Tại sao tôi dừng việc sửa lỗi trong từng bản nháp blog của AI

Tôi từng nghĩ viết blog bằng AI là cuộc chiến tìm kiếm prompt thần kỳ. Nhưng bài ổn thì bài sau vẫn lệch. Câu trả lời không nằm ở prompt dài hơn, mà là cách tôi tách biệt tiêu chuẩn viết khỏi quy trình thực hiện khi xây dựng thư viện 19 bài viết cho Le J' Cafe.

hermes-agentblog-writingai-workflowautomation
Workflow liên quan: BlogPipeline

bối cảnh & thiết lập

Tháng 6 năm 2026, tôi nhận xử lý một bài toán phân phối nội dung cho Le J’ Cafe—một thương hiệu rang xay cà phê đặc sản tại Việt Nam. Lúc đó, danh mục sản phẩm của Le J’ có 14 sản phẩm cà phê active thuộc 9 loại giống hạt khác nhau (Catimor, THA-1, Red Bourbon, Gesha, Centroamericano H1, Fine Robusta…).

Mục tiêu rất cụ thể: Xây dựng một thư viện gồm 19 bài viết chuyên sâu bằng tiếng Việt trên trang tin tức của Le J’ (Shopify).

Thư viện kiến thức cà phê tiếng Việt đã xuất bản của Le J' Cafe

Bạn có thể xem thư viện đang chạy tại Journal của Le J’.

Tất cả các bài viết này phải đạt chuẩn chất lượng cực kỳ ngặt nghèo về mặt tìm kiếm thế hệ mới (GEO/SEO): trả lời trực diện câu hỏi của người dùng, dẫn chứng số liệu sinh học chính xác (không được bịa thông tin), sử dụng tiếng Việt thuần tự nhiên, và khéo léo kết nối với link các sản phẩm thực tế của Le J’.

hướng đi thất bại

Tôi có trong tay Hermes Agent hỗ trợ vận hành. Nhưng khi bắt đầu viết loạt bài này, phản xạ tự nhiên của tôi dẫn thẳng vào những ngõ cụt:

  1. Nhồi nhét chỉ dẫn (Prompting harder): Khi bài nháp đầu tiên viết kém, tôi bắt đầu thêm luật vào prompt hệ thống. Tôi dồn tất cả: thông số giống hạt từ World Coffee Research (WCR), phả hệ di truyền, quy tắc viết câu đơn ngắn, tiêu chuẩn tránh văn sáo rỗng AI, và cách lồng ghép link sản phẩm của Le J’ vào chung một tệp chỉ dẫn khổng lồ. Kết quả là prompt càng dài, agent càng dễ hoạt động kém hiệu quả, lướt qua hoặc quên mất các quy tắc sinh học cốt lõi. Đặc biệt có lần một subagent nghiên cứu thông số đã bị timeout treo suốt 600 giây vì ôm đồm quá nhiều tài liệu nguồn.
  2. Sửa lỗi trực tiếp (Manual editing): Thấy bản nháp ra lò có giọng điệu sáo rỗng kiểu AI (“không thể phủ nhận”, “có thể thấy rằng”) hoặc sai thông tin giống lai F1, tôi tặc lưỡi tự vào sửa tay. Nó giúp bài viết Catimor hay THA-1 trước mắt nhìn sạch sẽ, nhưng đến bài thứ ba, thứ tư, lỗi cũ lại tiếp tục lặp lại. Tôi vô tình biến mình thành “khâu dọn dẹp” cho agent, lặp đi lặp lại năng lượng một cách mệt mỏi mà chất lượng chung không hề đi lên.
  3. Phó mặc hoàn toàn cho tự động hóa: Có lúc, để đẩy nhanh tiến độ viết 10 bài phả hệ di truyền, tôi giao hẳn tiêu đề cho agent tự viết từ đầu đến cuối mà không có kiểm duyệt. Hệ thống trả về file nhanh chóng, nhưng văn phong lúc này vô hồn, thiếu hẳn chất “người làm nghề” của Le J’ Cafe.

Tôi nhận ra sai lầm gốc rễ: Tôi đang lẫn lộn câu hỏi “Bài viết này cần đạt tiêu chuẩn biên tập nào?” (The Approach) với “Quy trình thực hiện nó ra sao?” (The Workflow). Việc cố gắng gồng gánh cả hai thứ này trong một cửa sổ chat khiến hệ thông liên tục bị drift giọng điệu.

sự thay đổi: quy dịch hai tầng (Two-Tier Pipeline)

Tôi quyết định kéo toàn bộ việc kiểm soát chất lượng ngược lên thượng nguồn bằng cách chia nhỏ quy trình làm việc ra thành hai tầng độc lập.

