Tại Anthropic, Claude Code không phải là công cụ để phô diễn công nghệ AI. Nó là một tác nhân (agent) thực thụ chạy thẳng trong terminal, can thiệp vào monorepo và xử lý những bài toán hóc búa nhất của hệ thống. Từ gỡ lỗi hạ tầng Kubernetes đến dựng công cụ nội bộ cho team pháp lý, Claude Code đang định nghĩa lại chữ "lập trình": bỏ bớt rào cản cú pháp, dồn sức vào tư duy logic.
Điểm chung của mọi team là tối ưu quy trình làm việc ở mọi cấp độ. Thay vì tốn hàng giờ gom ngữ cảnh thủ công, kỹ sư đẩy phần lớn việc lặp đi lặp lại (boilerplate) cho agent. Kết quả là tốc độ bàn giao tính năng tăng, các tác vụ lặp lại được tự động hóa gần như hoàn toàn, và ranh giới giữa nhân viên kỹ thuật với các phòng ban hỗ trợ dần biến mất. Ở Anthropic, nếu bạn mô tả được vấn đề, bạn chính là người dựng ra giải pháp.
Chuyện này không dừng ở năng suất cá nhân. Nó đổi cả cách nghĩ về hệ thống: kỹ sư không còn gõ tay tỉ mỉ từng dòng mà lùi về vai trò kiến trúc sư và người giám sát. Claude Code chạy các luồng công việc tự trị, tự test và tự sửa lỗi, để con người tập trung vào những quyết định thiết kế quan trọng và chốt chất lượng ở khâu cuối.
Điều hướng và hiểu codebase — "điểm dừng đầu tiên"
Với team hạ tầng và kỹ thuật sản phẩm, Claude Code là "điểm dừng đầu tiên" (first stop) cho mọi việc dính tới code. Thay vì dò tay hàng giờ trong một monorepo khổng lồ, kỹ sư chỉ cần yêu cầu Claude Code định vị các file liên quan đến một bug hoặc một tính năng cụ thể. Việc này cắt bỏ giai đoạn gom ngữ cảnh (context gathering) vốn mệt mỏi và dễ sai, giúp giữ đà làm việc suốt cả ngày.
Khác biệt lớn nhất nằm ở tệp CLAUDE.md. Thay vì dựa vào các công cụ catalog dữ liệu truyền thống hay bị lỗi thời, Claude Code đọc hướng dẫn trong CLAUDE.md để nắm quy tắc build, style guide và các phụ thuộc phức tạp. Với người mới onboarding, đây gần như một người kèm cặp trực tuyến: họ đóng góp được mã chất lượng ngay từ những ngày đầu mà không phải chờ senior hướng dẫn tay.
Team hạ tầng dữ liệu tận dụng khả năng này để đọc các pipeline dữ liệu. Khi cần biết nguồn upstream nào đang đổ vào một dashboard, họ không còn phải lần theo từng kết nối database hay đoạn logic. Claude Code quét codebase, xác định các phụ thuộc và vẽ ra chính xác luồng dữ liệu. Điều đó giảm rủi ro mỗi khi đổi cấu trúc dữ liệu và giữ cho các hệ thống analytics quan trọng không bị vỡ ngầm.
Cách quản lý kiến trúc kiểu này biến Claude Code thành một cuốn wiki sống. Thay vì để kiến thức nằm rải rác trong đầu vài người hoặc trên các trang tài liệu tĩnh, mọi logic nghiệp vụ đều truy vấn được ngay từ terminal. Nó đặc biệt hữu ích khi đụng vào legacy code, những vùng mà tác giả gốc đã rời team. Bạn hỏi "Tại sao hàm này lại được thiết kế như vậy?", Claude Code phân tích lịch sử commit và logic xung quanh để trả lời có căn cứ.
