Có lần tôi giao một việc nhỏ cho agent phụ, và chỉ vài giây sau nó trả lời: "Done." Không lỗi, không cảnh báo, kèm một bản tóm tắt gọn gàng. Working tree thì vẫn y nguyên như lúc tôi để lại. Cấu hình provider phía sau worker đó bị sai, và công cụ cứ thế biến "tôi chẳng làm gì cả" thành "đã hoàn thành" mà không than một lời.
Bài này nói về đúng kiểu thất bại đó. Không phải kiểu ồn ào, build đỏ lòm và ai cũng thấy. Mà là kiểu im lặng: báo cáo nghe rất ổn, còn thay đổi thì thiếu, sai, hoặc rộng hơn những gì bạn yêu cầu.
Càng nhiều agent thì càng nhiều cơ hội cho kiểu thất bại này. Vậy mà tôi vẫn chạy ba agent trên một nền tảng gồm mười ba service NestJS: Claude Code làm lead, Codex cho ý kiến thứ hai, OpenCode lo phần việc rẻ và có giới hạn rõ. Cách làm này chỉ đáng khi đi kèm hai thói quen. Mọi việc giao đi đều là một brief tự đứng được, trong đó "xong" được định nghĩa bằng một câu lệnh. Mọi kết quả đều được đánh giá qua git diff, không bao giờ qua báo cáo.
Thất bại im lặng trông như thế nào?
Tôi lường trước ba dạng.
- Thành công rỗng. Trạng thái báo completed.
git difftrống trơn. Chính là câu chuyện ở trên. - Âm thầm lấn phạm vi. Bạn nhờ sửa một hàm. Diff thì đụng thêm một file test và nới assertion cho tới khi nó khớp với bug. Báo cáo chỉ nhắc tới cái hàm.
- Âm tính giả. Một công cụ review báo "no changes found" cho một session thật ra có sửa file.
Cả ba chung một gốc. Báo cáo được viết bởi chính tiến trình đã làm, hoặc đã không làm, công việc đó. Nó chỉ là lời khẳng định về thay đổi. Còn diff chính là thay đổi.
Hình ảnh tôi luôn giữ trong đầu: một biên tập viên làm việc với các cộng tác viên.
Biên tập viên đặt bài. Cộng tác viên không ngồi trong buổi họp tòa soạn; họ chỉ biết những gì ghi trong phiếu đặt bài. Khi bài gửi về kèm dòng ghi chú "đã kiểm tra thông tin, 1.200 chữ, đúng yêu cầu", biên tập viên không đem dòng ghi chú đi in. Chị ấy đọc bài. Có cộng tác viên là dân chuyên, như một người soát bài từ tòa soạn khác, thói quen khác nên bắt được những lỗi khác. Có người là cộng tác viên theo bài: nhận việc thường ngày, nhuận bút tính theo từng bài. Biên tập viên quyết định bài nào đã sẵn sàng. Tổng biên tập ký duyệt thứ gì được đem in.
Mọi quy tắc bên dưới đều là việc một biên tập viên giỏi vốn đã làm.
Vì sao một coding agent là không đủ?
Một agent đơn lẻ vướng hai giới hạn.
Thứ nhất là hiệu ứng mỏ neo (anchoring). Sau một buổi dài vật lộn với một bug cứng đầu, context window đầy những phỏng đoán trước đó của chính agent. Mỗi lần thử mới đều bị chúng chi phối, nên nó hay đề xuất một biến thể của cách sửa đã thất bại. Một agent mới, tốt nhất là chạy model khác, đọc cùng đoạn code mà không mang theo mớ lịch sử ấy. Đó là người soát bài không có mặt lúc tòa soạn chốt luận điểm của bài.
Thứ hai là ngân sách. Tôi muốn model mạnh nhất lo lập kế hoạch và phán xét, chứ không phải đi đổi tên một field qua mười hai file hay đọc một nghìn dòng output của test. Subagent của Claude Code sinh ra cho đúng việc này: mỗi subagent chạy trong context window riêng, và chỉ bản tóm tắt cuối cùng được gửi về cuộc hội thoại chính.
Nhưng để ý cái bẫy ở đây. Context của lead sạch sẽ vì nó chỉ thấy bản tóm tắt. Giao việc tiết kiệm sự chú ý bằng cách giấu bớt chi tiết, mà chi tiết bị giấu đi lại chính là chỗ thất bại im lặng hay ẩn nấp.
