Năm điều nhất quán xuyên suốt toàn bộ nội dung

01. An toàn là một chồng các tầng, không phải là một cài đặt đơn lẻ (Safety is a stack of layers, not a setting)

Quá trình huấn luyện giúp giảm thiểu các tác hại diện rộng cho mọi yêu cầu, nhưng chưa bao giờ nhìn thấy chính sách miền, quy tắc dữ liệu hay mô hình phân quyền của đối tác, do đó hãy vạch ranh giới một cách minh bạch và xác định rõ những gì từng tầng bao phủ. Sự sụp đổ nguy hiểm nhất là sự sụp đổ âm thầm: giả định rằng Claude đang thực thi một quy tắc vốn không thực sự tồn tại ở bất kỳ tầng nào.

02. Một đường đi được bảo vệ có 3 điểm kiểm soát và một hướng xử lý lỗi được lựa chọn (A guarded path has three control points and a chosen failure direction)

Sàng lọc đầu vào (Input screening), sàng lọc đầu ra (Output screening), và phân quyền gọi công cụ (Tool-call authorization) trả lời các câu hỏi khác nhau, do đó chỉ có một bộ lọc ở cuối con đường sẽ không thể bao phủ hai điểm còn lại. Hãy để các lỗi của cơ chế kiểm soát fail closed đối với các quyết định mà việc lỡ cho qua sai lầm sẽ gây ra tác hại — bởi vì một rào cản an toàn âm thầm cho lưu lượng đi qua sẽ mang lại vẻ ngoài được bảo vệ mà không có bất kỳ chức năng bảo vệ thực sự nào.

03. Tính công bằng và minh bạch được thiết lập công cụ giám sát, chứ không phải ngầm hiểu (Fairness and transparency are instrumented, not assumed)

Các kết quả bất bình đẳng phát sinh tại các điểm do bạn kiểm soát — như tập dữ liệu (corpus), cách đóng khung prompt (prompt framing), các ví dụ (examples), và định tuyến (routing) — do đó việc coi tính công bằng là trách nhiệm của nhà cung cấp sẽ khiến các điểm đó hoàn toàn không được giám sát. Hãy ghi log mọi quyết định để người dùng, cơ quan quản lý và đội ngũ của bạn có thể tái tạo lại nó. Nếu bạn không thể tái tạo lại một lời giải trình, bạn không thể cung cấp nó một cách đáng tin cậy.

04. Định tuyến rà soát theo mức độ rủi ro, không phải theo lưu lượng (Route review by stakes, not by volume)

Độ tin cậy, tính khả nghịch, và chi phí của một câu trả lời sai sẽ quy định quyết định nào cần con người rà soát. Vì vậy, hãy chuyển các quyết định có rủi ro cao, độ tin cậy thấp tới con người đi kèm các đầu vào và lý do bị cờ báo, và cho phép các quyết định còn lại đi qua. Việc định tuyến tất cả mọi thứ sẽ làm tràn hàng chờ cho đến khi người rà soát nhấp duyệt hàng loạt mà không hề đọc.

05. Điểm đầu vào tuân thủ là điều kiện cần, và tập kiểm soát có bằng chứng là sự chứng minh (A compliant entry point is a prerequisite, and an evidenced control set is the proof)

Một quy định nêu ra kết quả và để lại cơ chế kiểm soát cho bạn, do đó hãy biến mỗi nghĩa vụ thành một cơ chế kiểm soát cụ thể, một người sở hữu được gọi tên, và một tài sản minh chứng sống (living evidence artifact) mà bạn tái xác thực theo thời gian. Một cơ chế kiểm soát không có người sở hữu và không có bằng chứng cuối cùng sẽ ngừng hoạt động và thất bại trong kỳ kiểm toán — bởi vì những gì người kiểm toán chấp nhận là bằng chứng chứng minh cơ chế kiểm soát đang chạy, chứ không phải bản thân cơ chế kiểm soát đó trên giấy tờ.

Bước tiếp theo (What comes next)

Học phần tiếp theo sẽ chuyển từ việc xây dựng một bản triển khai có trách nhiệm sang việc bàn giao và quản trị nó. Bạn sẽ lấy kiến trúc mà hiện tại bạn có thể chứng minh bằng chứng để truyền thông các đánh đổi (tradeoffs) của nó tới các bên liên quan không thuộc khối kỹ thuật, tài liệu hóa nó theo một chuẩn mực, và quản trị nó xuyên suốt vòng đời từ khai phá đến bàn giao (discovery-to-hand-off lifecycle).

Sổ đăng ký kiểm soát (control register) và ranh giới phân tầng mà bạn đã xây dựng tại đây sẽ trở thành tài liệu kỹ thuật và tiêu chuẩn nền tảng cho đợt bàn giao đó.

Nguồn tài liệu (Sources)

• Building with the Claude API (Skilljar Course 4): Được sử dụng cho các mô hình đánh giá (model graders), cơ chế gọi công cụ (tool-call mechanics), đầu ra có cấu trúc (structured outputs), và mẫu thiết kế evaluator.

• platform.claude.com/docs & platform.claude.com: Được sử dụng cho kiểm duyệt nội dung (content moderation), hướng dẫn dựng rào cản an toàn (guardrails guide), các phản hồi từ chối dạng streaming (streaming refusals), và đầu ra có cấu trúc.

• anthropic.com: Được sử dụng cho Hiến pháp tháng 01/2026 và thế trận an toàn hiện tại.

• Anthropic Trust Center & Privacy Center: Được sử dụng cho thế trận tuân thủ HIPAA, FedRAMP, và lưu trữ dữ liệu nội địa (data-residency).

• Architect M1 and M2 storyboards: Được sử dụng để tham chiếu (thay vì giảng dạy lại) về phân công người sở hữu, kiến trúc tham chiếu, chiến lược mô hình & ngữ cảnh, evals, các tầng tích hợp, và tính khả quan sát (observability).

Bạn có thể thiết kế các hệ thống AI đáp ứng đầy đủ các yêu cầu về an ninh và tuân thủ.

Thiết kế kiểm soát, thu thập bằng chứng, phân công người sở hữu, và sự sẵn sàng cho kiểm toán — một cơ chế kiểm soát không có người sở hữu và không có bằng chứng sẽ sụp đổ vào đúng thời điểm quan trọng nhất.