Hãy đặt một câu hỏi thực tế cho một trong những công cụ nghiên cứu chuyên sâu mới, ví dụ như nên sử dụng khung điều phối tác nhân nào, và chỉ sau chín mươi giây bạn sẽ nhận được một luận văn hoàn chỉnh.
Mười hai trang, bốn mươi trích dẫn, một kết luận mạch lạc.
Rồi bạn đọc nó, và nó chẳng đưa ra lập luận nào cả. Mọi dữ kiện đều được dẫn nguồn, và không có dữ kiện nào tạo nên một luận điểm mà bạn có thể phản bác.Nó chỉ là sự thu thập thông tin được khoác lên mình chiếc áo khoác phòng thí nghiệm.
Điều đó không phải là không có giá trị. Nó đã giúp bạn tiết kiệm hàng giờ thu thập dữ liệu, nhưng lại dừng lại ở bước cuối cùng trước khi đến phần quan trọng nhất. Bằng tiến sĩ dựa trên phương pháp, không phải số lượng, và những công cụ này đã cung cấp “động cơ” mà thiếu đi phương pháp.
Bài viết này cung cấp cho bạn phương pháp, và ba cách để áp dụng nó vào Claude.
Những điều mà luận án tiến sĩ làm được mà việc tìm kiếm thông thường không thể làm được.
Nếu đơn giản hóa “nghiên cứu” xuống khía cạnh kỹ thuật, thì chẳng có gì bí ẩn trong đó cả.
Một nhà nghiên cứu giỏi không chỉ đặt một câu hỏi. Họ đặt câu hỏi về cùng một chủ đề từ nhiều góc độ khác nhau.
Người thực hành muốn biết liệu nó có tồn tại được trong những tháng hoặc năm tới hay không. Người hoài nghi thì luôn tìm kiếm những điểm yếu. Nhà kinh tế học thì theo dõi dòng tiền. Nhà sử học thì đặt câu hỏi về nguồn gốc của chúng ta, bởi vì những công cụ này đều có quá khứ.
Mỗi góc nhìn đều đặt ra những câu hỏi mà các góc nhìn khác không thể thấy. Hãy hỏi liệu nhóm của bạn có nên giao việc lập trình cho các tác nhân AI hay không, và kỹ sư chuyên về Cursor cùng người hoài nghi từng đo đạc nó thậm chí sẽ không đặt cùng một câu hỏi.
Sau đó, họ theo đuổi các thông tin bổ sung. Họ dựa trên mọi tuyên bố bằng một nguồn tin đáng tin cậy mà họ có thể nêu tên. Và họ chú ý đến những điểm mà các nguồn tin mâu thuẫn, bởi vì chính sự bất đồng đó mới ẩn chứa những hiểu biết thực sự.
Một câu hỏi ngắn gọn chỉ gồm một đáp án duy nhất không làm được điều đó. Nó thu gọn mọi khía cạnh thành một câu trả lời trung bình duy nhất và đưa cho bạn một cách trơn tru.
Đó là phương pháp : nhiều góc nhìn, mỗi góc nhìn đều dựa trên một nguồn thông tin nhất định, và những điểm bất đồng vẫn được giữ nguyên.
Ai đó đã đóng chai phương pháp này rồi.
Vào năm 2024, một nhóm nghiên cứu tại Stanford đã công bố một hệ thống có tên STORM. Hệ thống này viết các bài báo dài, có trích dẫn, đạt chất lượng như Wikipedia về các chủ đề mà nó chưa từng thấy trước đây, và kết quả đầu ra vẫn rất đáng tin cậy.
Nếu muốn, bạn có thể xem bằng chứng: một bài báo của NAACL năm 2024 và tính đến giữa năm 2026, khoảng 29.000 lượt đánh dấu sao trên GitHub và hơn 70.000 người đã chạy bản demo công khai (tất cả đều theo kho lưu trữ stanford-oval/storm ).
Điều quan trọng là STORM đã thay đổi điều gì về nơi công việc diễn ra.