Claude Code, Codex và OpenCode chia việc thế nào?
Mỗi công cụ một việc.
| Claude Code (biên tập) | Codex (người soát bài) | OpenCode (CTV theo bài) | |
|---|---|---|---|
| Việc | Lên kế hoạch, viết brief, review | Ý kiến thứ hai, bug bế tắc | Việc cơ học, giới hạn rõ |
| Gọi qua | Subagent có sẵn | Plugin hoặc codex exec |
Cầu MCP tới opencode serve |
| Được ghi file? | Theo từng subagent, qua tools |
Read-only trừ khi cho phép | Rule trong permission |
| Trả về | Bản tóm tắt | Message cuối cùng | Trạng thái job, diff của session |
Bộ rule chung cho agent trong repository gói trách nhiệm vào một câu: agent được giao việc chạy check khi được yêu cầu, còn người thực hiện chính mới là người báo cáo bằng chứng cuối cùng. Nói theo kiểu tòa soạn: cộng tác viên có thể kể mình đã làm gì, nhưng chỉ biên tập viên mới được nói bài đã sẵn sàng.
Claude Code: biên tập viên và các subagent
Một subagent của Claude Code là một file Markdown có YAML frontmatter, thường nằm trong .claude/agents/. Chỉ name và description là bắt buộc. tools là allowlist, model chọn model, còn isolation: worktree cho subagent chạy trong một git worktree tạm để thay đổi của nó không giẫm lên của bạn.
Repository hiện chưa có subagent tự định nghĩa nào. Đây là cái đầu tiên tôi sẽ thêm, vì nó gói đúng thói quen review:
---
name: diff-reviewer
description: Reviews an uncommitted change against the brief it was made from. Use after every delegated run.
tools: Read, Grep, Glob, Bash
model: sonnet
---
You review a change you did not write. Start from `git status --short`
and `git diff`. Report files outside the brief's scope, edited or weakened
tests, new dependencies and any command the worker claimed but you could
not reproduce. Do not edit files.description cho lead biết khi nào nên giao việc, chứ không dặn cách làm việc.
Điều quan trọng nhất là subagent khởi đầu với những gì. Nó nhận system prompt riêng, task message do lead viết, các file CLAUDE.md của project và một snapshot của git status. Nó không nhận lịch sử hội thoại. (Subagent dạng fork là ngoại lệ: nó thừa hưởng toàn bộ cuộc hội thoại.) Vậy nên với một subagent bình thường, bất cứ điều gì lead vừa biết trong một giờ qua mà không ghi vào task message thì coi như không tồn tại.
Codex: người soát bài có thói quen khác
OpenAI phát hành một plugin Codex cho Claude Code. Plugin này dùng Codex CLI cài sẵn trên máy, với đúng thông tin đăng nhập và cấu hình bạn đang có, rồi thêm vài lệnh:
/codex:reviewreview read-only các thay đổi hiện tại./codex:adversarial-reviewcũng read-only nhưng điều hướng được, chuyên chất vấn các quyết định thiết kế và đánh đổi./codex:rescuegiao hẳn một việc cho Codex: điều tra, sửa lỗi, gỡ một bug bế tắc./codex:status,/codex:resultvà/codex:cancelquản lý các job chạy nền.
Không có plugin thì vẫn giao việc được qua codex exec, chế độ non-interactive của Codex. Các mặc định của nó rất hợp với vai worker. Nó chạy trong sandbox read-only trừ khi bạn truyền --sandbox workspace-write. Tiến trình in ra stderr, chỉ message cuối cùng ra stdout. Nó từ chối chạy ngoài Git repository trừ khi thêm --skip-git-repo-check, và tôi thì không thêm. Còn codex exec - đọc toàn bộ prompt từ stdin, tiện khi brief nằm sẵn trong file.
# Ý kiến thứ hai: mặc định read-only, chẳng có gì phải hoàn tác
codex exec "Review the uncommitted changes against ~/briefs/item-quantity.md. \
List files outside its scope and any test that got weaker. Do not edit."
# Sửa lỗi có giới hạn: cho ghi trong workspace, lưu message cuối ra file
codex exec --sandbox workspace-write -o ~/briefs/item-quantity.result.md - \
< ~/briefs/item-quantity.mdLệnh thứ hai có ghi file, nên theo sau nó là đúng quy trình review diff như với mọi worker khác. Model khác là một người đọc khác, chứ không phải một người đọc đáng tin hơn.
