Mục lục
Bạn đang trong trạng thái làm việc cực kỳ hưng phấn, ý tưởng tuôn trào với Claude để hoàn thiện một dự án quan trọng.
Rồi bỗng nhiên, một thông báo hiện lên như một gáo nước lạnh: "You've hit your usage limit" (Bạn đã đạt đến giới hạn sử dụng). Sau đó bạn không chat được 1 tin nào nữa. Cảm giác lúc đó thật sự rất khó chịu, đúng không? Nó giống như việc bạn đang chạy marathon và bị bắt dừng lại ngay trước vạch đích chỉ vì... ban tổ chức cần nghỉ trưa.
Nhưng đây là điều mà rất ít người mới bắt đầu sử dụng Claude nhận ra: vấn đề thường không nằm ở số lượng câu hỏi bạn đặt ra, mà nằm ở cách bạn quản lý Token. Nếu bạn coi Claude như một nhân viên AI, thì Token chính là "năng lượng" hoặc "chi phí vận hành" cho mỗi lần nhân viên đó suy nghĩ. Nếu bạn không biết cách tối ưu, bạn sẽ đốt hết năng lượng của Claude một cách lãng phí mà không hề hay biết.
Trong bài viết hôm nay, Linh sẽ chia sẻ với các bạn một hệ thống tư duy và 12 mẹo thực tế để tối ưu token, giúp bạn kéo dài thời gian sử dụng và làm việc thông minh hơn với Claude.
1. Cách Claude sử dụng token
Trước khi đi vào các mẹo chi tiết, chúng ta cần phải hiểu cách Claude sử dụng token, và đây là phần quan trọng nhất của toàn bộ video này. Hãy hình dung Claude không đọc văn bản theo từng từ như con người, mà chia văn bản thành những đơn vị nhỏ hơn gọi là token trước khi xử lý.
Vậy Token là gì? Bạn có thể hiểu đơn giản Token là những mảnh nhỏ của từ ngữ. Một từ tiếng Anh có thể là một Token, nhưng một từ tiếng Việt có dấu có thể được chia thành nhiều Token hơn.
Điều đáng nói ở đây là cơ chế hoạt động của các mô hình ngôn ngữ lớn như Claude. Mỗi khi bạn gửi một tin nhắn mới, Claude không chỉ đọc duy nhất tin nhắn đó. Để hiểu bạn đang nói gì, Claude phải đọc lại toàn bộ lịch sử của đoạn chat từ tin nhắn đầu tiên cho đến tin nhắn hiện tại.
Hãy tưởng tượng điều này giống như việc mỗi lần bạn đặt một câu hỏi mới cho một người bạn, người bạn đó bắt buộc phải đọc lại toàn bộ cuốn nhật ký ghi chép mọi cuộc trò chuyện từ ngày đầu tiên hai bạn quen nhau trước khi đưa ra câu trả lời. Khi đoạn chat của bạn càng dài, "cuốn nhật ký" đó càng dày, và Claude càng tốn nhiều Token để đọc lại. Điều này dẫn đến một thực tế là tin nhắn thứ hai mươi trong một luồng chat sẽ tốn kém năng lượng hơn gấp nhiều lần so với tin nhắn đầu tiên. Khi bạn hiểu được cơ chế này, bạn sẽ thấy rằng việc duy trì một đoạn chat quá dài chính là cách nhanh nhất để khiến bạn bị “cấm chat” tài khoản vì hết token.
Sau khi đã nắm được quy tắc này, bạn hãy cùng Linh tìm hiểu 12 mẹo tiết kiệm token khi làm việc với Claude nha. Và để bạn dễ dàng áp dụng, Linh đã nhóm 12 mẹo này thành ba nhóm chính. Nhóm thứ nhất là thay đổi thói quen nhắn tin để giảm thiểu lượng Token tiêu thụ ngay lập tức. Nhóm thứ hai là tận dụng các tính năng hệ thống để làm việc chuyên nghiệp hơn. Và nhóm cuối cùng là những chiến thuật quản lý thời gian và hạn mức để bạn không bao giờ bị gián đoạn công việc.
