Andrej Karpathy dùng Claude Code thế nào? 8 thói quen và bài học cho người không viết code

Ngày 31/10/2026, Andrej Karpathy đăng một trang web tên HackerTube. Trang này giống YouTube, nhưng chỉ chứa 6.454 video mà người dùng Hacker News từng giới thiệu cho nhau từ năm 2007. Theo lời ông, cả dự án mất khoảng 2 giờ. Ông không tự viết, không tự đọc dòng code nào. Ông chỉ nói chuyện với Claude.

Mục lục

1. Andrej Karpathy là ai?
2. HackerTube: dự án 2 giờ đứng sau bài viết này
3. Thiết lập của Karpathy: Claude Code bản desktop, Opus 5.5, effort Medium
4. 8 thói quen của Karpathy khi làm việc với Claude
5. Đối chiếu: điều gì có nguồn, điều gì chưa
6. Khi nào không nên làm theo Karpathy
7. Áp dụng cho marketer và chủ doanh nghiệp Việt
8. Câu hỏi thường gặp
9. Nguồn tham khảo

Andrej Karpathy là ai?

Andrej Karpathy là một trong những nhà nghiên cứu AI có ảnh hưởng nhất hiện nay. Ông vừa làm nghiên cứu ở các phòng lab lớn, vừa là người dạy AI được nhiều lập trình viên theo dõi nhất. Ông cũng là người đặt ra cụm từ "vibe coding" mà giờ ai làm công nghệ cũng nói.

Tiểu sử tóm tắt

Ông được tạp chí TIME đưa vào danh sách 100 người có ảnh hưởng nhất trong lĩnh vực AI năm 2024. Trước đó, năm 2020, MIT Technology Review chọn ông vào danh sách nhà sáng tạo dưới 35 tuổi.

Vì sao lời ông được cả giới công nghệ chú ý

Karpathy nổi tiếng vì giải thích AI dễ hiểu. Loạt video "Neural Networks: Zero to Hero" trên YouTube và các dự án mã nguồn mở rất gọn như micrograd, nanoGPT, llm.c, nanochat giúp rất nhiều người học hiểu một mô hình ngôn ngữ chạy thế nào, từng dòng một.

Ông cũng hay đặt tên cho những thay đổi lớn. Năm 2017, ông viết bài "Software 2.0": phần mềm không còn do người viết từng dòng, mà được "học" vào trọng số của mạng nơ-ron. Tháng 6/2025, ông nói về "Software 3.0": con người lập trình AI bằng ngôn ngữ tự nhiên, qua prompt và ngữ cảnh.

Từ "vibe coding" tới "agentic engineering"

Hành trình của chính Karpathy với AI viết code là bối cảnh để hiểu HackerTube:

• 2/2/2025, "vibe coding": ông mô tả kiểu lập trình mới, "buông theo cảm giác, quên rằng code tồn tại". Ông bấm "Accept All", không đọc phần code bị sửa, gặp lỗi thì dán nguyên thông báo lỗi cho AI. Chính ông nói cách này chỉ "không tệ lắm cho dự án cuối tuần dùng xong bỏ".
• 12/2025, bước ngoặt: trong ghi chú ngày 26/1/2026, ông kể mình chuyển từ khoảng 80% tự code (kèm gợi ý tự động) sang 80% để agent code, 20% tự sửa. Ông gọi đây là "thay đổi lớn nhất trong cách code của tôi sau khoảng 20 năm lập trình", và nó xảy ra chỉ trong vài tuần.
• 2/2026, "agentic engineering": ông đề xuất tên mới cho cách làm chuyên nghiệp. Tại hội nghị Sequoia Ascent (4/2026), ông giải thích: vibe coding nâng "mặt sàn", giúp ai cũng làm được phần mềm. Agentic engineering nâng "trần": điều phối các agent hay mắc lỗi mà vẫn giữ chất lượng và bảo mật.
• 31/10/2026, HackerTube: ông không chạm vào code. Mọi thứ, từ xử lý dữ liệu tới triển khai lên máy chủ, đều qua hội thoại với Claude.

