Lập kế hoạch trong ChatGPT Pro, thực thi trong Codex: Cẩm nang bàn giao tài liệu thiết kế

Quy trình đáng để học hỏi trong tháng này không phải là một mô hình, mà là một cách phân chia công việc. Bạn đưa GPT-6 Pro trong ChatGPT một URL kho lưu trữ, yêu cầu nó tạo một tài liệu thiết kế thay vì một bản vá, rồi đưa tài liệu đó cho Codex hoặc Claude Code để triển khai. Bên lập kế hoạch chạy trên GPT-6 Astra — GPT-6 Pro là tên mà các giới hạn sử dụng của ChatGPT dùng để chỉ nó — và Astra là một mô hình ngày 2026-09-03, nên không có gì ở đây là bài đưa tin ra mắt hay tuyên bố phát hành. Điều đã thay đổi trong bảy ngày qua thì hẹp hơn, và đáng được nêu chính xác: vào ngày 2026-09-17, những người hành nghề đã báo cáo rằng plugin GitHub chính thức trong ChatGPT Chat thông thường, không phải ChatGPT Work và cũng không phải Codex, có thể chỉnh sửa tệp trong kho lưu trữ, commit và mở pull request mà không tiêu tốn hạn mức Codex/Work. Đó là một tuyên bố từ cộng đồng, không phải tài liệu của nhà cung cấp — các trang trợ giúp chính thức vẫn mô tả ứng dụng GitHub là chỉ đọc và chuyển mọi thao tác ghi qua Codex — và những lưu ý kèm theo quan trọng không kém gì tuyên bố đó. Mọi thứ dưới đây được dán nhãn là do nhà cung cấp báo cáo, do cộng đồng báo cáo, hoặc được đọc từ các trang chính thức vào ngày 2026-09-19.

Quy trình, chỉ trong một lượt

Những người thực hành mô tả cùng một vòng lặp với những biến thể nhỏ. Điều thường tái diễn là: dán một địa chỉ GitHub vào ChatGPT, yêu cầu nó đọc mã và tạo ra một tài liệu thiết kế, rồi tải tài liệu đó xuống và đưa vào một tác nhân thực thi. Một số người cũng yêu cầu luôn một pull request; những người khác dừng ở tài liệu và để bộ thực thi viết. Dù theo cách nào thì hình dạng vẫn giống hệt nhau — lập kế hoạch trong sản phẩm chat, xây dựng trong sản phẩm tác nhân — và lý do nó đáng để sao chép là hai nửa được tính riêng.

• Tạo tác lập kế hoạch — một tài liệu thiết kế: các giao diện cần thêm, các tệp cần động tới được nêu theo đường dẫn, thứ tự di trú, các bài kiểm thử chấp nhận, và cần làm gì nếu xảy ra sai sót.

• Tạo tác thực thi — một nhánh và một pull request, được tạo ra bởi một agent có thể chạy chính những bài kiểm thử mà nó vừa viết.

• Sản phẩm cần xem xét — bản diff, thứ duy nhất mà người xem xét đáng ra phải nhận được.

Tài liệu thiết kế là phần chịu lực, và nó xứng đáng với vị trí của mình vì hai lý do. Thứ nhất, một tài liệu có tính di động: cùng một văn bản ấy vẫn dùng được dù bên thực thi là Codex, Claude Code, hay một agent chạy bằng script do chính bạn viết, nên phần lập kế hoạch mà bạn đã bỏ công ra không bị trói buộc vào công cụ của một nhà cung cấp. Thứ hai, đây là bề mặt đánh giá tồn tại trước khi bất cứ thứ gì được ghi vào kho lưu trữ của bạn — điều này rất đáng kể, vì đường ghi trong sản phẩm chat là phần ít được ghi chép nhất trong toàn bộ sự sắp đặt này.

Tại sao cấu trúc hai nhóm chính là toàn bộ mấu chốt

ChatGPT không tính phí quy trình làm việc này từ một quỹ duy nhất. Chat, ChatGPT Work và Codex có các hạn mức riêng, trong đó Work và Codex dùng chung một pool duy nhất giữa chúng; còn khóa OpenAI API lại là một khoản tính phí riêng. Chính cấu trúc đó khiến việc chuyển giao trở nên tiết kiệm: phần suy nghĩ diễn ra trong ngăn Chat, phần thực hiện diễn ra trong ngăn agent, và một tài liệu thiết kế tốn một tin nhắn Chat trong khi việc triển khai tốn lượt dùng agent.

