AI Agent tự chia việc: tấm bản đồ khiến chúng chạy đúng

Tôi gõ một câu vào ô giao việc. Đội AI Agent tự bóc tách ra thành từng đầu việc, tự chạy, chỗ nào cần tôi duyệt thì nó dừng lại chờ. Thứ làm cho nó chạy đúng không nằm ở câu prompt tôi gõ. Nó nằm ở tấm bản đồ tôi đã đưa cho máy trước đó.

Video gốc dài 18 phút 31 giây. Bài viết này bổ sung thêm phần video không có: số liệu đọc ra từ chính khung hình demo, đối chiếu với tài liệu gốc của Anthropic và một nghiên cứu về ngữ cảnh dài, và một mục Giới hạn thật nói rõ chỗ nào trong video là ví von chứ chưa phải kết luận khoa học.

Bài này đi qua những gì?

1. Vì sao tải một bộ agent có sẵn về nhà thì hỏng
2. Đích đến trông như thế nào, đọc số thật từ màn hình demo
3. Vì sao mô tả bằng lời thì nó làm sai, mà mô tả lại ba lần vẫn sai
4. Tấm bản đồ là gì, và vì sao phải đưa nó vào ngay từ đầu
5. Lý do kỹ thuật: cửa sổ ngữ cảnh và chuyện quên khúc giữa
6. Đi ngược từ đích đến, làm cụ thể từng bước
7. Ba tầng trưởng thành khi đưa AI vào doanh nghiệp
8. Giới hạn thật, gồm cả chỗ video nói vênh với tài liệu gốc

Vì sao tải một bộ agent có sẵn về nhà thì hỏng?

Bản chất nó hỏng vì hai lý do, và cả hai đều không sửa được bằng cách tinh chỉnh.

Lý do thứ nhất là nó không tạo ra lợi thế cạnh tranh. Anh em nghĩ thử xem. Con Claude, con Gemini, con nào cũng vậy, ai trả tiền cũng mua được. Chuẩn không ạ? Giờ thêm một bộ agent tải trên mạng về, thứ mà ai cũng tải được, ai cũng kéo vào máy được. Hai thứ chung chung cộng lại thì ra cái gì? Ra một doanh nghiệp giống hệt mọi doanh nghiệp khác. Không có lợi thế nào cả.

Lý do thứ hai nặng hơn. Cái bộ quy trình nằm trong con agent đó có khớp với doanh nghiệp của anh em không? Đấy là một dấu hỏi rất lớn. Anh em mang nó về, chạy thử, thấy sai, rồi ngồi tinh chỉnh. Mà anh em không phải người tạo ra nó, nên tinh chỉnh cái đống quy trình của người khác thì công sức bỏ ra còn mệt hơn tự làm từ đầu. Tôi nói thẳng: thà anh em mình tự tạo ra còn hơn.

Ở đây có một cái bẫy mà tôi thấy nhiều người mắc. Anh em nghĩ rằng đưa AI vào là để làm nhiều hơn. Sai. Số lượng nhiều mà chất lượng kém thì nó giết chết doanh nghiệp của anh em. Tất cả những sản phẩm chất lượng kém nhân với số lượng lớn đều ra kết quả như vậy. Cái chúng ta cần là gì ạ? Là chất lượng cao và số lượng nhiều. Phải có cả hai thứ đó thì mới ra hiệu quả.

Đích đến trông như thế nào?

Trước khi nói cách làm, tôi cho anh em xem đích đến. Vì đi ngược từ đích đến là toàn bộ nguyên tắc của bài này.

Anh em nhìn dòng đang chạy trên cùng. Đề bài tôi gõ vào đúng một câu: "Hãy chuyển nội dung video youtube mới nhất thành 1 bài viết để đăng lên website kèm với ảnh". Nó nhận, nó tự xác định đây là việc của Đội Website và mạng xã hội, rồi nó tự chia thành hai bước. Màn hình ghi "bước 1/2". Tôi không hề chỉ định đội nào làm, cũng không chia bước hộ nó.

Bên dưới là bốn phòng ban. Tôi đọc thẳng con số trên màn hình ra đây cho anh em đối chiếu:

Chín agent của Phòng Marketing chính là chín cái tên trong tiêu đề video. Bốn con lo kênh YouTube, năm con lo website và mạng xã hội. Còn dòng tổng kết trong ngày ghi "6 việc, 3 bước, 10p máy chạy". Mười phút máy chạy cho sáu việc, được chưa ạ?

