dụng công cụ nào ở mỗi bước." Hộp công cụ chứa các script và tài liệu tham khảo cần thiết.
Cụ thể, một Skill là một thư mục chứa ba thứ:
Thứ nhất, tệp SKILL.md. Đây là những "hướng dẫn" được viết bằng ngôn ngữ tự nhiên. Nó cho AI biết Skill dùng để làm gì, khi nào nên sử dụng và mọi lưu ý.
Thứ hai, các script. Đây có thể là code viết bằng Python, JavaScript, v.v. Khi AI cần "xắn tay áo làm việc", nó thực thi các script này.
Thứ ba, các tệp tài nguyên. Chẳng hạn như tài liệu tham khảo, mẫu biểu hoặc tệp cấu hình mà AI có thể tham khảo khi thực hiện tác vụ.
Bạn có thể hỏi: Sự khác biệt cơ bản với function calling là gì?
Sự khác biệt là: Function calling là một "công cụ đơn lẻ", còn Skills là một "giải pháp hoàn chỉnh."
Function calling giống như đưa cho bạn một cái búa và một cái tuốc-nơ-vít; bạn phải tự biết khi nào dùng cái nào. Skills giống như đưa cho bạn một cuốn sách hướng dẫn lắp ráp IKEA bao gồm tất cả các bước, công cụ và linh kiện.
Ngoài ra còn có một cơ chế quan trọng gọi là "tiết lộ dần dần" (progressive disclosure).
"Bộ nhớ làm việc" (cửa sổ ngữ cảnh) của AI có hạn. Nếu bạn nhồi nhét tất cả Skills cùng một lúc, AI sẽ bị quá tải. Skills cho phép AI biết rằng có cuốn sổ tay tồn tại và chỉ "lật trang" khi thực sự cần.
Bây giờ, hãy nhìn vào ba lớp cùng nhau:
Từ dưới lên trên, mức độ trừu tượng tăng dần. Functions là cấp độ code, function calling là cấp độ giao diện, và Skills là cấp độ quy trình làm việc.
Skills có thể chứa các lệnh gọi function, nhưng function calling chỉ là một phần của Skills.
Ứng Dụng Thực Tế
Skills thực sự có thể làm được gì? Hãy xem một số trường hợp thực tế.
Đầu tiên, dự án của riêng tôi: x-article-publisher-skill.
Nếu bạn viết bằng Markdown và muốn đăng lên X (Twitter) Articles, bạn sẽ thấy việc copy-paste làm mất hết định dạng. Bạn phải tự sửa tiêu đề, chữ in đậm và liên kết, mất 15-20 phút cho mỗi bài viết.
Hình ảnh còn tệ hơn. Bạn phải tải chúng lên thủ công và kéo vào đúng vị trí. Skill này giải quyết vấn đề đó.
Nó phân tích Markdown của bạn, trích xuất tiêu đề và ảnh bìa, và tính toán "chỉ số khối" cho mọi hình ảnh. Sau đó, nó chuyển đổi Markdown thành HTML rich text để dán hoàn hảo và sử dụng tự động hóa trình duyệt (Playwright) để chèn mọi hình ảnh vào đúng vị trí một cách tự động.
Những gì mất 30 phút làm thủ công giờ chỉ mất vài phút hoàn toàn tự động. Đối với người lười, không phải động tay là giá trị thực sự.
Bạn có thể nói: Đây chẳng phải chỉ là một script tự động hóa sao?
Đúng và không đúng. Một script yêu cầu bạn phải nhớ cách chạy nó. Một Skill bao gồm cả những hướng dẫn đó. Bạn chỉ cần nói với AI "Đăng cái này lên X," và nó biết nên dùng Skill nào và cách vận hành nó.
Đây là giá trị của "mã hóa kiến thức"—biến "Tôi biết cách làm" thành "AI cũng biết cách làm."
Các tình huống khác bao gồm:
Quản lý cuộc họp: Một Skill trích xuất tóm tắt và các mục hành động từ bản ghi âm và soạn thảo email theo dõi.
Phân tích dữ liệu: Ném vào một tệp CSV, nó xác định các chỉ số chính và tạo báo cáo kèm biểu đồ.
Hỗ trợ khách hàng: Nó truy xuất câu trả lời từ cơ sở kiến thức và sắp xếp chúng thành một phản hồi giống con người.
Cuối cùng, các công cụ dành cho nhà phát triển.
Có một Skill tên là skill-creator—một Skill để tạo ra Skills. Bạn mô tả quy trình làm việc, và nó tạo ra khung dự án cho bạn.
Bắt Đầu
Để sử dụng Skills có sẵn, cách dễ nhất là thông qua thị trường plugin của Claude Code.
Bạn có thể thêm các thị trường khác bằng lệnh /plugin marketplace add anthropics/claude-code.
Sau khi cài đặt, bạn có thể quản lý chúng bằng lệnh /plugin.
Để tự tạo Skills của riêng bạn, hãy sử dụng siêu kỹ năng skill-creator. Bạn thậm chí có thể tạo Skills phân tích tài liệu và vẽ sơ đồ, như bản đồ mối quan hệ nhân vật cho Tây Du Ký này:
Hoặc tương tác của bảy nước thời Chiến Quốc:
Bạn thậm chí có thể kết nối Claude Skills với các công cụ bên ngoài như NotebookLM để kết hợp khả năng truy xuất mạnh mẽ với sự sáng tạo của riêng bạn.
Hãy xem awesome-claude-skills trên GitHub để có danh sách Skills xuất sắc từ cộng đồng.
Cá nhân tôi khuyên dùng thị trường 42plugin của nhóm Yang Zhiping, nơi bao gồm xếp hạng giúp bạn tránh các plugin chất lượng thấp.
Điểm quan trọng nhất: Tạo một Skill không nhất thiết yêu cầu code.
Các hướng dẫn trong SKILL.md là ngôn ngữ tự nhiên. Nếu quy trình làm việc của bạn không cần các script phức tạp, chỉ ngôn ngữ tự nhiên thôi cũng có thể thực hiện được nhiều việc.
Tổng Kết
- Functions là nền tảng (cấp độ code).
- Function Calling là cầu nối (cấp độ giao diện).
- Claude Skills là bản thiết kế (cấp độ quy trình làm việc).
Như các nhà phân tích của Gartner nói, trọng tâm đang chuyển từ "cập nhật mô hình" sang "triển khai trường hợp sử dụng." Skills biến AI từ một "người trả lời" thành một "cộng tác viên."
Lần tới khi bạn nghe một thuật ngữ AI mới, hãy tự hỏi: Nó thuộc lớp nào? Suy nghĩ theo cách này sẽ làm cho các thuật ngữ mới bớt đáng sợ hơn nhiều.
Bạn đã thử dùng Claude Skills chưa? Hãy chia sẻ quy trình làm việc của bạn trong phần bình luận nhé!
