🎉 Giảm 20% cho đơn hàng đầu tiên!✦🚚 Miễn phí vận chuyển cho đơn trên 500.000₫✦⚡ Flash Sale — Số lượng có hạn!✦🎁 Quà tặng kèm cho đơn từ 1.000.000₫✦🎉 Giảm 20% cho đơn hàng đầu tiên!✦🚚 Miễn phí vận chuyển cho đơn trên 500.000₫✦⚡ Flash Sale — Số lượng có hạn!✦🎁 Quà tặng kèm cho đơn từ 1.000.000₫✦
The End of Harness Engineering: khi AI tự viết và tự chấm harness, con người chỉ còn lại bộ dữ liệu đánh giá
Quay lại Blog

The End of Harness Engineering: khi AI tự viết và tự chấm harness, con người chỉ còn lại bộ dữ liệu đánh giá

16 tháng 11, 202610 phút đọcVũ Khôi
Tin tức
#Wotech
Vũ Khôi

Vũ Khôi

Tác giả tại Wotech Electronics Blog

Tóm tắt bài báo The End of Harness Engineering

The End of Harness Engineering: khi AI tự viết và tự chấm harness, con người chỉ còn lại bộ dữ liệu đánh giá

Các nhà nghiên cứu Trung Quốc vừa công bố một bài báo có tiêu đề đủ khiến mọi framework AI Agent phải dè chừng: "The End of Harness Engineering" — Sự kết thúc của kỹ thuật xây dựng harness. Theo bài đăng của trang Học lập trình cho người mới bắt đầu ngày 15/11/2026, lập luận của bài nghiên cứu có thể tóm gọn trong một câu: việc con người tự viết chương trình bao quanh mô hình AI đang dần trở thành một kỹ năng lỗi thời, bởi vòng lặp AI có thể tự tạo ra, tự đánh giá và tự cải tiến harness — còn vai trò của con người thu hẹp lại thành việc thiết kế bộ dữ liệu đánh giá.

Trả lời nhanh: Theo bài đăng, bài báo "The End of Harness Engineering" cho rằng harness do con người viết chỉ là một phỏng đoán về cách giải quyết một nhiệm vụ cụ thể tại một thời điểm nhất định, được triển khai rồi vận hành suốt nhiều tháng mà không được đọc lại hay đánh giá hiệu quả. Trong khi đó, harness được tạo ra bởi một vòng lặp AI là một tệp có khả năng tự đánh giá chính nó: một mô hình nhỏ 4B đọc những lỗi đã xảy ra và đề xuất 8 chỉnh sửa, chỉ chỉnh sửa đạt điểm cao nhất trên tập câu hỏi kiểm thử độc lập mới được giữ lại, còn mô hình lớn thực hiện nhiệm vụ chính được giữ nguyên hoàn toàn. Vai trò của con người thu hẹp thành một thành phần duy nhất: bộ dữ liệu đánh giá (scoring set) — tập hợp những câu hỏi dùng để chấm điểm harness. Các framework sẽ trở thành thứ có thể thay thế và loại bỏ liên tục, còn việc thiết kế bài kiểm tra mới chính là công việc cốt lõi.

Harness là chương trình bao quanh một mô hình AI: phần code lo prompt, gọi công cụ, vòng lặp suy nghĩ–hành động, kiểm tra kết quả và xử lý lỗi — nói gọn theo công thức từng được Wotech giới thiệu: Agent = Model + Harness. Scoring set (bộ dữ liệu đánh giá) là tập hợp những câu hỏi hoặc nhiệm vụ kiểm thử độc lập dùng để chấm điểm và lựa chọn giữa các phiên bản harness.

Bài báo "The End of Harness Engineering" lập luận điều gì?

Theo bài đăng, các nhà nghiên cứu Trung Quốc cho rằng việc con người tự viết chương trình bao quanh mô hình AI đang dần trở thành một kỹ năng lỗi thời. Một harness do con người viết, về bản chất, chỉ là một phỏng đoán về cách giải quyết một nhiệm vụ cụ thể tại một thời điểm nhất định. Nó được triển khai, sau đó vận hành suốt nhiều tháng mà không được đọc lại hay đánh giá hiệu quả — nghĩa là phỏng đoán ban đầu cứ thế tồn tại, dù nhiệm vụ, dữ liệu hay mô hình bên dưới đã thay đổi.

