Harness là gì? Vì sao AI Agent làm tốt hay dở nằm ở harness
Key takeaway
- Harness là toàn bộ phần mềm và quy tắc bao quanh một mô hình AI, gồm hướng dẫn, công cụ, bộ nhớ, bước kiểm tra và quyền hạn. Có thể tóm gọn bằng công thức Agent = Model + Harness.
- Cùng một model, harness khác nhau cho kết quả rất khác. LangChain giữ nguyên GPT-5.2-Codex, chỉ sửa harness mà điểm Terminal Bench 2.0 tăng từ 52,8% lên 66,5%.
- Cơn sốt Tokenmaxxing, tức coi lượng token dùng là thước đo năng suất, đang hạ nhiệt. Apple, Uber đã đặt trần chi tiêu AI cho nhân viên sau khi hoá đơn token tăng vọt.
- Với đội marketing, dựng harness đơn giản gồm file hướng dẫn cố định, chia việc theo bước, bước kiểm tra và ngân sách token sẽ giúp AI làm đều tay hơn mà không tốn thêm tiền đổi model.
Nhiều người dùng AI cho công việc marketing đều gặp tình huống cùng một model nhưng công cụ này làm tốt còn công cụ kia làm dở. Phần tạo ra khác biệt đó được gọi là harness. Vậy harness là gì và vì sao giới công nghệ bàn nhiều về nó khi các công ty lớn đang siết ngân sách token AI? Bài viết này giải thích harness gồm những phần nào, vì sao đổi harness hiệu quả hơn đổi model và cách áp dụng cho đội marketing.
Nếu bạn mới làm quen với AI Agent, bạn có thể đọc trước bài Claude Code là gì để hình dung một công cụ AI Agent hoạt động ra sao.
- Harness là gì?
- Một AI harness gồm những phần nào?
- Harness khác model, framework và prompt engineering thế nào?
- Vì sao đổi harness hiệu quả hơn đổi model?
- Tokenmaxxing là gì và vì sao các công ty siết ngân sách token?
- Ví dụ một harness cho đội content marketing
- 5 cách dựng agent harness đơn giản cho công việc marketing
- Câu hỏi thường gặp
- Harness là gì với người làm marketing?
Harness là gì?
Harness là toàn bộ phần mềm và quy tắc bao quanh một mô hình AI để biến mô hình đó thành AI Agent làm được việc thật. Phần bao quanh này gồm lời hướng dẫn, công cụ, bộ nhớ, bước kiểm tra và quyền hạn. Giới kỹ thuật thường tóm gọn bằng công thức Agent = Model + Harness.

Trong tiếng Anh, harness vốn là bộ dây cương giúp người cưỡi điều khiển con ngựa. Model AI giống con ngựa khoẻ, còn harness giúp sức mạnh đó đi đúng hướng. Đây cũng là lý do thuật ngữ này được mượn sang lĩnh vực AI.
Các công cụ bạn đang dùng hằng ngày như Claude Code, Codex hay Cursor đều là một dạng agent harness. Chúng có thể chạy cùng một model, nhưng mỗi công cụ đưa cho model những hướng dẫn, công cụ và cách kiểm tra khác nhau. Vì vậy kết quả cuối cùng cũng khác nhau.
Harness engineering là gì?
Harness engineering là công việc thiết kế, đo lường và sửa harness để AI Agent làm việc chính xác hơn. Thuật ngữ này được OpenAI dùng trong bài chia sẻ Harness engineering ngày 11/02/2026. Theo OpenAI, kỹ sư lúc này lo dựng môi trường, viết tài liệu và đặt vòng phản hồi. Phần viết code do AI Agent đảm nhận.
Người làm harness engineering ít khi hỏi “nên dùng model nào”. Họ hỏi AI cần biết gì, được làm gì và phải tự kiểm tra ra sao trước khi nộp kết quả.
Một AI harness gồm những phần nào?
Một AI harness hoàn chỉnh thường có 6 phần, mỗi phần giải quyết một điểm yếu của model khi làm việc một mình. Model không tự nhớ việc hôm qua, không tự mở được Google Sheets và cũng không biết khi nào nên dừng lại. Harness bù vào những chỗ đó.