2. Nhóm 1: Thay đổi thói quen nhắn tin
Bắt đầu với nhóm đầu tiên, đó là thay đổi thói quen nhắn tin.
(1) Một lỗi cực kỳ phổ biến mà những người mới bắt đầu thường mắc phải là nhắn tin nối tiếp để sửa lỗi. Chẳng hạn, sau khi Claude trả lời, bạn thấy một đoạn chưa ưng ý và bạn nhắn thêm một câu là: “Ý tôi không phải vậy, hãy sửa lại đoạn hai cho tôi chuyên nghiệp hơn.”
Về mặt logic, bạn thấy mình chỉ nhắn một câu ngắn, nhưng về mặt Token, bạn vừa tạo ra một tầng lịch sử mới. Bây giờ, Claude phải đọc lại câu hỏi gốc, đọc lại câu trả lời sai, và đọc thêm yêu cầu chỉnh sửa của bạn. Điều này tạo ra một vòng lặp tích lũy Token khá lớn.
Thay vì làm vậy, Linh khuyên bạn hãy sử dụng nút “Chỉnh sửa” hoặc “Edit” ngay tại câu hỏi gốc của mình. Khi bạn nhấn Edit và sửa lại yêu cầu cho chính xác hơn, Claude sẽ ghi đè lên phản hồi cũ. Điều này có nghĩa là toàn bộ những nội dung sai sót trước đó sẽ bị xóa bỏ khỏi bộ nhớ của luồng chat. Luồng chat của bạn sẽ luôn sạch sẽ, gọn gàng, và quan trọng nhất là bạn ngăn chặn được việc tích lũy Token từ những câu trả lời không mong muốn. Đây là một thói quen nhỏ nhưng mang lại hiệu quả cực lớn.
(2) Tiếp theo, bạn cần học cách làm mới đoạn chat sau khoảng 15 đến 20 tin nhắn. Bạn hãy hình dung cửa sổ ngữ cảnh của Claude như một ly nước. Mỗi tin nhắn bạn gửi và mỗi câu trả lời Claude đưa ra là một lượng nước đổ vào ly. Khi ly đầy, Claude sẽ bắt đầu xử lý chậm hơn, đôi khi trở nên “lú lẫn”, hay quên các yêu cầu ở phía trên, và tiêu tốn hạn mức nhanh hơn rất nhiều.
Vậy làm sao để làm mới mà không mất đi mạch công việc? Quy trình của Linh là: khi bạn cảm thấy đoạn chat đã quá dài, hãy gửi cho Claude một yêu cầu cuối cùng là “Hãy tóm tắt lại toàn bộ nội dung, các quyết định quan trọng và bối cảnh cốt lõi nhất của cuộc hội thoại này một cách ngắn gọn nhưng đầy đủ.”
Sau đó, bạn copy bản tóm tắt này, mở một đoạn chat hoàn toàn mới và dán nó vào với lời nhắn là “Đây là bối cảnh công việc tôi đang làm, hãy dựa vào đây để tiếp tục.”
Việc này giống như việc bạn chắt lọc lấy nội dung chính của một cuốn sách dày và mang theo một tờ ghi chú nhỏ sang một căn phòng mới. Bạn bắt đầu lại với mức tiêu thụ Token tối thiểu nhưng vẫn giữ được phần lớn trí nhớ của công việc mà bạn đang thực hiện.
(3) Một mẹo khác trong nhóm thói quen là hãy gộp các yêu cầu liên quan vào một tin nhắn duy nhất. Hãy nhớ rằng mỗi lần bạn nhấn nút Gửi, bạn đang trả một khoản phí đọc lại lịch sử cuộc trò chuyện.