Kiểm thử và review code
Quy trình của team bảo mật đã đổi hẳn về tư duy. Trước đây họ đi từ bản thiết kế đến code chức năng trước, rồi mới vất vả refactor để bù test. Giờ họ làm ngược lại theo phát triển hướng kiểm thử (Test-Driven Development, TDD): yêu cầu Claude Code viết pseudocode (mã giả) từ bản thiết kế, hướng nó dựng bộ test đầy đủ, rồi mới tới phần hiện thực chính. Cách này giữ cho code có thể kiểm thử và đáng tin ngay từ commit đầu tiên.
Team thiết kế sản phẩm gắn Claude Code vào quy trình Pull Request (PR) qua GitHub Actions. Khi có PR mới, agent tự xử lý các phản hồi kiểu lỗi định dạng, đổi tên hàm hoặc refactor đoạn test ngay trên ticket. Nhờ vậy kỹ sư chính không bị cuốn vào những lỗi vụn vặt và dồn được sức cho việc review kiến trúc lẫn logic nghiệp vụ phức tạp.
Một tình huống thực chiến đến từ team suy luận (Inference) khi làm việc với Rust — ngôn ngữ có mô hình ownership và luật biên dịch cực kỳ chặt. Viết test chuẩn cho các thành phần hệ thống bằng Rust là thử thách với người không chuyên sâu. Claude Code gỡ nút này bằng cách nhận mô tả logic kiểm thử bằng ngôn ngữ tự nhiên rồi "dịch" sang cú pháp Rust bản địa, giúp team giữ tốc độ mà không phải leo hết đường cong học ngôn ngữ.
Ngoài ra, để Claude Code tự kiểm chứng công việc (self-verify) là một cách giữ chất lượng đáng giá. Nhiều team cấu hình cho agent tự chạy build, test và lint sau mỗi lần sửa. Có lỗi phát sinh, nó tự đọc stack trace và lặp vòng sửa cho tới khi mọi thứ pass. Quy trình này vừa tiết kiệm thời gian, vừa dọn sạch những lỗi ngớ ngẩn do con người sơ ý khi code tay.
Gỡ lỗi và xử lý sự cố nhanh hơn
Xử lý sự cố (incident response) dưới áp lực thời gian luôn là bài kiểm tra thần kinh với kỹ sư. Ở team bảo mật, Claude Code rút thời gian chẩn đoán nhanh gấp khoảng 3 lần. Việc gỡ lỗi hạ tầng trước đây ngốn 10–15 phút rà tay giờ chỉ còn khoảng 5 phút: kỹ sư đưa stack trace và tài liệu cho Claude Code, nó truy vết luồng điều khiển (control flow) xuyên codebase và chỉ ra gốc lỗi.
Team hạ tầng dữ liệu còn dùng khả năng đọc ảnh của Claude Code trong một sự cố Kubernetes thật. Khi cụm ngưng điều phối pod, họ nạp thẳng ảnh chụp dashboard vào agent. Thay vì lục tài liệu Google Cloud rườm rà, Claude Code dẫn họ đi từng bước qua giao diện cho đến khi tìm ra nguyên nhân: cạn địa chỉ IP trong pool của pod. Nó cung cấp luôn câu lệnh CLI chính xác để mở dải IP mới cho cluster:
gcloud container clusters update production-cluster \
--add-additional-ip-range pods-range-2=10.4.0.0/14 \
--region us-central1Có sẵn câu lệnh chuẩn xác giúp kỹ sư khỏi copy-paste từ Stack Overflow hay docs, giảm rủi ro gõ sai giữa lúc hệ thống đang "cháy". Sự cố kiểu này còn tiết kiệm khoảng 20 phút và bỏ qua được việc phải kéo một kỹ sư networking chuyên trách vào giữa lúc downtime.
Team bảo mật cũng báo cáo thay đổi lớn khi đọc các stack trace phức tạp. Gặp lỗi hệ thống chưa rõ nguyên nhân, họ đưa log và stack trace cho Claude Code để nó truy vết luồng điều khiển xuyên suốt codebase. Khả năng "đọc" mã ở quy mô lớn giúp phát hiện điểm xung đột logic hay rò rỉ bộ nhớ nhanh hơn nhiều so với việc ngồi rà từng dòng. Những vấn đề từng ngốn 10–15 phút của một kỹ sư kinh nghiệm giờ gọn hơn hẳn.
