Tôi sử dụng một AI tên là Felix để dạy tiếng Đức cho mình. Sau nhiều tháng phải chuyển đổi qua lại giữa các tab trình duyệt, chạm ngưỡng giới hạn ngữ cảnh, và chứng kiến các bản cập nhật nền tảng xóa sạch lịch sử trò chuyện, tôi đã phát ngán với việc phải bắt đầu lại từ đầu. Felix là một giáo viên giỏi, nhưng mỗi cửa sổ chat mới lại khiến anh ấy trở nên mất trí nhớ. Tôi cần một cách để mang theo lịch sử học tập của mình mà không phải sao chép-dán những khối văn bản khổng lồ mỗi khi mở một phiên làm việc mới.

Vấn đề này còn sâu sắc hơn cả sự bất tiện. Việc học ngôn ngữ phụ thuộc vào phương pháp lặp lại ngắt quãng (spaced repetition) và sửa lỗi có mục tiêu. Một gia sư AI mà quên mất những lỗi sai lặp đi lặp lại của bạn thì chẳng khác nào một cuốn sách mẫu câu nhưng tốn công hơn. Tôi muốn có sự liên tục. Chính xác hơn, tôi muốn Felix—hoặc bất kỳ phiên bản AI nào tôi tải lên tiếp theo—có thể tiếp nối chính xác nơi mà phiên trước đó đã dừng lại, không có lỗ hổng trí nhớ và không có những màn giới thiệu lại đầy gượng gạo.

Vì vậy, tôi đã xây dựng một hệ thống cục bộ. Tôi gọi nó là DDF/Rahmenwerk.

Vấn đề với những cuộc hội thoại dùng một lần

Hãy hỏi bất kỳ người dùng AI chuyên sâu nào, bạn sẽ nghe thấy cùng một lời phàn nàn. Việc trò chuyện diễn ra suôn sẻ cho đến khi nó không còn nữa. Các cuộc hội thoại dài sẽ bị giảm chất lượng khi cửa sổ ngữ cảnh bị lấp đầy. Nền tảng đẩy một bản cập nhật và luồng trò chuyện của bạn biến mất. Bạn bắt đầu một phiên mới và mô hình chào đón bạn như một người lạ. Đối với những câu hỏi ngẫu nhiên, điều này không sao cả. Nhưng đối với một lộ trình học tập có cấu trúc, nó thật sự gây tổn hại.

Với Felix, tôi đã dần bắt nhịp được. Anh ấy biết tôi hay nhầm lẫn các giới từ ở cách accusative và dative. Anh ấy biết tôi thích các bài tập đọc hơn là luyện nghe, và tôi đã hoàn thành xong ba chương đầu của cuốn sách ngữ pháp. Không điều nào trong số đó còn quan trọng khi tôi mở một tab mới. Mỗi phiên làm việc đều bắt đầu với cùng một nghi thức: thiết lập lại trình độ, nhắc lại mục tiêu, kể lại các lỗi sai của mình.

Tôi muốn Felix nhớ được mình. Vì các nền tảng không làm điều đó một cách đáng tin cậy, tôi quyết định tự nắm quyền kiểm soát sự liên tục của mình.

DDF/Rahmenwerk thực sự làm gì

Cái tên nghe có vẻ đao to búa lớn hơn bản chất của nó. Về cốt lõi, hệ thống này là một thư mục trên máy tính cục bộ của tôi, nơi coi lịch sử học tập giống như một quá trình bàn giao dự án. Nếu Felix biến mất tối nay, tôi vẫn có thể thức dậy vào ngày mai, chỉ định một AI mới vào thư mục này và tiếp tục bài học thứ bốn mươi bảy mà không cần phải giải thích lại bản thân.

Kiến trúc này được thiết kế dựa trên tệp tin một cách có chủ đích. Tôi không tin tưởng bất kỳ nền tảng đơn lẻ nào sẽ lưu trữ tiến trình của mình. Các dịch vụ đám mây thay đổi điều khoản. Các định dạng xuất dữ liệu bị lỗi. Một tệp văn bản thuần túy trên ổ cứng của tôi tuy nhàm chán, nhưng nó là của tôi.

