Design system và AI

Design system thôi chưa đủ: để suy luận và ra quyết định, AI cần thêm layer ontology

Design system có đủ tài liệu, rule cũng viết rõ, vậy sao 124 trên 370 Button trong code vẫn thiếu leading icon? Câu trả lời nằm ở chỗ design system được viết cho người đọc, còn AI cần thêm một layer ontology để biết cái gì nối với cái gì, và vì sao.

Ba tấm kính trong suốt xếp tầng theo góc nhìn isometric, nằm trên một đế trắng có các component UI để trống: Button, ô nhập, công tắc, card. Tấm dưới mang bóng mờ của các component, tấm giữa là các đường nối mảnh màu xanh lơ, tấm trên cùng chỉ có một Button màu tím.
Minh họa tạo bằng AI (Google Flow, Omni Flash). Design system ở tầng dưới, các quan hệ có tên ở tầng giữa, một Button được chọn đúng ở tầng trên; hình chỉ để minh họa, không biểu diễn số liệu.

Giả sử công ty đã có design system. Người ta viết nó cho designer và dev đọc, và AI cũng đọc nó theo đúng cách ấy. Một design system như vậy là baseline, tức mức nền phải có trước. Nhưng muốn AI tự suy luận và ra quyết định thiết kế, công ty cần đặt thêm một layer ontology lên trên mức nền đó, tức một lớp ghi lại các sự vật trong design system và quan hệ giữa chúng.

Ở dự án enterprise mà bài này dùng làm ví dụ, kho tri thức của trợ lý trong sản phẩm vẫn đếm được 0 node cho token, component hay pattern, nghĩa là design system chưa có mặt trong kho đó.

Một trang vẫn sai dù mọi thứ trên đó đều lấy từ design system

Lấy một ví dụ nhỏ, dựng ra để minh họa. Một designer nhờ AI “Thêm Button Export báo cáo vào list page đơn hàng”, và AI đặt một primary Button Export ngay cạnh primary Button Create order. Mọi thứ trên trang đều lấy từ design system, vậy mà trang vẫn sai, vì hai Button cùng tranh nhau vai hành động chính.

Ví dụ minh họa, chưa phải kết quả đo

Trên list page đơn hàng mà AI dựng, hai primary Button nằm cạnh nhau và Button nào cũng giành vai hành động chính. Khung nét đứt cho biết đây là ví dụ dựng ra, không phải dữ liệu.

Khoảng cách giữa một design system đầy đủ và một trang làm đúng có thể đo bằng số. Ở dự án enterprise đó, cả 68 component đều có tài liệu, vậy mà trong code các app, ở bản chụp ngày 22/10/2026, có 124 trên 370 Button thiếu leading icon dù rule bắt buộc phải có. Dữ liệu của dự án không ghi Button nào do người viết, Button nào do AI viết, nên không thể nói số Button sai này là lỗi của người hay của AI.

Trong 370 Button của code các app, 124 Button thiếu leading icon dù rule bắt buộc phải có

Số Button theo cách dùng icon, trong code các app của một dự án enterprise, bản chụp ngày 22/10/2026. Mỗi vạch là 1 Button, cứ mỗi 10 vạch lại có một chấm đánh dấu.

Mô tả ngắn: trong 370 Button, 246 có leading icon, 15 chỉ có trailing icon và 109 không có icon; tổng cộng 124 Button thiếu leading icon.

Xem bảng số liệu
Nhóm ButtonSố Button

Chỉ đếm Button trong code các app; Button ở nơi khác không nằm trong số này. Dữ liệu không cho biết Button nào do người, Button nào do AI viết.

Nguồn: số đo nội bộ trên một dự án enterprise (không công khai), quét code các app ngày 22/10/2026, đếm lại ngày 11/11/2026; chỉ công bố số đếm. Biểu đồ dựa trên lieflat-charts, mẫu Tick Rows.

Bài chọn Button làm ví dụ vì designer nào cũng biết nó. Chuyện xảy ra với Button cũng xảy ra với mọi component, pattern, screen và flow, và chuyện chung đó mới là chủ đề của bài.

Phần lớn các khóa học về AI agent nói ngay về agent, workflow, skills và harness, nhưng ít khi nói tới việc sắp xếp data

Để thấy vì sao design system thôi chưa đủ, bài này lùi lại một bước, nhìn vào cách người ta đang dạy về AI agent. Người viết cũng đi dạy về AI cho doanh nghiệp. Ở phần lớn các khóa học về AI agent mà người viết từng thấy, ngay từ buổi đầu người dạy đã nói về agent, workflow, skills rồi tới harness.

Cả bốn thứ đều cần, nhưng cả bốn đều nói về cách agent làm việc. Ít khóa học bắt đầu từ thứ agent đọc vào, tức data của công việc, và hỏi xem data đó đã được sắp xếp bài bản tới đâu. Một hệ thống AI muốn chạy tốt thì phần data này phải vững trước, vì agent giỏi tới đâu cũng chỉ làm đúng trong phạm vi những gì nó đọc được.