Bảng dưới đây tóm tắt 6 phần chính kèm ví dụ trong công việc marketing:
|
Phần của harness |
Việc nó làm |
Ví dụ trong marketing |
|
Hướng dẫn và ngữ cảnh |
Cho AI biết nó là ai, làm theo chuẩn nào |
File quy định giọng văn thương hiệu, bài mẫu đã duyệt |
|
Công cụ |
Cho AI đọc và thao tác trên dữ liệu thật |
Đọc web, mở Google Sheets, lấy số liệu Search Console |
|
Bộ nhớ và trạng thái |
Ghi lại việc đã làm để lần sau làm tiếp |
File ghi tiến độ từng bài viết |
|
Quy trình và chia việc |
Chia việc lớn thành bước nhỏ, giao đúng người làm |
Tách nghiên cứu, viết, làm ảnh thành các bước riêng |
|
Kiểm tra đầu ra |
Bắt lỗi trước khi nộp kết quả |
Checklist SEO, công cụ soát chính tả |
|
Quyền hạn và người duyệt |
Giới hạn việc AI được tự làm |
AI được viết nháp, chỉ người duyệt mới bấm đăng |
Phần bộ nhớ đặc biệt quan trọng với việc kéo dài nhiều giờ. Trong bài Effective harnesses for long-running agents, Anthropic cho agent ghi một file tiến độ sau mỗi phiên làm việc. Phiên sau đọc lại file này và làm tiếp thay vì bắt đầu lại từ đầu.
Harness khác model, framework và prompt engineering thế nào?
Harness thường bị nhầm với model, framework hoặc prompt engineering vì cả bốn đều nằm trong một AI Agent. Cách phân biệt dễ nhất là xem mỗi thứ đảm nhận vai trò gì trong hệ thống.
Bảng so sánh dưới đây giúp bạn phân biệt nhanh:
|
Khái niệm |
Vai trò |
Ví dụ |
|
Model |
Bộ phận suy luận và tạo câu trả lời |
GPT-5.2, Claude Opus, Gemini |
|
Prompt và context engineering |
Lời giao việc và thông tin đưa cho model trong từng lần chạy |
Câu lệnh viết bài, tài liệu đính kèm |
|
Framework |
Bộ linh kiện để lập trình viên tự lắp agent |
LangChain |
|
Harness |
Hệ thống hoàn chỉnh quanh model, gồm cả prompt, công cụ, bộ nhớ, kiểm tra |
Claude Code, Codex, Cursor |
Prompt engineering và context engineering là một phần bên trong harness. Một câu lệnh hay chỉ giúp được một lần chạy, còn harness quyết định AI làm việc thế nào trong hàng trăm lần chạy tiếp theo.
Bạn cũng có thể gặp khái niệm agent skill. Skill là một gói hướng dẫn cho một việc cụ thể, được harness nạp vào khi cần, nên skill là một mảnh ghép của harness chứ không thay thế harness.
Vì sao đổi harness hiệu quả hơn đổi model?
Khi AI làm chưa tốt, phản xạ thường gặp là chuyển sang model mạnh hơn và đắt hơn. Tuy nhiên các thử nghiệm năm 2026 cho thấy sửa harness có thể cải thiện kết quả nhiều hơn mà không tốn thêm tiền model.
Ví dụ từ LangChain: cùng model, điểm tăng 13,7
Nhóm LangChain giữ nguyên model GPT-5.2-Codex và chỉ sửa harness của agent lập trình. Theo bài chia sẻ của LangChain, điểm trên bài kiểm tra Terminal Bench 2.0 tăng từ 52,8% lên 66,5%. Thứ hạng của agent cũng từ ngoài TOP 30 lên nhóm TOP 5.

Những thay đổi chính của LangChain đều nằm ở harness, gồm:
- Thêm quy trình lập kế hoạch, viết, kiểm tra theo yêu cầu rồi mới sửa vào lời hướng dẫn hệ thống.
- Chặn agent trước khi kết thúc để buộc nó tự kiểm tra lại kết quả theo đề bài.
- Phát hiện khi agent sửa đi sửa lại một file nhiều lần và gợi ý nó đổi cách làm.