STORM hoạt động theo ba bước, không cần đến máy móc:
Đầu tiên, nó khám phá các góc nhìn. Trước khi viết bất kỳ từ nào, STORM khảo sát các chủ đề liên quan để tìm ra những khía cạnh mà một bài báo hay nên đề cập đến.
Sau đó, hệ thống tiến hành phỏng vấn. Mỗi góc nhìn sẽ phỏng vấn một chuyên gia, một mô hình ngôn ngữ khác, người phải trả lời dựa trên kết quả tìm kiếm trực tuyến, kèm theo các câu hỏi tiếp theo khi câu trả lời đầu tiên chưa đầy đủ.
Sau đó, nó tóm tắt và viết lại , kèm theo trích dẫn, tất cả những thông tin thu được từ các cuộc phỏng vấn đó.
Hãy đọc lại đoạn đó và bạn sẽ thấy mánh khóe. Điều kỳ diệu nằm ở câu hỏi, được đặt ra cho nhiều người cùng một lúc, dựa trên các nguồn thông tin thực tế, và có các câu hỏi tiếp theo.
STORM không nghiên cứu kỹ hơn. Nó nghiên cứu giống như một hội đồng chuyên gia.
Hãy xem xét câu hỏi lập trình AI ở đầu bài viết này. Chỉ cần hướng phương pháp vào đó, và bước đầu tiên thôi cũng đã chứng minh được giá trị của nó. Trước khi thực hiện bất kỳ tìm kiếm nào, nó sẽ quyết định ai nên có mặt trong phòng:
Kỹ sư sử dụng Cursor hàng ngày: Liệu nó có thực sự tiết kiệm thời gian, hay chỉ là cảm giác?
Người hoài nghi: Việc đó làm cho mọi thứ trở nên tồi tệ hơn ở điểm nào mà không ai nhận ra?
Nhà kinh tế học: Ngoài phí token, thuế cho việc xem xét và dọn dẹp còn bao gồm những khoản phí nào nữa?
Nhà sử học: Chúng ta đã từng được quảng bá về “năng suất của nhà phát triển” trước đây. Những công cụ đó đã lỗi thời như thế nào?
Trưởng nhóm: Liệu thành viên trẻ hơn có tăng tốc trong khi thành viên lớn tuổi hơn lại giảm tốc độ không?
Người đánh giá bảo mật: càng nhiều mã, càng nhanh chóng được triển khai. Phạm vi ảnh hưởng là bao nhiêu?
Sáu câu hỏi, và không một câu nào là “liệt kê ưu điểm và nhược điểm”. Bạn có thể cảm nhận được điểm xung đột sẽ nằm ở đâu. Kỹ sư và người hoài nghi sẽ tranh cãi về việc “nhanh hơn” thực sự có nghĩa là gì.
Sự va chạm đó là xương sống của bất cứ điều gì đáng đọc về chủ đề này. Câu trả lời trung bình lại che khuất nó. Phần thảo luận khiến bạn phải nhìn chằm chằm vào nó.
STORM có những hạn chế thực tế, và việc giả vờ ngược lại sẽ là kiểu làm giảm nhẹ sự thật mà toàn bộ bài viết này đang phản đối. Kết quả đầu ra của nó vẫn có thể khô khan và mang tính bách khoa toàn thư, giống như bất kỳ trang Wikipedia nào.
Và STORM không tự phê bình. Nó sẽ không nói cho bạn biết luận điểm nào của nó là yếu nhất. Hãy ghi nhớ điều đó. Nó sẽ quay trở lại.
Các công cụ nghiên cứu chuyên sâu là động cơ, chứ không phải phương pháp.
Giờ hãy đặt STORM cạnh những cái tên nổi tiếng như Deep Research của OpenAI và Gemini, cùng với GPT-Researcher mã nguồn mở. Thật dễ dàng để coi chúng là đối thủ cạnh tranh. Nhưng chúng đảm nhiệm những nhiệm vụ khác nhau.
