v1.0 · 2026-04-03 · thinh.ho@ots.vn · Developer Guide

Dùng AI đúng cách,
không chỉ
gõ prompt hay.

Framework tư duy cho developer: từ hiểu Context Window, xây Mental Model đúng, đến hệ thống hóa với SDD & OT-Kit — biến AI thành cộng sự đáng tin cậy.

Bắt đầu từ Core Xem Checklist

# ❌ Prompt-first — mơ hồ, phải sửa nhiều lần

Bạn: "Fix login bug"

→ AI đoán mò → tạo middleware generic → sai stack

# ✅ Context-first — đúng ngay lần đầu

Bạn: "Fix login bug"

+ đính kèm: auth.controller.ts, error.log, .env schema

→ AI thấy bcrypt, JWT config, lỗi cụ thể → fix chính xác

# ✅✅ SDD + OT-Kit — hệ thống hóa hoàn toàn

/plan "Authentication system"

/code "phase-01.md" → Gate 5: chờ approve

/fix → ✓ 47/47 tests passed

/git-cp "feat: auth" → ✓ Done.

Chương 2 · Core Concept

Context Window:
"Bộ nhớ làm việc" của AI

Đây là lý do 90% developer dùng AI không hiệu quả — và là khái niệm quan trọng nhất bạn cần hiểu.

HÌNH DUNG

Cái bàn làm việc

Thuê senior dev cực giỏi, nhưng chỉ nhớ những gì trên bàn trước mặt. Thứ gì không trên bàn → không biết tồn tại.

Context window = cái bàn
Token = đơn vị đo diện tích (1 token ≈ 4 ký tự)
Context = giấy tờ bạn đặt lên bàn

⚠️ Bàn đầy giấy → quan trọng bị che khuất
⚠️ Bàn trống → thiếu info để làm việc

CON SỐ THỰC TẾ

Window lớn ≠ tốt hơn

1M token nhồi code thừa → AI "thấy cây không thấy rừng". 32k token chọn lọc kỹ → output chính xác.

Model

Window

Tương đương

Copilot

~8k

Vài file

GPT-4o

128k

~320 trang

Claude 4

200k

~500 trang

Gemini 2.5

~2,500 trang

CONTEXT ROT

Session dài = Chất lượng giảm

Mỗi lượt chat = thêm giấy lên bàn. Sau 30 lượt, AI không tìm thấy thông tin quan trọng nữa.

Lượt 1–5 Context sạch → chính xác ← Peak
Lượt 10–15 Cũ + mới lẫn lộn ← Giảm
Lượt 20–30 Mâu thuẫn, "quên" đầu session ← Unreliable
Lượt 30+ Hallucinate, lặp lại ← Đóng session!

AGENT TOOL — KHÁC BIỆT

AI tự quản lý context

Với agent tool, context bao gồm cả output của tools (terminal, file, search). Mỗi tool call = thêm token.

Agent nhận task →
├─ 🔍 Grep → tìm files (200 tokens)
├─ 📄 Đọc 4 files (1,550 tokens)
├─ ✏️ Sửa code (800 tokens)
├─ 🧪 Test → fix → retest (1,000 tokens)
└─ 📊 ~3,550 tokens cho 1 task đơn giản

5 task × 3,550 = ~17,750 tokens chỉ tool output

Chiến Lược

Cursor

Claude Code

Copilot Agent

Tìm file

@file, @folder — bạn chỉ định

Tự chạy grep, find

Tự quyết based on prompt

Rules cố định

.cursor/rules/*.mdc

CLAUDE.md

GitHub settings

Nén context

Auto summarize

Filesystem = bộ nhớ ngoài

Summarize + skill routing

Kết luận: Prompt Engineering giải quyết 20% vấn đề (cách viết câu hỏi). Context Engineering giải quyết 80% (thiết kế toàn bộ thông tin AI nhận được).
"Đừng hỏi 'viết prompt tốt hơn'. Hãy hỏi 'thiết kế context tốt hơn'."

Chương 3 · Tư Duy

4 Mental Models
trước khi dùng AI.

Xây mental model đúng → tự suy ra điều cần làm. Không phải học thuộc rules.

🧠

#1 — AI là đồng nghiệp, không phải oracle

Biết nhiều pattern nhưng không biết project của bạn. Tự tin khi đúng và khi sai — không có signal phân biệt.

✅ Luôn review output · Cung cấp project context
❌ Blind copy-paste · Coi output đầu là final

🏗️

#2 — Bạn kiến trúc sư, AI thợ xây

Bạn quyết định kiến trúc, requirements, tech stack. AI thực thi: boilerplate, tests, docs, commits.

"Developer giỏi nhất = người quyết định đúng
nhanh nhất, không phải code nhanh nhất."

📦

#3 — Context là tài nguyên có hạn

Context Engineering > Prompt Engineering. Quản lý context có chủ đích bằng WSCI Framework.