OpenCode: cộng tác viên theo bài, gọi qua MCP
OpenCode là coding agent mã nguồn mở, chạy với bất kỳ model provider nào bạn cấu hình. opencode serve chạy nó như một HTTP server headless và công bố spec OpenAPI 3.1, có endpoint để tạo session, gửi prompt không cần chờ, abort session và lấy diff của session.
Một package cộng đồng, opencode-mcp, biến API đó thành các tool MCP: opencode_fire khởi chạy một job nền, opencode_check và opencode_wait theo dõi nó. Repository đăng ký package này cho Codex trong .codex/config.toml:
[mcp_servers.opencode]
command = "npx"
args = [
"-y",
"opencode-mcp",
]Claude Code nhận cùng server đó bằng claude mcp add opencode -- npx -y opencode-mcp.
Thứ làm OpenCode rẻ không phải công cụ mà là model. Tôi trỏ nó tới một model giá thấp và chỉ giao những việc mà brief đủ chính xác để không chừa nhiều chỗ cho phán đoán. Cộng tác viên theo bài sinh ra là để làm đúng việc đó.
Ba hành vi quyết định cách tôi dùng nó. Theo tài liệu của bridge: một lần wait bị timeout nghĩa là job vẫn đang chạy chứ không phải đã hỏng, và các session độc lập không cô lập thay đổi trên filesystem, nên hai job chung một thư mục sẽ sửa cùng một file. Theo trải nghiệm của chính tôi: cả "thành công rỗng" lẫn "âm tính giả" ở đầu bài đều đến từ đây, nên tôi tự đọc git diff thay vì hỏi bridge xem cái gì đã đổi.
Phần permissions của OpenCode cũng đáng xem kỹ. Phần lớn mặc định là allow, tức là vừa cài xong, worker đã tự sửa file và chạy lệnh shell mà không hỏi ai. Tôi siết lại trong opencode.json:
{
"permission": {
"edit": "allow",
"bash": {
"*": "ask",
"git *": "deny",
"git status*": "allow",
"git diff*": "allow",
"pnpm *": "allow",
"pnpm add *": "deny"
}
}
}Thứ tự ở đây rất quan trọng. Rule khớp cuối cùng sẽ thắng, nên lệnh cấm rộng git * đứng trước, các ngoại lệ read-only đứng sau. Đặt git * xuống cuối thì nó nuốt mất các ngoại lệ. Đặt pnpm * sau pnpm add * thì allow nuốt mất deny, và đó là lỗi tệ hơn trong hai lỗi.
Viết brief thế nào để nó tự đứng được?
Quay lại tòa soạn. Cộng tác viên không dự buổi họp. Điều gì biên tập viên biết mà không ghi vào phiếu đặt bài thì cộng tác viên không bao giờ biết. Với agent thì chuyện này đúng theo nghĩa đen: không worker nào ở trên nhìn thấy cuộc hội thoại của lead.
Đây là khung một brief tôi sẽ giao đi. Tên file và con bug là bịa ra cho ví dụ; bốn phần của nó mới là thứ tôi dùng lại.
Goal: make `pnpm nx test order-service --testFile=item-quantity.spec.ts`
pass without editing the spec file.
Context you do not have:
- PATCH /items/:id accepts quantity = -3 and saves it.
- The DTO has @IsInt() on `quantity` but no lower bound.
- My guess: a missing @Min(1). Confirm or reject it before changing code.
Scope:
- You may edit: apps/order-service/src/items/dto/update-item.dto.ts
- Do not touch: any *.spec.ts, package.json, lockfiles, other apps or libs.
- Do not run git add, git commit, or switch branches.
Done means:
- The command in Goal exits 0. Paste the last 20 lines of its output.
- One line per changed file: what changed and why.
- If you cannot finish, report what you tried and stop. Do not widen scope.Mỗi phần trả lời một câu hỏi mà worker không thể hỏi lại bạn.
Goal là một câu lệnh, không phải một tính từ. "Sửa phần validation" thì còn cãi nhau được; exit code thì không.
Context mang theo những gì lead đã biết, kể cả một giả thuyết để kiểm tra chứ không phải để tin. Nếu tôi đoán sai, tôi muốn được nghe điều đó, chứ không muốn thấy code bị bẻ cho vừa với phỏng đoán.
Scope liệt kê file được sửa và file bị cấm, và nhắc lại rằng Git thuộc về con người. Cấm đụng vào file spec là cách biến "âm thầm lấn phạm vi" từ một rủi ro thành một vi phạm nhìn thấy được.
