Thiết kế hệ thống AI đáng tin cậy thường bắt đầu từ vài mẫu hình có thể tái sử dụng. Bài viết này giới thiệu các agentic patterns phổ biến—chúng là gì, dùng khi nào, và cách ghép chúng với nhau. Bạn sẽ thấy sự khác biệt giữa các workflow có đường đi dự đoán được (điều phối bằng code) và các agent tự chủ hơn (quyết định bằng mô hình), kèm liên kết tới sơ đồ để hình dung nhanh.
Bạn sẽ học gì
- Khác biệt giữa workflow và agent
- Bảy mẫu hình phổ biến và tình huống áp dụng
- Cách chọn, kết hợp và xử lý sự cố khi dùng patterns
Workflow vs. agent
- Workflow: Tuyến đường xử lý được định nghĩa sẵn trong code. Phù hợp tác vụ đã rõ ràng, có bước cụ thể, cần tính nhất quán và rào chắn.
- Agent: Mô hình tự quyết định bước tiếp theo (và chọn tool nào). Phù hợp tác vụ mở, nhiều bất định, số bước thay đổi.
Mẹo: Hãy bắt đầu đơn giản. Nếu một lần gọi LLM (có thể kèm retrieval, tools hoặc ví dụ) đã giải quyết được vấn đề, hãy ưu tiên cách đó thay vì thêm độ phức tạp kiểu agent.
Tổng quan các patterns
- Workflow: Prompt chaining
- Workflow: Routing (handoff)
- Workflow: Parallelization
- Reflection pattern
- Tool use pattern (function calling)
- Planning pattern (orchestrator–workers)
- Multi‑agent pattern
Workflow: Prompt chaining
Chuỗi các lời gọi LLM theo thứ tự, trong đó đầu ra của bước trước là đầu vào của bước sau. Phù hợp để tách một tác vụ thành các tiểu tác vụ tuần tự, dự đoán được.
Tình huống dùng:
- Quy trình viết nháp → phê bình → chỉnh sửa
- Trích xuất thông tin nhiều bước → chuyển đổi → tóm tắt
- Sinh tài liệu có cấu trúc từ đề cương đến bản hoàn chỉnh
Điểm mạnh: Đơn giản, dễ debug, có thể tái lập. Điểm yếu: Cứng nhắc nếu bài toán cần rẽ nhánh hoặc quay lui.
Workflow: Routing (handoff)
Một bộ phân loại hoặc LLM “router” chọn worker/model/prompt chuyên biệt để xử lý yêu cầu. Hữu ích để tách mối quan tâm và tối ưu chi phí/độ trễ bằng cách ghép tác vụ đúng “chuyên gia”.
Tình huống dùng:
- Triage hỗ trợ khách hàng (billing vs. kỹ thuật vs. tài khoản)
- Chọn mô hình theo tầng (rẻ/nhanh cho đơn giản, mạnh cho phức tạp)
- Sinh nội dung nhưng định tuyến theo prompt chuyên đề
Điểm mạnh: Hiệu quả và mô-đun hóa. Điểm yếu: Router sai sẽ giao nhầm; cần danh mục rõ ràng và đường lui an toàn.
Workflow: Parallelization
Chia nhỏ tác vụ thành các phần độc lập và chạy song song, sau đó tổng hợp kết quả. Hữu ích để giảm độ trễ, tăng đa dạng ý tưởng, hoặc xử lý kiểu map‑reduce.
Tình huống dùng:
- Phân rã truy vấn cho RAG rồi tổng hợp
- Tóm tắt tài liệu dài theo từng phần rồi ghép
- Bỏ phiếu đa số hoặc brainstorm theo nhiều persona
Điểm mạnh: Nhanh hơn và thường chất lượng tốt hơn nhờ đa dạng. Điểm yếu: Cần bước tổng hợp được thiết kế cẩn thận.
Reflection pattern
Thêm vòng tự phê bình: sinh → đánh giá → sửa (lặp cho đến khi đạt hoặc hết ngưỡng). Bộ đánh giá có thể là cùng mô hình với prompt khác, hoặc một mô hình riêng.
Tình huống dùng:
- Sinh code kèm phản hồi từ test/thực thi
- Viết nháp kèm kiểm tra độ rõ ràng/giọng điệu
- Sinh kế hoạch kèm kiểm tra tính khả thi và độ phủ
Điểm mạnh: Cải thiện chất lượng qua phản hồi lặp. Điểm yếu: Tăng độ trễ/chi phí; cần tiêu chí đạt rõ ràng để hội tụ.