Trong bài tổng kết năm 2025, Karpathy gọi Claude Code là "minh chứng thuyết phục đầu tiên" cho việc một agent LLM trông như thế nào. Claude Code là công cụ lập trình bằng AI của Anthropic. Khác với khung chat, nó đọc file, chạy lệnh và sửa cả dự án ngay trên máy của bạn.

HackerTube: dự án 2 giờ đứng sau bài viết này

Karpathy kể ông bắt đầu vì bực. Một tối thứ Sáu lúc 11 giờ, ông mở YouTube và thấy các video được đề xuất không có gì đáng xem. Sáng thứ Bảy, ông bắt tay làm HackerTube.

Dữ liệu đi qua những bước nào

1. Tải toàn bộ bình luận Hacker News từ một bộ dữ liệu công khai trên Hugging Face.
2. Lọc sơ bộ, rồi cho model Sonnet đọc từng bình luận qua tính năng Workflow của Claude Code. Workflow chia một việc thành rất nhiều lượt gọi model nhỏ. Bước này gắn nhãn và loại bình luận spam.
3. Giữ lại 39.834 bình luận có giới thiệu một video YouTube.
4. Rút ra 6.454 video, từ năm 2007 tới 2026, chia thành 150 chủ đề.
5. Bọc dữ liệu trong một giao diện giống YouTube, mua tên miền, đưa lên máy chủ riêng ảo (VPS), rồi bảo mật và tối ưu.

Một vài chi tiết trên trang cho thấy "gu" của người làm. Ảnh đại diện mỗi video lấy đúng khung hình ở giữa video, thay cho ảnh do người đăng tự chọn. Karpathy viết trên Hacker News rằng ảnh đại diện YouTube bây giờ toàn "một anh há hốc mồm, mũi tên chỉ vào chi tiết gì đó, TOP 10 XYZ", và ông thấy thế "thật ghê tởm". Mục "Dành cho bạn" chạy mà không cần tài khoản, trạng thái lưu trong trình duyệt.

Ông chỉ làm tay 4 việc

Theo bài blog và một bình luận trên Hacker News, Karpathy chỉ tự làm:

• tạo khoá API YouTube trên Google Cloud để lấy thông tin video,
• mua tên miền,
• tạo bản ghi DNS cho tên miền,
• bật máy chủ VPS.

Sau đó, ông đưa địa chỉ IP của máy chủ cho Claude và bảo nó "update, deploy, secure, harden and optimize" (cập nhật, triển khai, bảo mật, gia cố và tối ưu). Claude làm phần còn lại.

Bao nhiêu token, bao nhiêu thời gian

Khi có người hỏi chi phí, Karpathy trả lời ông dùng gói thuê bao, nhưng đã nhờ Claude cộng lại:

• 504 triệu token đầu vào (90% lấy từ bộ nhớ đệm), 7,6 triệu token đầu ra.
• Hơn 90% số đó là các lượt Sonnet gắn nhãn bình luận.
• Toàn bộ phần làm app và triển khai chỉ khoảng 1 triệu token Opus 5.5. Ông chỉ phải nén ngữ cảnh hội thoại một lần.

Ông gọi đây là "dự án rất nhỏ theo chuẩn bây giờ". Ông cũng viết rằng mình làm "xen giữa lúc Claude đang làm việc thật", nên cảm giác "vẫn hơi giống làm việc nhóm".