Done means nói rõ phải trả về bằng chứng gì và khi nào thì dừng. Một worker dừng lại và nói "tôi không làm được" vẫn hơn một worker nới rộng việc cho tới khi có cái gì đó pass.
Một phép thử lọc được phần lớn những lần giao việc tệ: nếu tôi không viết nổi phần "Done means", việc đó chưa sẵn sàng để giao. Nó vẫn là việc cần suy nghĩ, mà việc suy nghĩ thì ở lại với biên tập viên.
Vì sao review git diff chứ không đọc báo cáo của agent?
Vì báo cáo là lời khẳng định, còn diff là bằng chứng. Rule về công cụ AI trong repository vạch ranh giới rất rõ: đặc tả là ý định, source là bằng chứng triển khai, một lần chạy check đúng phạm vi mà thành công là bằng chứng kiểm chứng. Bản tóm tắt do chính agent làm việc viết ra không thuộc loại nào trong ba loại đó.
Hai điều kiện khiến diff đáng tin.
Agent không bao giờ commit. Thỏa thuận làm việc ghi rõ con người quản lý Git, nên mọi thay đổi được giao đều nằm lại ở dạng chưa commit, hiện đầy đủ trong git status và git diff. Không có gì trốn được trong một commit mà tôi không tạo ra. Bài quy trình meta-repo và git submodule giải thích vì sao ranh giới đó có từ đầu.
Chụp trạng thái trước và sau. Rule yêu cầu ghi lại trạng thái của repository gốc và các submodule trước và sau mỗi task, để tách được thay đổi của worker khỏi thay đổi của tôi:
snapshot() {
git status --porcelain=v1
git submodule status --recursive
git submodule foreach --quiet 'git status --porcelain=v1 | sed "s|^|$sm_path: |"'
}
snapshot > /tmp/before.txt
# ... giao việc, chờ worker làm xong ...
snapshot > /tmp/after.txt
diff /tmp/before.txt /tmp/after.txtSau đó lần review nào cũng giống nhau:
git status --short # có file nào ngoài scope của brief không?
git diff --stat # kích thước có khớp với việc được giao không?
git diff -- apps/order-service # đọc từng hunk, không đọc bản tóm tắt
pnpm nx test order-service --testFile=item-quantity.spec.ts # tự chạy lạiTôi soi theo một danh sách ngắn:
- file mà brief không cho phép, nhất là test,
package.jsonvà lockfile; - assertion bị yếu đi: một
expectbị xóa,toEqualbị đổi thànhtoBeDefined, một.skipmới xuất hiện; - đường lách: một comment tắt lint, một compiler option bị nới, một
anyhay một lần ép kiểu để bịt miệng compiler; - lệnh mà báo cáo nói đã chạy nhưng terminal của tôi không tái hiện được.
Lần review read-only của Codex là một người đọc thứ hai tốt, nhưng cũng chỉ là người đọc. Biên tập viên quyết định, và con người commit.
Khi diff sai, tôi sửa brief rồi giao lại thay vì vá tay. Kết quả tệ thường có nghĩa brief đã bỏ sót điều gì đó, và vá tay sẽ che mất chuyện ấy. Khi vá tay thật sự nhanh hơn, tôi vẫn ghi lại brief đã thiếu gì. Kỷ luật này ở mức sâu hơn, tức cái gì được tính là bằng chứng và cái gì không, là chủ đề của bài kiểm chứng việc AI agent làm.
Chạy một nhóm agent thì tốn những gì?
Context, ở mỗi lần bàn giao. Worker không thể biết ràng buộc mà tôi quên ghi ra. File rule dùng chung lấp được một phần: Codex và OpenCode đều đọc AGENTS.md, còn Claude Code đọc một CLAUDE.md ngắn trỏ về cùng những nơi sở hữu rule. Cách dựng phần đó là cả một bài riêng, một bộ luật cho mọi AI agent. File rule giữ những quy tắc lâu dài. Nó không giữ được điều tôi vừa biết một tiếng trước.
Thời gian. Viết một brief tự đứng được mất vài phút, review diff cho tử tế cũng mất vài phút. Với thay đổi năm dòng, giao việc chậm hơn tự gõ.
Đụng nhau. Các worker chạy song song dùng chung một working tree, trừ khi bạn tách chúng ra. Subagent của Claude Code có isolation: worktree. Session của OpenCode không cô lập file, nên mỗi job song song có một git worktree riêng.