Trong khi đó, harness được tạo ra bởi một vòng lặp AI là một tệp có khả năng tự đánh giá chính nó. Thay vì một phỏng đoán tĩnh của con người, hệ thống liên tục đo lường, đề xuất thay đổi và chỉ giữ lại thay đổi nào thực sự cải thiện điểm số. Toàn bộ bài nghiên cứu, theo bài đăng, được tóm tắt trong một hình ảnh do Mr Buzz chia sẻ — cũng là ảnh minh họa duy nhất của bài đăng gốc.

Cần lưu ý: bài viết này trình bày lập luận của bài báo theo đúng bài đăng trên Facebook; Wotech chưa đọc và kiểm chứng độc lập toàn văn bài nghiên cứu.

Vòng lặp AI tạo harness hoạt động như thế nào?

Theo mô tả trong bài đăng, vòng lặp gồm các bước sau:

  1. Mô hình nhỏ đọc lỗi: Một mô hình nhỏ 4B (4 tỷ tham số) đọc những lỗi đã xảy ra trong quá trình harness vận hành.
  2. Đề xuất nhiều chỉnh sửa: Mô hình nhỏ đề xuất 8 chỉnh sửa cho harness.
  3. Chấm điểm độc lập: Mỗi chỉnh sửa được chấm điểm trên một tập câu hỏi kiểm thử độc lập — tách biệt với dữ liệu đã dùng để tạo ra chỉnh sửa.
  4. Chỉ giữ lại bản tốt nhất: Chỉ chỉnh sửa đạt điểm cao nhất mới được giữ lại; các chỉnh sửa còn lại bị loại bỏ.
  5. Mô hình lớn không đổi: Mô hình lớn thực hiện nhiệm vụ chính vẫn được giữ nguyên hoàn toàn, không thay đổi trọng số trong suốt quá trình này.

Bài đăng lấy ví dụ: đặt một mô hình ngôn ngữ lớn vào vị trí thực hiện nhiệm vụ chính, và qua mỗi vòng lặp, hệ thống sẽ viết lại và tối ưu harness xung quanh mô hình đó. Harness vì thế không còn là một artefact tĩnh do con người viết một lần, mà là một tệp sống, liên tục được viết lại dựa trên bằng chứng đo lường được.

Harness do người viết khác gì harness do vòng lặp AI tạo?

Khía cạnh Harness do con người viết Harness do vòng lặp AI tạo
Bản chất Một phỏng đoán về cách giải quyết nhiệm vụ tại một thời điểm Một tệp có khả năng tự đánh giá chính nó
Đánh giá hiệu quả Thường không được đọc lại hay đánh giá sau khi triển khai Được chấm điểm mỗi vòng lặp trên tập kiểm thử độc lập
Cải tiến Phụ thuộc vào thời gian và sự chú ý của con người Tự đề xuất nhiều chỉnh sửa, chỉ giữ lại bản đạt điểm cao nhất
Mô hình chính Có thể bị thay đổi cùng harness Được giữ nguyên hoàn toàn, không thay đổi trọng số
Tuổi thọ Vận hành suốt nhiều tháng không thay đổi Liên tục được viết lại và tối ưu qua mỗi vòng lặp

Vai trò còn lại của con người là gì?

Câu hỏi trung tâm mà bài đăng đặt ra là: vậy vai trò của con người còn lại gì? Câu trả lời của bài báo, theo bài đăng, là vai trò đó thu hẹp lại thành một thành phần duy nhất: bộ dữ liệu đánh giá (scoring set) — tập hợp những câu hỏi dùng để chấm điểm harness.

Hệ quả kéo theo rất đáng chú ý. Các framework sẽ trở thành thứ có thể thay thế và loại bỏ liên tục: nếu harness có thể tự viết lại và tự chấm điểm, thì giá trị không còn nằm ở framework cụ thể nào, mà nằm ở chất lượng của bài kiểm tra dùng để lựa chọn giữa các harness. Việc thiết kế bài kiểm tra — chọn đúng câu hỏi, đúng nhiệm vụ, đúng tiêu chí chấm điểm — mới chính là công việc cốt lõi.