Chỗ quan trọng nhất trên màn hình này không phải mấy con số. Nó là ô "4 chỗ chờ bạn duyệt". Người vẫn đứng ở đó. Máy làm, người duyệt. Anh em đừng bỏ mất chỗ đó.

Vì sao mô tả bằng lời thì nó làm sai?

Câu chuyện quen thuộc: anh em mô tả cho AI, nó làm sai. Mô tả lại, nó vẫn sai. Mô tả lần thứ ba, vẫn không ra thứ mình cần. Rồi anh em kết luận là con AI này kém.

Nó không kém. Vấn đề nằm ở chỗ khác, và tôi nói thẳng cho anh em: khi chúng ta mô tả bằng lời, thực ra chính chúng ta cũng không tường minh. Anh em thử tự hỏi mình mấy câu này xem.

Quy trình của anh em có mấy bước? Bước hai nhận đầu vào từ đâu? Đầu vào đó gồm mấy trường thông tin, hay mấy cái file? Đầu ra của bước hai có khớp với thứ bước ba cần không?

Phần lớn anh em không trả lời ngay được. Tôi cũng vậy. Mà mình không rõ thì làm sao nạp cho máy rõ được? Nó không nhìn đủ ngữ cảnh thì nó làm không hiệu quả. Đơn giản thế thôi.

Thứ tôi muốn là gì ạ? Là AI và người nhìn cùng một góc nhìn. Muốn hai bên nhìn cùng một góc nhìn thì phải đổi cách thể hiện. Không thể cứ mô tả bằng lời mãi được.

Tấm bản đồ là gì, và vì sao phải đưa nó vào ngay từ đầu?

Tấm bản đồ ở đây là một cái lưu đồ. Tôi hay gọi nó là diagram. Nó vẽ ra toàn bộ bức tranh: có bao nhiêu đầu việc, mỗi đầu việc nhận vào cái gì, nhả ra cái gì, và đầu ra đó chuyển sang bước sau có khớp không.

Anh em hình dung như chơi ghép hình. Các mảnh phải khớp với nhau thì bức hình mới thành. Đầu ra của mảnh này phải vừa với đầu vào của mảnh kia. Quy trình cũng vậy thôi. Nếu anh em chỉ nhìn chi tiết từng mảnh mà không nhìn cả bức, thì sau này ghép lại nó không ăn khớp, và lúc đó sửa rất là mệt.

Cái này giống hệt việc anh em dùng Google Map. Làm bất kỳ điều gì thì việc đầu tiên là phải có tấm bản đồ. Đoạn đường chi tiết đi thế nào thì bàn sau, nhưng bản đồ phải có trước. Được chưa ạ?

Và đây là chỗ hay: trong lúc anh em ngồi hỏi đáp với AI để dựng ra cái lưu đồ đó, chính anh em cũng hiểu rõ hơn. Mình hiểu rõ hơn, rồi mình nạp lại cho nó, nó xác nhận với mình. Lúc đó hai bên mới thật sự hiểu nhau. Còn nếu chỉ chat vài câu thì hai bên không hiểu nhau đâu. Không hiểu nhau.

Vì sao ngữ cảnh dài lại làm nó quên khúc giữa?

Đây là lý do kỹ thuật, và nó là chỗ đắt nhất của cả bài.

Anh em hình dung thế này. Tất cả những gì chúng ta trao đổi với AI chỉ chứa được trong một cái bình. Con ngon nhất bây giờ chứa được khoảng một triệu token, anh em cứ quy đổi nó ra cái bình hai lít cho dễ hình dung.

Nhưng có một cái nhục là gì ạ? Nước đổ vào thì nó nhớ đoạn đầu và đoạn cuối là rõ nhất. Đoạn giữa thì nó nhớ kém.

Chuyện này không phải tôi tự nghĩ ra. Nhóm nghiên cứu ở Stanford đã đo và công bố trên tạp chí TACL năm 2024. Họ đặt một thông tin quan trọng vào các vị trí khác nhau trong ngữ cảnh rồi đo khả năng lấy ra. Kết quả vẽ lên thành một đường cong hình chữ U: để ở đầu thì tốt, để ở cuối thì tốt, để ở giữa thì tụt hẳn. Với GPT-3.5-Turbo, khi thông tin nằm giữa, kết quả tụt hơn 20 phần trăm, và trường hợp tệ nhất còn thấp hơn cả lúc không đưa tài liệu nào cả, tức là thấp hơn mức 56,1 phần trăm.