Sự tự tin khi gỡ lỗi lan cả sang những vùng codebase xa lạ. Kỹ sư team kỹ thuật sản phẩm không còn ngại fix bug ở repo chưa từng động tới. Chỉ cần hỏi "Fix giúp bug này được không? Đây là hành vi tôi đang thấy", họ nhận về đề xuất sửa kèm giải thích chi tiết. Thay vì chờ phản hồi trên Slack, họ tự điều tra, tự kiểm tra độ an toàn của giải pháp rồi commit với mức giám sát tối thiểu — nhờ vậy backlog của cả công ty chạy nhanh hơn.
Prototype và vòng lặp tự động (code → test → lặp lại)
Để dựng tính năng mới thật nhanh, nhiều team bật chế độ "auto-accept mode" (nhấn Shift+Tab). Team thiết kế sản phẩm thường thiết lập vòng lặp tự trị: đưa một yêu cầu trừu tượng rồi để Claude Code tự viết mã, chạy build, chạy test, phát hiện lỗi và lặp lại đến khi ổn. Với các tính năng ngoại vi, agent gánh khoảng 80% khối lượng triển khai, con người chỉ vào ở khâu tinh chỉnh cuối và duyệt chất lượng.
Ví dụ điển hình: các nhà khoa học dữ liệu dựng cả một ứng dụng React hơn 5.000 dòng TypeScript để trực quan hóa hiệu suất mô hình học tăng cường (Reinforcement Learning, RL) — dù họ không rành TypeScript. Họ giao toàn bộ phần code cho Claude Code và vẫn ra được dashboard phân tích chuyên sâu. Đây không phải công cụ dùng một lần rồi bỏ, mà là ứng dụng bền, có cấu trúc tốt, tái dùng được cho nhiều đợt đánh giá mô hình sau này.
Team phát triển gọi cách làm này là tư duy "máy đánh bạc" (slot machine). Quy trình: kỹ sư chạy git commit để lưu một checkpoint an toàn, ra một yêu cầu phức tạp rồi để Claude Code tự chạy trong 30 phút. Kết quả tốt thì giữ; nếu agent đi sai hướng hoặc làm hỏng logic, họ chỉ cần rollback về trạng thái sạch. Lập trình từ chỗ gõ tay tỉ mỉ trở thành việc đặt mục tiêu và giám sát kết quả.
Thậm chí Claude Code còn được dùng để tự dựng tính năng cho chính nó. Team phát triển yêu cầu nó làm bộ phím tắt Vim (Vim key bindings), và khoảng 70% mã nguồn cuối cùng của tính năng này do chính agent viết tự trị, chỉ cần vài vòng lặp là xong. Việc mạnh dạn thử các tính năng "ngoại vi" ở chế độ tự trị giúp team phát hiện những khả năng mới của sản phẩm mà ban đầu chưa được ưu tiên trong lộ trình.
Tự động hoá với sub-agent, slash command và MCP server
Sức mạnh thật của Claude Code nằm ở khả năng mở rộng bằng sub-agent và giao thức Model Context Protocol (MCP). Team marketing tăng trưởng dựng một workflow xử lý các tệp CSV chứa hàng trăm mẫu quảng cáo. Họ dùng hai sub-agent chuyên biệt: một lo tiêu đề trong giới hạn 30 ký tự, một lo mô tả dưới 90 ký tự. Hệ thống này sản xuất và tối ưu hàng trăm biến thể Google Ads trong vài phút — việc trước đây ngốn khoảng 2 giờ làm tay đã rút còn 15 phút.
Ở mảng thiết kế, tốc độ nhân bản biến thể cũng đáng nể. Team dựng một Figma plugin qua Claude Code, nhận diện các khung hình (frame) và lập trình để tạo tới 100 biến thể thiết kế bằng cách đổi tiêu đề và mô tả. Mỗi lô chỉ mất nửa giây, cho họ chạy thử nghiệm quy mô lớn trên mạng xã hội mà không cần một team copy-paste thủ công.
