Cách tôi dùng AI để nghiên cứu công nghệ mới: hỏi, đừng đọc từ A-Z

Mỗi tuần lại có một framework, một tool, một "agent skill" mới được tung ra. Đọc hết tài liệu của từng cái từ đầu đến cuối là việc bất khả thi — và phần lớn thời gian cũng không cần thiết. Cách tôi làm khác đi: bắt AI vọc vạch hộ, hỏi nó để nắm bức tranh lớn trước, rồi mới đào sâu đúng chỗ mình cần.

Bài này tôi kể đúng cách mình làm — không phải lý thuyết.

Vấn đề: đọc doc tuyến tính quá chậm

Khi tôi thấy một repo dùng công nghệ lạ (gần đây là TanStack — một full-stack framework có query, router, form, table, cả DB…), phản xạ cũ là mở docs đọc từ A-Z. Nhưng đọc tuyến tính 30 trang chỉ để biết "nó là gì, gồm những mảnh nào, có hợp việc mình không" là lãng phí. Thứ tôi cần đầu tiên là bản đồ, không phải từng viên gạch.

Cách tôi làm: AI + chế độ plan

Quy trình thực tế của tôi:

1. Mở công cụ AI ngay trong dự án. Tôi cd vào folder dự án rồi mở OpenCode (agent chạy trong terminal). Để AI có ngữ cảnh code mình đang làm, câu trả lời sát hơn nhiều so với hỏi chay.
2. Chuyển sang chế độ plan + dùng model mạnh. Tôi hỏi ở plan mode (chỉ phân tích, chưa cho sửa code) với một model đủ tốt (thường là Claude; có lúc thử minimax/zai cho rẻ). Plan mode quan trọng: tôi muốn nó giải thích và đề xuất, chưa đụng vào code.
3. Hỏi từ tổng quan xuống chi tiết. Câu đầu luôn là dạng "X là gì, gồm những phần nào, mỗi phần để làm gì". Với TanStack, AI tóm ngay: TanStack Query lo data-fetching/đồng bộ server state (đỡ phải tự viết useEffect), TanStack Router lo điều hướng… Trong một phút tôi có bản đồ mà đọc docs mất cả buổi.
4. Đào sâu đúng chỗ cần. Có bản đồ rồi, tôi chỉ hỏi tiếp vào phần liên quan đến bài toán của mình — bỏ qua phần không dùng.

Một ví dụ + một cái bẫy thật

Hôm đó tôi vọc luôn hai thứ: TanStack và agent skill mới (Vercel/OpenCode đang quảng cáo nhiều). Khi cài skill cho OpenCode, tôi vấp một lỗi nhỏ đáng nhớ: lệnh là opencode skill — không phải skills (số nhiều). Một chữ "s" thừa là báo lỗi. Kiểu lỗi này AI đôi khi cũng đoán sai theo thói quen, nên…

⚠️ Luôn đối chiếu với nguồn thật. AI cho bản đồ nhanh, nhưng nó có thể chế ra cú pháp hoặc tính năng không tồn tại. Tôi luôn kiểm lại bằng repo/README thật trước khi tin — nhất là tên lệnh, tên flag, version.

Vì sao cách này hiệu quả

• Nhanh ra quyết định "có nên dùng không". Phần lớn công nghệ mới, mình chỉ cần biết đủ để quyết định bỏ qua hay đầu tư. AI giúp tới ngưỡng đó trong vài phút.
• Học theo nhu cầu, không học thừa. Chỉ đào sâu phần thực sự đụng tới.
• Giữ ngữ cảnh dự án. Hỏi ngay trong codebase (qua OpenCode) → câu trả lời gắn với việc mình đang làm, không chung chung.

Công cụ tôi hay dùng cho luồng này: OpenCode (agent CLI), editor Zed (gọn, giao diện sạch), và terminal cơ bản — kết hợp lại rất mượt.

Giới hạn cần nhớ

Đây là cách nghiên cứu sơ bộ, không thay thế việc đọc kỹ khi đã chọn dùng thật. Với thứ sẽ đưa vào production, sau bước "vọc vạch" tôi vẫn đọc docs phần cốt lõi + thử tay. AI rút ngắn chặng khám phá, không rút ngắn chặng làm cho chắc.

---

Tư duy xuyên suốt vẫn vậy: dùng AI để đi nhanh ở chỗ nên nhanh, và tự kiểm ở chỗ phải chắc — giống cách tôi chọn công cụ khi làm hệ thống cho SME (xem vài hệ thống tôi đã làm).

Muốn áp AI vào đúng việc trong doanh nghiệp (không phải dùng cho có)? Đó là phần tích hợp AI của Diginno — công ty tôi sáng lập — hoặc đặt lịch trao đổi 15 phút.