Sơ đồ quy trình biên tập và vận hành hai tầng
Mở sơ đồ đầy đủ

Tầng 1: Cách Viết (The Approach) - Đóng gói tiêu chuẩn biên tập

Tôi tạo một bản đặc tả ngắn gọn cho từng loại bài viết thay vì viết prompt chung chung. Với Le J’ Cafe, tôi đóng gói một bản tiếp cận giống cà phê (coffee-variety-geo-blog):

Tầng 2: Quy Trình Vận Hành (The Workflow) - Giải phóng sức lao động

Có bộ tiêu chuẩn đóng gói, việc vận hành 19 bài trở nên tự động:

  1. Tôi giữ một bảng quản lý bài viết (Inventory) lưu trữ trạng thái.
  2. Khi khởi chạy, Hermes Agent đóng vai trò là “Biên tập trưởng” (Main Thread). Máy tự động đẻ ra các agent con (Subagents) cho từng bài viết.
  3. Mỗi subagent nhận một phiên hội thoại hoàn toàn sạch ngữ cảnh, chỉ đọc đúng dữ liệu nguồn hạt đó cùng tệp tiêu chuẩn Approach của Tầng 1.
  4. Subagent nộp bản nháp thứ nhất. Biên tập trưởng tự đánh giá rà soát dựa trên bộ checklist Check. Bài đạt sẽ được duyệt; bài lỗi sẽ bị đẩy ngược lại yêu cầu sửa đổi.

Chữa lỗi từ hệ thống, không đi sửa câu chữ

Quy trình này không tự nhiên hoàn hảo ngay từ đầu. Khi chạy bài viết Catimor thực tế đầu tiên lên Shopify vào ngày 19 tháng 6, hệ thống đã nảy sinh hai lỗi hiển thị lớn:

Thay vì tự sửa tay các file bị lỗi trên nền web Shopify, tôi kéo lỗi ngược về Tầng 1. Tôi chỉnh sửa lại script biên dịch và bổ sung quy tắc xóa H1 vào phần đặc tả Approach, sau đó nhấn nút để Biên tập trưởng tự động cập nhật lại toàn bộ 19 file bài viết và đẩy qua API Shopify hàng loạt. Lần cấu chỉnh đó đã nâng cấp độ tin cậy của toàn bộ hệ thống viết bài về sau.

Sự chuyển dịch lớn nhất của quy trình này là gì? Nó không thay thế vai trò biên tập viên của con người. Nhưng nó chuyển bạn từ một gã thợ gõ mệt mỏi sửa từng lỗi chính tả thành một “Biên tập viên trưởng” thực thụ—chỉ tập trung vào góc nhìn sáng tác, tính chuẩn xác của dữ liệu sinh học và bấm nút phê duyệt cuối cùng.

bản thiết kế giao việc (prompt blueprint)

Nếu bạn muốn biến AI agent của mình thành một Biên tập trưởng vận hành nội dung bền vững thay vì ngồi viết từng bài bằng những đoạn chat trôi nổi dài dằng dặc, hãy gửi prompt blueprint hành động này sang cho nó:

Tôi muốn bạn đóng vai trò là một "Biên tập trưởng" thiết lập quy trình viết bài tự động hai tầng cho thương hiệu cà phê của tôi:

1. Đầu tiên, hãy tạo một tài liệu tiêu chuẩn `approach-cafe-variety.md` chứa định nghĩa biên tập sau:
   - Data: Sử dụng thông số sinh học chính thống từ World Coffee Research kết hợp trực tiếp ghi chú thực tế từ kho rang hoặc caption mạng xã hội của cửa hàng. Không tự bịa thông số hương vị.
   - Goal: Đọc xong, người đọc phải phân biệt rõ giống hạt này với giống khác, đồng thời tìm thấy chính xác link sản phẩm hạt tương ứng đang bán trên trang chủ.
   - Write: Giọng viết ngôi "tôi" chân thật, ngắn gọn. Tuyệt đối loại bỏ từ sáo rỗng AI: "bên cạnh đó", "đồng thời", "có thể thấy rằng", "tóm lại", "đặc biệt".
   - Check: Xác nhận không có câu nào vượt quá 30 từ; giữ nguyên thuật ngữ kỹ thuật tiếng Anh chuẩn (F1 Hybrid, SL34); không dùng ký tự em-dash (—) trong tiếng Việt.

2. Thiết lập quy trình vận hành (Workflow):
   - Đọc file danh sách bài viết (inventory) tôi gửi.
   - Với mỗi bài viết, khởi tạo một subagent độc lập (ngữ cảnh sạch).
   - Nạp file `approach-cafe-variety.md` làm hướng dẫn biên tập cốt lõi để subagent viết bản nháp thứ nhất.
   - Nhận lại bản nháp đầu tiên, tự động kiểm duyệt nghiêm ngặt đối chiếu theo mục "Check" của approach gốc. Từ chối duyệt nếu xuất hiện văn phong AI rườm rà.

Xác nhận bạn đã nắm rõ cấu trúc phân tầng biên tập này và cho tôi biết bạn cần tôi gửi file danh sách bài viết đầu tiên dưới định dạng nào.

cùng gỡ workflow của bạn

Việc đưa agent vào quy trình làm việc thực sự không phải để tạo ra những bài viết tự động spam hàng loạt. Hệ thống sinh ra là để bảo vệ chất lượng nội dung nguyên bản của bạn ở quy mô lớn nhất mà không tốn công sức làm việc chân tay lặp lại.

Nếu bạn đang muốn xây dựng một thư viện nội dung cho thương hiệu của mình, hoặc kẹt ở bước thiết lập các subagent phân phối tự động qua API nền tảng, hãy nhắn cho tôi:

Hãy kể tôi nghe về dự án của bạn, dòng sản phẩm thực tế bạn đang bán, và chỗ nào trong khâu sản xuất nội dung đang vắt kiệt sức lực sáng tạo của bạn. Tôi sẽ tự tay thử nghiệm, cấu hình và thiết lập một blueprint chạy mượt mà nhất gửi lại bạn.