Từ Prompt Engineering đến Specification Engineering: bước nhảy bắt buộc
Specification Engineering là quá trình mô tả nhiệm vụ cho AI bằng một đặc tả đầy đủ mục tiêu, ngữ cảnh, ràng buộc, đầu vào, đầu ra, tiêu chí đánh giá, ngoại lệ và cách kiểm thử, sao cho hệ thống có thể thực thi và tự kiểm tra mà không cần người giám sát liên tục.
Trong vài năm qua, chúng ta tập trung cải thiện prompt: thêm ngữ cảnh, đặt vai trò, cho ví dụ, yêu cầu định dạng… nhưng khi AI chuyển từ chatbot sang AI coding agent, trợ lý nghiên cứu và các quy trình workflow tự động, prompt tốt thôi là chưa đủ. Prompt giúp bạn đặt câu hỏi; Specification Engineering là cách bạn định nghĩa như thế nào mới được xem là hoàn thành công việc một cách chính xác. Nói cách khác, điểm nghẽn không còn ở chỗ AI có trả lời hay không, mà ở chỗ “ý định” của bạn có được diễn đạt thành một đặc tả mà agent hiểu đúng và tuân thủ hay không.
Quan điểm ở đây rất rõ: nếu bạn vẫn dùng tư duy prompt cho công việc agent và workflow tự động, bạn đang chấp nhận rủi ro AI giải quyết một bài toán khác hẳn với thứ bạn mong muốn.
Vì sao phải thiết kế specification trước khi gọi AI coding agent?
Khi để AI coding agent sửa lỗi hay viết tính năng, prompt chung chung như “sửa bug này” là lời mời cho thảm họa. Một yêu cầu kiểu này có thể khiến agent tạo ra bản vá vượt qua các bài kiểm thử hiện thấy nhưng lại phá vỡ những giả định ẩn trong hệ thống. Điều tương tự xảy ra với yêu cầu “tóm tắt báo cáo” hoặc “làm sạch dữ liệu”: kết quả trông hợp lý, nhưng bỏ sót thứ mà con người quan tâm nhất hoặc âm thầm loại bỏ dữ liệu cần được điều tra.
Specification Engineering biến một nhiệm vụ mơ hồ thành tập hướng dẫn có thể thực thi, kiểm thử và đánh giá. Một specification tốt thường chỉ rõ mục tiêu, ngữ cảnh, đầu vào, định dạng đầu ra, ràng buộc, tiêu chí đánh giá, các trường hợp ngoại lệ và bước xác minh. Khi những yếu tố này được viết ra, bạn không còn phải “debug ý định” sau khi agent chạy; thay vào đó, AI làm việc trong khung an toàn rõ ràng, giảm mạnh lỗi và hành vi tối ưu sai mục tiêu.
Nếu coi coding agent là lập trình viên junior siêu nhanh, thì specification chính là bản thiết kế chi tiết bạn buộc phải viết trước khi giao việc.
Cách xây dựng specification giúp AI hiểu đúng và giảm lỗi thực thi
Một specification hiệu quả không phải là bức tường chữ, mà là hợp đồng rõ ràng giữa bạn và AI. Thay vì nói “hãy phân tích tập dữ liệu này và cho tôi biết những thông tin đáng chú ý”, bạn cần mô tả cụ thể những bước phân tích, chỉ số và giới hạn kết luận. Cách viết này buộc bạn phải nghĩ trước: mục tiêu thật sự là gì, không được làm điều gì, cần báo cáo theo thước đo nào, có được phép nói về quan hệ nhân quả hay chỉ dừng ở tương quan…
Cấu trúc gợi ý là dùng đủ 8 thành phần: mục tiêu, ngữ cảnh, đầu vào hợp lệ, định dạng đầu ra, ràng buộc, tiêu chí đánh giá, trường hợp ngoại lệ và bước xác minh. Việc mô tả rõ ràng như vậy giúp AI coding agent không phải tự “điền vào chỗ trống” bằng giả định sai, đồng thời giúp bạn dễ dàng kiểm tra kết quả: chỉ cần so lại với specification, bạn biết ngay agent làm đúng hay đang đi chệch khỏi yêu cầu ban đầu.
Quan trọng hơn, specification tốt là tài sản có thể tái dùng: mỗi khi có workflow tương tự, bạn chỉ cần điều chỉnh vài ràng buộc thay vì viết lại từ đầu.
Jira Planner: biến ý tưởng thô thành spec agent-ready
Một trở ngại lớn của Specification Engineering là: đội ngũ hiếm khi có khung chuẩn để cùng nhau viết và duyệt spec. Nhiều nhóm muốn chuyển sang phát triển dựa trên specification, nhưng lại thiếu công cụ biến ý tưởng thành đặc tả có cấu trúc mà agent có thể thực thi. Jira Planner xuất hiện đúng vào khoảng trống đó: nó biến ý tưởng thô thành các spec có cấu trúc, sẵn sàng cho agent, dựa trên hiểu biết ngữ nghĩa về codebase, chuẩn và quyết định trước đây của đội.
Cách làm việc với Jira Planner bắt đầu từ một mục tiêu, kể cả khi còn khá mơ hồ; công cụ sẽ đặt câu hỏi bổ sung để bạn làm rõ phạm vi, ràng buộc và tiêu chí thành công. Thay vì trả về tường văn, Jira Planner tạo ra các artefact có cấu trúc trong tài liệu sống, nằm ngay trong hệ sinh thái công việc của nhóm, giúp mọi người cùng chỉnh sửa, bình luận và thống nhất trước khi giao cho AI coding agent thực thi. Nhờ đó, bạn có một lớp “ý định được chuẩn hóa” đứng giữa quyết định của con người và hành động của agent.
Workflow tự động không giám sát: chỉ có specification mới cứu được bạn
Khi chuyển từ “chat với AI” sang để AI tự động chạy cả workflow, cách làm việc cũng phải thay đổi. Thay vì vòng lặp prompt → kết quả → sửa thủ công, quy trình tương lai sẽ là specification → tạo kết quả → xác thực → chỉnh sửa → kiểm toán. Cách tiếp cận này đặc biệt quan trọng với các hệ thống agentic, nơi AI được phép đưa ra chuỗi quyết định gồm nhiều bước.
Specification rõ ràng giúp bạn yên tâm để workflow tự động chạy mà không phải nhìn màn hình liên tục. Bởi vì tiêu chí thành công, ràng buộc và kiểm thử đã được viết ra, bạn có thể để agent làm việc rồi chỉ cần xem lại báo cáo xác thực và nhật ký kiểm toán ở cuối chu kỳ. Nói thẳng: nếu không đầu tư vào Specification Engineering, bạn sẽ mãi mắc kẹt trong chế độ “AI autocomplete” – tiết kiệm được vài phút gõ phím, nhưng không bao giờ dám giao cho AI xử lý một quy trình đầu-cuối.
Kết luận là: muốn AI coding agent và workflow tự động thực sự thay bạn làm việc, việc đầu tiên cần học không phải là viết prompt hay hơn, mà là trở thành Specification Engineer của chính đội ngũ mình.