Những con số, như OpenAI công bố cho phía Chat — các số liệu do nhà cung cấp tự báo cáo trên tài liệu về gói của chính nhà cung cấp, không phải kết quả đo lường:

ChatGPT Pro với giá 200 USD một tháng — 200 tin nhắn GPT-6 Pro mỗi tuần; GPT-5.6 Sol Pro còn có thêm 170 tin nhắn một ngày, với cả hai mô hình cộng lại giới hạn ở 200 tin nhắn một ngày.

• ChatGPT Pro với giá 100 USD một tháng — 50 tin nhắn GPT-6 Pro mỗi tuần, được lấy từ hạn mức chia sẻ với GPT-5.6 Sol Pro.

• Business Standard — 15 tin nhắn GPT-6 Pro mỗi tháng, dùng chung với Sol Pro; Business Premium — 50 tin nhắn mỗi tuần theo cùng cách dùng chung đó.

• ChatGPT Plus — hoàn toàn không có GPT-6 Pro trong Chat. Astra chỉ có thể tiếp cận Plus thông qua ChatGPT Work và Codex, đây chính xác là nhóm mà playbook này đang cố gắng bảo vệ.

Về phía Work/Codex, OpenAI công bố các ước tính thay vì giới hạn, và nói rõ như vậy: khoảng 5 đến 45 tin nhắn Astra mỗi cửa sổ năm giờ trên Plus, 25 đến 225 trên Pro 5x, và 100 đến 900 trên Pro 20x, trong khi cùng trang đó lưu ý rằng mức tiêu thụ thực tế thay đổi tùy theo độ phức tạp của tác vụ, ngữ cảnh, đầu ra và việc sử dụng công cụ, và rằng các giới hạn hàng tuần có thể được áp dụng thêm. Những khoảng đó ở mức khoảng một nửa so với các con số Sol tương đương, đó là lý do mang tính số học khiến một mô hình tiên phong có thể chạy như một tác nhân với chi phí hợp lý.

Hệ quả thực tế là một quy tắc lập ngân sách mà bạn có thể viết lên một tấm thẻ. Hãy dành tin nhắn Chat cho các quyết định và dùng agent cho mã. Một buổi lập kế hoạch tranh luận về một giao diện trong hai mươi phút tốn một vài tin nhắn Chat và tạo ra một tài liệu giúp agent tiết kiệm một giờ chỉnh sửa mang tính thăm dò — đó chính là sự đánh đổi mà những người thực hành trong luồng thảo luận đang thực sự thực hiện.

Đường ghi: trình kết nối thực sự làm gì và người ta cho là nó làm gì

Ở đây các nguồn không thống nhất với nhau, và chính sự bất đồng ấy mới là phần thú vị.

Tài liệu trợ giúp của chính OpenAI không hề mập mờ: ứng dụng GitHub trong ChatGPT đọc các kho lưu trữ của bạn để phân tích và tìm kiếm, còn việc tạo mã, chỉnh sửa mã và đẩy mã lên GitHub là mục đích của Codex. Đó là quan điểm chỉ đọc, và đây là quan điểm bạn cần lấy làm cơ sở để lập kế hoạch nếu bạn đưa điều này vào quy trình của nhóm, bởi vì đây là quan điểm được một nhà cung cấp hậu thuẫn.

Lập trường của cộng đồng, đề ngày 2026-09-17, là plugin GitHub của phiên bản web ở chế độ Chat sẽ chỉnh sửa mã, commit và mở pull request, và vì đây là plugin chính thức chứ không phải máy chủ MCP của bên thứ ba, nó không tiêu tốn hạn mức Codex hay Work. Cùng luồng thảo luận đó cũng thận trọng về phạm vi: công cụ nhỏ, chỉnh sửa nhỏ, lỗi nhỏ — việc tái cấu trúc lớn và gỡ lỗi khó vẫn thuộc về Codex. Những người bình luận trong chính luồng đó bổ sung các lưu ý đáng nhắc lại, vì chúng mới là những điều gây hậu quả:

• Giới hạn tốc độ ChatGPT thông thường vẫn được áp dụng. "Không phải hạn ngạch Codex" không có nghĩa là "miễn phí".

• Chất lượng có thể suy giảm sau vài lượt mà không hề báo trước, khi phiên làm việc bị hạ xuống một mô hình nhỏ hơn ngay giữa tác vụ.

• Những tác giả của chuỗi thảo luận này khuyên không nên chuyển sang Work khi giao diện cung cấp tùy chọn đó, và cảnh báo rằng việc dồn dập truy cập các trang trò chuyện ẩn danh sẽ làm suy giảm trải nghiệm web của tất cả mọi người.