Tool use pattern (function calling)
Cấp quyền cho mô hình dùng công cụ bên ngoài (API, database, thực thi code). Mô hình quyết định khi nào gọi tool, truyền tham số có cấu trúc, và đưa kết quả vào phản hồi.
Tình huống dùng:
- Dữ liệu thời gian thực (thời tiết, cổ phiếu, internal APIs)
- RAG với tìm kiếm vector
- Điều khiển smart‑home hoặc hành động workflow
Điểm mạnh: Mở rộng khả năng vượt dữ liệu huấn luyện; “ground” câu trả lời. Điểm yếu: Cần schema tool chính xác và xử lý lỗi vững.
Planning pattern (orchestrator–workers)
Một LLM “planner” tạo kế hoạch nhiều bước động, giao việc cho các worker chuyên biệt (thường dùng tools), rồi tổng hợp kết quả. Planner có thể tái lập kế hoạch khi thông tin mới xuất hiện.
Tình huống dùng:
- Nghiên cứu nhiều bước và sinh báo cáo
- Tác vụ phần mềm tách thành lên kế hoạch → implement → test → document
- Yêu cầu người dùng phức tạp với phụ thuộc và checkpoint
Điểm mạnh: Cấu trúc rõ ràng cho mục tiêu phức tạp. Điểm yếu: Overhead khi lập kế hoạch; đòi hỏi phân rã tốt và xử lý phụ thuộc.
Multi‑agent pattern
Nhiều agent chuyên vai phối hợp qua điều phối hoặc bàn giao. Một coordinator trung tâm có thể quản lý lượt phát biểu, hoặc các agent tự chuyển giao theo trạng thái tác vụ.
Tình huống dùng:
- Luồng kiểu dự án (PM, coder, tester, writer)
- Tranh luận/tham vấn với các persona khác biệt
- Mô phỏng và workflow theo môi trường
Điểm mạnh: Mở rộng chuyên môn và song song. Điểm yếu: Khó debug hơn; cần giao thức cho lượt phát biểu, grounding và xử lý xung đột.
Cách chọn và kết hợp patterns
- Ưu tiên phương án đơn giản nhất có thể; chỉ thêm “tính agent” khi chứng minh được hiệu quả.
- Bắt đầu từ một LLM được tăng cường tốt (retrieval, tools, memory) trước khi thêm vòng lặp.
- Pha trộn linh hoạt: kế hoạch có dùng tools; worker có phản chiếu; routing bên trong hệ nhiều agent.
- Làm rõ tiêu chí thành công (tests, checklist, schema) để vòng lặp hội tụ.
- Ghi nhận đầy đủ: log input/output, lời gọi tool, lỗi và thời gian.
Lỗi thường gặp và cách xử lý
- Over‑engineering: Nếu các bước đã biết, hãy dùng workflow thay vì agent.
- Trạng thái ẩn: Làm rõ và kiểm soát tác động của memory/tools.
- Tool mơ hồ: Đặt tên, mô tả, schema tham số rõ; validate input.
- Bất ngờ về chi phí/độ trễ: Chạy song song và phản chiếu làm tăng usage—hãy dự trù và giới hạn số vòng.
- Vòng lặp không hội tụ: Thêm kiểm tra pass/fail, giới hạn lặp, và phản hồi có mục tiêu.
- Lỗi routing: Cung cấp định nghĩa danh mục, ví dụ, và đường mặc định an toàn.
- Hình/links hỏng: Ưu tiên nguồn tin cậy; nếu chuyển sang asset nội bộ, giữ đúng đường dẫn
images/.
Tham khảo thêm
- Zero to One: Learning Agentic Patterns — https://www.philschmid.de/agentic-pattern
- Building Effective AI Agents — https://www.anthropic.com/engineering/building-effective-agents
Lời cảm ơn: Bài viết tham khảo các tổng quan và ví dụ xuất sắc từ những nguồn trên.
Tóm Tắt
- 7 agentic patterns cốt lõi và khi nào dùng.
- Cách kết hợp thực tế, ưu tiên đơn giản và có tiêu chí.
- Tránh bẫy thường gặp: routing, vòng lặp, chi phí/độ trễ, tool.