Nhóm làm Codex, agent viết code của OpenAI, đã gặp đúng chuyện này trong chính công việc của họ. Ngày 11/02/2026, họ viết một bài về harness engineering, tức việc dựng phần khung bao quanh agent. Trong bài, họ kể đã thử gom mọi hướng dẫn vào một file AGENTS.md lớn, tức file chỉ dẫn mà agent đọc đầu tiên, và cách làm đó thất bại vì ba lý do:

Một trong những bài học đầu tiên họ ghi lại là đưa cho agent một tấm bản đồ, không phải một cuốn hướng dẫn dày 1.000 trang. Họ chuyển tri thức của dự án vào một thư mục tài liệu có cấu trúc và coi thư mục đó là nguồn chính thức. File AGENTS.md chỉ còn khoảng 100 dòng và đóng vai mục lục. Lint, tức bước kiểm tự động quét tìm chỗ sai rule, kiểm xem tài liệu còn mới không, có liên kết chéo không và có đúng cấu trúc không.

Một chồng cao các tấm kính mờ mỏng, mỗi tấm in các khối tài liệu để trống, đứng ở nửa trái của một đế trắng. Nửa phải của đế để trống. Cũng đế trắng ấy, nhưng chồng kính được thay bằng chỉ một tấm kính mỏng, mang vài node tròn bo góc nối với nhau bằng các đường xanh lơ; một node màu tím.
Minh họa tạo bằng AI (Google Flow). Thay cho cuốn hướng dẫn dày là một tấm bản đồ nhỏ, trên đó vài node nối với nhau và một node đánh dấu chỗ agent cần tới. Hình chỉ để minh họa, không biểu diễn số liệu.

Đưa cho agent một tấm bản đồ, không phải một cuốn hướng dẫn dày 1.000 trang.

Một trong những bài học đầu tiên của nhóm Codex, trong bài ngày 11/02/2026

Họ cũng viết rằng thứ gì agent không đọc được trong context lúc đang chạy thì với agent coi như không tồn tại. Tri thức nằm trong Google Docs, trong các nhóm chat hay trong đầu ai đó thì agent không với tới.

Quản lý data cho AI đã có từ thời RAG, nhưng ít ai quản lý nó theo ontology cho công việc hằng ngày

Quản lý data để phục vụ AI không phải chuyện mới. Năm 2020, Patrick Lewis và cộng sự công bố RAG (retrieval-augmented generation), tức cách cho model AI tra tài liệu bên ngoài rồi mới trả lời. Từ đó, ai dựng hệ thống RAG cho doanh nghiệp cũng phải lo phần data: cắt tài liệu thành đoạn ra sao, đánh chỉ mục thế nào, đưa đoạn nào cho model đọc trước.

Giữa năm 2025, người ta bắt đầu gọi công việc này bằng một cái tên mới là context engineering:

Ngay cả RAG cũng đã phải dựa vào cấu trúc. Năm 2024, Darren Edge và cộng sự công bố GraphRAG. Với cách này, ngay lúc đánh chỉ mục, trước khi có câu hỏi nào, model đã dựng từ kho tài liệu một knowledge graph, tức mạng các thực thể và quan hệ giữa chúng. Họ làm vậy vì RAG thông thường không trả lời tốt những câu hỏi bao quát cả kho, như “kho này nói về những chủ đề chính nào”.

  1. RAG ra đời. Patrick Lewis và cộng sự cho model AI tra tài liệu bên ngoài rồi mới trả lời.

  2. GraphRAG ra đời. Darren Edge và cộng sự dựng knowledge graph từ kho tài liệu ngay lúc đánh chỉ mục.

  3. Chữ context engineering bắt đầu phổ biến. Tobi Lütke và Andrej Karpathy nói về việc chọn thứ đưa vào context.

  4. Anthropic định nghĩa context engineering. Theo Anthropic, model chỉ nên đọc phần thông tin ít nhất nhưng có ích nhất, để tránh context rot.

  5. Nhóm Codex viết về harness engineering. Họ kể file AGENTS.md lớn đã thất bại, nên tri thức được chuyển vào một thư mục tài liệu có cấu trúc.

Qua năm mốc này, việc quản lý data cho AI đi từ tra cứu tài liệu sang dựng cấu trúc, rồi sang chọn thứ đưa vào context. Nguồn của từng mốc nằm ở phần Nguồn cuối bài.

Theo quan sát của người viết, gần như mọi ví dụ trên đều nói về hệ thống của doanh nghiệp, như chatbot tra tài liệu hay trợ lý tra hợp đồng.