Một bài viết độc lập bằng tiếng Nhật về cùng mô thức đưa ra kết luận tương thích mà không có tuyên bố về hạn mức: nếu một tích hợp GitHub hỗ trợ các thao tác ghi, chat thường có thể đọc một kho lưu trữ, sửa tệp, tạo nhánh và mở pull request; giới hạn tốc độ của chat thông thường vẫn áp dụng; và Codex cùng Work dùng chung một pool agent, nên chat thông thường dành cho việc chỉnh sửa vài tệp còn Codex dành cho các tác vụ phần mềm dài hạn. Ở những điểm mà hai bài viết đồng thuận, phần đồng thuận chính là phần hữu dụng: chat là kênh thay đổi nhỏ, Codex là kênh phiên dài, và các pool là tách biệt.

Có tồn tại các máy chủ MCP của bên thứ ba cung cấp một quy trình git thực sự — branch, diff, commit, push, mở pull request — với các quyền mà bạn có thể phân tầng từ chỉ đọc đến push. Nếu bạn muốn luồng ghi mang tính xác định và có thể kiểm toán thay vì một hành vi mà bạn chỉ đang hy vọng, thì đó là con đường; nếu bạn muốn ở trong phạm vi những gì OpenAI tài liệu hóa, hãy lập kế hoạch trong Chat và viết trong Codex.

Dù theo cách nào, việc bàn giao tài liệu thiết kế chính là điều khiến luồng ghi của chat có thể bảo vệ được. Một phiên chat có phạm vi ghi trên một kho mã là một cấp quyền lớn hơn so với một phiên chat có phạm vi đọc, và tài liệu là sản phẩm bạn xem xét trước khi quyền được cấp đó được thực thi.

Việc bàn giao, từng bước một

• Hướng người lập kế hoạch đến kho lưu trữ — một URL công khai được dán vào prompt, hoặc trình kết nối GitHub nếu bạn đã cấp quyền cho nó — và yêu cầu nó đọc mã trước khi đề xuất bất cứ điều gì.

• Hãy yêu cầu một tài liệu thiết kế, không phải một bản vá. Yêu cầu đường dẫn tệp, các giao diện được thêm hoặc thay đổi, thứ tự mà các thay đổi phải được đưa vào, và các bài kiểm thử chứng minh từng bước.

• Hãy yêu cầu nó trích dẫn những tệp mà nó thực sự đã đọc. Một tài liệu thiết kế mô tả một giao diện mà kho chứa không có là cách phổ biến nhất khiến quy trình làm việc này thất bại, và các trích dẫn chính là cách bạn phát hiện điều đó trong một phút thay vì cả một sprint.

• Lưu tài liệu vào kho lưu trữ thay vì dán nó vào công cụ tiếp theo. Một trình thực thi đọc tệp có thể đọc lại tệp; một trình thực thi nhận được bản dán chỉ có một cơ hội duy nhất.

• Khởi động executor với tài liệu làm chỉ dẫn, và giới hạn một pull request cho một phần của tài liệu đó. Những phiên làm việc dài chính là lúc chất lượng của agent âm thầm suy giảm.

• Sau đó, giữ người lập kế hoạch ở vai trò chỉ đọc để xem xét. Khi tài liệu sai, hãy lập kế hoạch lại và cập nhật tài liệu — đừng để người thực thi tự ứng biến vượt qua nó, vì công việc ứng biến chính là thứ mà tài liệu tồn tại để ngăn chặn.

Nơi nó vỡ

• Trạng thái kho lưu trữ đã cũ — trình lập kế hoạch đã đọc nhánh mặc định trong khi bạn đang làm việc trên một nhánh tính năng, nên các đường dẫn tệp trong tài liệu bị chậm mất một phiên bản. Hãy cho biết cần đọc nhánh nào, hoặc dán cây nhánh vào.

• Tài liệu thiết kế bị lệch — tài liệu và mã nguồn không khớp với nhau, và trình thực thi lại đi theo tài liệu. Bước trích dẫn tệp ở trên chính là cách đề phòng rẻ mà hiệu quả.

• Bất ngờ về quota theo hướng sai — một cuộc trò chuyện lập kế hoạch kéo dài hai mươi phút thì rẻ về tin nhắn Chat nhưng đắt về sự chú ý; còn một lượt chạy agent dài thì ngược lại. Hãy dự trù ngân sách cho đúng bucket mà bạn thực sự đang tiêu.

