Tìm hiểu các file dữ liệu thường gặp khi sử dụng AI

Nhóm mở đầu trả lời câu hỏi đặt ra trước cả kỹ thuật: vì sao công việc hằng ngày với AI agent, với Skill, với dataset và với cấu hình lại liên tục đưa tới những file như vậy, và tại sao bạn không cần biết lập trình để mở chúng. Cảm giác choáng ngợp khi mở một file JSON dày đặc ký tự được nói thẳng ra là chuyện bình thường, không phải dấu hiệu bạn không phù hợp với loại việc này. Sau đó là một kỹ năng dễ bị bỏ qua: nhận ra dáng của một file chỉ bằng cách nhìn. Cùng một danh sách đăng ký workshop được ghi theo cả năm cách và đặt cạnh nhau, để bạn thấy mỗi định dạng đang dùng ký tự nào để diễn đạt “cái này thuộc cái kia” hay “đây là một bản ghi mới”. Từ đó, một file lạ không còn là khối chữ vô danh mà là một định dạng bạn gọi được tên.

Nhóm này mở JSON ra theo đúng thứ tự bạn cần khi đọc: object và array lồng nhau tạo nên bộ xương của file, còn bên trong là string, number, true, false và null. Bạn sẽ thấy vì sao dấu nháy kép là bắt buộc, vì sao dấu phẩy chỉ nằm giữa các phần tử chứ không được đứng lẻ ở cuối, và vì sao JSON không có chỗ cho comment — một dòng ghi chú thêm vào cho dễ nhớ là đủ để cả file trở thành không hợp lệ. Kết lại là việc bạn muốn làm nhất: đổi một giá trị và giữ nguyên mọi ký tự đang đỡ cấu trúc quanh nó.

JSONL trông như JSON nhưng đọc theo một luật khác, và đó là chỗ nhiều người hiểu lệch. Mỗi dòng trong file là một JSON value độc lập, và ranh giới giữa các bản ghi là ký tự xuống dòng. Nhóm này giải thích vì sao log, dataset và test case hay được ghi ở dạng này, rồi tập trung vào một chỗ rất dễ nhầm: một bản ghi dài có thể chiếm bốn, năm dòng trên màn hình vì editor bẻ dòng cho vừa khung nhìn, trong khi với file thì nó vẫn là một dòng duy nhất. Nhìn ra sự khác biệt đó là điều kiện để bạn xoá hay thêm một bản ghi mà không cắt đôi bản ghi khác.

CSV trông đơn giản: mỗi dòng một bản ghi, các ô ngăn nhau bằng một dấu phân cách — và chính vẻ đơn giản đó khiến người ta ít nghi ngờ khi mở nó ra. Nhóm này đi qua dấu phân cách giữa các ô, những ô phải đặt trong dấu nháy, và trường hợp một bản ghi hợp lệ trải trên nhiều dòng vì bên trong một ô có ký tự xuống dòng. Phần quan trọng nhất lại không thuộc về cú pháp mà thuộc về hành vi của phần mềm: khi bạn mở một file CSV bằng spreadsheet rồi lưu lại, số điện thoại có thể mất số 0 ở đầu và ngày tháng có thể bị viết lại theo một quy ước khác. Bạn học cách phát hiện những thay đổi ấy trước khi gửi file đi, thay vì sau khi người nhận báo dữ liệu sai.

Khoá học làm việc với YAML dạng khối, và trong dạng khối thì khoảng trắng đầu dòng là thứ mang cấu trúc — nên một phím Tab hay hai dấu cách lệch cũng đủ làm file mang nghĩa khác, hoặc khiến công cụ xử lý không phân tích được nữa. YAML còn một cách viết khác dùng ngoặc, nhìn khá giống JSON; khoá học nói rõ ranh giới này để bạn không mặc định rằng mọi file YAML đều diễn đạt cấu trúc bằng thụt lề. Ví dụ ở đây là một file cấu hình của chính workshop đang chạy xuyên suốt khoá học, bên trong có cả tham chiếu tới danh sách đăng ký; từ file đó, nhóm này dựng mapping và sequence, chỉ ra cách thụt lề diễn đạt quan hệ lồng nhau, rồi nói về comment mà YAML cho phép. Sau đó là chỗ dễ sai nhất: khi một giá trị không có dấu nháy, kiểu của nó được suy ra từ hình dạng, và điều bạn tưởng là chữ có thể được hiểu thành số hoặc giá trị logic. Biết trước đặc tính này, bạn dùng dấu nháy một cách có chủ đích chứ không theo cảm tính.

Markdown là định dạng bạn có lẽ đã đọc nhiều hơn bạn nghĩ: heading, list, khối code. Nhóm này thêm vào phần mà người không lập trình hay bỏ qua — khối nằm giữa hai dòng --- ở đầu file. Đó là frontmatter viết bằng YAML, phần metadata dành cho máy đọc, và nó xuất hiện ở những nơi rất thực tế, ví dụ trong file SKILL.md. Khi bạn nhìn ra hai lớp trong cùng một file, việc sửa một trường metadata mà không chạm vào nội dung trở thành việc rõ ràng.

Nhóm cuối biến những gì bạn vừa đọc thành một cách làm việc có thể lặp lại: giữ bản trước khi sửa, so bản trước với bản sau để thấy đúng những gì mình đã đổi, và kiểm cú pháp bằng validator. Phần kết luận là chỗ đáng dừng lại lâu nhất: một file qua được validator chỉ có nghĩa là cú pháp của nó đúng luật, không có nghĩa là nội dung đúng. Một email gõ thiếu ký tự hay một trạng thái thanh toán ghi lệch vẫn đi qua mọi phép kiểm cú pháp một cách êm ả. Tách hai câu hỏi đó ra là điều giúp bạn tự tin bấm gửi.