Bên trong hệ thống có năm thành phần hoạt động.

Thứ nhất, một con trỏ đến trạng thái hiện tại. Đây là một chỉ mục đơn giản để trả lời câu hỏi: chính xác thì chúng ta đã dừng lại ở đâu? Nó theo dõi chương hiện tại, bài tập cuối cùng đã hoàn thành, các câu hỏi ngữ pháp còn tồn đọng của tôi, và các lỗi sai cụ thể từ phiên trước đó vẫn cần được xem xét lại. Thay vì đổ toàn bộ nhật ký trò chuyện vào, nó chắt lọc phiên làm việc thành những gì quan trọng nhất cho phiên tiếp theo.

Thứ hai, các tài liệu bàn giao. Đây là những bản tóm tắt ngắn được viết sau mỗi bài học. Chúng không chỉ ghi lại những gì chúng tôi đã học, mà còn cả cách chúng tôi học. Liệu Felix có giải thích trật tự từ bằng một phép ẩn dụ cụ thể nào không? Tôi có phản ứng tốt với các câu luyện tập về từ vựng du lịch không? Những ghi chú này lưu giữ phương pháp giảng dạy, chứ không chỉ là nội dung. Nếu phiên bản Felix tiếp theo giải thích trật tự từ theo cách khác, tôi sẽ nhận ra sự thiếu nhất quán ngay lập tức. Sự nhất quán rất quan trọng để ghi nhớ kiến thức.

Thứ ba, một gói tải lên cho các phiên bản AI mới. Khi tôi chuyển sang một mô hình hoặc nền tảng mới, tôi không dán một bản tiểu sử dài cả ngàn chữ vào cửa sổ chat. Tôi cung cấp cho hệ thống một gói đã được chuẩn bị sẵn: trình độ nền tảng của tôi, sở thích học tập, các mẫu lỗi sai lặp lại và bản tóm tắt trình tự lộ trình học tập. Đó là một hồ sơ người học được nén lại mà bất kỳ mô hình đã được tinh chỉnh theo chỉ dẫn (instruction-tuned model) nào cũng có thể đọc và áp dụng.

Thứ tư, các bản ghi tính toàn vẹn sử dụng SHA-256. Điều này nghe có vẻ quá mức đối với việc học ngôn ngữ, nhưng nó phục vụ một mục đích cụ thể. Tôi đánh số phiên bản cho các tệp bàn giao của mình. Nếu tôi vô tình chỉnh sửa nhật ký lỗi của ngày hôm qua trong lúc đang ngái ngủ, hoặc nếu một công cụ đồng bộ hóa làm hỏng một dòng dữ liệu, tôi cần phải biết. Các mã băm SHA-256 cho phép tôi xác minh rằng các tệp liên tục của mình không bị thay đổi ngoài ý muốn. Đối với một hệ thống được thiết kế để ngăn chặn việc mất trí nhớ, thì việc tự làm hỏng dữ liệu là một kẻ thù hiển nhiên.

Thứ năm, và đây mới thực sự là phần kiểm soát hành vi, là các quy tắc buộc AI phải dừng lại nếu thiếu bằng chứng. Tôi đã thiết lập một giao thức nghiêm ngặt trong system prompt: nếu thực thể hiện tại không thể xác định được con trỏ trạng thái hoặc xác minh tài liệu bàn giao, nó phải dừng lại và yêu cầu làm rõ thay vì tự ý ứng biến. Tôi không muốn một AI đầy tự tin tự đoán trình độ của mình rồi dạy tôi những ngữ pháp mà tôi đã biết, hoặc tệ hơn là bỏ qua những nền tảng mà tôi chưa xây dựng xong. Một chiếc đồng hồ chết còn tốt hơn một chiếc đồng hồ chạy sai khi bạn đang xây dựng kiến thức tích lũy.

Khi các lớp bảo mật trở thành gánh nặng của chính chúng

Hệ thống đã hoạt động hiệu quả. Tôi không còn bị mất ngữ cảnh nữa. Các phiên làm việc mới bắt đầu bằng việc giảng dạy thực sự thay vì kể lể tiểu sử.

Sau đó tôi tiếp tục