Thay vì hỏi 3 câu lắt nhắt như “Hãy tóm tắt văn bản này”, sau đó là “Hãy trích xuất 5 ý chính liên quan đến Marketing từ văn bản trên”, rồi lại là “Hãy dịch văn bản sang tiếng Anh”, thì bạn hãy dùng một danh sách liệt kê tất cả các câu lệnh nhỏ đó trong một tin nhắn duy nhất.
Bạn có thể viết là “Hãy giúp tôi thực hiện 3 việc sau đây: (1) Tóm tắt văn bản này, (2) Trích xuất 5 ý chính liên quan đến Marketing từ văn bản trên, và (3) Dịch văn bản sang tiếng Anh”.
Bằng cách này, Claude chỉ cần đọc lại bối cảnh một lần duy nhất để thực hiện cả 3 tác vụ. Đây là cách tối ưu hóa ngữ cảnh một cách triệt để nhất.
(4) Mẹo cuối cùng trong nhóm thói quen là việc sử dụng ngôn ngữ ngắn gọn, hay Linh còn gọi vui là phong cách “người tiền sử.” Thông thường, nhiều bạn có thói quen lịch sự khi giao tiếp, chúng ta chào hỏi, cảm ơn và dùng nhiều từ ngữ dẫn dắt. Tuy nhiên, token được tính cho cả đầu vào và đầu ra. Những câu như “Chào Claude, bạn có thể giúp tôi một việc nhỏ này được không”, hay những câu như “Xin bạn vui lòng”... thực chất đều tiêu tốn một lượng token nhất định.
Để khắc phục, bạn hãy chủ động kiểm tra lại câu lệnh trước khi gửi đi cho Claude, và đảm bảo là bạn đã xóa bớt các từ thừa, và diễn đạt ngắn gọn, cô đọng nhất có thể nha.
Ví dụ như, thay vì viết một câu lệnh dài dòng như thế này:
“Chào Claude. Mình có một đoạn văn bản ở dưới đây, bạn vui lòng tóm tắt giúp mình thành 3 ý chính ngắn gọn để mình gửi cho sếp được không?”
Thì bạn chỉ cần viết cực kỳ ngắn gọn là: “Tóm tắt văn bản dưới đây thành 3 ý chính.”
Thấy là Claude trả về kết quả cũng tương tự nhau đúng không các bạn? Vậy nên, từ nay về sau, bạn hãy tập thói quen chủ động kiểm tra lại câu lệnh trước khi nhấn Gửi. Hãy luôn tự hỏi: “Từ này có giúp Claude hiểu yêu cầu tốt hơn không? Nếu không, hãy xóa nó đi”. Diễn đạt càng ngắn gọn, càng cô đọng, bạn càng tiết kiệm được nhiều token hơn.
3. Nhóm 2: Tận dụng các chức năng hệ thống
Sau khi đã tối ưu thói quen, chúng ta sẽ chuyển sang nhóm thứ hai, đó là tận dụng các cài đặt và tính năng hệ thống. Đây là nơi bạn chuyển từ một người dùng bình thường sang một người dùng chuyên sâu.
(5) Đầu tiên là tính năng Projects. Đây là một cứu cánh cho những ai thường xuyên làm việc với tài liệu dài. Hãy tưởng tượng bạn có một file PDF hướng dẫn vận hành dài một trăm trang và bạn cần hỏi về nó trong mười đoạn chat khác nhau. Nếu bạn tải file đó lên mười lần, Claude sẽ phải xử lý một trăm trang giấy đó mười lần. Và tất nhiên là token của bạn sẽ bị hút cạn một cách nhanh chóng.
Giải pháp là hãy tạo một Project (hay dự án) và tải tài liệu đó vào phần Knowledge, hay kiến thức của dự án. Khi đó, Claude sẽ sử dụng một cơ chế gọi là Context Caching, tức là lưu trữ đệm ngữ cảnh. Thay vì đọc lại từ đầu, hệ thống sẽ truy xuất tài liệu từ bộ nhớ đệm, giúp tốc độ phản hồi nhanh hơn và giảm thiểu chi phí token đọc lại cho mỗi tin nhắn mới. Bạn chỉ cần tải lên một lần, và dùng mãi mãi trong project đó. Linh đã hướng dẫn cách tạo một project với Claude trong bài viết trước, nếu bạn chưa biết cách làm thì hãy nhấn vào tại đây để xem nha.