Vậy nếu anh em mô tả cả quy trình bằng lời, dài dòng, thì phần lớn nội dung sẽ rơi vào đúng khúc giữa. Nguy hiểm chưa ạ?

Nên cách chữa là gì? Là nén. Nén cả bức tranh lại thành một cái lưu đồ, rồi đưa nó vào ngay từ đầu. Cùng một lượng thông tin, nhưng gói gọn hơn nhiều và nằm đúng chỗ nó nhớ rõ nhất.

Anthropic gọi cái nguyên tắc này bằng một câu tôi thấy rất chuẩn: tìm tập token nhỏ nhất có tín hiệu cao nhất để đạt được kết quả mình muốn. Họ nói mô hình có một thứ gọi là ngân sách chú ý, và mỗi token thêm vào đều tiêu bớt ngân sách đó. Anh em nào muốn đi sâu phần token thì tôi có chia sẻ riêng trong bài Token là gì và vì sao chat AI càng dài càng tốn tiền, còn phần vì sao AI hay quên thì nằm ở bài Bộ nhớ AI Agent.

Đi ngược từ đích đến, làm cụ thể ra sao?

Đến phần làm. Nguyên tắc đúng một câu: đi từ bức tranh lớn xuống, đừng chắp vá từ việc nhỏ lên.

Tôi bắt đầu bằng cái đích. Tôi muốn một màn hình duy nhất để điều hành cả công ty. Vẽ nó ra trước đã.

Rồi mới đi ngược một nấc. Màn hình đó gồm những phòng nào? Marketing, Sales, Vận hành. Đi ngược tiếp một nấc nữa. Phòng Marketing gồm những đội nào? Mỗi đội cần bao nhiêu agent, mỗi agent cần kỹ năng gì?

Anh em thấy chiều đi chưa? Từ trên xuống. Không phải từ dưới lên.

Dưới đây là khung câu hỏi tôi dùng để bắt con AI ngồi dựng lưu đồ cùng mình. Anh em copy về rồi thay nội dung trong ngoặc vuông thành việc của mình. Đây là khung mẫu tôi dựng lại từ nguyên lý trong video, không phải file cấu hình đang chạy trong công ty tôi.

Vai tro cua may: may la nguoi phong van toi de dung mot luu do quy trinh.
May KHONG duoc viet code, KHONG duoc de xuat cong cu.

Muc tieu cuoi cung toi muon: [ta cai dich den bang mot cau]

Luat lam viec:
[1] Moi luot may chi hoi TOI MOT cau. Hoi xong thi dung, cho toi tra loi.
[2] Bat dau tu DICH DEN, di nguoc ve phia dau vao. Khong hoi chi tiet ky thuat truoc.
[3] Voi moi buoc trong quy trinh, may phai hoi cho ro DU BON thu:
    ten buoc / dau vao gom nhung gi / dau ra gom nhung gi / ai duyet buoc nay
[4] Khi dau ra cua mot buoc KHONG khop dau vao cua buoc sau,
    may phai noi thang ra cho toi biet, dung tu suy dien cho khop.
[5] Cho nao toi tra loi mo ho, may hoi lai, khong duoc doan.

Khi da du thong tin, may xuat ra dung hai thu:
    (a) luu do dang mermaid flowchart
    (b) bang liet ke tung buoc kem dau vao, dau ra, nguoi duyet

Bat dau bang cau hoi dau tien.

Chỗ đắt nhất nằm ở luật số 4. Anh em bắt nó nói ra chỗ không khớp, thay vì để nó tự bịa cho khớp. Đây đúng là chỗ Anthropic ghi lại trong bài viết kỹ thuật của họ: khi giao việc mà mô tả mơ hồ, các agent con sẽ làm trùng việc của nhau, hoặc bỏ sót. Họ kể một lần con agent này đi tìm khủng hoảng chip ô tô năm 2021, trong khi hai con khác cùng lúc đi tìm chuỗi cung ứng năm 2025, không con nào biết con nào.