Ít ai nghĩ rằng quản lý data theo ontology engineering lại quan trọng với công việc hằng ngày của từng người, chẳng hạn một designer ngày nào cũng làm việc với agent trên design system của team. Ontology engineering là việc chủ động thiết kế các loại sự vật, quan hệ giữa chúng và nguồn của từng quan hệ, và thứ nó tạo ra là phần mà bài này gọi là layer ontology.

Có hai lý do khiến ontology quan trọng hơn ở công việc hằng ngày:

Với designer, phần data này chính là design system, cùng các rule, decision (quyết định đã chốt) và tiền lệ quanh nó. Phần tiếp theo xem người ta đang viết design system đó cho ai đọc.

Công ty viết design system cho designer và dev đọc, chưa viết cho AI đọc

Bài này giả định công ty đã có design system, gồm token, component, tài liệu hướng dẫn và file Figma. Điều cần nhìn lại là design system đó viết cho ai. Từ trước tới nay, người đọc nó là designer và dev, và chưa ai viết nó theo một chuẩn để AI đọc.

Designer và dev đọc tài liệu thì tự lấp được những chỗ tài liệu không ghi, vì họ có thể:

Vì vậy, một design system viết cho người chỉ cần đúng và đủ dùng, còn phần thiếu thì nằm trong trí nhớ của team.

Bây giờ design system có thêm một người đọc mới là agent, một chương trình tự đọc tài liệu rồi tự dựng screen hay viết code. Agent không hỏi được ai và không nhớ lần review nào. Như nhóm Codex đã viết, thứ gì chưa ai viết ra thì với agent coi như không có.

AI đọc design system giống hệt người, nên muốn suy luận và ra quyết định, AI cần thêm một layer ontology

AI đọc design system theo đúng cách người đọc. Nó xem token, đọc tài liệu component, đọc hướng dẫn và xem ví dụ. Những thứ đó là baseline, và thiếu chúng thì chưa có gì để bàn tiếp.

Ontology không thay design system. Nó là một layer đặt lên trên baseline, ghi lại các sự vật trong design system và quan hệ giữa chúng. Nhờ layer này, agent suy luận được ở từng chỗ cụ thể nên dùng cái nào và vì sao.

Bật hoặc tắt layer ontology để thấy mỗi layer trả lời câu hỏi nào.

Layer ontology

Layer này ghi các sự vật, quan hệ có tên giữa chúng và nguồn của từng quan hệ, nên trả lời được câu hỏi ở chỗ này nên dùng cái nào, và vì sao.

Baseline là design system

Design system gồm tài liệu, thư viện component và token, nên trả lời được câu hỏi hệ thống có những gì.

Layer ontology nằm trên baseline và không thay baseline. Design system vẫn lo việc tra cứu và dùng lại, còn layer ontology thêm phần suy luận, chọn và giải thích vì sao chọn.
Điểm so sánhBaseline, tức design systemLayer ontology
Câu hỏi nó trả lờiHệ thống có những gìỞ chỗ này nên dùng cái nào, và vì sao
Nó được viết dưới dạng gìTài liệu, thư viện component, tokenCác sự vật, quan hệ có tên giữa chúng, và nguồn của từng quan hệ
Nó được viết cho aiNgười đọc, và AI đọc theo cùng cách đóAgent, khi cần suy luận và ra quyết định
Nó giúp làm được gìTra cứu và dùng lạiSuy luận, chọn, và giải thích vì sao chọn

Ví dụ: muốn chọn đúng một Button, designer phải trả lời tám câu hỏi, và design system chỉ trả lời câu đầu

Khi thêm một Button vào một screen, designer phải chọn variant nào, đặt Button ở đâu, và giải thích được vì sao. Câu trả lời đến từ kinh nghiệm của designer, thứ mà AI không có. Ở dự án enterprise kể trên, cả 68 trên 68 component đều có tài liệu và có trang trình diễn từng variant, từng state; dự án còn có 390 token. Vậy mà không tài liệu nào trả lời những câu hỏi về chỗ đặt và lý do chọn.

Bảng dưới tách việc chọn đó thành tám câu hỏi. Cuộn qua từng câu để thấy Button Export trong ví dụ đầu bài được sửa dần thế nào.

Trong bảng, slot là chỗ đặt sẵn trong một component lớn hơn, ví dụ chỗ dành cho Button trong Page header. Pattern là cách sắp xếp component lặp lại cho một loại trang, ví dụ list page.

Mỗi câu hỏi nối thêm một quan hệ có tên vào Button, và Button Export trên trang mẫu đổi dần theo từng câu

Mọi ví dụ trong tám thẻ câu hỏi đều lấy từ một dự án enterprise. Trang bên trái là ví dụ minh họa, chưa phải kết quả đo. Ở sơ đồ bên phải, nét đứt đánh dấu những thứ chuẩn ontology chưa có.

