GitHub Copilot ra mắt quy trình 'Harness': Hợp nhất toàn bộ vòng đời phát triển phần mềm

Một quy trình làm việc thực tế với GitHub Copilot để tạo nguyên mẫu, lập kế hoạch, triển khai và đánh giá phần mềm mà không cần phải chạy theo mọi công cụ AI mới xuất hiện.

27 tháng 7, 2026

14 phút

Nếu bạn đang cảm thấy choáng ngợp bởi AI vào lúc này, bạn không hề đơn độc.

Dường như mỗi ngày đều có một công cụ mới, một MCP mới, một mô hình mới, một kỹ năng mới, một quy trình làm việc mới, một tính năng mới, một bài đăng trên mạng xã hội nào đó kiểu như: "Này nhìn xem! Tôi đã hoàn toàn làm chủ AI chỉ với một câu lệnh lạ lùng này."

Tôi… không tin bạn.

Tôi làm việc với AI mỗi ngày, và điều tôi nhận ra là "ít hơn lại là nhiều hơn". Không phải việc tôi cài đặt, cấu hình hay lừa các tác nhân (agent) làm điều gì đó mới tạo ra sự khác biệt thực sự. Những thứ đó thú vị đấy, nhưng cuối cùng thì chúng chỉ giống như những mánh lới quảng cáo.

Tôi thấy hiệu suất công việc của mình tăng lên đáng kể nhờ vào cách tôi sử dụng nền tảng (harness) và mức độ hiểu biết của tôi về nó.

Vì vậy, trong bài viết này, tôi sẽ chia sẻ với bạn một quy trình làm việc đơn giản mà bạn có thể sử dụng để cải thiện đáng kể hiệu quả công việc với AI chỉ bằng cách tận dụng các tính năng sẵn có của GitHub Copilot. Không cần câu lệnh kỳ lạ. Không cần kỹ năng mà ai cũng tưởng là mình biết. Chỉ cần nền tảng đó. Nền tảng đó là tất cả những gì bạn cần—hầu như là vậy.

1. Chọn một công cụ, bất kỳ công cụ nào

Điều này quá rõ ràng phải không? Hãy chọn một công cụ! Thật dễ dàng!

Nhưng ngay cả trong hệ sinh thái GitHub Copilot, cũng có rất nhiều lựa chọn. Chúng bao gồm CLI, ứng dụng GitHub Copilot mới, VS Code, Visual Studio và JetBrains, chỉ kể tên một vài cái tên tiêu biểu.

Tin tốt là các trải nghiệm này đang ngày càng được tập trung hóa trên cùng một nền tảng. Các chi tiết có thể khác nhau tùy theo công cụ, nhưng quy trình cốt lõi thì nhất quán. Học nền tảng một lần, sử dụng ở mọi nơi.

Mặc dù vậy, tôi tin rằng việc học cách sử dụng nền tảng là chìa khóa, và cách tốt nhất để học là tiếp cận nó gần nhất có thể. Vì vậy, nếu bạn mới bắt đầu, tôi khuyên bạn nên bắt đầu với GitHub Copilot CLI. Đó là giao diện dòng lệnh, nghĩa là nó chỉ toàn văn bản. Không có nhiều giao diện người dùng (UI) để học. Bạn nhập câu lệnh. Tác nhân thực hiện công việc. Nhưng sự tương tác trực tiếp, tức thì và thành thật mà nói, rất thỏa mãn.

Để minh họa, tôi sẽ sử dụng ứng dụng GitHub Copilot mới. Nhưng nền tảng mà ứng dụng đó sử dụng chính xác là thứ bạn sẽ dùng nếu bạn đang sử dụng GitHub Copilot CLI, Visual Studio Code và nhiều nơi khác mà bạn có thể tìm thấy GitHub Copilot.

2. Bật chế độ YOLO

Chế độ YOLO còn được gọi là "Allow All" (Cho phép tất cả). Chế độ này cho phép tác nhân thực thi bất kỳ lệnh nào mà không cần hỏi quyền. Điều này có thể khác nhau tùy thuộc vào công cụ bạn đang sử dụng, nhưng với hầu hết các công cụ, đó chỉ đơn giản là lệnh /allow-all trong khung chat. Nếu không, tác nhân sẽ dừng lại và chờ bạn phê duyệt mỗi khi nó cần thực hiện bất kỳ công việc nào.

Các tác nhân cần sự tự chủ để bạn thấy được sự gia tăng năng suất. Nếu bạn phải phê duyệt mọi thứ mà tác nhân làm, thì thà bạn tự làm còn nhanh hơn. Hơn nữa, đó là một trải nghiệm người dùng tồi tệ. Không ai muốn bị gò bó ngồi tại bàn làm việc chỉ để nhấn nút "Phê duyệt" cả ngày. Và việc nhấn "Phê duyệt" lặp đi lặp lại chỉ khiến bạn không còn đọc những gì mình đang phê duyệt, điều này làm mất đi mục đích ban đầu.