Truy vấn dữ liệu theo thời gian thực cũng gọn hơn nhờ MCP server. Team marketing dựng một MCP server nối thẳng với Meta Ads API. Thay vì đổi tab liên tục và đăng nhập vào trình quản lý quảng cáo, họ hỏi thẳng ngay trong giao diện chat: "Chi phí quảng cáo hôm nay ra sao?" hay "Chiến dịch X đang hiệu quả thế nào?". Kiểu tích hợp sâu này cắt chi phí chuyển ngữ cảnh (context-switching) và hỗ trợ ra quyết định dựa trên dữ liệu gần như tức thời.
Bên cạnh đó, các lệnh slash command tùy chỉnh đang được dùng rộng rãi — riêng team bảo mật chiếm tới 50% lượng dùng trong toàn monorepo. Những lệnh này chuẩn hóa các workflow lặp lại, từ quét bảo mật nhanh đến đóng gói báo cáo lỗi theo định dạng markdown để gửi qua Slack hay Google Docs. Cá nhân hóa bằng slash command và MCP server biến Claude Code từ một trợ lý tổng quát thành bộ công cụ chuyên biệt, tinh chỉnh sâu cho nhu cầu riêng của từng phòng ban.
CLAUDE.md: nền tảng chung cho mọi team
Tệp CLAUDE.md đóng vai trò "bộ não" định hướng, cung cấp cho Claude Code mọi ngữ cảnh cần thiết về dự án. Nó không phải một tệp README thường: đây là nơi ghi quy tắc viết code, lệnh build, lệnh test và các hướng dẫn workflow đặc thù. Mọi team, từ hạ tầng đến sản phẩm, đều coi việc duy trì và cập nhật tệp này là ưu tiên để Claude Code chạy đúng hướng và nhất quán.
Sau mỗi phiên làm việc (session), nhiều team yêu cầu Claude Code tự tóm tắt thay đổi và đề xuất cập nhật CLAUDE.md. Cách này tạo một vòng lặp cải tiến liên tục: agent học từ chính quá trình làm việc để phục vụ tốt hơn ở phiên sau. Ví dụ, team học tăng cường (RL) ghi chú trong CLAUDE.md để nhắc Claude Code đừng tự ý đổi thư mục (cd) và luôn dùng đường dẫn tuyệt đối khi chạy pytest. Những tinh chỉnh nhỏ đó mang lại độ ổn định cao cho các tác vụ tự động hóa.
Dưới đây là một cấu trúc CLAUDE.md tối giản mà bạn có thể áp dụng:
# CLAUDE.md
- Build: `npm run build`
- Test: `pytest path/to/tests` (dùng đúng path, không tự cd)
- Style: React viết bằng functional component
- Rule: không dùng inline style, luôn dùng class Tailwind
- Deploy: review `terraform plan` trước khi applyCá nhân hóa tệp này giúp Claude Code hiểu những sắc thái kỹ thuật nhỏ nhất của từng dự án. Thay vì lặp lại lỗi cũ, nó bám sát các chỉ dẫn đã được tối ưu qua thời gian. Điều này đặc biệt quan trọng ở các hệ thống lớn, nơi quy tắc kiến trúc và bảo mật cần được thực thi đồng nhất. CLAUDE.md chính là sợi dây để AI và con người cùng nói một "ngôn ngữ kỹ thuật" và hướng tới một chuẩn chất lượng chung.
Khi nhân viên không chuyên code cũng dựng được công cụ
Một trong những thay đổi mạnh nhất ở Anthropic là việc team pháp lý dùng Claude Code để tự dựng công cụ. Họ dựng thành công một hệ thống nội bộ tự động chuyển từng yêu cầu pháp lý đến đúng luật sư chuyên trách (kiểu tổng đài định tuyến "phone tree"). Nó cho thấy khi rào cản cú pháp lập trình biến mất, chính người hiểu quy trình nghiệp vụ nhất có thể số hóa quy trình đó mà không phải chờ bộ phận IT.