Ví dụ minh họa trên trang mẫu

quan hệ có tên chưa có trong chuẩn node mới của câu hỏi này

Mô tả ngắn: sơ đồ đặt Button ở giữa. Mỗi câu hỏi trong tám câu thêm một node và một quan hệ có tên, bắt đầu từ tài liệu mô tả Button và kết thúc ở ruling chi phối Button. Các node slot, hierarchy, flow và gate vẽ nét đứt vì chuẩn chưa có những node này.

Xem bảng tám câu hỏi
Câu hỏi về ButtonCần biết điều gìVí dụ trong dự án enterprise

Nguồn: số đo nội bộ trên một dự án enterprise (không công khai), bản code ngày 22/10/2026. Trang mẫu và sơ đồ là minh họa cách dùng ontology, chưa phải kết quả đã đo.

1/8Button này là gì?

Cần biết: Button thuộc component nào, có những variant, size và state nào.

Ví dụ: Button có các variant primary, secondary, danger và ghost.

Design system trả lời được câu này. Bảy câu còn lại thì AI phải tự đoán, nên nó cho Export làm primary Button.

2/8Button này làm bằng gì?

Cần biết: Button dùng token màu, radius và spacing nào.

Ví dụ: Trong dự án, cùng một màu đỏ vừa mang nghĩa hành động, vừa dùng cho link, vừa báo mức nghiêm trọng.

Token cho biết Export dùng màu nào, nhưng không nói Button này nên đứng ở đâu trên trang.

3/8Button này đứng ở đâu?

Cần biết: Button nằm trong slot nào, thuộc pattern nào, trên screen nào.

Ví dụ: Button đặt trong slot của Page header luôn cao 40 px, dù code khai báo size nào.

Chuẩn ontology chưa có loại node cho slot, nên sơ đồ vẽ node này bằng nét đứt.

4/8Button này làm việc gì?

Cần biết: Button gọi hành động nào, như Create, Save, Cancel, Delete, Run hay đi tiếp.

Ví dụ: Create đi với icon Plus, Cancel đi với icon X, Save đi với icon Check, còn Button Run phải dùng icon Play.

Rule icon có từ ngày 03/07. Nhờ rule này, Export nhận một leading icon khớp với hành động của nó.

5/8Button này đứng cạnh Button nào?

Cần biết: Button này xếp thứ mấy trong các Button đứng cạnh nhau. Thứ tự ưu tiên đó gọi là hierarchy.

Ví dụ: Mỗi nhóm Button đứng cạnh nhau, gọi là action group, chỉ có một primary Button; các Button còn lại là secondary hoặc ghost.

Slot đã có primary Button Create order, nên Export phải là secondary Button. Chuẩn ontology cũng chưa có loại node cho hierarchy.

6/8Button này phục vụ flow nào?

Cần biết: Button nằm ở bước nào của journey, phục vụ end goal nào, và bấm xong thì người dùng đi đâu.

Ví dụ: Kho tri thức của trợ lý trong sản phẩm ghi 703 liên kết “dẫn tới” giữa các bước, trong đó một phần do máy suy ra từ thứ tự các bước. Kho này còn có 186 story mô tả việc người dùng cần làm.

Chuẩn chưa có loại node cho flow, nên câu hỏi này chưa có chỗ ghi chính thức. Vì vậy flow là tầng mỏng nhất trong bốn tầng.

7/8Ai được bấm Button này, và lúc nào?

Cần biết: Ai có permission bấm, record đang ở status nào, và Button đang ở state nào, như loading, empty hay error.

Ví dụ: Tài liệu principle, tức nguyên tắc chung của dự án, có nêu tên một gate bắt phải confirm trước thao tác phá hủy. Gate là một bước kiểm tự động, nhưng gate này chưa có ai viết.

Gate này chưa được viết, nên sơ đồ vẽ nó bằng nét đứt.

8/8Vì sao Button này lại như thế?

Cần biết: Decision nào tạo ra cách dùng này, ai quyết, quyết ngày nào, scope tới đâu, và decision đó thay rule nào.

Ví dụ: Dự án có 325 ruling, tức decision của owner được ghi lại, và ruling nào cũng có ngày và scope. Với 7 ruling đã bị thay, dự án ghi rõ ruling nào thay nó.

Khi trả lời đủ tám câu, Export thành secondary Button, cao bằng Create order và có leading icon khớp với hành động.

Cùng một Button Save có thể là primary Button ở form page, là secondary Button trong toolbar, và không có mặt ở trang tự lưu. Không variant nào cho biết điều đó; chỉ context của từng chỗ mới cho biết.

Component, pattern, screen và flow nào cũng cần context để được dùng đúng

Bốn tấm kính xếp thành một hàng, lớn dần từ trái sang phải: một Button màu tím; một card nhỏ có các chip và một Button; một màn hình danh sách; ba màn hình nhỏ nối với nhau. Một đường xanh lơ chạy dưới cả bốn tấm.
Minh họa tạo bằng AI (Google Flow). Cùng một sợi dây nối chạy qua bốn tấm, từ một Button tới một pattern, một screen rồi một flow. Hình chỉ để minh họa, không biểu diễn số liệu.