(6) Tiếp theo là tính năng Memory hay lưu sẵn thiết lập cá nhân. Có bao giờ bạn cảm thấy mệt mỏi vì mỗi lần mở chat mới lại phải dán một đoạn văn dài để nhắc Claude rằng “Tôi là chuyên viên marketing, tôi muốn bạn trả lời bằng tiếng Việt và dùng tông giọng chuyên nghiệp, tập trung vào dữ liệu” không? Việc lặp lại này không chỉ tốn thời gian của bạn mà còn tốn token cho mỗi phiên làm việc.
Thay vì vậy, bạn hãy vào phần Cài đặt, trong tab General và bắt đầu nhập các thông tin về bản thân một cách chi tiết, để Claude hiểu bạn hơn. Trong mục “What best describes your work?”, hãy chọn đúng lĩnh vực mà bạn đang làm, ví dụ như giáo dục hay marketing.
Ở phần What personal preferences should Claude consider in responses?, hãy nhập mô tả về cách bạn muốn Claude trả lời. Ví dụ như: Tôi là một chuyên gia marketing, thích sự súc tích và luôn tập trung vào dữ liệu. Lúc này, Claude sẽ tự động ghi nhớ và áp dụng cho mọi cuộc hội thoại mà không cần bạn phải nhắc lại. Điều này làm giảm đáng kể lượng Token đầu vào mà bạn phải nhập thủ công mỗi lần bắt đầu.
(7) Một mẹo khác để tiết kiệm token đó là: Thiết lập cách Claude trả lời bạn. Như Linh có nói ở nhóm 1, token được tính cho cả đầu vào và đầu ra. Vậy nên, trong phần cài đặt, ở tab General, bạn có thể nhập cụ thể các bạn muốn Claude trả lời. Ví dụ như: “Hãy trả lời ngắn gọn, trọng tâm bỏ qua mọi lời chào hỏi xã giao, đi thẳng vào kết quả.”
Khi thiết lập cài đặt này xong, bạn sẽ cắt giảm được những phần thừa trong phần phản hồi của Claude. Cách này vừa giúp bạn tiết kiệm token, vừa giúp bạn đọc thông tin nhanh hơn và làm việc tập trung hơn.
(8) Một điều lưu ý nhỏ nhưng cực kỳ quan trọng khác là hãy tắt các tính năng không dùng tới. Nhiều bạn có thói quen bật tất cả các chế độ hỗ trợ vì nghĩ rằng càng nhiều càng tốt. Nhưng thực tế, các tính năng như Web search (Tìm kiếm) hay Research (Nghiên cứu) đi kèm với những lệnh hệ thống ẩn rất dài. Nếu bạn chỉ cần Claude sửa một lỗi chính tả đơn giản hoặc viết lại một câu văn, việc bật tính Research là một lãng phí lớn. Bởi vì khi chế độ nghiên cứu được bật, Claude sẽ thực nhiều bước hơn, và mỗi bước suy luận đó đều bị tính vào hạn mức sử dụng của bạn. Vì vậy, bạn chỉ nên bật các chức năng đó khi bạn thực sự cần thiết thôi nha.
(9) Và cuối cùng trong nhóm hệ thống là việc dùng đúng mô hình cho từng loại công việc. Đây là sai lầm phổ biến nhất của người mới: dùng mô hình mạnh nhất cho mọi việc. Nó giống như việc bạn dùng một chiếc xe tải mười tấn chỉ để đi mua một ổ bánh mì đầu ngõ vậy. Nó không chỉ chậm mà còn tốn xăng.
