AI Agents là gì? | MinAI Learning

Lý thuyết

2/13•25 phút

Đang tải...

AI Agents là gì?

Tìm hiểu về AI Agents - hệ thống AI tự động có khả năng reasoning và thực thi tasks

🎯 Mục tiêu bài học

TB5 min

AI Agents đang định hình tương lai của AI applications. Trong bài này, chúng ta sẽ tìm hiểu AI Agents là gì, tại sao chúng quan trọng, và cách chúng hoạt động.

Sau bài này, bạn sẽ:

✅ Hiểu định nghĩa AI Agent và vòng lặp hoạt động ✅ Phân biệt chatbot truyền thống với AI Agent ✅ Nắm được các thành phần kiến trúc của AI Agent ✅ Tìm hiểu Agent patterns phổ biến và limitations

Task 0

🔍 Định nghĩa AI Agent

TB5 min

Định nghĩa AI Agent

AI Agent là một hệ thống AI có khả năng:

Nhận thức (Perceive) môi trường
Suy luận (Reason) để đưa ra quyết định
Hành động (Act) để đạt được mục tiêu
Học hỏi (Learn) từ kết quả

Diagram

Đang vẽ diagram...

Checkpoint

Bạn đã hiểu 4 khả năng cốt lõi của AI Agent chưa?

Task 1

🔍 So sánh: Chatbot vs AI Agent

TB5 min

Đặc điểm	Chatbot truyền thống

Task 2

Tiếp: Mẫu ReAct

📐 Các thành phần của AI Agent

TB5 min

1. LLM Brain (Bộ não)

LLM đóng vai trò là "bộ não" của agent, chịu trách nhiệm:

Hiểu instructions và context
Reasoning để đưa ra plan
Quyết định action tiếp theo
Tổng hợp kết quả

python.py

1from langchain_openai import ChatOpenAI
2
3# LLM làm brain cho agent
4llm = ChatOpenAI(
5    model="gpt-4o",
6    temperature=0  # Deterministic cho reasoning
7)

2. Tools (Công cụ)

Tools cho phép agent tương tác với external systems:

python.py

1from langchain.tools import tool
2
3@tool
4def search_web(query: str) -> str:
5    """Tìm kiếm thông tin trên internet"""
6    # Implementation
7    return search_results
8
9@tool
10def send_email(to: str, subject: str, body: str) -> str:
11    """Gửi email đến người nhận"""
12    # Implementation
13    return "Email sent successfully"
14
15@tool
16def query_database(sql: str) -> str:
17    """Truy vấn database"""
18    # Implementation
19    return query_results

3. Memory (Bộ nhớ)

Agent cần memory để:

Nhớ conversation history
Lưu trữ learned knowledge
Track progress on tasks

python.py

1from langchain.memory import ConversationBufferMemory
2
3memory = ConversationBufferMemory(
4    memory_key="chat_history",
5    return_messages=True
6)

4. Planning (Lập kế hoạch)

Agent có thể plan multi-step tasks:

Diagram

Đang vẽ diagram...

Checkpoint

Bạn đã hiểu 4 thành phần kiến trúc của AI Agent (Brain, Tools, Memory, Planning) chưa?

Task 3

🔍 Agent Patterns phổ biến

TB5 min

ReAct Pattern (Reasoning + Acting)

Pattern phổ biến nhất cho AI Agents:

Ví dụ

1Thought: Tôi cần tìm giá vé máy bay đến Tokyo
2Action: search_flights("HAN", "TYO", "2024-03-01")
3Observation: Found 5 flights, cheapest $450
4 
5Thought: $450 có vẻ hợp lý, kiểm tra khách sạn
6Action: search_hotels("Tokyo", "2024-03-01", "2024-03-05")
7Observation: Found 20 hotels, avg $100/night
8 
9Thought: Đã có đủ thông tin, tổng hợp kết quả
10Action: final_answer("Tìm thấy vé máy bay $450 và khách sạn $100/đêm...")

Plan-and-Execute Pattern

Phù hợp cho complex, long-running tasks:

python.py

1# Step 1: Create plan
2plan = planner.plan(
3    "Research and write a report about AI trends 2024"
4)
5# Output: ["Search AI news", "Analyze trends", "Write outline", "Draft report", "Review"]
6
7# Step 2: Execute each step
8for step in plan:
9    result = executor.execute(step)
10    plan = replanner.update_plan(plan, result)

Checkpoint

Bạn đã hiểu sự khác biệt giữa ReAct và Plan-and-Execute pattern chưa?

Task 4

💻 Ví dụ thực tế: Customer Support Agent

TB5 min

python.py

1from langchain.agents import create_react_agent
2from langchain_openai import ChatOpenAI
3
4# Define tools
5tools = [
6    search_knowledge_base,  # Tìm trong FAQ
7    get_order_status,       # Kiểm tra đơn hàng
8    create_support_ticket,  # Tạo ticket hỗ trợ
9    send_email,             # Gửi email
10]
11
12# Create agent
13agent = create_react_agent(
14    llm=ChatOpenAI(model="gpt-4o"),
15    tools=tools,
16    prompt=customer_support_prompt
17)
18
19# Example interaction
20response = agent.invoke({
21    "input": "Đơn hàng #12345 của tôi đang ở đâu?"
22})

Agent flow:

🤔 Agent reasoning: "Cần kiểm tra trạng thái đơn hàng"
🔧 Action: get_order_status("12345")
👁️ Observation: "Đơn hàng đang vận chuyển, dự kiến 2 ngày nữa"
💬 Response: "Đơn hàng #12345 đang trên đường vận chuyển..."

Checkpoint

Bạn đã hiểu flow hoạt động của một Customer Support Agent chưa?

Task 5

Input/Output	Text → Text	Goal → Actions → Result
Autonomy	Reactive	Proactive
Planning	Không	Có
Tool Use	Giới hạn	Đa dạng
Memory	Session-based	Long-term
Self-correction	Không	Có

Khóa học

Mentor & Hỗ trợ

Blog

Giới thiệu

AI Agents là gì?

🎯 Mục tiêu bài học

Sau bài này, bạn sẽ:

🔍 Định nghĩa AI Agent

Checkpoint

🔍 So sánh: Chatbot vs AI Agent

Checkpoint

📐 Các thành phần của AI Agent

1. LLM Brain (Bộ não)

2. Tools (Công cụ)

3. Memory (Bộ nhớ)

4. Planning (Lập kế hoạch)

Checkpoint

🔍 Agent Patterns phổ biến

ReAct Pattern (Reasoning + Acting)

Plan-and-Execute Pattern

Checkpoint

💻 Ví dụ thực tế: Customer Support Agent

Checkpoint

⚠️ Limitations của AI Agents

Thử thách

Thực tiễn tốt nhất

Checkpoint

🎯 Tổng kết

Bài tập thực hành

Câu hỏi tự kiểm tra

🚀 Bài tiếp theo

Tài liệu tham khảo