Tám câu hỏi ở trên không chỉ dành cho Button. Mỗi mục dưới đây nêu một câu hỏi mà design system không trả lời, và rule thật mà dự án enterprise dùng để trả lời câu đó.

Status Badge

Câu hỏi: Chữ nào đi với tone nào, và ai được thêm status mới?

Rule: Status vocabulary là một tập đóng, tức chỉ được dùng những status đã có; thiếu status nào thì hỏi owner. Tên nhà cung cấp dùng tone neutral.

Page header

Câu hỏi: Có nên thêm một dòng description dưới title không?

Rule: Không thêm subtitle chỉ để giải thích. Description chỉ dùng khi frame thiết kế đã vẽ sẵn nó.

Empty state

Câu hỏi: Nên viết tay Empty state tại chỗ hay dùng component?

Rule: Empty state là một component. Rule này thay cho một rule cũ về việc viết tay Empty state tại chỗ, và rule cũ vẫn truy lại được.

Navigation

Câu hỏi: Một mục menu được phép dẫn tới đâu?

Rule: Mục navigation không bao giờ dẫn thẳng vào detail page. Đây là rule của một app trong dự án.

Spacing

Câu hỏi: Spacing dùng giá trị nào?

Rule: Spacing của bố cục là bội số của 8, còn spacing bên trong component là bội số của 4.

Ontology xếp sự vật thành bốn tầng, và tầng nào cũng cần ghi ngày và người có permission quyết định

Bốn tầng đó, xếp từ nhỏ tới lớn, là:

Ở cả bốn tầng, ontology ghi thêm hai thứ mà thư viện component không ghi:

Ngành AI và Palantir đã dùng chữ ontology trước khi nó tới design system

Tom Gruber định nghĩa ontology là bộ từ vựng chung để các hệ thống hiểu nhau

Đầu thập niên 1990, Tom Gruber mượn chữ ontology từ triết học và định nghĩa nó thành một term kỹ thuật của ngành máy tính (bài viết năm 1993, in thành bài tạp chí năm 1995). Năm 2008, ông viết một mục từ về ontology, in năm 2009, và mục từ đó nêu bốn ý:

Ý cuối là gốc của phần sau. Ontology không chỉ để tra cứu; nó còn giới hạn những gì agent được phép khẳng định.

Palantir dùng ontology làm nền để cả người lẫn agent ra quyết định

Theo cách đọc của người viết, hãng phần mềm Palantir đưa ontology từ việc giúp các hệ thống hiểu nhau sang việc giúp người và agent AI cùng ra quyết định. Tài liệu chính thức của Palantir nêu năm ý:

Bốn thành phần decision của Palantir đều có chỗ tương ứng trong design system

Bảng dưới là cách đọc của người viết, không phải lời của Palantir.

Data, tức các danh từ

Token, component, screen, pattern

390 token, 68 component có tài liệu

Logic, tức cách suy ra cái đúng

Rule, ruling, principle, quy ước đo được

325 ruling có ngày và scope

Action, tức các động từ

Dùng lại, sửa riêng một instance trên screen, thêm variant, tạo component mới

Thang tái sử dụng có bốn bậc, theo đúng thứ tự ở dòng giữa; bậc cuối là tạo component mới

Security, tức ai được quyết

Permission của owner, người đề xuất, người chấm

Tạo component mới cần owner duyệt trước; reviewer, tức bên chấm kết quả, không được dùng công cụ ghi

Theo Palantir, một decision có bốn thành phần. Mỗi ô có ba dòng: tên thành phần, thứ tương ứng trong design system và ví dụ trong dự án enterprise. Hai ô viền nét đứt là Action và Security, hai thành phần mà chuẩn ontology chưa có chỗ.

Người viết đang phát triển DESIGN:OS CLI, một bộ công cụ dòng lệnh cho design system. Theo nhận định của người viết, chuẩn ontology trong bản đặc tả đang viết của công cụ này mới phủ hai thành phần đầu là data và logic, cộng thêm gate. Action và security chưa có chỗ trong chuẩn, tức phần semantic đã có khung còn phần kinetic thì chưa.

Ontology của một design system gồm sự vật, quan hệ có tên và nguồn của từng quan hệ

Gộp ba thứ đó lại thì được một graph, tức một mạng lưới, trong đó mỗi sự vật là một node và mỗi quan hệ là một edge nối hai node. Câu “primary Button dùng cho hành động quan trọng nhất” là văn xuôi, nên người đọc phải tự hiểu. Còn chuỗi “rule này ràng buộc component này tại slot này, và gate này kiểm rule đó” thì máy lần theo được mà không phải đoán.

Bản đặc tả của DESIGN:OS CLI chia ontology thành hai vòng, gồm phần cơ bản và phần cho dự án đã chạy lâu

Bản đặc tả này mới nằm trên giấy, vì lệnh dựng và lệnh hỏi ontology chưa được viết.