Ba mô hình phân quyền. Claude Code giới hạn tool theo từng subagent. Codex có các chế độ sandbox. OpenCode có rule allow, ask, deny mà phần lớn mặc định là allow, thêm chế độ --auto duyệt mọi thứ không bị cấm tường minh. Tức là có ba chỗ để đặt sai ranh giới.
Giới hạn sử dụng. Mỗi công cụ một hạn mức, và chúng cạn vào những lúc khác nhau. README của plugin Codex cảnh báo rằng review gate tùy chọn có thể tạo ra một vòng lặp dài giữa Claude và Codex, đốt hạn mức rất nhanh; tôi tắt nó trừ khi đang ngồi canh.
Công cụ thay đổi liên tục. Lệnh và flag thay đổi qua từng phiên bản, nên tôi đọc lại tài liệu của từng công cụ trước khi cấu hình tích hợp.
Khi nào một agent tốt hơn cả một nhóm?
Thường xuyên hơn bạn nghĩ. Chính tài liệu của Claude Code khuyên ở lại cuộc hội thoại chính khi task cần trao đổi qua lại liên tục, khi lập kế hoạch, triển khai và test dùng chung nhiều context, khi chỉ là một thay đổi nhỏ có mục tiêu rõ, và khi độ trễ quan trọng. Điều này khớp với những gì tôi thấy.
Tôi thêm ba quy tắc của riêng mình:
- Nếu chưa diễn đạt được "xong" bằng một câu lệnh, cứ để một agent tiếp tục suy nghĩ cho tới khi làm được.
- Nếu review diff tốn thời gian ngang viết code, giao việc chỉ thêm một bước.
- Với thay đổi về xác thực, tiền bạc hay bảo mật, tôi muốn một context chịu trách nhiệm từ kế hoạch tới review, chứ không phải một chuỗi tóm tắt chuyền tay nhau.
Giao việc là ngoại lệ. Hãy dùng nó khi việc có giới hạn rõ, phép kiểm tra mang tính cơ học, và một người đọc thứ hai hay một đôi tay rẻ hơn thật sự làm kết quả khác đi.
Nếu làm lại, tôi sẽ làm khác điều gì?
- Viết lệnh kiểm chứng trước khi giao việc, lần nào cũng vậy, và coi task chưa có lệnh đó là chưa sẵn sàng.
- Cho mỗi worker song song một worktree riêng ngay từ ngày đầu, thay vì trông chờ chúng tự giữ làn.
- Giữ sẵn mẫu brief trong repository: sửa bug, refactor có giới hạn, review lấy ý kiến thứ hai. Brief viết ngẫu hứng là chỗ context hay rơi rớt.
- Cưỡng chế ranh giới Git bằng phân quyền, không phải bằng câu chữ. Một câu trong file rule là lời khuyên. Deny rule và credential không có quyền push mới là cưỡng chế.
- Ghi log mọi lần giao việc: brief, model,
git diff --statvà phán quyết của tôi. Hiện tôi chưa có dữ liệu đó, nên cảm nhận về việc worker nào hợp với loại việc nào vẫn chỉ là cảm tính.
Tóm tắt
- Giao việc tiết kiệm sự chú ý bằng cách giấu chi tiết, và thất bại im lặng nằm ngay trong chi tiết đó: thành công rỗng, âm thầm lấn phạm vi, âm tính giả.
- Mỗi công cụ một việc: Claude Code lên kế hoạch và review, Codex là người đọc thứ hai, OpenCode làm việc có giới hạn trên model rẻ hơn.
- Subagent không thấy cuộc hội thoại của bạn. Viết brief có goal là một câu lệnh, phần context nó còn thiếu, scope tường minh và mục "done means".
- Đánh giá diff, không đánh giá báo cáo. Agent không commit, chụp trạng thái trước và sau, tự chạy lại check.
- Kiểm tra mặc định của từng công cụ: Codex khởi đầu read-only, OpenCode phần lớn khởi đầu ở allow, và thứ tự các rule phân quyền rất quan trọng.
- Một agent thắng khi việc mang tính trao đổi qua lại, gắn chặt với nhau, quá nhỏ hoặc rủi ro cao.
Một diff đã đọc kỹ vẫn chưa phải bằng chứng rằng thay đổi chạy đúng. Thói quen cuối cùng của loạt bài này bàn về thứ gì mới thật sự được tính là bằng chứng: bằng chứng, không phải "xong".