Hỏi đáp xong thì anh em có cái lưu đồ. Nó trông đại khái như thế này, và đây cũng là thứ anh em dán vào đầu phiên làm việc với AI:

flowchart TD
    A[Kenh thu hut: YouTube, LinkedIn, Facebook] --> B[Website]
    B --> C{Khach de lai thong tin?}
    C -- Chua --> B1[Bai viet chuyen sau giu chan]
    B1 --> C
    C -- Roi --> D[(Bang LEADS)]
    D --> E[Luong email cham soc]
    E --> F{Nguoi duyet truoc khi gui}
    F -- Duyet --> G[Gui di]
    F -- Sua --> E
    G --> H[Tu van va ban hang]

    subgraph Phong_Marketing
        A
        B1
    end
    subgraph Phong_Ban_hang
        D
        E
        G
        H
    end

Anh em để ý ô hình thoi có chữ "Nguoi duyet". Chỗ nào tiền bạc hoặc uy tín đi ra ngoài thì để người đứng đó. Đừng để máy tự bấm gửi.

Nguồn chất lượng cao nuôi cả bộ máy như thế nào?

Có bản đồ rồi thì đến chuyện nuôi bộ máy bằng cái gì. Ở chỗ tôi, nguồn là video YouTube.

Tôi làm video chia sẻ kiến thức và trải nghiệm áp dụng AI agent. Đằng sau một video là cả một tập quy trình: nghiên cứu thị trường, nghiên cứu từ khoá, phân tích insight, lên kịch bản. Ra được nội dung chất lượng rồi thì tôi không để nó lãng phí. Tôi chuyển hoá nó sang dạng khác, và mỗi lần chuyển là phải cộng thêm giá trị so với bản gốc.

Anh em nhìn cái ảnh trên. Bài viết đó cắt đúng khung hình tôi đã demo trong video, gõ chữ "Tôi là Huy" vào công cụ tokenizer và máy trả về 6 token trên 10 ký tự. Người đọc nhìn phát là biết ngay bài này ra từ video thật, không phải AI ngồi đẻ nội dung từ hư vô.

Đấy là chỗ tôi muốn anh em phân biệt. Cùng là dùng AI viết bài, nhưng một bên gõ một câu rồi để nó tự đẻ, một bên đưa nguồn thật kèm công thức của mình rồi bắt nó chuyển hoá. Hai thứ đó ra hai chất lượng khác hẳn nhau.

Người xem video xong sang đọc bài, thấy có thêm giá trị thì họ ở lại. Ở lại rồi thì họ mới đăng ký nhận email, mới tìm hiểu dịch vụ. Khi họ để lại thông tin thì hệ thống bắn về Telegram cho tôi, rồi luồng tự động chạy tiếp. Cả cái phễu đó nằm gọn trong tấm bản đồ ở trên, được chưa ạ?

Ba tầng trưởng thành khi đưa AI vào doanh nghiệp

Anh em đừng nhảy cóc. Tôi thấy nó đi qua ba tầng, và tầng nào cũng phải đi qua thật.

Tầng một là bắt buộc. Anh em phải có quy trình đang chạy đã, rồi mới chuyển được. Không có quy trình mà đòi giao cho AI thì nó chạy loạn, vì chính anh em cũng chưa biết mình muốn gì.

Lên được tầng ba thì cái hay là nó nhìn ra thứ mình không nhìn ra. Nó đọc bình luận của nhiều khách hàng cùng lúc, nó gom lại, rồi nó đề xuất tôi nên làm nội dung gì tiếp. Tôi bấm nút giao việc, việc chạy xuống phòng marketing, đội agent ở đó lại phân tích tiếp. Điều rất là ngon.

Và anh em yên tâm, không cần đội công nghệ khủng khiếp gì đâu. Chúng ta không phải công ty bán sản phẩm công nghệ. Mục tiêu là đáp ứng được hoạt động của doanh nghiệp, thế là ok. Không nhất thiết phải làm cái gì quá ghê gớm.

Giới hạn thật

Đây là mục tôi bắt buộc phải viết, vì bài nào cũng phải nói rõ chỗ mình chưa chắc.

