Agent Skills Là Gì? Vibe Coding Trong Đầu Tư Chứng Khoán

Bối cảnh công cụ đầu tư đang chuyển dịch mạnh mẽ nhờ sự bùng nổ của AI. Nếu bạn đã bắt gặp khái niệm Agent Skills là gì nhưng chưa tự tin về khả năng của mình, bài viết này là dành cho bạn.

Tại Việt Nam, phần lớn các nhà đầu tư kinh nghiệm thường quen thuộc với chuyên môn tài chính hơn là kỹ năng lập trình hay thao tác kỹ thuật phức tạp. Sự chênh lệch này được thể hiện rất rõ qua những chia sẻ từ các anh chị học viên trong khóa học Vibe Coding phân tích dữ liệu chứng khoán của Vnstock. Ngay trong cộng đồng Vnstock, phần đông thành viên cũng tự nhận mình là "dân kinh tế", "dân đầu tư" khi bối rối với những chia sẻ về xử lý dữ liệu và thuật toán. Việc phải tiếp nhận quá nhiều công nghệ mới cùng lúc khiến không ít người cảm thấy e ngại và khó bắt nhịp.

Tuy nhiên, trong kỷ nguyên của "vibe coding"¹, việc hiểu rõ bản chất Agent Skills là gì đã thay đổi hoàn toàn cách tiếp cận. Không hề khô cứng như lập trình truyền thống, kỹ năng sử dụng Agent Skills giúp bạn hiện thực hóa cả những gì bạn đã biết lẫn những gì bạn chưa biết, bằng cách tự động cung cấp kiến thức và xử lý quy trình công việc theo ý muốn cá nhân hóa của bạn.

Dù bạn đã gắn bó hàng chục năm với các hệ sinh thái chuẩn mực như Excel cho phân tích tài chính, hay Amibroker và TradingView cho phân tích kỹ thuật, Agent Skills chắc chắn là công cụ đáng để bạn mở lòng đón nhận, giúp bạn kịp thời bước lên "chuyến tàu AI" đang lao đi rất nhanh trong những năm qua.

Agent Skills là gì? Định nghĩa và thực tế

Theo tài liệu chính thức từ Anthropic², Agent Skills³ là các công cụ hoặc hàm chức năng⁴ được cung cấp cho mô hình AI, cho phép nó vượt ra khỏi việc chỉ sinh văn bản thuần túy. Thông qua các skills này, AI có thể tương tác với các hệ thống bên ngoài, gọi API⁵, thao tác với file, hay thực thi các tác vụ tính toán cụ thể.

Nói một cách dễ hiểu hơn để trả lời cho câu hỏi Agent Skills là gì, nó đóng vai trò như một "phiên dịch viên", là một lớp giao tiếp linh hoạt giúp kết nối nhu cầu tự nhiên của người dùng với sự khắt khe của hệ thống máy tính.

Hãy cùng xem qua 3 trường hợp ứng dụng thực tế để hiểu rõ hơn cách Agent Skills thay đổi cuộc chơi:

Số hóa và bóc tách dữ liệu thuyết minh báo cáo tài chính

Đây là một ví dụ mạnh mẽ mà Vnstock từng chia sẻ. Thay vì phải chép tay số liệu từ các bản PDF scan chỉ để xem mà không thể copy hay tìm kiếm văn bản, bạn có thể thiết kế một Agent Skill để chỉ dẫn AI các bước bóc tách dữ liệu thuyết minh báo cáo tài chính giống như một chuyên viên thực thụ:

• Bước 1: Bỏ qua trang bìa và các trang giới thiệu chung.
• Bước 2: Tìm đọc trang mục lục (thường nằm từ trang 2 đến trang 5) để định hình xem mục "Thuyết minh báo cáo tài chính" đang nằm ở trang số mấy.
• Bước 3: Nhảy thẳng đến trang mục tiêu, đọc file ảnh từ PDF và dùng OCR⁶ để lấy đúng thông tin thuyết minh cần thiết.
• Bước 4: Xác định mức độ tổng hợp, rút gọn thông tin và xuất ra định dạng bảng chuẩn.

Diễn giải các chỉ tiêu phân tích thành hành động

Python có thể tính toán chính xác hàng trăm tiêu chí kỹ thuật hay cơ bản, nhưng một chỉ báo như RSI⁷ hay chỉ số P/E⁸ sẽ vô nghĩa nếu không có sự diễn giải cụ thể. Não bộ chúng ta khó có thể ghi nhớ và kết hợp hàng chục điều kiện phức tạp cùng lúc. Với Agent Skill, bạn có thể thiết lập các quy ước diễn giải để biến con số thành hành động. Ví dụ, AI có thể tự động cảnh báo: "Dòng tiền thuần từ kinh doanh âm 3 quý liên tiếp, trong khi hàng tồn kho tăng đột biến 50% – Cảnh báo rủi ro thanh khoản".

