Câu chuyện thực chiến của tác giả: Tháng 11 năm ngoái mình là Tech Lead cho một dự án khởi nghiệp 3 người, chuẩn bị ra mắt hệ thống RAG chăm sóc khách hàng cho 4 shop thương mại điện tử ngay trước mùa Black Friday. Cả team dùng GitHub Copilot Workspace làm IDE trung tâm, nhưng model mặc định của Copilot chỉ là GPT-4.1 hoặc Claude Sonnet — không đủ sức xử lý các truy vấn tiếng Việt phức tạp về chính sách đổi trả, bảo hành điện tử. Trong vòng 48 giờ mình phải tìm cách "gắn" Claude Opus 4.7 (top-tier model 2026) vào Copilot Workspace thông qua một API relay ổn định, độ trễ dưới 50ms, giá phải chịu được khi scale lên 12 triệu token/ngày. Hai đêm mất ngủ và ba lần reset workspace sau, mình cuối cùng cũng có một quy trình ổn định chạy production suốt 4 tháng liên tục với uptime 99,7%. Bài viết này là toàn bộ quy trình, kèm số liệu benchmark thực tế và những lỗi mình đã trả giá bằng tiền thật.