Chuẩn cũng đòi rằng tham chiếu nào không khớp thì phải ghi là chưa nối được, không được đoán gần đúng. Chuẩn còn đòi node mồ côi, tức node không nối với gì, phải hiện ra cho người xem thấy. Vì vậy lệnh kiểm in độ phủ theo từng loại node, và một dòng như “0 node component” sẽ hiện ra thay vì lặng lẽ biến mất.

Đòi hỏi này đến từ thực tế. Dự án enterprise đã dựng một graph tri thức cho trợ lý trong sản phẩm, với 1.662 record và 2.959 edge ở bản code ngày 22/10/2026. Vậy mà graph này có 0 node cho cả token, component lẫn pattern, và có 223 node mồ côi. Graph nối được kiến thức về sản phẩm, nhưng chưa nối được design system.

Kho tri thức của trợ lý có bảy loại record, và không có node nào cho token, component hay pattern

Số record theo loại trong kho tri thức của trợ lý, bản code ngày 22/10/2026. Mỗi vạch là 1 record, cứ mỗi 50 vạch lại có một chấm đánh dấu. Vạch xám treo dưới đường nền là record mồ côi, không nối với gì.

Mô tả ngắn: 1.662 record gồm 764 screen, 325 ruling, 242 decision, 186 story, 92 feature, 41 term và 12 app; token, component và pattern có 0 node; 223 node mồ côi.

Xem bảng số liệu
Loại recordSố recordTrong đó mồ côi

Mồ côi nghĩa là không có edge nào vào hay ra. Loại nào không có dòng mồ côi thì kết quả đếm không ghi node mồ côi nào ở loại đó.

Nguồn: số đo nội bộ trên một dự án enterprise (không công khai), bản code ngày 22/10/2026, đếm lại ngày 11/11/2026; chỉ công bố số đếm. Biểu đồ dựa trên lieflat-charts, mẫu Tick Rows.

Một Button chỉ nối vài node, còn cả kho tri thức của trợ lý là một mạng hàng nghìn record

Mỗi chấm là một record thật trong kho tri thức của trợ lý trong sản phẩm, bản code 22/10/2026. Tên của từng record đã được bỏ, chỉ giữ loại record và loại quan hệ.

  • một record
  • mồ côi, không nối với gì
  • ví dụ minh họa, chưa nối

Kéo để xem

Mô tả ngắn: bản đồ gồm 1.662 chấm, mỗi chấm là một record, nối bằng 2.959 đường quan hệ. Screen là loại nhiều nhất với 764 record, rồi 325 ruling. Có 223 record mồ côi. Token, component và pattern có 0 node, nên cụm Button minh họa ở bên trái chưa nối được vào graph.

Ban đầu, quanh một Button chỉ có vài node

Một Button chỉ nối với tài liệu, token, rule và slot, nên cụm này dễ nhìn và lần theo được từng quan hệ. Cụm này là ví dụ minh họa, chưa phải dữ liệu.

Khi lớn thành cả một knowledge graph, mạng quan hệ trở nên rất phức tạp

Đây là kho tri thức của trợ lý trong sản phẩm, gồm 1.662 record nối với nhau bằng 2.959 edge. Mỗi chấm là một record thật, đã bỏ tên.

Screen là loại record nhiều nhất

Kho có 764 screen, gần một nửa số record. Các loại còn lại là ruling, decision, story, feature, term và app.

Ruling ghi lại decision của owner, nhưng nhiều ruling chưa nối với gì

Bản đồ tô sáng 325 ruling. Trong số đó, 130 ruling là node mồ côi, vẽ thành vòng rỗng, vì không có edge nào đi vào hay đi ra.

Mồ côi không phải lỗi, nhưng là chỗ graph chưa nối

Cả kho có 223 node mồ côi, gồm 130 ruling, 41 term, 32 screen và 20 decision. Các vòng rỗng cho thấy những node đó nằm ở đâu.

Graph lớn như vậy mà design system vẫn chưa nằm trong đó

Token, component và pattern có 0 node trong kho. Vùng nét đứt là chỗ design system sẽ gắn vào, còn cụm Button ở bên trái vẫn chưa nối với gì.

Tự khám phá bản đồ

Kéo để dời bản đồ, bấm + hoặc − để phóng to. Rê chuột hoặc dùng phím mũi tên tới một chấm để biết loại record và số edge của nó.

Xem bảng số record và edge
LoạiSố lượng

Nguồn: số đo nội bộ trên một dự án enterprise (không công khai), bản code ngày 22/10/2026; hình dựng từ vị trí cố định của từng record, ẩn tên, chỉ giữ loại record và loại quan hệ. Cụm Button bên trái là ví dụ minh họa.