Các công cụ nghiên cứu chuyên sâu là những cỗ máy . Chúng được huấn luyện hoặc lập trình để tự động “cày” thông tin trên web: lập kế hoạch, tìm kiếm, đọc, lặp lại cho đến khi bao quát được toàn bộ phạm vi.
Nhưng động cơ chỉ là một nút bấm, chứ không phải là một kỹ thuật.
STORM được xây dựng theo cách khác. Nó là một phương pháp, có tính di động và bạn có thể đọc và điều khiển nó. Bạn có thể chạy nó bên trong một công cụ, bên trong một lời nhắc, hoặc ngay trong đầu bạn trên một tờ giấy nháp.
Động cơ thắng nhờ khả năng bao phủ và tốc độ vượt trội, cũng như khả năng hoàn thành đúng hạn – điều vô cùng quan trọng. Phương pháp thắng nhờ hình thức và khả năng phán đoán. Bạn cần cả hai, động cơ để đạt được quãng đường dài và phương pháp để điều khiển.
Hãy đánh cắp phương pháp đó, rồi hướng nó về phía Claude.
Hãy chạy các bài tập này theo thứ tự bằng tay với 3 gợi ý, thay thế bằng chủ đề của bạn.
Thứ nhất, hãy thu thập các quan điểm trước đã.
“Trước khi nghiên cứu [CHỦ ĐỀ], hãy liệt kê sáu quan điểm chuyên gia khác nhau mà một nhóm chuyên gia có thể đưa ra: người thực hành, người hoài nghi, nhà kinh tế học, nhà sử học, người dùng cuối, nhà quản lý. Với mỗi quan điểm, hãy viết ra câu hỏi duy nhất mà quan điểm đó quan tâm nhất.”
Sau đó, hãy làm điều mà các công cụ tìm kiếm không thể làm. Hãy đọc danh sách đó và chỉnh sửa nó. Cắt bỏ một khía cạnh, thêm vào khía cạnh mà nó đã bỏ sót, trước khi bất kỳ tìm kiếm nào được thực hiện. Việc chỉnh sửa đó chính là sự phán đoán của bạn tham gia vào quy trình, và nó mang phần lớn giá trị.
Thứ hai, hãy phỏng vấn từng quan điểm một cách khách quan.
“Hãy xem xét từ góc độ #X. Đặt ra ba câu hỏi sắc bén nhất về [CHỦ ĐỀ]. Tìm kiếm trên mạng để trả lời từng câu hỏi, sau đó đặt thêm một câu hỏi tiếp theo cho mỗi câu trả lời và giải quyết vấn đề. Trích dẫn mọi luận điểm. Đánh dấu những chỗ nguồn thông tin mâu thuẫn.”
Bước thứ ba, tổng hợp.
“Từ tất cả các cuộc phỏng vấn, hãy xây dựng một dàn ý không trùng lặp dành cho người đọc thông minh nhưng không biết gì. Viết lại với [n] trích dẫn. Đánh dấu bất kỳ tuyên bố nào dựa trên một nguồn duy nhất.”
Sự khác biệt không hề nhỏ. Hãy hỏi câu hỏi về lập trình AI một mạch và bạn sẽ nhận được kết quả trung bình:
“Các công cụ lập trình AI có thể thúc đẩy năng suất, mặc dù kết quả khác nhau tùy thuộc vào nhóm và bối cảnh. Nhiều nhà phát triển báo cáo quy trình làm việc nhanh hơn, trong khi một số người gặp khó khăn trong việc làm quen.”
Đúng vậy, nhưng vô dụng. Hãy chạy ba gợi ý khác nhau về cùng một câu hỏi và các cuộc phỏng vấn từ nhiều góc độ khác nhau sẽ đưa ra những điều bạn có thể nắm giữ:
Minh chứng cho sự đam mê: trong một nghiên cứu có kiểm soát trên GitHub, các nhà phát triển đã hoàn thành nhiệm vụ lập trình nhanh hơn khoảng 55% khi sử dụng Copilot so với khi không sử dụng.