Chuẩn hóa dữ liệu đầu vào từ hình ảnh

Giả sử bạn đang muốn chạy một thuật toán tối ưu hóa danh mục. Thuật toán này yêu cầu một file JSON⁹ với cấu trúc cố định gồm: tên mã, khối lượng mua, giá vốn, ngày mua... Thay vì hì hục gõ lại từng con số từ ứng dụng chứng khoán, bạn chỉ cần nạp một bức ảnh chụp màn hình danh mục hay file Excel lịch sử giao dịch từ tài khoản chứng khoán. Bằng cách sử dụng Agent Skill được cấu hình sẵn, AI sẽ tự động trích xuất thông tin, và định dạng lại thành cấu trúc dữ liệu chuẩn xác mà thuật toán cần. Bạn chỉ việc giao việc, Agent Skill sẽ lo phần "chuẩn hóa" cho bạn.

Cấu trúc của một Agent Skill

Để nắm bắt trọn vẹn Agent Skills là gì từ góc độ kỹ thuật, theo chuẩn chung của Anthropic², một Agent Skill không phải là các file nằm rải rác mà được đóng gói gọn gàng dưới dạng một thư mục nằm trong một đường dẫn mặc định là .agents/skills/ trong dự án của bạn.

Sơ đồ cây cấu trúc thư mục của một Agent Skill điển hình như sau:

ten-skill/
├── SKILL.md            # (Bắt buộc) File văn bản markdown hướng dẫn chi tiết cho AI
├── scripts/            # (Tùy chọn) Mã nguồn thực thi (Python, JS/TS...)
│   └── main.py
├── examples/           # (Tùy chọn) Các ví dụ mẫu hỗ trợ AI hiểu cách dùng
├── resources/          # (Tùy chọn) Tài nguyên đi kèm (mẫu biểu, danh sách...)
└── references/         # (Tùy chọn) Tài liệu tham khảo sâu để AI đọc thêm

Trong đó:

• SKILL.md (Bắt buộc): Trái tim của skill. File này chứa phần khai báo thông tin cơ bản (tên, mô tả, tham số đầu vào) bằng định dạng YAML ở đầu file¹⁰, theo sau là các chỉ dẫn chi tiết bằng ngôn ngữ tự nhiên để AI biết cách và khi nào nên sử dụng skill này.
• Các thư mục phụ trợ (Tùy chọn): Giúp mở rộng khả năng của AI. Ví dụ, thư mục scripts/ chứa mã nguồn thực thi logic phức tạp mà Prompt bình thường không làm được, còn examples/ giúp AI học cách hoạt động thông qua các mẫu hành vi cụ thể (few-shot learning).

Cơ chế hoạt động của Agent Skill: Tiết lộ thông tin lũy tiến

Một trong những thách thức lớn nhất khi làm việc với AI là giới hạn của cửa sổ ngữ cảnh¹¹ và chi phí tài nguyên (token)¹². Nếu bắt AI phải đọc tất cả hướng dẫn và hàng trăm dòng văn bản ngay từ đầu phiên chat, nó sẽ nhanh chóng bị quá tải dữ liệu và hoạt động kém hiệu quả.

Để giải quyết vấn đề này, các hệ thống Agent Skill hiện đại áp dụng cơ chế Tiết lộ thông tin lũy tiến (Progressive Disclosure). Do AI hoạt động trong một môi trường máy tính của bạn và có quyền truy cập hệ thống tệp tin hệ thống, nó có thể đọc và thực thi tài nguyên theo 3 cấp độ khác nhau khi cần thiết:

Cách tạo Agent Skill

Để có một trợ lý AI đắc lực, bạn cần trang bị cho nó kỹ năng đúng đắn. Một trong những nguồn tài liệu tham khảo tốt nhất hiện nay đến từ kho lưu trữ mã nguồn mở của Anthropic Skills Repository.

Đặc biệt, họ cung cấp một công cụ tuyệt vời mang tên Skill Creator (tham khảo tại đây). Đây là một "skill dùng để tạo ra các skill khác". Bạn chỉ việc:

1. Tải repository này về máy.
2. Chép thư mục skill-creator vào máy tính tại đường dẫn .agents/skills trong dự án của bạn.
3. Kích hoạt và yêu cầu AI: "Hãy giúp tôi thiết kế một skill để tải dữ liệu giá cổ phiếu từ Vnstock", hệ thống sẽ tự động định hình và viết mã chuẩn xác cho bạn.

Yếu tố quyết định một Agent Skill xuất sắc

Hiểu rõ cấu trúc thư mục hay biết cách sử dụng các công cụ hỗ trợ như Skill Creator của Anthropic mới chỉ là điều kiện cần. Nếu chỉ dừng lại ở đó, kỹ năng bạn tạo ra có thể vẫn sẽ thô kệch, hoạt động thiếu ổn định và ít có giá trị ứng dụng thực tế.