Sửa theo góp ý trong vài giờ

Bài đăng trên Hacker News đạt 2.892 điểm và 644 bình luận (số liệu khi chúng tôi kiểm tra ngày 10/11/2026). Người đọc góp ý liên tục, và Karpathy làm ngay. Chưa đầy 2 giờ sau khi đăng, ông đăng một "changelog" với khoảng 8 thay đổi lấy từ góp ý: bộ lọc theo thời lượng và loại video, sắp xếp theo lần được giới thiệu gần nhất, tỷ lệ lượt thích trên lượt xem, nút "phát tất cả trên YouTube", mục "HackerTube Longs" cho video trên một giờ.

Với người làm sản phẩm, đây có lẽ là bài học lớn nhất: khi AI làm phần code, vòng "nghe khách, sửa, đưa lên" rút từ vài tuần xuống vài chục phút.

Thiết lập của Karpathy: Claude Code bản desktop, Opus 5.5, effort Medium

Trong bài blog, Karpathy viết rõ hai dòng:

• Ông dùng Claude Code bản ứng dụng desktop trên máy Mac, không phải bản dòng lệnh.
• Mặc định của ông là model Opus 5.5 ở mức effort Medium.

Effort là mức "nỗ lực" model bỏ ra cho mỗi lượt làm việc. Mức cao hơn suy nghĩ lâu hơn, dùng nhiều token hơn, trả lời chậm hơn. Điều đáng chú ý là Karpathy không chọn mức cao nhất cho model mạnh nhất.

Ông không giải thích lý do. MindStudio cho rằng ông thích vòng làm việc nhanh với nhiều lượt chỉnh ngắn hơn là một lượt dài, kỹ lưỡng. Đây là cách diễn giải của MindStudio, không phải lời Karpathy. Tuy vậy, nó khớp với điều ông nói về prompt ở phần dưới.

8 thói quen của Karpathy khi làm việc với Claude

1. Không đọc, không viết code, không chạy lệnh

Trong bài blog, Karpathy viết rằng ông không còn làm kỹ thuật theo kiểu cũ: "tôi chỉ nói chuyện với Claude và để nó làm mọi thứ". Trả lời một câu hỏi trên Hacker News, ông nhắc lại: "tôi không động tay vào thứ gì, chỉ nói chuyện với Claude suốt dự án", trừ 4 việc kể ở trên.

Có một điều kiện. Khi một người viết rằng họ đang nghĩ quá nhiều và viết prompt quá dài, Karpathy trả lời: "Chỉ với Opus 5.5 trở lên. Nó là chế độ quái vật. Tôi sẽ không tin các model yếu hơn tới mức này."

Ông cũng không công bố mã nguồn máy chủ của HackerTube, vì nó là "một mớ vibe code lộn xộn". Tức là ông chấp nhận code xấu cho một dự án cá nhân, miễn trang chạy được.

2. Prompt ngắn và "ngốc" có chủ đích

Một người hỏi ông viết prompt thế nào. Karpathy trả lời:

"Prompt của tôi ngày càng ngắn và 'ngốc' hơn, vì model hiểu tôi đang làm gì dù tôi nói ít chữ hơn. Gần tới mức nếu bạn đưa quá nhiều, bạn đang trói model bằng quá nhiều yêu cầu, trong khi thứ nó tự làm có khi tốt hơn, thông minh hơn."

Ông tóm lại rằng cách viết prompt đang chuyển sang "ít thông tin hơn, nhưng đúng chỗ". Ông còn nói đang phân vân có nên làm video hướng dẫn không, vì cách làm của ông "trông ngốc tới mức gần như xấu hổ".

Ngắn không có nghĩa là mơ hồ. Trong ghi chú tháng 1/2026, Karpathy viết: "Đừng bảo nó phải làm gì, hãy cho nó tiêu chí thành công và để nó chạy." Ông khuyên bắt model viết bài kiểm tra trước rồi làm cho đạt, và chuyển cách ra lệnh từ "làm từng bước thế này" sang "kết quả phải như thế này". Prompt ngắn của ông là prompt nói rõ đích đến, không phải prompt thiếu đích đến.