- Dành mức suy luận cao cho bước lập kế hoạch và kiểm tra, mức thấp hơn cho bước viết.
Cùng harness đó, khi chạy thử với Claude Opus 4.6 (bản harness cũ hơn), điểm đạt 59,6%. LangChain giải thích họ chưa tinh chỉnh riêng cho Claude, nên mỗi model cần một harness phù hợp với nó.
Ví dụ từ OpenAI: kỹ sư không tự viết dòng code nào
OpenAI chia sẻ một thử nghiệm kéo dài khoảng 5 tháng, trong đó nhóm Codex phát triển một sản phẩm beta nội bộ với 0 dòng mã viết thủ công. Kho mã đạt khoảng một triệu dòng, với khoảng 1.500 pull request do một nhóm ban đầu chỉ ba kỹ sư dẫn dắt Codex. Các kỹ sư dành thời gian thiết kế môi trường, tài liệu trong kho mã và quy tắc kiểm tra, tức chính là harness.
Điều người dùng rút ra từ hai ví dụ là model mới ra mắt vài tháng một lần, còn harness tốt có thể dùng lại khi đổi model. Đầu tư vào cách giao việc và kiểm tra AI vì thế bền hơn việc liên tục chạy theo model mới.
Tokenmaxxing là gì và vì sao các công ty siết ngân sách token?
Tokenmaxxing là trào lưu đầu năm 2026 ở các công ty công nghệ Mỹ, khuyến khích nhân viên dùng AI càng nhiều token càng tốt. Lượng token dùng được xem như thước đo năng suất. Token là đơn vị mà các nhà cung cấp AI dùng để tính phí, nên dùng nhiều token đồng nghĩa với hoá đơn lớn.
Những mốc chính của cơn sốt Tokenmaxxing gồm:
- Tháng 4/2026, một nhân viên Meta dựng bảng xếp hạng nội bộ tên “Claudeonomics” theo dõi lượng token của hơn 85.000 nhân viên. Theo Fortune, bảng này bị gỡ sau hai ngày vì dữ liệu lộ ra ngoài.
- Cũng trong tháng 4, giám đốc công nghệ Uber cho biết công ty đã tiêu hết ngân sách AI cả năm chỉ trong khoảng 4 tháng. Đến tháng 6, TechCrunch đưa tin Uber đặt trần 1.500 USD mỗi tháng cho mỗi nhân viên trên mỗi công cụ lập trình AI như Claude Code, Cursor.
- Ngày 04/11/2026, Bloomberg đưa tin Apple đã hạ trần chi tiêu AI hằng ngày của các nhóm kỹ sư từ 300 USD xuống 200 USD từ tháng 10. Theo TechCrunch, một số nhóm có thể xuống 100 USD và Apple đang cân nhắc mức 25 USD cho nhóm ngoài kỹ thuật. Apple chưa xác nhận các mức này.

Lý do chung là hoá đơn token đến hạn trong khi năng suất thật khó đo. Khảo sát của HubSpot với 1.754 marketer cũng cho thấy 98% đội marketing đã dùng AI, nhưng chỉ 10% tự đánh giá đạt kết quả mang tính đột phá.
Harness tốt giúp giảm token mà vẫn giữ chất lượng. Nó chỉ đưa cho model đúng phần ngữ cảnh cần thiết, tóm gọn hội thoại dài, dùng model rẻ cho bước dễ và dừng các vòng lặp vô ích. Bài học từ Tokenmaxxing là dùng AI đúng cách quan trọng hơn dùng thật nhiều.
Ví dụ một harness cho đội content marketing
Một đội content muốn AI hỗ trợ viết bài blog có thể dựng harness mà không cần đổi model hay viết nhiều code. Ví dụ dưới đây mô tả một quy trình phổ biến, gồm các lớp bao quanh model:
- Một file hướng dẫn dự án ghi rõ thương hiệu, giọng văn, khách hàng mục tiêu và các quy tắc cấm.
- Mỗi bước nghiên cứu từ khoá, lên dàn ý, viết bài, làm ảnh có một bộ hướng dẫn riêng, AI chỉ làm một bước mỗi lần.
- Một file trạng thái cho từng bài để lần sau AI biết bài đang ở bước nào.