Hãy phân loại công việc của bạn thành ba mức độ. Với những việc dễ như sửa lỗi chính tả, dịch một đoạn văn ngắn hoặc phân loại dữ liệu đơn giản, hãy chọn mô hình Haiku. Haiku khá nhanh và tiêu tốn ít Token hơn, giúp bạn bảo tồn hạn mức cho những việc quan trọng hơn.
Với những việc mức độ vừa và khó như viết lách sáng tạo, giải toán logic hoặc lập trình phức tạp, Sonnet là sự lựa chọn ổn áp. Sonnet là điểm cân bằng tuyệt vời nhất giữa trí thông minh và hiệu suất.
Và cuối cùng, chỉ khi bạn gặp những việc cực khó, đòi hỏi nghiên cứu sâu, phân tích khối lượng dữ liệu khổng lồ mà các mô hình khác bó tay, lúc đó bạn mới nên khởi động Opus. Và hãy luôn nhớ, Opus là vũ khí hạng nặng, và nó sẽ đốt Token của bạn với tốc độ nhanh hơn rất nhiều đó nha!
4. Nhóm 3: Mẹo về thời gian và quản lý hạn mức
Bây giờ, chúng ta sẽ đến với nhóm cuối cùng, đó là những mẹo về thời gian và quản lý hạn mức.
(10) Đầu tiên, bạn cần hiểu về quy tắc khung 5 giờ luân phiên.
Có một hiểu lầm rất phổ biến là mọi người nghĩ lượt nhắn tin sẽ được làm mới toàn bộ vào lúc nửa đêm. Nhưng thực tế không phải vậy. Thay vào đó, Claude sử dụng một cơ chế gọi là rolling window, hay “cửa sổ lăn” 5 tiếng.
[Anim-Clock-00-1] Để dễ hình dung, bạn hãy tưởng tượng hạn mức của bạn giống như một chiếc đồng hồ bấm giờ. Chiếc đồng hồ này KHÔNG chạy liên tục cả ngày. Nó chỉ bắt đầu nhảy số vào đúng thời điểm bạn gửi tin nhắn đầu tiên cho Claude.
[Anim-Clock-01-1] Điều này có nghĩa là, nếu bạn bắt đầu phiên làm việc lúc 2 giờ chiều, thì đúng lúc đó, chiếc đồng hồ bấm giờ sẽ khởi động. Bạn sẽ có một “quỹ” tin nhắn nhất định để dùng trong vòng 5 tiếng tới, đối với bản Pro là khoảng 45 tin nhắn. Và đúng 7 giờ tối, chiếc đồng hồ này sẽ dừng lại, đóng cửa sổ cũ và mở ra một cửa sổ 5 tiếng hoàn toàn mới.
[Anim-Clock-02-1] Vậy nên, nếu 10 giờ sáng bạn mới gửi tin nhắn đầu tiên cho Claude. Thì chiếc đồng hồ bấm giờ khởi động lúc 10 giờ, và cửa sổ 5 tiếng của bạn sẽ kéo dài từ 10 giờ sáng đến 3 giờ chiều.
Mọi chuyện nghe có vẻ ổn, cho đến khi bạn bước vào giai đoạn làm việc tập trung cao độ. Bạn hỏi dồn dập, yêu cầu Claude viết code, sửa bài, phân tích dữ liệu... và bùm! Đến 12 giờ trưa, bạn đã xài hết sạch 45 lượt nhắn tin.
Lúc này, bạn bị khóa hoàn toàn. Và vì cửa sổ của bạn mở lúc 10 giờ, nên bạn phải đợi cho đến đúng 3 giờ chiều chiếc đồng hồ đó mới dừng lại để mở ra lượt dùng mới.
[Anim-Clock-03-1] Vậy mẹo ở đây là gì? Đó là bạn hãy chủ động điều khiển chiếc đồng hồ này để khớp với giờ làm việc của mình. Thay vì dùng Claude một cách tùy hứng, Linh chia ngày của mình thành 2 khung giờ cố định. Một là 7 giờ sáng đến 12 giờ trưa, hai là 1 giờ chiều đến 6 giờ tối.