Nói cách khác, con người chuyển từ việc viết "đáp án" (harness) sang việc viết "đề thi" (scoring set). Một scoring set kém sẽ chọn ra harness kém, dù vòng lặp có chạy bao nhiêu lần; một scoring set tốt mới là thứ quyết định hệ thống cuối cùng giỏi tới đâu.

Điều này có ý nghĩa gì với người làm AI Agent?

Nếu lập luận của bài báo đúng, một số thay đổi đáng theo dõi:

  • Kỹ năng viết harness thủ công mất dần giá trị: Việc tự tay viết prompt, vòng lặp và xử lý lỗi quanh mô hình có thể trở thành kỹ năng lỗi thời, như bài báo khẳng định.
  • Kỹ năng thiết kế đánh giá lên ngôi: Thiết kế tập kiểm thử độc lập, tiêu chí chấm điểm và quy trình lựa chọn trở thành công việc cốt lõi của người làm agent.
  • Framework trở nên dùng một lần: Thay vì gắn bó lâu dài với một framework, các đội có thể liên tục thay thế và loại bỏ framework khi vòng lặp tìm ra harness tốt hơn.
  • Mô hình lớn đứng yên, harness chuyển động: Việc giữ nguyên mô hình chính trong khi tối ưu harness cho thấy cải tiến hiệu năng có thể đến từ lớp bao quanh, không nhất thiết phải thay mô hình hay tinh chỉnh trọng số.

Tuy vậy, vẫn cần thận trọng: đây là lập luận của một bài báo được tóm tắt qua một bài đăng Facebook và một hình ảnh duy nhất. Phạm vi áp dụng của phương pháp — loại nhiệm vụ nào phù hợp, chi phí chạy vòng lặp ra sao, scoring set cần lớn tới mức nào — chưa được trình bày trong bài đăng, và Wotech chưa kiểm chứng độc lập những tuyên bố này.

Câu hỏi thường gặp

1. "The End of Harness Engineering" là gì? Là tiêu đề một bài báo của các nhà nghiên cứu Trung Quốc, theo bài đăng của trang Học lập trình cho người mới bắt đầu. Bài báo lập luận rằng việc con người tự viết chương trình bao quanh mô hình AI đang dần trở thành kỹ năng lỗi thời.

2. Vòng lặp AI tạo harness hoạt động như thế nào? Một mô hình nhỏ 4B đọc các lỗi đã xảy ra, đề xuất 8 chỉnh sửa; chỉ chỉnh sửa đạt điểm cao nhất trên tập câu hỏi kiểm thử độc lập mới được giữ lại, còn mô hình lớn thực hiện nhiệm vụ chính được giữ nguyên hoàn toàn.

3. Harness do người viết có vấn đề gì, theo bài báo? Nó chỉ là một phỏng đoán tại một thời điểm, được triển khai rồi vận hành suốt nhiều tháng mà không được đọc lại hay đánh giá hiệu quả.

4. Vai trò còn lại của con người là gì? Thiết kế bộ dữ liệu đánh giá (scoring set) — tập hợp câu hỏi dùng để chấm điểm harness. Các framework trở nên có thể thay thế liên tục, còn thiết kế bài kiểm tra mới là công việc cốt lõi.

5. Bài viết này có kiểm chứng bài báo không? Chưa. Bài viết trình bày lập luận của bài báo theo bài đăng trên Facebook và hình ảnh tóm tắt do Mr Buzz chia sẻ; Wotech chưa đọc và kiểm chứng độc lập toàn văn bài nghiên cứu.

Bài viết được viết lại từ bài đăng của trang Học lập trình cho người mới bắt đầu ngày 15/11/2026, tóm tắt bài báo "The End of Harness Engineering". Các lập luận, con số và cơ chế trong bài theo bài đăng gốc và hình ảnh tóm tắt của Mr Buzz; Wotech chưa kiểm chứng độc lập toàn văn bài nghiên cứu.