- Một công cụ soát văn tự động bắt các lỗi lặp lại như câu quá dài, dùng sai thuật ngữ.
- Người duyệt kiểm tra ở các điểm quan trọng trước khi bài được đăng.

Khi AI mắc cùng một lỗi nhiều lần, đội nên sửa harness thay vì chỉ sửa câu lệnh của lần đó. Ví dụ AI hay viết câu dài thì thêm quy tắc vào file hướng dẫn và thêm bước kiểm tra độ dài câu. Từ lần sau, mọi bài viết đều được bắt lỗi này mà không cần người nhắc lại.
5 cách dựng agent harness đơn giản cho công việc marketing
Bạn không cần là lập trình viên để áp dụng tư duy harness. Năm cách dưới đây làm được ngay với các công cụ như ChatGPT, Claude hay Gemini:
- Viết file hướng dẫn cố định. Bạn hãy gom thông tin thương hiệu, giọng văn và quy tắc vào một file để AI đọc mỗi lần làm việc, thay vì gõ lại trong từng câu lệnh.
- Chia việc thành từng bước. Mỗi bước có đầu ra rõ ràng như dàn ý, bản nháp, danh sách ảnh, giúp bạn kiểm tra được kết quả giữa chừng.
- Cho AI công cụ thật. Thay vì dán dữ liệu vào khung chat, bạn có thể kết nối AI với Google Sheets hoặc Search Console qua MCP. Bài Claude Skill là gì hướng dẫn cách đóng gói quy trình thành skill để AI dùng lại.
- Thêm bước kiểm tra. Checklist, công cụ soát lỗi và người duyệt trước khi đăng giúp lỗi không lọt ra ngoài.
- Đặt ngân sách và chọn model theo việc. Việc đơn giản như tóm tắt, phân loại dùng model rẻ, việc cần suy luận dài mới dùng model mạnh. Bạn nên theo dõi lượng token theo tuần để biết bước nào tốn nhất.
Cách AI Agent đọc và trích dẫn website cũng đi theo logic tương tự. Nội dung có cấu trúc rõ, thông tin chính xác sẽ dễ được AI tìm thấy và nhắc tên hơn. Nếu doanh nghiệp muốn được nhắc tên nhiều hơn trên ChatGPT, Gemini hay Google AI Mode, bạn có thể tham khảo dịch vụ GEO của SEONGON.
Câu hỏi thường gặp
Dưới đây là một số câu hỏi người đọc hay đặt ra khi tìm hiểu harness là gì và cách áp dụng harness trong công việc.
Agent harness có phải là một phần mềm cụ thể không?
Không. Agent harness là cách gọi chung cho phần bao quanh model. Claude Code, Codex hay Cursor là những harness có sẵn, còn một bộ file hướng dẫn kèm quy trình kiểm tra do bạn tự dựng cũng là một harness.
Người không biết code có dựng được harness không?
Có. Phần lớn harness cho công việc marketing là file hướng dẫn, quy trình chia bước và checklist. Các công cụ như Claude, ChatGPT đã cho nạp file hướng dẫn và skill mà không cần lập trình.
Dùng model mạnh nhất rồi có cần harness không?
Có. Model mạnh vẫn không biết quy định thương hiệu, không tự nhớ việc đã làm và không tự kiểm tra theo chuẩn của bạn. Ví dụ của LangChain cho thấy cùng một model, harness tốt hơn giúp điểm tăng 13,7.
Harness engineering khác prompt engineering thế nào?
Prompt engineering tối ưu lời giao việc cho từng lần chạy. Harness engineering thiết kế cả hệ thống quanh model, gồm prompt, công cụ, bộ nhớ, bước kiểm tra và quyền hạn, để AI làm đúng qua nhiều lần chạy.
Harness là gì với người làm marketing?
Hiểu harness là gì giúp bạn nhìn đúng chỗ cần cải thiện khi AI làm chưa tốt. Thay vì đổi sang model đắt hơn, bạn hãy kiểm tra lại file hướng dẫn, cách chia việc và bước kiểm tra. Khi các công ty bắt đầu siết ngân sách token, đội nào dựng được harness gọn gàng sẽ dùng AI hiệu quả hơn với chi phí kiểm soát được.