3. Giao việc lớn bằng vài chữ

Hai ví dụ có nguồn rõ ràng:

• Triển khai: đưa IP máy chủ kèm 5 động từ "update, deploy, secure, harden and optimize".
• Bảo mật: một người hỏi ông tốn bao nhiêu công prompt để chuỗi cung ứng phần mềm "sạch", tức các thư viện bên thứ ba không có mã độc. Ông đáp: "Thỉnh thoảng tôi nói đại loại 'check recent cyber stuff' (kiểm tra mấy vụ an ninh mạng gần đây), và nó tung ra vài agent con rồi làm việc đó."

Cả hai câu đều cực ngắn, nhưng người viết hiểu sâu từng chữ. "Harden" (gia cố) với một kỹ sư 20 năm kinh nghiệm là cả một danh sách việc: tắt cổng thừa, cấu hình tường lửa, tắt đăng nhập bằng mật khẩu. Model mạnh hiểu cùng danh sách đó. Người mới có thể gõ cùng câu lệnh mà không biết kết quả đúng hay sai.

4. Opus điều phối, Sonnet làm việc nặng

HackerTube cho thấy cách chia việc rõ ràng:

• Opus 5.5 (model mạnh nhất, đắt nhất) lập kế hoạch, viết app, triển khai. Chỉ khoảng 1 triệu token.
• Sonnet (rẻ hơn, nhanh hơn) đọc hàng chục nghìn bình luận để gắn nhãn, loại spam. Chiếm hơn 90% tổng token.

Đây là nguyên tắc chi phí quen thuộc: dùng "bộ não" đắt cho việc cần phán đoán, dùng model rẻ cho việc lặp lại số lượng lớn. Điểm mới là Karpathy không tự viết đoạn code chia việc. Opus tự dựng bộ lọc rồi giao lô việc cho Sonnet qua Workflow.

5. Bắt AI giải thích theo ASD-STE100

Ngày 2/10/2026, Karpathy đăng trên X một bài mở đầu bằng câu: "Chúng ta sẽ dành nhiều thời gian hơn để cố hiểu đầu ra của các mô hình ngôn ngữ." Tới ngày 10/11/2026, bài này có hơn 8 triệu lượt xem.

Mẹo đầu tiên của ông: yêu cầu AI giải thích theo ASD-STE100. Đây là chuẩn "tiếng Anh kỹ thuật giản lược" (Simplified Technical English), ra đời từ thập niên 1980 cho tài liệu bảo dưỡng máy bay. Một số quy tắc chính:

• Câu hướng dẫn thao tác tối đa 20 từ, câu mô tả tối đa 25 từ.
• Mỗi đoạn tối đa 6 câu, mỗi đoạn một chủ đề.
• Dùng thể chủ động.
• Mỗi từ chỉ một nghĩa, một từ loại. Bộ từ điển có khoảng 900 từ được duyệt.

Chuẩn này miễn phí từ năm 2013, bản mới nhất là Issue 9 (1/2025). Karpathy viết các model "rất thạo" ngôn ngữ này, và văn bản ra "dễ đọc hơn nhiều". Vì chuẩn khá khắt khe, đôi khi ông chỉ xin "80% của ASD-STE100".

6. Đòi sơ đồ, trang HTML, video thay vì chữ

Cũng trong bài ngày 2/10, Karpathy xếp các dạng đầu ra theo thang, mỗi nấc "còn tốt hơn" nấc trước:

1. Chữ theo ASD-STE100.
2. Sơ đồ, hình ảnh: dễ nắm bắt hơn nhiều so với đọc chữ.
3. Trang web: xin kết quả "in HTML" để có một trang tương tác, có hiệu ứng.
4. Video giải thích tự làm: dạng ông "kỳ vọng nhất". Ví dụ prompt của ông: "Tạo một video giải thích phong cách 3Blue1Brown về chủ đề X. Dùng khoá API ElevenLabs của tôi để lồng tiếng." Theo ông, cách này "bắt đầu chạy được thật rồi".