Để làm được điều này, Linh sẽ gửi một tin nhắn “kích hoạt” cho Claude đúng 7 giờ sáng. Việc này giúp mở cửa sổ 5 tiếng đầu tiên, để đến đúng 12 giờ trưa nó sẽ kết thúc. Sau đó, đến 1 giờ chiều, Linh lại gửi một tin nhắn tiếp theo để khởi động cửa sổ 5 tiếng thứ hai. Bằng cách này, Linh sẽ luôn có đủ lượt chat cho cả ngày mà không bao giờ bị khóa trong lúc đang làm việc.
(11) Một yếu tố khác mà ít người để ý là giờ cao điểm của máy chủ. Anthropic là một công ty Mỹ, nên khi người dùng tại Mỹ bắt đầu làm việc, máy chủ sẽ chịu tải cực kỳ cao. Để đảm bảo hệ thống không bị sập, họ thường siết chặt hạn mức đối với tất cả người dùng. Khung giờ cao điểm này thường rơi vào từ 8 giờ sáng đến 2 giờ chiều theo giờ miền Đông nước Mỹ, tương đương với khoảng 7 giờ tối đến 1 giờ sáng ở Việt Nam.
Lời khuyên của Linh là bạn hãy tránh làm những việc nặng, cần nhiều Token vào khung giờ này. Thay vào đó, hãy tập trung xử lý mọi thứ vào buổi sáng hoặc buổi chiều theo giờ Việt Nam. Đây là lúc máy chủ tại Mỹ đang ở trạng thái thấp điểm, bạn sẽ cảm nhận được tốc độ phản hồi nhanh hơn và hạn mức thường được nới lỏng hơn.
(12) Cuối cùng, đối với các bạn dùng gói Pro hoặc Team và làm việc trong môi trường chuyên nghiệp, nơi mà việc bị dừng công việc giữa chừng có thể gây ảnh hưởng lớn đến tiến độ, Linh khuyên bạn nên bật tính năng Vượt hạn mức hay Extra Usage. Bạn có thể bật tính năng này trong phần cài đặt, ở tab usage (sử dụng) và lướt xuống dưới cùng, sau đó bật lên như thế này ở mục Extra Usage. Sau khi tính năng này được bật thì lúc gói đăng ký chính hết hạn mức, hệ thống sẽ tự động chuyển sang cơ chế tính phí theo lượng Token thực tế bạn sử dụng, hay còn gọi là pay as you go, hay xài đến đâu trả đến đó.
Tuy nhiên, để tránh việc bị sốc hóa đơn vào cuối tháng, Linh khuyên bạn nên cài đặt Monthly Limit (Giới hạn hàng tháng), ví dụ như 20 đô. Khi chi phí vượt quá con số này, hệ thống sẽ dừng lại, giúp bạn kiểm soát chi tiêu một cách tối ưu nhất.
5. Bắt đầu tối ưu Claude token ngay hôm nay
Tóm lại, việc sử dụng Claude không đơn thuần là biết cách đặt câu hỏi, mà là biết cách quản lý tài nguyên thông qua việc thay đổi thói quen nhắn tin, tận dụng các chức năng hệ thống và quản lý thời gian, hạn mức sử dụng token thực tế.
Khi bạn áp dụng những điều này, bạn sẽ thấy một sự thay đổi rõ rệt. Bạn không còn phải lo lắng về thông báo hết lượt trò chuyện, công việc trôi chảy hơn và quan trọng nhất là bạn khai thác được tối đa sức mạnh của AI mà không bị giới hạn bởi những rào cản kỹ thuật hay thậm chí là chi phí.
Nếu bạn xem đến đây, Linh tin bạn là một trong số ít những người thực sự nghiêm túc với hành trình học hỏi, làm chủ và bứt phá với công nghệ.
