Jeff Dean, cựu Chief Scientist của Google người đã rời công ty sau 27 năm, vừa chia sẻ trong một buổi phỏng vấn với Y Combinator rằng lựa chọn model AI nào đang ngày càng ít quan trọng hơn cách bạn sử dụng nó. Và cụm từ ông nhắc đến là Context Engineering.
Đây không phải lời khuyên suông. Nó đến từ người đã xây dựng cả Google Search lẫn Google AI – hai hệ thống định hình lại cách thế giới tìm thông tin. Vậy Context Engineering là gì và tại sao bạn nên quan tâm?
Context Engineering Là Gì?
Context Engineering là nghệ thuật và khoa học của việc xây dựng hệ thống xung quanh model AI: bao gồm retrieval thông tin phù hợp, tool calls, memory, và orchestration giữa nhiều agent. Thay vì kỳ vọng model tự làm mọi thứ, bạn trang bị cho nó những công cụ và dữ liệu cần thiết ngay trong context window.
Jeff Dean giải thích rằng training data của model giống như “n hàng tỷ token khuấy đều vào một nồi súp hàng trăm tỷ parameter”. Thông tin có ở đó, nhưng không rõ ràng. Trong khi đó, thông tin bạn đưa trực tiếp vào context – tài liệu liên quan, lịch sử trò chuyện, kết quả retrieval – lại cực kỳ rõ ràng cho model với vấn đề cụ thể trước mắt.
Tại Sao Model Ít Quan Trọng Hơn Bạn Nghĩ?
Nhiều người dùng AI bị ám ảnh bởi việc chọn đúng model: GPT-5.6 hay Claude Opus 5? Gemini 3.6 hay DeepSeek V4? Jeff Dean nói thẳng: model chỉ là một mảnh của bức tranh.
Điều quan trọng hơn là hệ thống bạn xây quanh model đó. Một model trung bình nhưng được trang bị retrieval tốt, tool phù hợp, và agent orchestration thông minh sẽ vượt xa một model mạnh nhất nhưng hoạt động trong chân không. Dean nhấn mạnh rằng việc phối hợp nhiều agent – multi-agent orchestration – sẽ ngày càng trở thành yếu tố quyết định.
Jeff Dean Khuyên Gì Cho Developer?
Trình phỏng vấn Diana Hu của Y Combinator chỉ ra một điểm thú vị: trước đây để cải thiện AI bạn cần GPU hàng nghìn tỷ, data khổng lồ. Nhưng Context Engineering thì ai cũng làm được – chỉ cần API và sự kiên nhẫn.
Jeff Dean đưa ra phương pháp thực tế: dùng model, quan sát nơi nó thất bại, rồi thay vì cố điều chỉnh parameter (điều gần như không thể từ bên ngoài), hãy viết guidelines tốt hơn và tạo skills cho model – cách hướng dẫn model sử dụng tool hiệu quả hơn cho từng lớp vấn đề cụ thể. Đây là vòng lặp tự cải thiện: càng dùng nhiều, càng hiểu model cần thêm thông tin gì để giỏi hơn.
Context Engineering Vs Prompt Engineering: Khác Gì Nhau?
Prompt Engineering tập trung vào cách bạn viết指令 cho model trong một lần tương tác. Context Engineering rộng hơn nhiều – nó là việc thiết kế toàn bộ hệ thống cung cấp thông tin cho model: RAG pipeline, tool definitions, agent memory, multi-step reasoning, và cách nhiều agent phối hợp với nhau.
Nói cách khác: Prompt Engineering là viết một câu hỏi hay. Context Engineering là xây cả môi trường để model có thể trả lời câu hỏi đó tốt nhất có thể.
Ai Nên Bắt Đầu Tự Context Engineering Ngay?
Nếu bạn là developer đang xây ứng dụng AI, SEOer muốn tối ưu cho AI search, hoặc creator dùng AI agent cho workflow – Context Engineering là kỹ năng đáng đầu tư nhất trong 2026. Không cần GPU đắt tiền, không cần train model. Bạn chỉ cần hiểu vấn đề của mình sâu enough để biết model cần thêm công cụ và thông tin gì.
Jeff Dean kết thúc bằng một câu đáng suy ngẫm: đây là thời điểm thú vị nhất cho AI, và những người giỏi orchestration – không phải những người có model mạnh nhất – sẽ là người thắng.
Bạn Cần Làm Gì Tiếp Theo?
Bắt đầu đơn giản: chọn một workflow AI bạn đang dùng hàng ngày, ghi lại nơi model thường sai, rồi thay vì đổi model, hãy thêm context – một tài liệu tham khảo, một tool lookup, một guideline rõ hơn. Đo lường kết quả. Lặp lại. Đó chính là Context Engineering mà Jeff Dean đang nói đến.
Theo dõi thêm về xu hướng AI và cách ứng dụng thực tế tại thienlv.com, nơi mình liên tục cập nhật những phân tích sâu về công nghệ AI đang thay đổi cách chúng ta làm việc.