Ông kết bài bằng hai ý. Khi AI làm phần lớn việc tay chân, việc của con người dịch lên tầng giám sát và hiểu. Và vì trí tuệ lẫn code ngày càng rẻ, ta có thể xin những "sản phẩm phần mềm lớn, may đo, dùng xong bỏ" mà trước đây không đáng công làm.

7. Không tin bảng xếp hạng benchmark

Một người nhắc rằng trong video tháng 2/2025, Karpathy từng giới thiệu bảng xếp hạng LMArena và Scale. Họ hỏi ông còn khuyên dùng không. Karpathy trả lời:

"Không, tôi không còn khuyên dùng những bảng đó nữa. Hiện tôi khuyên dùng ECI của Epoch. AA [Artificial Analysis] từng khá tệ, nhưng thay đổi gần đây có vẻ tốt hơn một chút. Ngoài ra tôi nghĩ benchmark đang ở tình trạng rất tệ, tôi gần như không tin chúng."

ECI (Epoch Capabilities Index) của tổ chức nghiên cứu Epoch AI gộp điểm từ hàng chục benchmark khác nhau thành một thang chung. Trong bài tổng kết 2025, Karpathy đã viết rằng ông mất niềm tin vào benchmark vì chúng quá dễ bị "học tủ". Nếu bạn muốn hiểu vì sao, xem thêm bài Benchmark AI là gì? Đọc bảng điểm mà không bị "dắt mũi".

8. Chia sẻ dữ liệu và prompt, không chia sẻ app

Một người hỏi mã nguồn ở đâu để tự làm trang video của riêng họ. Karpathy không chia sẻ code. Thay vào đó, ông để một file .zip chứa dữ liệu ở mục About, và viết:

"Nếu bạn trỏ Opus 5.5 vào file zip và xin một trang giống YouTube, nó gần như xong ngay. Phần này chỉ mất khoảng 3 phút."

Bài blog cũng nói ông làm sẵn bản xuất dữ liệu để người khác "đưa cho agent của họ" và tự dựng phiên bản riêng. Phần giá trị là dữ liệu đã lọc kỹ từ gần 20 năm thảo luận. Giao diện chỉ là lớp vỏ ai cũng dựng lại được trong vài phút.

MindStudio gọi app là "lớp vỏ dùng một lần". Karpathy không viết đúng câu đó trong bài HackerTube, nhưng ý này khớp với điều ông nói từ trước: trong bài tổng kết 2025 ông viết code bỗng trở nên "miễn phí, tạm thời, dễ nặn, dùng một lần rồi bỏ", và tại hội nghị Sequoia Ascent 4/2026 ông nói phần lớn app MenuGen của mình "lẽ ra không cần tồn tại".

Đối chiếu: điều gì có nguồn, điều gì chưa

Về bài thử "đất hay nước": MindStudio viết Karpathy hỏi model hàng nghìn cặp kinh độ, vĩ độ là đất liền hay biển, rồi vẽ câu trả lời thành bản đồ thế giới. Chúng tôi không tìm thấy điều này trong bài viết hay bình luận nào của ông. Một bài thử giống hệt đã được đăng trên LessWrong từ tháng 8/2025 với tên "How does a blind model see the earth?", do một tác giả khác thực hiện. Ý tưởng thì hay, nhưng chưa nên gán cho Karpathy.

Khi nào không nên làm theo Karpathy

Cách làm của Karpathy rất đáng học, nhưng có 5 điểm khiến nó không áp dụng nguyên xi cho mọi người.

Ông làm cho Anthropic. Từ tháng 5/2026, ông ở nhóm huấn luyện Claude. Việc ông khen Opus 5.5 là "chế độ quái vật" có thể hoàn toàn đúng, nhưng người đọc nên biết bối cảnh này. Công bằng mà nói, ghi chú tháng 1/2026 của ông cũng chỉ ra rất nhiều điểm yếu của chính các model này.

