Bài 1 — AI Agent là gì và khác gì một lời gọi LLM?

Rất nhiều người nghĩ "gọi API của GPT rồi trả lời" là đã có agent. Sai. Một lời gọi LLM (LLM call) chỉ là hàm input → output một lần. Một AI Agent là hệ thống dùng LLM làm bộ não ra quyết định trong một vòng lặp, có khả năng gọi công cụ (tools), ghi nhớ (memory) và tự điều chỉnh cho đến khi hoàn thành mục tiêu.

Sự khác biệt cốt lõi

Hãy so sánh hai tình huống cùng yêu cầu: "Đặt lịch họp với anh Minh vào chiều mai lúc rảnh".

• LLM call thuần: model trả về một câu text "Bạn nên đặt lúc 15h". Nó không xem được lịch thật, không đặt được gì.
• Agent: model quyết định gọi tool get_calendar(), đọc kết quả, thấy 14h-15h trống, gọi tiếp tool create_event(), rồi báo cáo "Đã đặt 14h". Nó hành động chứ không chỉ nói.

4 thành phần giải phẫu của một agent

Suốt khóa học này ta sẽ mổ xẻ 4 bộ phận:

• LLM (bộ não) — suy luận, quyết định bước tiếp theo.
• Tools (tay chân) — hàm thật để đọc/ghi thế giới bên ngoài (API, DB, web).
• Memory (trí nhớ) — giữ ngữ cảnh trong phiên và giữa các phiên.
• Planning loop (vòng lặp) — cơ chế lặp: quan sát → suy nghĩ → hành động → lặp lại.

Vòng đời một lượt agent (ví dụ cụ thể)

Mục tiêu: "Tổng doanh thu quý 3?"

Bước 1  Nghĩ:  Cần truy vấn DB.
Bước 2  Hành động: call sql_query("SELECT SUM(...) WHERE quarter=3")
Bước 3  Quan sát: 4.2 tỷ
Bước 4  Nghĩ:  Đã đủ dữ liệu → trả lời.
Bước 5  Kết thúc: "Doanh thu quý 3 là 4.2 tỷ đồng."

Đây chính là planning loop ở dạng đơn giản nhất — ta sẽ đào sâu ở Bài 5 (ReAct).

Các bước để định vị bài toán của bạn

• Viết ra mục tiêu người dùng muốn đạt (không phải câu trả lời, mà là kết quả).
• Liệt kê những hành động ngoài thế giới thật cần làm (đọc file? gọi API? gửi email?). Nếu danh sách rỗng → bạn không cần agent, một prompt là đủ.
• Xác định agent cần bao nhiêu bước trung bình. 1 bước → prompt thường; nhiều bước không đoán trước → agent.
• Xác định tiêu chí dừng: khi nào coi là xong?

Khung tư duy: "Có thực sự cần agent không?"

Nếu luồng của bạn cố định, hãy dùng workflow (chuỗi lời gọi có kịch bản) — rẻ hơn, dễ debug hơn agent.

Checklist trước khi bắt tay

• [ ] Đã viết mục tiêu dưới dạng kết quả đo được.
• [ ] Đã liệt kê tối thiểu 1 tool thật cần dùng.
• [ ] Đã định nghĩa điều kiện dừng.
• [ ] Đã ước lượng chi phí (mỗi bước = 1 lời gọi LLM = tiền token).

Sai lầm thường gặp

• Dùng agent cho việc workflow làm được: tốn token gấp nhiều lần, khó đoán, khó test. Nếu luồng cố định, đừng dùng agent.
• Nhầm "chatbot trả lời hay" với "agent": trả lời hay không đồng nghĩa với hành động được. Agent phải thay đổi được trạng thái thế giới thật.
• Không định nghĩa điều kiện dừng: agent lặp vô tận, đốt tiền token và không bao giờ trả kết quả.
• Giao quá nhiều mục tiêu một lúc: agent lạc hướng. Một agent nên có một mục tiêu rõ ràng.

Ở Bài 2, ta sẽ mổ xẻ chi tiết "bộ não" — cách chọn LLM và viết system prompt để nó biết mình là một agent chứ không phải chatbot.