Trong 2.959 edge, ba loại quan hệ nhiều nhất là dẫn tới, thuộc feature và có screen

Số edge theo loại quan hệ trong kho tri thức của trợ lý, bản code ngày 22/10/2026.

Mô tả ngắn: dẫn tới 703 edge, thuộc feature 668, có screen 625; bốn loại còn lại là screen cha 444, áp dụng cho 418, có feature 92 và bị thay bởi 9.

Xem bảng số liệu
Loại quan hệSố edge

Loại quan hệ “bị thay bởi” có 9 edge trong chỉ mục tri thức, còn ruling ledger ghi 7 ruling đã bị thay. Hai số này lệch nhau vì hai nguồn đếm hai thứ khác nhau.

Nguồn: số đo nội bộ trên một dự án enterprise (không công khai), bản code ngày 22/10/2026, cùng dữ liệu với bản đồ ở trên. Mỗi edge là một quan hệ giữa hai record.

Ví dụ: với ontology, agent chọn Button Export qua chín bước thay vì đoán

Phần này quay lại ví dụ minh họa ở đầu bài, vốn dựng ra để giải thích chứ không phải dữ liệu thật, để cho thấy agent dùng ontology ra sao. Khi chỉ có design system, AI có trong tay danh sách variant và phải tự chọn. Người viết giả định, nhưng chưa kiểm chứng, rằng AI sẽ chọn thứ hay gặp nhất trong dữ liệu huấn luyện, thường là một primary Button, có khi kèm một dòng description.

Khi có ontology, việc chọn đi qua chín bước dưới đây. Chín bước này minh họa chuẩn được thiết kế để dùng như thế nào, chưa phải kết quả đã đo.

Chín bước đi từ yêu cầu tới lúc gate kiểm lại. Ba bước viền nét đứt hôm nay chỉ đọc được từ chữ viết trong rule và pattern, vì chuẩn chưa có node cho slot, hierarchy hay flow. Nội dung đầy đủ của từng bước nằm ngay bên dưới.
  1. Tách yêu cầu thành ý định. Yêu cầu có hành động là Export, đối tượng là báo cáo, và vị trí là list page đơn hàng.
  2. Hỏi ontology. Lệnh hỏi trả về một gói theo thứ tự cố định gồm rule, pattern, component, token, ruling còn hiệu lực, rồi sibling screen. Lệnh này tìm theo chữ, rồi lấy thêm các node cách kết quả tối đa hai edge, và không gọi model AI nào.
  3. Pattern cho biết slot. List page có một slot cho Button ở hàng header, và slot đó quyết định size của Button.
  4. Hierarchy cho biết variant. Slot đã có primary Button Create order, và mỗi action group chỉ có một primary Button, nên Export phải là secondary Button.
  5. Hành động cho biết icon và label. Leading icon phải khớp với hành động, còn label là một động từ cộng đối tượng, dài tối đa ba từ. Rule icon có từ ngày 03/07, còn decision về label có từ ngày 03/10.
  6. Sibling screen cho biết tiền lệ. Các list page khác đặt Export ở đâu và dùng icon nào thì trang này làm theo.
  7. Flow cho biết bước sau. Nếu bấm Export mở ra một Dialog, pattern Dialog quyết định footer gồm Button Cancel và một primary Button.
  8. Gói nào không trả lời được thì agent dừng lại hỏi owner, không đoán. Đây là quy ước làm việc của dự án, không phải yêu cầu của bản đặc tả.
  9. Gate kiểm lại. Với rule nào có gate, kết quả sai sẽ bị báo đỏ, trong vùng gate đo.

Hiện nay, bước 3, 4 và 7 vẫn phải lấy thông tin từ chữ viết trong rule và pattern, vì chuẩn chưa có node cho slot, hierarchy hay flow. Bản đặc tả đặt giả thuyết rằng kết quả của agent phụ thuộc vào việc graph có đủ node và edge, nhiều hơn là vào việc AI “có gu”. Phép thử ba nhánh để kiểm giả thuyết này được mô tả ở phần Giới hạn, và chưa chạy.

Ontology chỉ giúp AI làm đúng khi agent hỏi nó lúc ra quyết định và rule quan trọng có gate kiểm

Điều kiện một: agent phải hỏi ontology ngay lúc ra quyết định. Trợ lý trong sản phẩm của dự án enterprise có một bộ retrieval, tức phần tìm và xếp hạng tài liệu liên quan. Khi thử bằng ba câu hỏi viết tay, về description dưới title, về leading icon của Button và về màu của Badge, bộ retrieval đều đưa đúng rule lên hạng 1.

Ba câu đó chỉ là phép thử tay. Trên bộ thử 42 câu, kết quả đúng nằm ở hạng 1 trong 42,9 % số câu và nằm trong 5 hạng đầu ở 92,9 % số câu. Vậy mà chưa có chỉ dẫn nào bảo agent viết code đi hỏi bộ retrieval đó.