W=Write (lưu ra file) · S=Select (chọn lọc)
C=Compress (nén) · I=Isolate (tách session)

🎯

#4 — Task nhỏ, rõ, có done criteria

1 session = 1 task + definition of done rõ ràng. Không nhảy từ debug sang design cùng session.

❌ "Làm feature authentication" (quá rộng)
✅ "Validate email unique, return 409 if dup"

Chương 4 · Kỹ Thuật

CRSP Framework
cho prompt hiệu quả.

4 thành phần: Context, Role, Spec, Precedent. Không phải prompt dài hơn — mà prompt có cấu trúc hơn.

❌ Prompt thường

"Viết unit test cho LoginViewModel" → AI không biết dùng JUnit4 hay JUnit5, mock bằng Mockito hay MockK, Hilt hay Koin. → Phải sửa 2-3 lần. Mỗi lần sửa = thêm context rác vào window.

✅ CRSP prompt

[C] Android Kotlin + MVVM + Hilt + Retrofit. Test: JUnit5 + MockK + Turbine. [R] Act as senior Android dev pair-programming [S] Test LoginViewModel.login(): - emit Loading → Success khi API 200 - emit Error khi 401 (sai password) - emit Error khi network timeout Done = 100% branch coverage trên StateFlow. [P] Style theo RegisterViewModelTest.kt → Đúng ngay lần đầu. 0 lượt sửa.

TẠI SAO CRSP?

CRSP không phải "viết dài hơn" — mà là đặt đúng thông tin vào context (liên kết Chương 2). Mỗi chữ cái trong CRSP giải quyết một lỗ hổng context mà prompt thông thường bỏ qua:

[C] Context — Nền tảng

Là gì: Tech stack, conventions, project constraints.
Tại sao: AI không biết project bạn dùng gì. Thiếu context → AI chọn sai framework, sai convention.
Ví dụ: Android Kotlin + MVVM + Hilt + Room. DI dùng Hilt, không Koin.

[R] Role — Góc nhìn

Là gì: AI đóng vai gì — senior dev, security auditor, code reviewer.
Tại sao: Role thay đổi cách AI suy nghĩ. Security auditor sẽ flag injection attack, senior dev sẽ focus clean code.
Ví dụ: Act as senior Android developer focused on clean architecture.

[S] Spec — Yêu cầu cụ thể

Là gì: Chính xác cần làm gì, input/output, edge cases, done criteria.
Tại sao: Đây là thành phần quan trọng nhất. Không có spec rõ → AI đoán scope → sinh code thừa hoặc thiếu.
Ví dụ: Done = 100% branch coverage. Handle: success, 401 sai password, network timeout.

[P] Precedent — Ví dụ mẫu

Là gì: File mẫu, code example, convention đã có — paste hoặc đính kèm.
Tại sao: Bị underrate nhất. 1 ví dụ tốt > 10 dòng giải thích. AI học convention ngay lập tức từ few-shot.
Ví dụ: Viết theo style giống RegisterViewModelTest.kt (đính kèm file).

Tình huống

Dùng CRSP?

Lý do

Viết feature / module mới

✅ Đầy đủ CRSP

Scope lớn → cần context rõ ràng để AI không đi lệch hướng

Debug cụ thể

🔹 C + S

Đính kèm error + code, nêu hypothesis. Role và Precedent thường không cần

Refactor theo pattern

🔹 C + S + P

Quan trọng nhất là Precedent — paste ví dụ pattern mong muốn

Hỏi nhanh / giải thích code

⊘ Không cần

Task đủ nhỏ, prompt bình thường là đủ

Dùng Agent tool (Cursor, Claude Code)

🔸 S chủ yếu

C và P đã nằm trong rules file — chỉ cần nêu spec rõ ràng

🐛 Debug mode

Lỗi: [error message]
Stack trace: [paste]
Code: [paste relevant function]
Đã thử: [what you tried]
Hypothesis: [your guess]
→ Xác nhận/bác bỏ. Đề xuất fix cụ thể.

⚖️ Architecture decision

Quyết định giữa [A] và [B] cho [use case].
Constraints: team N người, timeline X tuần.

Recommend rõ ràng — KHÔNG chỉ liệt kê
pros/cons. Phải có kết luận.

OT-Kit · Công Cụ

OT-Kit biến SDD
thành thực tế.

SDD là triết lý. OT-Kit là hệ thống

TẦNG 01

Rules

"Hiến Pháp" cho AI — Rules bất biến, nhất quán bất kể ai làm. → Giải quyết Inconsistency

YAGNIKISSDRY200 dòng/fileconventional commits

TẦNG 02

Agents

14 AI Agents chuyên biệt — đúng agent cho đúng việc. → Giải quyết Overhead

plannerresearcherdevelopertesterdebuggerdocs-manager

TẦNG 03

Workflows

33+ Workflows tự động — mỗi lệnh = một playbook chuẩn hóa. → Giải quyết Context Loss + Knowledge Decay

/plan/code/fix/docs/git-cp/bootstrap+27 more

Walkthrough: Thêm feature "User Registration"

BƯỚC 01

/plan

Bạn chạy /plan "User Registration". AI research codebase, tạo plan file chứa spec. Bạn review spec → Approve.

