Tối ưu hóa quy trình làm việc với AI: Tại sao bạn nên ngừng gửi toàn bộ codebase cho LLM

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Việc gửi toàn bộ codebase vào ngữ cảnh của AI gây lãng phí token và làm giảm độ chính xác của phản hồi.
• Sử dụng các kỹ thuật chọn lọc ngữ cảnh (context selection) giúp AI tập trung vào các file liên quan thực sự.
• Chuyển đổi tư duy từ việc cung cấp dữ liệu thô sang việc cung cấp cấu trúc ngữ cảnh tinh gọn là chìa khóa để làm chủ các AI Agent hiện đại.

Trong kỷ nguyên mà các công cụ như Claude Code hay Codex đang dần trở thành trợ thủ đắc lực, nhiều lập trình viên vẫn mắc sai lầm kinh điển: coi AI như một chiếc máy đọc mã nguồn vô tận. Việc liên tục gửi toàn bộ codebase vào cửa sổ ngữ cảnh (context window) không chỉ làm cạn kiệt tài nguyên tính toán mà còn khiến mô hình dễ bị nhiễu thông tin, dẫn đến những gợi ý sai lệch hoặc thiếu tính thực tế.

Vấn đề của việc quá tải ngữ cảnh

Khi bạn gửi toàn bộ codebase cho một mô hình ngôn ngữ lớn (LLM), bạn đang vô tình ép nó phải xử lý một lượng dữ liệu nhiễu khổng lồ. Thay vì tập trung vào logic nghiệp vụ cụ thể, AI phải tiêu tốn tài nguyên để phân tích các file không liên quan, cấu hình môi trường, hoặc các đoạn mã cũ không còn sử dụng. Điều này tương tự như việc bạn yêu cầu một kỹ sư đọc toàn bộ thư viện sách trong thư viện chỉ để tìm một công thức nấu ăn cụ thể.

So sánh hiệu quả quản lý ngữ cảnh

Việc hiểu rõ cách các công cụ này vận hành là bước đầu tiên để xây dựng Coding Agent cá nhân hóa hiệu quả hơn. Thay vì để AI tự mò mẫm, hãy chủ động cung cấp cho nó những gì nó thực sự cần.

Chiến lược tinh gọn ngữ cảnh

Để tối ưu hóa quy trình, bạn cần áp dụng tư duy modular trong việc cung cấp dữ liệu cho AI. Hãy coi mỗi phiên làm việc với AI là một quy trình kỹ thuật chuyên nghiệp nơi mà đầu vào phải được kiểm soát chặt chẽ.

1. Phân tách logic theo module

Thay vì gửi cả folder, hãy chỉ gửi các file định nghĩa interface hoặc các file logic cốt lõi. Nếu bạn đang gặp khó khăn trong việc quản lý, hãy tham khảo cách tối ưu hóa quy trình làm việc với Claude Code để chia nhỏ không gian làm việc.

2. Sử dụng các tệp chỉ dẫn (Instruction Files)

Thay vì bắt AI đọc source code, hãy cung cấp các tệp tài liệu tóm tắt kiến trúc. Việc này giúp AI hiểu được luồng dữ liệu mà không cần phải phân tích từng dòng code. Đây cũng là cách tiếp cận tương tự khi bạn xây dựng hệ thống RAG Air-gapped để trích xuất tài liệu mà không cần tải toàn bộ dữ liệu lên cloud.

Mẹo hay: Hãy tạo một tệp CONTEXT.md hoặc README.ai trong dự án của bạn để tóm tắt các quy tắc coding, cấu trúc thư mục và các dependency quan trọng. Điều này giúp AI định hướng tốt hơn mà không cần quét toàn bộ cây thư mục.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn của một Tech Lead, việc lạm dụng context window là một thói quen xấu cần loại bỏ.

• Ưu điểm: Việc chọn lọc ngữ cảnh giúp giảm thiểu chi phí API, tăng tốc độ phản hồi và cải thiện đáng kể chất lượng code được tạo ra.
• Nhược điểm: Đòi hỏi lập trình viên phải hiểu rõ cấu trúc dự án của chính mình để biết file nào là quan trọng.
• Phạm vi ứng dụng: Phù hợp với mọi dự án từ nhỏ đến lớn, đặc biệt là các hệ thống phức tạp nơi mà việc hiểu rõ dependency là yếu tố sống còn.

Lưu ý: Khi triển khai trên môi trường Production, hãy luôn kiểm tra kỹ các đoạn code do AI tạo ra. Đừng bao giờ tin tưởng tuyệt đối vào khả năng hiểu ngữ cảnh của mô hình mà không có các bước kiểm thử tự động, ví dụ như tự động hóa kiểm thử API với Playwright.

Câu hỏi thường gặp (FAQ)

Tại sao AI lại làm việc tốt hơn khi tôi gửi ít file hơn?

Khi ngữ cảnh ít đi, AI có thể tập trung toàn bộ sự chú ý (attention mechanism) vào các file quan trọng, giảm thiểu sự xao nhãng từ các đoạn code không liên quan.

Làm thế nào để biết tôi đã gửi đủ ngữ cảnh chưa?

Nếu AI thường xuyên hỏi lại về các biến hoặc hàm mà bạn đã định nghĩa, đó là dấu hiệu bạn cần cung cấp thêm file định nghĩa (header hoặc interface). Nếu AI trả lời lan man, bạn đang gửi quá nhiều.

Có công cụ nào tự động lọc file cho tôi không?

Có, nhiều CLI tool hiện nay hỗ trợ ignore các file không cần thiết thông qua .gitignore hoặc các file cấu hình riêng cho AI. Hãy tận dụng chúng.

Kết luận

Việc ngừng gửi toàn bộ codebase không chỉ là một kỹ thuật tối ưu hóa, mà là một bước chuyển mình trong tư duy lập trình với AI. Bằng cách kiểm soát ngữ cảnh, bạn đang nắm quyền điều khiển thực sự thay vì để AI dẫn dắt. Hãy bắt đầu tinh gọn quy trình của bạn ngay hôm nay và đừng quên theo dõi hi_dev để cập nhật những xu hướng công nghệ mới nhất.