Trong 42 câu hỏi thử, bộ retrieval đưa kết quả đúng lên hạng đầu ở 18 câu và bỏ sót 3 câu

Số câu theo hạng của kết quả đúng, trên bộ thử của trợ lý trong sản phẩm. Mỗi chấm là 1 câu hỏi.

Mô tả ngắn: trong 42 câu, 18 câu có kết quả đúng ở hạng đầu, 21 câu ở các hạng hai đến năm và 3 câu không có trong năm hạng đầu.

Xem bảng số liệu
Nhóm câu hỏiSố câu

Bộ thử chỉ in ra hai tỷ lệ, một ở hạng đầu và một trong năm hạng đầu, kèm danh sách câu bị sót. Số câu theo từng hạng được suy ra từ ba thông tin đó, vì kết quả của từng câu chưa được lưu ra ngoài.

Nguồn: số đo nội bộ trên một dự án enterprise (không công khai), bộ thử truy vấn của trợ lý trong sản phẩm, bản code ngày 22/10/2026, chạy lại ngày 11/11/2026. Biểu đồ dựa trên lieflat-charts, mẫu Dot Cascade.

Để lấp chỗ hở này, bản đặc tả quy định mỗi agent mà DESIGN:OS sinh ra cho dự án sẽ mang sẵn bản đồ các vùng của ontology, kèm câu lệnh hỏi cho từng vùng.

Điều kiện hai: rule quan trọng phải đi vào API của component, tức các prop component cho truyền vào, và vào gate. Ở dự án enterprise, size của Button do slot quyết định, và có lint quét code để tìm chỗ sai. Nhờ vậy, số violation về size là 0, trong vùng gate đo. Rule icon thì mới chỉ là chữ trong tài liệu, nên 124 trên 370 Button không theo rule này.

Có thể xếp hai ví dụ này trên một thang sáu bậc. Rule càng lên bậc cao thì càng khó bị làm sai.

Bậc một là lời nói hay comment. Bậc hai là ruling có ngày và scope trong ledger, tức sổ ghi decision của dự án. Bậc ba là rule nằm trong danh sách agent đọc mặc định, nên agent hỏi được lúc ra quyết định. Bậc bốn là API của component không cho truyền vào giá trị sai. Bậc năm là gate báo đỏ khi build. Bậc sáu là có người chấm độc lập và phản hồi của owner được ghi lại.

Các Button có chấm xanh lơ đã đi qua cổng vòm kính; Button không có chấm bị giữ lại trước cổng, dưới một dấu tam giác nhỏ màu hổ phách.
Minh họa tạo bằng AI (Google Flow). Một dãy Button đi dọc đường ray tới cổng kiểm, và Button nào thiếu icon thì bị giữ lại trước cổng, dưới một dấu hiệu màu hổ phách. Hình chỉ để minh họa, không biểu diễn số liệu.
  1. Bậc một là lời nói hay comment.
  2. Bậc hai là ruling có ngày và scope trong ledger.
  3. Bậc ba là rule nằm trong danh sách agent đọc mặc định, nên agent hỏi được lúc ra quyết định.
  4. Bậc bốn là API của component không cho truyền vào giá trị sai.
  5. Bậc năm là gate báo đỏ khi build.
  6. Bậc sáu là có người chấm độc lập và phản hồi của owner được ghi lại.

Size của Button đã lên bậc bốn và năm, nơi API và gate chặn lỗi, nên số violation là 0 trong vùng gate đo.

Bậc sáng là những bậc mà bài cho biết rule đó đã lên tới; bậc tối là những bậc bài không nói tới. Đọc thang từ dưới lên, mỗi bậc thêm một lớp chặn lỗi, và rule icon còn thiếu đúng những lớp mà size của Button đã có.

Designer có thể làm năm việc ngay mà không cần công cụ mới

  1. Đặt tên theo nghĩa, không theo hình thức, ví dụ gọi là “danger” thay vì “đỏ”.
  2. Thiết kế cả slot chứ không chỉ component, vì slot quyết định size và hierarchy.
  3. Ghi lý do một lần thành rule có ngày và scope, thay vì nhắc lại ở từng lượt review.
  4. Giữ các danh sách đóng, như status vocabulary hay bảng động từ đi với icon.
  5. Khi công cụ hỏi thì trả lời, thay vì để nó tự đoán.

Vai trò của designer vì thế chuyển dần từ vẽ từng screen sang chăm sóc graph của design system, tức viết rule, gỡ những chỗ mơ hồ và chấm kết quả. Mục tiêu là mỗi decision thiết kế mà agent đưa ra đều có lý do lần lại được.

Nguồn

Ba trang đầu được đọc ngày 11/11/2026; năm trang sau được đọc ngày 12/11/2026.

Các số liệu của dự án là số đo nội bộ trên một dự án enterprise, bản code ngày 22/10/2026, và không công khai. Bản đặc tả của DESIGN:OS CLI cũng chưa công khai.