Ông có 20 năm kinh nghiệm. Ông biết "harden" gồm những gì, và nhận ra ngay khi kết quả sai. Tại Sequoia Ascent, ông nói: "Bạn có thể giao việc suy nghĩ cho AI, nhưng không thể giao việc hiểu." Người không hiểu lĩnh vực sẽ không biết lúc nào AI đang sai một cách tự tin.

HackerTube là dự án cá nhân. Ông chấp nhận một "mớ vibe code lộn xộn" vì chỉ mình ông chịu hậu quả. Với code quan trọng, ghi chú tháng 1/2026 của ông khuyên "soi như diều hâu" trong một trình soạn code bên cạnh. Ông liệt kê các lỗi agent hay mắc: tự đặt giả định sai rồi cứ thế làm tiếp, không hỏi lại khi mơ hồ, chiều lòng người dùng, viết 1.000 dòng cho việc 100 dòng là đủ. Tại Sequoia, ông cũng nói vibe coding không phải lý do để đưa lỗ hổng bảo mật vào sản phẩm.

Ông dùng model mạnh nhất. Prompt ngắn chạy được vì Opus 5.5 đoán đúng ý. Với model yếu hơn, chính ông nói sẽ không tin tới mức đó.

Ông dùng gói thuê bao. 504 triệu token là con số lớn nếu trả theo giá API. Karpathy không công bố chi phí bằng tiền. Một số trang tin tự ước tính vài trăm USD theo giá niêm yết, nhưng đó không phải số của ông.

Với doanh nghiệp còn một điểm nữa: dữ liệu khách hàng. HackerTube dùng bình luận công khai. Nếu bạn đưa danh sách khách, số điện thoại hay tin nhắn vào AI, việc đó thuộc phạm vi Luật Bảo vệ dữ liệu cá nhân (91/2025/QH15). Hãy ẩn thông tin định danh trước, và chọn công cụ có cam kết rõ về xử lý dữ liệu.

Áp dụng cho marketer và chủ doanh nghiệp Việt

Bạn không cần dựng YouTube riêng để học từ Karpathy. Dưới đây là 6 cách chuyển thói quen của ông sang việc marketing hằng ngày, kể cả khi bạn chỉ dùng ChatGPT, Claude hay Gemini bản chat.

Viết brief ngắn, nhưng nói rõ "thế nào là xong"

Thay vì liệt kê 15 yêu cầu, hãy nói mục tiêu, nguyên liệu và tiêu chí hoàn thành. Để model tự chọn cách làm.

Đây là 3.000 bình luận trên fanpage tháng 10 (file đính kèm).
Mục tiêu: biết khách phàn nàn điều gì nhiều nhất.
Xong khi: có một trang HTML, mỗi nhóm phàn nàn có số lượng
và 3 bình luận ví dụ, sắp xếp từ nhiều tới ít.

Nếu kết quả lệch, thêm một câu chỉnh ngắn thay vì viết lại cả prompt. Đó chính là vòng "nhiều lượt chỉnh ngắn" mà mức effort Medium hướng tới.

Dùng model mạnh để thiết kế, model rẻ để làm số lượng lớn

Karpathy để Opus dựng cách lọc rồi giao cho Sonnet đọc hàng chục nghìn bình luận. Với marketing, việc tương tự là phân loại đánh giá Shopee, gắn nhãn tin nhắn khách, lọc danh sách từ khoá:

1. Dùng model mạnh nhất để thống nhất bộ nhãn và viết 10 ví dụ mẫu cho mỗi nhãn.
2. Chạy model rẻ hơn trên toàn bộ dữ liệu với bộ nhãn đó.
3. Lấy ngẫu nhiên 50 dòng, tự kiểm tra lại. Sai nhiều thì sửa bộ nhãn rồi chạy lại.