Một, cách giải thích chuyện quên khúc giữa trong video là ví von, chưa phải kết luận của nghiên cứu. Trong video tôi nói AI nhớ đầu và cuối vì nó học từ sách vở của loài người, mà sách vở thì hay để ý quan trọng ở đầu và ở cuối. Hiện tượng thì đúng, đã đo được. Nhưng cái nguyên nhân đó là cách tôi diễn giải cho dễ hình dung. Nhóm Stanford đo được đường cong chữ U nhưng không kết luận nguyên nhân là như vậy. Anthropic thì giải thích bằng kiến trúc: mô hình transformer cho mỗi token nhìn tới mọi token khác, nên n token sinh ra n bình phương quan hệ đôi một, càng dài thì sự chú ý càng bị kéo mỏng ra. Cộng thêm việc dữ liệu huấn luyện có chuỗi ngắn nhiều hơn chuỗi dài, nên nó ít kinh nghiệm với quan hệ xuyên suốt ngữ cảnh dài. Anh em cứ dùng cái ví von cho dễ nhớ, nhưng biết nguyên nhân thật nằm ở đâu thì tốt hơn.

Hai, bình to hơn không có nghĩa là dùng được nhiều hơn. Chỗ này tôi phải nói thêm cho đủ. Ví von bình hai lít dễ khiến anh em nghĩ cứ đổ đầy bình là xong. Không phải. Nghiên cứu của Stanford ghi rõ là các mô hình được quảng cáo ngữ cảnh dài chưa chắc dùng ngữ cảnh tốt hơn mô hình thường. Anthropic gọi hiện tượng này là ngữ cảnh bị mục, và nói nó xuất hiện ở mọi mô hình, xuất hiện từ rất sớm trước khi chạm trần. Nên dung tích không bằng dung tích dùng được. Điều này không bác lời khuyên nén thành lưu đồ. Nó làm lời khuyên đó mạnh hơn.

Ba, video không nhắc tới cái giá bằng tiền. Anthropic đo trên hệ thống thật của họ: một con agent tiêu khoảng 4 lần token so với chat thường, còn hệ nhiều agent tiêu khoảng 15 lần. Anh em chuyển cả phòng ban sang agent thì phải tính vào. Việc nào giá trị không đủ lớn để trả cho phần token đó thì đừng chuyển vội.

Bốn, không phải việc nào cũng hợp chia nhiều agent. Cũng Anthropic nói: việc mà tất cả agent phải dùng chung một ngữ cảnh, hoặc các bước phụ thuộc chéo nhau nhiều, thì hệ nhiều agent không hợp. Họ lấy luôn ví dụ phần lớn việc lập trình. Mô hình phòng ban tôi đang chạy rơi vào vế hợp, vì các đội làm việc song song và ít dính vào nhau. Anh em soi quy trình của mình xem nó nằm ở vế nào trước khi chia đội.

Năm, một con số trên màn hình demo tôi chưa khớp được. Thanh bên trái ghi Wecommit có 11 nhân sự AI, nhưng cộng bốn thẻ phòng ban ở dưới thì ra 15 agent. Tôi ghi lại đúng thứ đọc được trên khung hình chứ không sửa cho khớp. Nhiều khả năng hai chỗ đếm theo hai cách khác nhau.

Bảy ngày tới anh em làm được gì?

Không cần đợi có đội công nghệ. Bảy ngày, làm đúng bốn việc:

1. Ngày 1 và 2. Chọn đúng một quy trình đang chạy bằng cơm trong công ty. Chọn cái nào lặp lại nhiều nhất, đừng chọn cái khó nhất.
2. Ngày 3. Mở AI ra, dán khung câu hỏi ở trên vào, ngồi trả lời cho hết. Đừng viết prompt vội. Cứ hỏi đáp cho ra cái lưu đồ đã.
3. Ngày 4. Nhìn lại lưu đồ, đánh dấu những chỗ đầu ra bước trước không khớp đầu vào bước sau. Sửa quy trình trước, sửa prompt sau.
4. Ngày 5 tới 7. Chọn đúng một bước trong lưu đồ, giao cho AI làm thật. Một bước thôi. Chạy được đã, chưa cần đẹp.

Cứ làm đi sai lại sửa. Làm đi có chết đâu.