→ plans/user-reg/phase-01.md
→ Spec: input, rules, API, edge cases

BƯỚC 02

/code

AI đọc spec → code theo constraints. Bước 1–4 tự động. Bước 5: BẮT BUỘC DỪNG → bạn review code vs spec.

→ Code + tests generated
→ Gate 5: chờ human approve ✋

BƯỚC 03

/fix

Loop tự động đến khi 100% tests pass. Tests dựa trên spec → verify tự động.

→ ✓ 47/47 tests passed
→ 100% coverage

BƯỚC 04–05

/docs · /git-cp

Sync docs với code mới → AI có context cho lần sau. Conventional commit + push.

→ Docs updated
→ feat: user registration ✓

Hệ thống /docs — Bộ nhớ dài hạn

FILE MỤC ĐÍCH

project-overview.md

Business context, yêu cầu, scope

codebase-summary.md

Module map, cấu trúc file

system-architecture.md

Kiến trúc, API, data flow

code-standards.md

Convention, coding patterns

design-guidelines.md

UI/UX system, components

deployment-guide.md

Deploy, CI/CD pipeline

project-roadmap.md

Phase tracker, % hoàn thành

TẠI SAO DOCS QUAN TRỌNG?

Mỗi session mới = context window trống. docs/ chính là RAM dài hạn — AI load chúng → có ngay toàn bộ kiến thức project.

❌ Không docs

✅ Có docs

1–2 tuần onboard

1–2 ngày

AI hỏi lại mỗi session

AI tự load context

Tech debt ẩn

Rõ ràng từ ngày 1

Convention truyền miệng

Enforce bởi rules

Cài Đặt · Bắt Đầu

Cấu hình MCP
3 phút để bắt đầu.

MCP (Model Context Protocol) kết nối AI tool với OT-Kit server — cho phép AI truy cập agents, rules, và workflows ngay trong IDE.

Thêm MCP config
vào IDE của bạn

Restart IDE
để load server

Gõ /plan
để verify

⚡ Antigravity · Gemini

Thêm vào file mcp_config.json:

{ "mcpServers": { "ot-kit": { "command": "npx", "args": [ "mcp-remote", "https://otkit.xutils.dev/mcp", "--header", "Authorization: Bearer YOUR_KEY" ] } } }

📍 File: ~/.gemini/antigravity/mcp_config.json

🟣 Claude Code (CLI)

Chạy lệnh trong terminal — tự động thêm vào config:

claude mcp add ot-kit \ --transport http \ https://otkit.xutils.dev/mcp \ -H "Authorization: Bearer YOUR_KEY"

💡 Claude Code tự quản lý MCP config — không cần sửa file thủ công.

Dùng AI đúng cách,
không chỉ
gõ prompt hay.

4 vấn đề developer
gặp khi dùng AI.

Context Window:
"Bộ nhớ làm việc" của AI

4 Mental Models
trước khi dùng AI.

CRSP Framework
cho prompt hiệu quả.

SDD — Spec Driven Development
Viết spec trước, code sau.

OT-Kit biến SDD
thành thực tế.

Walkthrough: Thêm feature "User Registration"

Hệ thống /docs — Bộ nhớ dài hạn

Cấu hình MCP
3 phút để bắt đầu.

Không phải gõ prompt →
copy paste code.

Dùng AI đúng cách,không chỉgõ prompt hay.

4 vấn đề developergặp khi dùng AI.

Context Window:"Bộ nhớ làm việc" của AI

4 Mental Modelstrước khi dùng AI.

CRSP Frameworkcho prompt hiệu quả.

SDD — Spec Driven DevelopmentViết spec trước, code sau.

OT-Kit biến SDDthành thực tế.

Walkthrough: Thêm feature "User Registration"

Hệ thống /docs — Bộ nhớ dài hạn

Cấu hình MCP3 phút để bắt đầu.

Không phải gõ prompt →copy paste code.

Dùng AI đúng cách,
không chỉ
gõ prompt hay.

4 vấn đề developer
gặp khi dùng AI.

Context Window:
"Bộ nhớ làm việc" của AI

4 Mental Models
trước khi dùng AI.

CRSP Framework
cho prompt hiệu quả.

SDD — Spec Driven Development
Viết spec trước, code sau.

OT-Kit biến SDD
thành thực tế.

Cấu hình MCP
3 phút để bắt đầu.

Không phải gõ prompt →
copy paste code.