Bước 3 là phần Karpathy không kể, nhưng là phần giúp bạn không tin nhầm một bảng số đẹp mà sai.

Viết rõ ràng theo tinh thần ASD-STE100

ASD-STE100 là chuẩn tiếng Anh, chưa có bản tiếng Việt. Nhưng các nguyên tắc của nó áp dụng tốt cho tài liệu hướng dẫn nội bộ, quy trình làm việc, câu trả lời mẫu cho khách hàng:

Giải thích [chủ đề] theo tinh thần ASD-STE100, khoảng 80%:
câu ngắn, mỗi câu một ý, dùng thể chủ động,
mỗi thuật ngữ chỉ dùng một nghĩa, không rào đón, không từ thừa.
Viết bằng tiếng Việt.

Đừng dùng lối viết này cho bài quảng cáo hay bài đăng mạng xã hội. Nó làm chữ rõ nhưng khô, và có thể bỏ sót chi tiết. Hãy đọc lại các ý quan trọng trước khi gửi đi.

Xin trang HTML thay vì báo cáo chữ

Báo cáo quảng cáo tháng, kết quả khảo sát khách hàng, so sánh đối thủ đều dễ đọc hơn nhiều khi thành một trang web có biểu đồ:

Biến bảng số liệu quảng cáo tháng 10 này thành một trang HTML
trong một file duy nhất: biểu đồ chi tiêu và đơn hàng theo tuần,
3 điểm cần chú ý ghi ở đầu trang. Mở được bằng trình duyệt.

Đây là loại "phần mềm may đo, dùng xong bỏ" mà Karpathy nói tới. Bạn không cần giữ nó. Tháng sau, đưa số liệu mới vào và xin trang mới.

Tự thử model trên việc của chính bạn

Nếu Karpathy cũng gần như không tin benchmark, bạn không nên chọn công cụ AI chỉ vì bảng xếp hạng. Hãy làm một bài thử nhỏ:

1. Chọn 20 việc thật: 10 câu hỏi khách hay hỏi, 5 brief bài đăng, 5 bảng số cần phân tích.
2. Chạy cùng 20 việc đó trên 2–3 công cụ.
3. Chấm theo tiêu chí của bạn: văn phong có hợp với thương hiệu không, có bịa số không, phải sửa mất bao lâu.

Bài thử này mất một buổi chiều, nhưng nói nhiều hơn mọi bảng xếp hạng về việc model nào hợp với doanh nghiệp của bạn.

Chia sẻ dữ liệu và prompt trong team, không chia sẻ "công cụ"

Bài học từ file .zip của HackerTube: thứ đáng giữ là dữ liệu sạch và prompt tốt, còn giao diện thì dựng lại được. Với một team marketing, tài sản đó là:

• hồ sơ doanh nghiệp: sản phẩm, khách hàng mục tiêu, văn phong, những điều không được nói,
• kho dữ liệu đã làm sạch: câu hỏi thường gặp, đánh giá khách, kết quả chiến dịch cũ,
• thư viện prompt đã thử và biết là chạy tốt.

Nếu bạn chưa có, bài Knowledge base là gì? Cách xây kho tri thức cho doanh nghiệp và AI hướng dẫn cách bắt đầu.

DigiAgent, Trợ lý Marketing của doanh nghiệp, được làm theo cùng tinh thần này. Trợ lý lập hồ sơ doanh nghiệp hơn 40 mục từ URL website, bạn xác minh một lần. Sau đó bạn giao việc bằng tiếng Việt: nghiên cứu thị trường, lên kế hoạch nội dung, sản xuất content. Trợ lý làm bản nháp, bạn duyệt trước khi đăng. Bạn có thể dùng thử 7 ngày tại đây.

Câu hỏi thường gặp

Andrej Karpathy là ai?