Câu hỏi hay gặp

Tôi chưa có quy trình viết ra giấy thì bắt đầu từ đâu? Bắt đầu bằng chính buổi hỏi đáp với AI để dựng lưu đồ. Quy trình trong đầu anh em vẫn là quy trình. Việc của buổi hỏi đáp là kéo nó ra khỏi đầu và đặt lên giấy, và phần lớn người làm xong bước này đều thấy mình hiểu công việc của mình rõ hơn trước.

Lưu đồ nên vẽ bằng công cụ gì? Công cụ nào cũng được, miễn là dạng chữ để AI đọc được. Tôi hay dùng mermaid vì nó là chữ thuần, dán thẳng vào phiên chat được, và anh em sửa một dòng là hình đổi theo. Vẽ bằng ảnh thì người nhìn được nhưng máy khó đọc.

Đưa lưu đồ vào đầu phiên rồi thì có phải đưa lại không? Có. Phiên mới là ngữ cảnh mới, nó không nhớ gì cả. Cách tôi làm là lưu lưu đồ ra một file riêng, phiên nào mở ra cũng nạp file đó vào trước tiên. Anthropic cũng làm y hệt trong sản phẩm của họ: con agent trưởng ghi kế hoạch ra bộ nhớ ngoài ngay từ đầu, vì nếu ngữ cảnh vượt 200 nghìn token thì phần cũ bị cắt mất.

Một phòng ban nên có bao nhiêu agent? Không có con số chuẩn. Ở chỗ tôi, phòng nào việc nhiều thì nhiều agent, phòng Bán hàng chỉ có một con. Anthropic có ghi lại một cái bẫy đáng nhớ: bản đầu của họ từng đẻ ra tới 50 agent con cho một câu hỏi tầm thường. Nên hãy đi từ đầu việc thật, đừng đi từ mong muốn có nhiều agent.

Có nên để agent tự chạy hết không cần người duyệt? Không. Chỗ nào đưa nội dung ra ngoài, đụng vào tiền, hoặc đụng vào khách hàng thì để người duyệt. Trên màn hình điều hành của tôi luôn có ô việc chờ duyệt, và tôi duyệt lần lượt, mỗi lần một quyết định.

Bao lâu thì thấy kết quả? Tầng một thì vài ngày là có thứ chạy được. Nhưng ba tầng thì tính bằng tháng, vì tầng hai và tầng ba chỉ tới sau khi anh em đã có đủ dữ liệu và đủ quy trình cho máy nhìn. Đừng sốt ruột ở tầng một.

Đúc kết

Đúc kết ở đây là gì ạ? Là thứ quyết định đội agent chạy đúng hay chạy loạn không nằm ở câu prompt. Nó nằm ở tấm bản đồ anh em đưa vào từ đầu.

Đi từ bức tranh lớn xuống, đừng chắp vá từ việc nhỏ lên. Chắp vá thì mỗi mảnh chạy được, nhưng ghép lại không khớp.

Và nhớ giữ người ở chỗ duyệt. Máy làm, người duyệt, đó là ranh giới tôi không bỏ.

Anh em cứ mở AI ra, dán khung câu hỏi ở trên vào, ngồi dựng thử một cái lưu đồ cho đúng một quy trình của mình. Làm xong mà thấy hợp thì đi tiếp. Tùy anh em, phong cách nào cũng được.

Anh em nào muốn xem tiếp cách chia việc cho nhiều agent mà không tốn token thì đọc bài Mô hình Multi-Agent trên OpenClaw. Còn chuyện agent làm sai vì thiếu tiêu chí đạt và thiếu người duyệt thì nằm ở bài AI Agent làm sai. Muốn nhìn toàn cảnh bộ máy vận hành thì có bài AI Agent vận hành doanh nghiệp, và phần chi phí token khi vận hành kênh thì ở bài Tối ưu chi phí token.

Nguồn tham khảo

1. Nelson F. Liu và cộng sự, Lost in the Middle: How Language Models Use Long Contexts, Transactions of the ACL, tập 12, 2024. arxiv.org/abs/2307.03172
2. Anthropic, Effective context engineering for AI agents, 29/09/2025. anthropic.com/engineering/effective-context-engineering-for-ai-agents
3. Anthropic, How we built our multi-agent research system, 13/06/2025. anthropic.com/engineering/multi-agent-research-system
4. Video gốc: Tôi giao 1 lệnh, 9 AI Agent tự chia việc, kênh Trần Quốc Huy, 26/08/2026. youtube.com/watch?v=7f58Nmc3ijk