Mức cố gắng của Claude Code, giải thích: tiêu thời gian, không phải trí thông minh

Một đồng nghiệp giao cho bạn một việc và nói: “Bạn có mười hai tiếng, cứ thong thả.” Bạn sẽ đọc yêu cầu hai lần, thử những trường hợp oái oăm, tự kiểm tra lại bài của mình, có khi làm lại một phần chưa ưng. Vẫn người đồng nghiệp đó, vẫn việc đó, nhưng lần này: “Một tiếng nữa mình cần có cái gì đó.” Bạn không hề kém đi trong một tiếng ấy. Bạn chỉ nhắm tới một bản đầu tiên ổn, giao đi, rồi cùng nhau chỉnh tiếp.

Giữa hai cảnh, tay nghề của bạn không thay đổi. Chỉ có thời gian bạn được phép bỏ ra là khác, và vì thế lượng kiểm tra bạn có thể làm cũng khác. Đó chính xác là điều mà mức cố gắng (effort) trong Claude Code làm.

Ý chính trong một câu

Mức cố gắng không làm Claude thông minh hơn: nó chỉnh lượng tính toán bỏ ra, từ đó quyết định độ kiểm tra và thử nghiệm trường hợp biên.

Mức cố gắng thật ra điều chỉnh gì

Trong bài viết làm cảm hứng cho bài này, Thariq Shihipar mô tả effort như một con số ước lượng đưa cho mô hình: bạn muốn nó dành bao nhiêu tính toán cho nhiệm vụ, gần giống cách bạn tự đánh giá độ khó của việc. Claude lúc nào cũng cố làm việc một cách hợp lý. Điều thay đổi khi tăng mức cố gắng là nó tự chủ động nhiều hơn để phán đoán và kiểm chứng.

Các mức bạn sẽ gặp trong Claude Code là low, medium, high, xhigh và max. Với Fable 5.1 và Opus 5.5, mỗi nấc tăng lên đều mang lại điểm benchmark cao hơn, đi kèm nhiều token tiêu tốn hơn. Một chi tiết thực tế rất quan trọng: các mô hình này phản hồi theo effort mà không làm vỡ prompt cache, nên bạn có thể đổi mức ngay giữa cuộc trò chuyện.

Quay lại người đồng nghiệp có mười hai tiếng. Dành nhiều thời gian không làm bạn hiểu biết hơn, và mức cố gắng cũng không đổi điều mô hình biết. Nó đổi hình dạng của công việc.

Khi nào mức cố gắng đáng tiền: những trường hợp biên ẩn

Bài học rõ nhất từ nguồn là: mức cố gắng cao phát huy tốt nhất ở những nhiệm vụ có nhiều trường hợp biên ẩn. Ví dụ tiêu biểu là html-js-filter, một bài trong Terminal-Bench 3.0 yêu cầu viết bộ lọc HTML loại bỏ mọi cách lén chèn JavaScript vào trang. Fable 5.1 đi từ 1/5 ở mức low lên 5/5 ở mức xhigh.

Khác biệt nằm ở cách làm, không nằm ở kiến thức. Một lần thử điển hình ở mức low mất khoảng 2 phút: viết bộ lọc gần như một mạch, thử trên đúng một trang HTML tự viết tay, xong. Một lần chạy ở mức cao mất khoảng 33 phút: nó tự phản biện bản nháp đầu tiên, đọc mã nguồn của trình phân tích cú pháp đã cài để tìm lỗi, chạy một bộ kiểm thử XSS chuẩn, và cuối cùng viết hẳn một fuzzer sinh tài liệu ngẫu nhiên. Đó là người đồng nghiệp có mười hai tiếng, phiên bản phần mềm.

Theo từng lĩnh vực cũng thấy cùng quy luật. Tỉ lệ thành công của Fable 5.1 tăng mạnh ở phần cứng (từ 34% lên 75%) và bảo mật (từ 64% lên 87%), nơi việc kiểm chứng quan trọng, và tăng ít hơn nhiều ở vận hành (từ 12% lên 22%), loại công việc kiểu áp dụng quy định.

Điều mức cố gắng không sửa được

Kiểm tra lâu hơn không cứu được một ý tưởng tồi. Nguồn phân loại từng lần thử trong Terminal-Bench 3.0 theo cách nó thất bại. Với Fable 5.1, khi đi từ low lên max, trên 370 lần thử, số lần thành công tăng từ 140 lên 214 và số lần thất bại vì bỏ sót trường hợp giảm từ 59 xuống 24. Nhưng những lần mô hình chọn sai, chẳng hạn hiểu nhầm một yêu cầu hay chọn sai cách hiểu bài toán, chỉ giảm từ 133 xuống 107.

Vậy nhiều cố gắng hơn giảm trường hợp biên bị quên, không sửa cách tiếp cận sai. Nếu kế hoạch đã sai, thêm một giờ kiểm thử cẩn thận chỉ là đánh bóng một thứ sai. Vì thế, trước khi vặn núm, hãy chắc rằng kế hoạch là đúng.

Mức nào cho việc nào

Sự đánh đổi này còn có một mặt rất con người. Mức thấp giúp Claude trả lời nhanh với một điểm khởi đầu trong khi bạn vẫn nắm vòng lặp. Mức cao làm được nhiều việc hơn, nhưng Claude cũng tự đưa ra nhiều giả định thay bạn hơn. Với yêu cầu mơ hồ “build a personal fitness and workout tracker app”, mức low cho ra một nhật ký và một biểu đồ đơn giản sau 1,5 phút; mức max mất 67 phút và thêm vào, trong số nhiều thứ, một biểu đồ nhiệt.

Quy tắc kinh nghiệm của tác giả:

• Low: khi cần phản hồi nhanh mà bạn vẫn theo sát, ví dụ động não ý tưởng, phác thảo, sửa đổi dễ.
• Medium: phần lớn công việc kỹ thuật phần mềm thường ngày, như triển khai một tính năng mới.
• High: khi việc kiểm chứng quan trọng hoặc có trường hợp biên, như sửa lỗi trong một codebase đã có sẵn.
• Max: để Claude tự chủ hoàn toàn với bài toán khó, như xây dựng và kiểm chứng một ứng dụng từ đầu đến cuối, hay tìm lỗ hổng bảo mật trong phần mềm quan trọng.

Để thử

1. Thay đổi mức cố gắng trong Claude Code, kể cả khi đang trò chuyện.

   /effort

2. Đưa thông số kỹ thuật cho Claude và yêu cầu nó phỏng vấn bạn về phần còn thiếu.

3. Thực thi ở mức cố gắng low, đọc lại, lặp lại ở low nếu cần.

4. Kiểm tra và thử nghiệm ở mức cố gắng high.

Tóm lại

Mức cố gắng là ngân sách thời gian, không phải nút chỉnh chỉ số IQ. Bỏ ít khi bạn chỉ cần bản phác và sẽ tự lái; bỏ nhiều khi rủi ro nằm trong trường hợp biên và bạn muốn Claude tự kiểm tra bài của mình. Và dù ở mức nào, hãy chốt cách tiếp cận trước, vì không có lượng kiểm tra thêm nào cứu được một ý tưởng sai.