Andrej Karpathy là nhà nghiên cứu AI người Canada gốc Slovakia, sinh năm 1986. Ông là thành viên sáng lập OpenAI, từng là Giám đốc AI của Tesla (2017–2022), lập công ty giáo dục Eureka Labs (2024) và là người đặt ra từ "vibe coding" (2025). Từ 19/5/2026, ông làm ở nhóm pretraining của Anthropic.

Karpathy dùng model và mức effort nào trong Claude Code?

Theo bài blog HackerTube ngày 31/10/2026, ông dùng Claude Code bản desktop trên Mac, mặc định là Opus 5.5 ở mức effort Medium. Các việc lặp lại số lượng lớn, như gắn nhãn bình luận, ông giao cho Sonnet.

Karpathy có còn tự viết code không?

Với HackerTube thì không. Ông viết rằng mình chỉ nói chuyện với Claude, trừ 4 việc làm tay: tạo khoá API YouTube, mua tên miền, tạo bản ghi DNS và bật máy chủ. Nhưng với code quan trọng, ghi chú tháng 1/2026 của ông vẫn khuyên theo dõi agent rất sát.

ASD-STE100 là gì? Dùng với tiếng Việt được không?

ASD-STE100 là chuẩn tiếng Anh kỹ thuật giản lược, làm cho tài liệu bảo dưỡng máy bay: câu ngắn, thể chủ động, mỗi từ một nghĩa. Chuẩn này dành cho tiếng Anh, nhưng bạn có thể yêu cầu AI viết tiếng Việt "theo tinh thần ASD-STE100" để có câu trả lời gọn và rõ hơn.

Người không biết lập trình có làm được như HackerTube không?

Có thể làm được một trang tương tự, vì Karpathy đã công bố dữ liệu và nói phần giao diện chỉ mất khoảng 3 phút với Opus 5.5. Phần khó với người mới là bảo mật và vận hành máy chủ: bạn khó biết AI đã làm đúng hay chưa. Nên bắt đầu với công cụ cá nhân, không chứa dữ liệu khách hàng.

HackerTube tốn bao nhiêu token?

Theo Karpathy, khoảng 504 triệu token đầu vào (90% lấy từ bộ nhớ đệm) và 7,6 triệu token đầu ra. Hơn 90% là các lượt Sonnet gắn nhãn bình luận. Phần làm app và triển khai chỉ khoảng 1 triệu token Opus 5.5. Ông dùng gói thuê bao và không công bố chi phí bằng tiền.

Vì sao Karpathy không tin benchmark?

Ông cho rằng benchmark quá dễ bị tối ưu riêng để đạt điểm cao, nên điểm số không còn phản ánh chất lượng thật. Hiện ông khuyên xem ECI của Epoch AI, một thang điểm gộp từ hàng chục benchmark. Với doanh nghiệp, cách tốt nhất vẫn là tự thử model trên việc thật của mình.

Nguồn tham khảo

• Andrej Karpathy, HackerTube, blog cá nhân, 31/10/2026.
• Thảo luận HackerTube trên Hacker News, gồm 23 bình luận của Karpathy, 31/10–1/11/2026.
• Andrej Karpathy, bài X về cách hiểu đầu ra của LLM (ASD-STE100, sơ đồ, HTML, video), 2/10/2026.
• Andrej Karpathy, ghi chú sau vài tuần code bằng Claude, 26/1/2026.
• Andrej Karpathy, bài X đặt ra từ "vibe coding", 2/2/2025.
• Andrej Karpathy, 2025 LLM Year in Review, 19/12/2025.
• Andrej Karpathy, Sequoia Ascent 2026 summary, 30/4/2026.
• MindStudio, How Andrej Karpathy Actually Uses Claude Code Day to Day, 6/11/2026.
• Axios, OpenAI co-founder Andrej Karpathy joins Anthropic, 19/5/2026.
• Wikipedia, Simplified Technical English.
• LessWrong, How does a blind model see the earth?, 8/2025.