• Hạ cấp âm thầm — một phiên trò chuyện bị chuyển xuống mô hình nhỏ hơn sau vài lượt vẫn sẽ tạo ra một tài liệu thiết kế đầy vẻ tự tin. Hãy đánh giá tài liệu dựa trên giá trị thực chất của nó, chứ không dựa trên giả định rằng mô hình chủ lực đã viết ra nó.

• Leo thang quyền hạn — luồng ghi, dù qua plugin hay máy chủ MCP, đều trao cho một phiên trò chuyện khả năng thay đổi mã của bạn. Hãy phân tầng quyền và thu hồi chúng khi thay đổi đã được áp dụng.

Chạy phần executor thông qua một endpoint

Phần lập kế hoạch của quy trình làm việc này nằm bên trong một sản phẩm thuê bao, và phần đó thì vốn dĩ là như vậy. Phần thực thi là một lệnh gọi API, và đó chính là phần đáng để sở hữu. Nếu bạn viết script cho bộ thực thi — một vòng lặp agent nhỏ, một tác vụ CI biến tài liệu thiết kế đã được phê duyệt thành một nhánh — thì lệnh gọi mô hình là phần duy nhất phải có thể hoán đổi, bởi vì mô hình bạn muốn dùng vào quý sau không phải là mô hình bạn đang lấy làm cơ sở để lập kế hoạch hôm nay.

Đó chính là mục đích của một lớp định tuyến. openai/gpt-6-astra nằm sau cùng một endpoint tương thích OpenAI như hơn 200 mô hình khác, với giá niêm yết của nhà cung cấp được chuyển nguyên với mức markup 0% — nên khi một nhà cung cấp thay đổi giá, giá phía chúng tôi cũng thay đổi ngay trong cùng ngày thay vì đợi đến kỳ gia hạn hợp đồng tiếp theo. Tính năng tự động chuyển đổi dự phòng cho phép bạn đưa một mô hình chưa được kiểm chứng vào một phần lưu lượng, với một mô hình đã được kiểm chứng ở bên dưới, đó là cách trung thực để tìm hiểu liệu một mô hình thực thi rẻ có đủ tốt cho các bài kiểm thử của bạn hay không. Và DSL định tuyến kết hợp nhiều mô hình vào một lời gọi duy nhất, để một mô hình đánh giá có thể kiểm tra bản diff của mô hình thực thi trên cùng một key, trong cùng một luồng yêu cầu, mà không cần tích hợp thêm lần thứ hai.

Không điều nào trong số đó thay đổi cấu trúc của việc bàn giao. Nó thay đổi chi phí thử nghiệm với một nửa phần mà bạn kiểm soát: một khóa, một endpoint, và một chuỗi model mà bạn có thể thay đổi mà không cần động đến pipeline.

Ai nên chạy cái này bây giờ, và ai nên chờ?

Nếu bạn đã trả tiền cho gói ChatGPT ở cấp Pro và bạn đã chạy Codex hoặc Claude Code, thì quy trình bàn giao này đáng để áp dụng ngay trong tuần này, vì hai nhóm chi phí đã tách biệt trên hóa đơn của bạn và tài liệu thiết kế là thứ rẻ nhất trong vòng lặp. Hãy bắt đầu với một thay đổi mà bạn hiểu đủ rõ để nhận ra một kế hoạch tồi: yêu cầu tài liệu, đọc các tệp được trích dẫn, rồi bàn giao nó.

Nếu bạn đang dùng Plus, hãy hạ bớt kỳ vọng. Astra đến với bạn qua Work và Codex nhưng không qua Chat, nên nửa phần lập kế hoạch của cẩm nang này không khả dụng với bạn ở dạng được mô tả — bạn sẽ vừa lập kế hoạch vừa thực thi từ cùng một pool, điều đó loại bỏ lợi thế kinh tế và chỉ còn lại kỷ luật viết tài liệu trước. Kỷ luật đó vẫn đáng để duy trì. Còn chiết khấu thì không.

Và nếu lý do bạn muốn điều này là luồng ghi trong Chat chứ không phải bàn giao, hãy đợi tài liệu của OpenAI bắt kịp chuỗi thảo luận trên diễn đàn. Một khả năng mà chính các trang trợ giúp của nhà cung cấp mâu thuẫn với nó là khả năng nên giữ trong một repository nháp cho đến khi các trang đó thay đổi.

Cùng một khóa đó truy cập được phần còn lại của danh mục, và bạn có thể duyệt toàn bộ danh mục mô hình để xem còn gì khác nằm sau một endpoint tương thích OpenAI.