Bảo Ngọc: 'Kỹ năng kiểu điện tín' để tiết kiệm token chỉ là giải pháp tạm thời

Tôi gọi loại Skill được quảng cáo là giúp tiết kiệm Token này là "Skill kiểu điện tín".

Hồi còn nhỏ, trong giờ Ngữ văn chúng ta từng học về văn phong điện tín. Giáo viên đưa ra một tình huống, ví dụ như mẹ bị ốm, cần bảo anh trai đang làm việc ở xa mau chóng về nhà, sau đó cả lớp thi nhau soạn điện tín xem ai dùng ít chữ nhất mà vẫn diễn đạt rõ ràng nhất.

Kết quả có thể rút gọn xuống còn bốn chữ: "Mẫu bệnh tốc quy" (Mẹ ốm về gấp). Nhưng nếu rút gọn hơn nữa thành "Mẫu bệnh" hay "Tốc quy" thì không được, vì người nhận sẽ không hiểu phải làm gì hoặc đã xảy ra chuyện gì.

Thời đó viết kiểu điện tín là để tiết kiệm tiền, vì điện tín tính phí theo chữ, mỗi chữ đều là tiền cả.

Kỹ năng "tiết kiệm chữ như vàng" này, nay đã hồi sinh trong giới AI dưới hình thức các Skill.

Trên GitHub có một dự án tên là Caveman, lên sóng vào tháng 4 năm 2026 và chỉ sau ba ngày đã leo lên vị trí số 1 trên Trending, hiện đã tích lũy được 87.000 sao. Tác giả của nó, Julius Brussee, là một sinh viên năm nhất 19 tuổi tại Đại học Leiden, Hà Lan. Việc cậu ấy làm cực kỳ đơn giản: thêm một đoạn chỉ dẫn vào prompt của các công cụ lập trình AI như Claude Code, Codex, v.v., yêu cầu AI nói chuyện như người tiền sử. Xóa mạo từ, xóa lời khách sáo, xóa từ nối, chỉ giữ lại các yếu tố kỹ thuật.

README của dự án tuyên bố có thể tiết kiệm 65% token đầu ra. Nghe có vẻ rất "xịn". Nhưng cũng giống như văn phong điện tín, đây là sản phẩm của thời kỳ quá độ, hơn nữa hiệu quả tiết kiệm tiền của nó không hề lớn như vẻ ngoài.

JetBrains gần đây có một bài kiểm tra: Does Speaking to Agents Like Cavemen Really Save 65% of Tokens We Test https://blog.jetbrains.com/ai/2026/07/speak-to-ai-agents-like-cavemen-tosave-tokens/

Họ dùng Claude Code để chạy 86 tác vụ lập trình thực tế trên SkillsBench, mỗi tác vụ chạy hai lần, một lần có cài skill và một lần không, cùng tác vụ, cùng mô hình, cùng ngân sách, tổng cộng khoảng 240 lần thử nghiệm tính phí, tiêu tốn hết 106 USD. Để Caveman có không gian thể hiện tốt nhất, họ còn bắt buộc nó phải kích hoạt trong mỗi lần phản hồi.

Kết quả: Token đầu ra chỉ tiết kiệm được 8,5%. Vì là bắt buộc kích hoạt nên 8,5% này đã là mức trần rồi, trong sử dụng hàng ngày nó phải tự phán đoán xem có nên kích hoạt hay không, nên mức tiết kiệm sẽ còn thấp hơn nữa.

Tại sao lại chênh lệch lớn như vậy? Vì con số 65% kia đến từ ngữ cảnh trò chuyện. Bạn hỏi AI một câu, nó trả lời bạn một đoạn dài, việc cắt bỏ những lời khách sáo và rườm rà quả thực có thể tiết kiệm hơn một nửa.

Nhưng phần lớn mức tiêu thụ Token của các Agent (tác nhân thông minh) chưa bao giờ nằm ở việc trò chuyện, mà là ở việc gọi công cụ (tool calling), system prompt, các loại Skills, MCP, v.v.

Phần mà Caveman tối ưu hóa, trong tổng hóa đơn vốn dĩ chỉ là phần lẻ. Giống như việc công ty muốn cắt giảm chi phí công tác, vé máy bay, khách sạn và tiền taxi không đụng đến, lại đi hủy bỏ khoản tiền nước khoáng 2 đồng mỗi ngày.

Văn phong điện tín cũng không phải không có cái giá của nó. Một câu "Fixed auth. Tests pass." trông có vẻ rất tiết kiệm Token. Nhưng nó không cho bạn biết cái được sửa là lỗi hết hạn đăng nhập, lỗi kiểm tra quyền hạn hay lỗi làm mới token; cái được chạy là một unit test hay toàn bộ bộ test; có sửa cơ sở dữ liệu hay không; có để lại rủi ro tương thích nào không.

Những thông tin này không nhất thiết lần nào cũng phải viết thành tiểu luận, nhưng không thể vì "nói chuyện như người tiền sử" mà cố định xóa bỏ chúng. Lập trình viên không hiểu Agent đã làm gì, đành phải hỏi lại. Agent lại đọc file, lại chạy test, lại giải thích một lần nữa. Mấy chục Token tiết kiệm được lúc trước, rất nhanh sẽ bị vòng gọi công cụ mới "nuốt" sạch.

Văn phong điện tín có thể hoạt động là nhờ hai bên chia sẻ lượng lớn bối cảnh. "Mẫu bệnh tốc quy" chỉ có bốn chữ, người nhận điện tín biết mẹ là ai, nhà ở đâu, tại sao phải về. Còn Agent lập trình xử lý những đoạn mã thay đổi liên tục và các tác vụ xa lạ, bối cảnh chia sẻ không đáng tin cậy đến thế.

Ngôn ngữ càng ngắn, yêu cầu về sự ăn ý càng cao. Dài dòng, đôi khi chính là mã sửa lỗi tự thân trong giao thức truyền tin.

Văn phong điện tín sau đó thế nào rồi? Không ai tuyên bố bãi bỏ nó cả. Sau khi giá cước liên lạc đường dài giảm xuống mức không đáng kể, "Mẫu bệnh tốc quy" tự nhiên biến trở lại thành "Mẹ nhập viện rồi, con mua vé sớm nhất về nhé, đến nơi thì gọi cho mẹ". Tiết kiệm số chữ là sự tối ưu hóa cho thời đại tính phí theo chữ, khi giá đã giảm xuống, sự tối ưu hóa đó không còn cần thiết nữa.

Token cũng vậy, đơn giá mô hình nhìn chung đang giảm, prompt caching (bộ nhớ đệm prompt) có thể giúp việc đọc lại ngữ cảnh lặp đi lặp lại rẻ hơn khoảng 90%.

Thứ thực sự có thể tiết kiệm chi phí là quản lý ngữ cảnh và tránh đi đường vòng. Tải ít MCP và Skills không cần thiết, dùng mô hình thông minh hơn để giảm bớt việc phải làm lại, tất cả những điều này đều tiết kiệm tiền hơn nhiều so với văn phong điện tín.

“Tz: Tôi xin đưa ra một nhận định gây sốc ở đây: Tất cả các loại skill / harness hiện nay với mục tiêu tiết kiệm token đều là sản phẩm mang tính giai đoạn, rất nhanh sẽ bị quét vào thùng rác lịch sử... Đây chính là những thủ thuật vặt vãnh trong thời đại tin nhắn ngắn tính phí theo số chữ, khi người ta cố gắng nghiên cứu cách viết ít chữ nhất có thể để diễn đạt rõ ràng sự việc...”