Điều kiện đủ, và cũng là yếu tố quan trọng nhất quyết định chất lượng của một Agent Skill, chính là năng lực của chính bạn. Chúng ta có một công thức rất đơn giản nhưng biểu đạt chính xác trong kỷ nguyên AI:

Hiệu quả = Năng lực của AI × Năng lực của bạn

Dù AI hay công cụ có mạnh mẽ đến đâu, nếu bạn không có đủ am hiểu và kỹ năng định hướng, bạn sẽ không bao giờ khai thác được tối đa sức mạnh của nó. Năng lực của bạn đóng vai trò dẫn dắt AI, được thể hiện qua các khía cạnh cốt lõi:

1. Am hiểu nghiệp vụ tài chính và đầu tư: Bạn cần biết rõ bài toán mình đang muốn giải quyết. Các chỉ số mang ý nghĩa như thế nào? Đâu là điểm nghẽn trong phân tích doanh nghiệp mà bạn cần AI tháo gỡ?
2. Am hiểu về kỹ thuật và dữ liệu: Bạn không cần phải là một lập trình viên siêu việt, nhưng bạn cần hiểu cấu trúc dữ liệu, những "viên ngọc" ẩn sâu bên trong số liệu khô khan và định hình được luồng xử lý thông tin hợp lý.
3. Kỹ năng thiết kế luồng làm việc¹³ và kiểm soát chất lượng: Bạn cần hiểu rõ giới hạn của AI và thế mạnh của từng công cụ. Ví dụ: đối với tính toán, hãy giao cho ngôn ngữ lập trình như Python để đảm bảo độ tin cậy tuyệt đối; nhưng để giải quyết các thách thức về cấu trúc, cải thiện trải nghiệm hay diễn dịch ngôn ngữ, AI lại làm rất tốt. Bên cạnh đó, AI vẫn có thể gặp hiện tượng "ảo giác"¹⁴. Việc am hiểu hệ thống để phân rã bài toán, đặt công cụ vào đúng vị trí, kết hợp cùng các bước đối chiếu và kiểm tra chéo sẽ quyết định độ sắc bén và đáng tin cậy của toàn bộ kết quả.

Tóm lại, AI không thay thế tư duy của bạn, nó chỉ khuếch đại tư duy đó. Một Agent Skill tốt là sự kết tinh giữa năng suất xử lý của máy móc và sự tinh tế trong nghiệp vụ của con người.

Trải nghiệm Agent Skills từ Vnstock

Ví dụ thực tế cho ứng dụng Agent Skills là gì? Vnstock đã và đang chia sẻ một số hướng thiết kế Agent Skills thiết thực để giúp cộng đồng tối ưu hóa quy trình làm việc:

• Tự động trích xuất Báo Cáo Tài Chính từ PDF Scan: Xem minh họa chi tiết trên Facebook về cách ứng dụng AI để số hóa BCTC theo cấu trúc định sẵn.
• Vibe Coding với Vnstock: Chúng tôi cung cấp skill vnstock-vibe-coding trong các dự án mẫu, giúp AI tự động hướng dẫn bạn thiết lập môi trường và trải nghiệm việc thao tác thư viện Vnstock bằng các câu lệnh ngôn ngữ tự nhiên. Xem thêm tại trang /onboard/vibe-coding.
• Vnstock Agent Guide: Cung cấp bộ kỹ năng thiết lập môi trường lập trình và gỡ lỗi, thiết kế giải pháp, vẽ biểu đồ và khai thác các tính năng từ bộ thư viện vnstock giúp ai cũng có thể tiếp cận với phân tích dữ liệu chứng khoán và đầu tư thông qua hỗ trợ của công cụ AI lập trình¹⁵ như Google Antigravity, Claude Code, Codex, v.v.

Lời kết và tầm nhìn

Học cách lập trình và ứng dụng AI không có nghĩa là bạn phải thuộc lòng từng dòng code hay thuật toán. Bạn là người chỉ huy, thiết kế quy trình nghiệp vụ; còn AI là công cụ thực thi thông qua Agent Skills.

Xa hơn, Vnstock sẽ cung cấp một bộ khung Agent Skills dành riêng cho các thành viên tham gia Chương trình Tài trợ dự án. Mục tiêu là giúp bạn từng bước ứng dụng sức mạnh của AI Agent vào công việc hỗ trợ phân tích và ra quyết định đầu tư thực tế cho cá nhân. Tham khảo trang Agent Skills Hub của Vnstock để có thêm ý tưởng.

Bạn đã sẵn sàng để trang bị kỹ năng đầu tiên cho "trợ lý phân tích" riêng của mình chưa?