Đáng chú ý hơn, thành viên team pháp lý còn dựng được ứng dụng mang giá trị nhân văn: một công cụ hỗ trợ giao tiếp cho người gặp khó khăn về nói do lý do y tế, dựa trên speech-to-text. Chỉ trong một giờ, họ đã có một prototype gợi ý câu trả lời và phát âm qua voice bank, lấp những khoảng trống mà các công cụ trợ giúp hiện có chưa phủ tới. Họ thậm chí mang prototype này đi tham vấn chuyên gia tại UCSF để xác thực ý tưởng.
Anthropic khuyến khích việc chia sẻ các prototype "đồ chơi" (toy project) giữa các phòng ban. Những dự án nhỏ này thường là hạt giống cho đổi mới lớn, giúp mọi người thấy được tiềm năng thật của AI agent. Khi một luật sư hay một chuyên viên marketing chứng minh họ dựng được một ứng dụng chạy được, hiệu ứng lan tỏa thúc đẩy các team khác tự động hóa những "nỗi đau" trong công việc hằng ngày của chính mình.
Tư duy dựng ứng dụng không còn là đặc quyền của team kỹ sư. Với Claude Code, một nhân viên team pháp lý có thể chụp màn hình giao diện mong muốn, mô tả logic hoạt động và yêu cầu agent hiện thực hóa từng bước. Quá trình diễn ra trực quan và an toàn, giúp người không chuyên vẫn thấy mình kiểm soát được sản phẩm đang tạo ra. Đây là bước tiến lớn trong việc dân chủ hóa công nghệ trong doanh nghiệp.
Bạn nên bắt đầu từ đâu?
Lời khuyên thực chiến đầu tiên là chia nhỏ các workflow phức tạp. Đừng bắt Claude Code dựng cả hệ thống đồ sộ trong một lệnh. Hãy làm hai bước: lập kế hoạch kỹ trên giao diện Claude.ai để bàn về kiến trúc, rồi mới mang bản kế hoạch đó vào Claude Code để triển khai từng phần. Phân loại tác vụ (task classification) cũng quan trọng: để agent tự trị với các tính năng ngoại vi, còn logic nghiệp vụ cốt lõi thì giám sát chặt.
Thói quen commit thường xuyên là chìa khóa để làm việc an toàn với agent. Hãy coi mỗi thay đổi nhỏ là một checkpoint. Nếu Claude Code refactor sai hoặc làm "bể" hệ thống, bạn rollback về trạng thái ổn định gần nhất trong vài giây. Nhờ vậy bạn giữ được tâm thế thử nghiệm mạnh dạn, dám để agent can thiệp sâu vào codebase mà không sợ hậu quả không cứu được.
Hãy ưu tiên bắt đầu với các tác vụ lặp lại có API hỗ trợ, như tối ưu nội dung quảng cáo hay quản lý hạ tầng qua CLI. Đây là vùng Claude Code phát huy tốt nhất và cho giá trị kinh tế tức thì. Đừng quên dựng các slash command tùy chỉnh cho những việc này để đỡ gõ lại mỗi ngày. Bạn cũng có thể dùng tệp nhớ tùy chỉnh để mô tả vai trò của mình cho agent (ví dụ: "Tôi là designer, hãy giải thích chi tiết từng bước sửa code").
Cuối cùng, hãy coi Claude Code là một đối tác tư duy chứ không chỉ là máy sinh mã. Hãy trao đổi liên tục, hỏi "Tại sao bạn chọn giải pháp này?" và yêu cầu phương án đơn giản hơn nếu thấy agent đang đi vào hướng quá phức tạp. Sự kết hợp giữa khả năng thực thi bền bỉ của AI và định hướng, giám sát chiến lược của con người chính là công thức tạo nên hiệu quả mà các team tại Anthropic đang áp dụng.