Tuy nhiên, bạn vẫn muốn đảm bảo an toàn khi làm việc với các tác nhân. Những điều tồi tệ có thể xảy ra với những người tốt. Khi sử dụng chế độ YOLO, bạn không nên chạy tác nhân trên máy cục bộ của mình. Điều này đặc biệt đúng khi bạn sử dụng chúng tại nơi làm việc—dữ liệu là riêng tư trên hệ thống của tổ chức bạn, và những sai lầm có thể gây ra hậu quả đắt giá.

May mắn thay, có rất nhiều tùy chọn để chạy các tác nhân trong môi trường sandbox. Một cách dễ dàng để bắt đầu là sử dụng GitHub Codespaces hoặc các container phát triển (development containers).

3. Bắt đầu với một nguyên mẫu (prototype)

Một trong những điều kỳ diệu nhất về AI là bạn có thể dễ dàng tạo nguyên mẫu cho bất cứ thứ gì ngay từ đầu. Trước đây, điều này không hề dễ dàng. Tạo nguyên mẫu là cả một giai đoạn đầy đủ của dự án và thường là một sự xa xỉ. Bây giờ, bạn có thể tạo ra một cái chỉ với một câu lệnh.

Hãy xem một vài ví dụ.

Giả sử chúng ta muốn xây dựng một thành phần web chọn ngày (date picker). Nghe có vẻ đơn giản, nhưng thực tế lại khá phức tạp. Hãy nghĩ về tất cả những điều khác nhau mà bạn có thể muốn thực hiện với nó.

Hãy bắt đầu với một nguyên mẫu đơn giản và nhận về vài biến thể. Tôi thường bắt đầu với thứ gì đó như thế này:

Trong trường hợp này, AI đã tạo ra một loạt các bố cục khác nhau, nhưng một trong số đó là bản mô phỏng bắt đầu bằng chế độ xem theo năm. Thật thú vị. Tôi muốn bộ chọn ngày của mình cho phép người dùng thu nhỏ (zoom out) để xem theo năm, sau đó vào tháng, và cuối cùng là ngày. Đây là những điều bạn không cân nhắc cho đến khi nhìn thấy chúng.

Là con người, chúng ta xử lý các mô hình giàu cảm giác như hình ảnh, hình khối và bố cục hữu hình nhanh hơn nhiều so với văn bản dày đặc. Việc tạo ra các nguyên mẫu ít tốn công sức ngay từ đầu giúp các khái niệm phức tạp trở nên trực quan ngay lập tức.

Và điều này cũng áp dụng cho các tác vụ không trực quan.

Ví dụ, nếu tôi muốn thêm một API endpoint mới, tôi vẫn sẽ tạo một nguyên mẫu trực quan để hiểu các yêu cầu và ràng buộc trước khi bắt tay vào triển khai.

Vì ứng dụng GitHub Copilot hỗ trợ sơ đồ Mermaid, tác nhân sẽ hiển thị kết quả này dưới dạng Markdown, vạch ra năm cách khác nhau mà chúng ta có thể triển khai API endpoint này.

Khi làm việc với các tác nhân, rất dễ quên rằng mọi thứ đều có sắc thái riêng. Việc tạo nguyên mẫu giúp khám phá các sắc thái đó ngay từ đầu, để bạn tránh lãng phí thời gian và token quý giá vào việc làm lại.

Tôi khuyên bạn nên sử dụng mô hình cỡ trung bình, chẳng hạn như GPT 5.6 Terra hoặc Claude Sonnet, ở mức độ suy luận trung bình cho hầu hết công việc. Tôi cũng khuyên bạn nên gắn bó với bất kỳ mô hình nào bạn đã chọn trong suốt quá trình thực hiện tính năng, sửa lỗi hoặc cải tiến cụ thể đó. Tính năng lưu trữ câu lệnh (prompt caching) sẽ giúp bạn tiết kiệm token. Miễn là bạn không chuyển sang mô hình hoặc mức độ suy luận khác, các cuộc trò chuyện trước đó của bạn vẫn được lưu trong bộ nhớ đệm với mô hình đó, giúp bạn được giảm giá cho các yêu cầu trong tương lai.

4. Lập kế hoạch một cách bài bản

Bây giờ bạn đã biết mình thực sự muốn gì so với những gì bạn nghĩ ban đầu, đã đến lúc lập kế hoạch triển khai.

Chuyển sang chế độ lập kế hoạch (plan mode) trong GitHub Copilot mà không cần bắt đầu phiên làm việc mới.

“/plan Xây dựng một thành phần web chọn ngày. Tôi muốn người dùng có thể thu nhỏ và phóng to giữa các năm, tháng và ngày.”

Đó là một câu lệnh khá mơ hồ, và bạn có thể sẽ có nhiều ngữ cảnh hơn cho mô hình so với tôi ở đây, nhưng đây chỉ là một ví dụ minh họa. Nếu bạn không có thêm ngữ cảnh, cũng không sao. Đó chính xác là mục đích của bước này.

Về lý thuyết, bạn có thể khiến một mô hình thực hiện mọi thứ chỉ trong một lần nếu bạn soạn thảo câu lệnh hoàn hảo với ngữ cảnh hoàn hảo theo thứ tự hoàn hảo. Về lý thuyết là vậy.