Điểm mấu chốt khiến người hoài nghi nghi ngờ: khi METR tiến hành một thử nghiệm ngẫu nhiên với các nhà phát triển giàu kinh nghiệm trên các cơ sở mã lớn, đã hoàn thiện, những nhà phát triển đó nhận thấy tốc độ làm việc của họ chậm hơn 19% khi sử dụng AI, trong khi họ cảm thấy nhanh hơn 20%.
Chi tiết then chốt: khoảng 84% nhà phát triển hiện nay sử dụng các công cụ này, và chỉ dưới một phần ba tin tưởng vào kết quả.
Nâng cấp tùy chọn: biến nó thành kỹ năng bạn sở hữu
Hãy đưa phương pháp đó cho Claude Code, hay Codex, và yêu cầu nó chuyển các gợi ý thành một kỹ năng có thể tái sử dụng. Nó sẽ viết cho bạn một storm-researchkỹ năng mà bạn kích hoạt bằng tên trên bất kỳ chủ đề nào, và bạn sở hữu nó: có thể đọc, chỉnh sửa, không phụ thuộc vào bên thứ ba.
Chạy chương trình storm-research ai coding agentsvà nó dừng lại ở bước đầu tiên: đây là sáu góc nhìn của bạn, hãy cắt bớt hoặc thêm vào trước khi tôi dành bất kỳ thời gian tìm kiếm nào. Bạn loại bỏ nhà sử học, thêm một Giám đốc công nghệ (CTO) phải chịu trách nhiệm trước hội đồng quản trị, và để nó chạy. Mười phút sau, bạn có một bản tóm tắt được trích dẫn dựa trên nhóm chuyên gia mà bạn tự chọn. Chỉnh sửa trong ba mươi giây đó chính là sự khác biệt giữa thuê và sở hữu.
Nâng cấp tùy chọn: cài đặt plugin được biên dịch sẵn
Nếu bạn không muốn tốn công sức, đã có người đóng gói sẵn rồi. claude-stormPlugin cộng đồng cài đặt chỉ bằng một dòng lệnh và chạy toàn bộ vòng lặp như một lệnh duy nhất, không cần sao chép mã nguồn và không cần khóa API, sử dụng công cụ tìm kiếm web và các tác nhân phụ của Claude. Nó chạy toàn bộ quy trình và kết thúc bằng quá trình tự đánh giá ngang hàng.
Một lưu ý chân thành: claude-stormđây là một dự án cộng đồng, không phải là bản phát hành chính thức của Stanford, và nó còn khá mới. Đó là lý do tại sao phiên bản thủ công được ưu tiên trước. Phương pháp là nền tảng. Plugin chỉ là công cụ hỗ trợ.
Những gì vẫn còn thuộc về bạn
Phương pháp này tự động hóa công việc nghiên cứu. Nó không tự động hóa quá trình đánh giá.
Không có gì ở đây, không phải gợi ý, không phải kỹ năng, không phải cỗ máy đang hoạt động đằng sau bất kỳ thứ gì trong số đó, có thể cho bạn biết câu hỏi nào đáng để đặt ra ngay từ đầu, hoặc phát hiện nào quan trọng đối với quyết định trước mắt bạn. Nó sẽ phỏng vấn sáu quan điểm về một chủ đề sai và cung cấp cho bạn một câu trả lời được trích dẫn cho một câu hỏi mà bạn lẽ ra không bao giờ nên hỏi.
Chương trình học này đánh giá cao sự tinh tế trong việc đặt câu hỏi, chứ không phải tốc độ đọc. Và phần đó thì không thể thuê ngoài được.
Điều đã thay đổi là giờ đây bạn có thể hướng toàn bộ hệ thống vào những câu hỏi bạn chọn và nhận được kết quả chỉ trong vài phút, điều mà trước đây phải mất cả tuần. Bạn nhận được nghiên cứu với một quan điểm riêng, kiểu quan điểm do chính bạn định hướng.
Bài viết liên quan: