Thời gian vừa qua mình cũng sử dụng một số AI Code Copilot và Agent như Github Copilot và Windsurf để code. Thực sự đây là những AI giúp việc code nhanh hơn và giúp bạn nhanh chóng trở thành những full-stack developer.
Nhưng thật sự để code được 1 sản phẩm phần mềm thực sự cho nhiều người sử dụng thì không thể chỉ dựa vào kỹ năng prompt cùng AI, nó còn cần rất nhiều kiến thức lập trình, kiến trúc hệ thống phần mềm, kinh nghiệm làm việc và khả năng research kỹ thuật cần dùng. Thì bạn mới có thể prompt tốt và cùng làm việc với AI để tạo được những phần mềm ưng ý.
Nên sau quá trình tìm hiểu, đúc kết và kiểm chứng. Mình nghĩ flow học tập dưới đây sẽ phù hợp cho người non-tech muốn học và làm được các sản phẩm AI Agent. Một xu hướng phát triển AI mạnh mẽ hiện tại và trong thời gian sắp tới.
(Flow này theo quan điểm cá nhân, mình nhấn mạnh lại là dành cho người non-tech)
1. Lập kế hoạch cho AI Agent (Planning Your Agent)
Bước này cần xác định mục tiêu và yêu cầu của agent trước khi bắt đầu xây dựng. Điều này giúp tiết kiệm thời gian và tránh đi sai hướng.
Bước này có thể Brainstorm cùng ChatGPT, Claude, … để có plan và thực sự hiểu mình cần xây dựng những gì.
Câu hỏi cần trả lời:
– Chức năng cốt lõi của agent là gì?
– Sử dụng mô hình ngôn ngữ (LLM) nào? (Local LLM hoặc API từ OpenAI, Google, …)
– Những API nào cần thiết để tích hợp?
– Phiên bản V1 của agent cần những gì để hoàn thiện một Proof of Concept (POC)?
2. Tạo nguyên mẫu (Prototype)
Bước này sẽ xây dựng phiên bản POC nhanh chóng bằng các công cụ no-code hoặc low-code như: n8n, Flowise, make .com, Zapier, …
Mục tiêu:
– Tạo một agent có khả năng giao tiếp cơ bản và tương tác với các công cụ.
– Không tập trung vào phần giao diện hoặc cơ sở dữ liệu ở bước này.
3. Thiết lập cơ sở dữ liệu (Database)
Bước này xây dựng cơ sở dữ liệu (Database) để lưu trữ lịch sử hội thoại, cơ sở kiến thức (RAG), và các thông tin khác của agent.
Bước này cũng có thể thiết lập trong n8n, …
4. Chuyển sang Python
Nếu cần tùy chỉnh sâu hơn và linh động hơn, nên chuyển từ công cụ no-code/low-code sang Python để tăng tính linh hoạt.
Vì sao lại là Python? Vì hiện tại các framework tạo AI Agent như CrewAI, AG2 (Autogen), PanticAI, LangGraph,… phần lớn sử dụng Python.
Ở bước này bạn có thể sử dụng các công cụ hỗ trợ: Windsurf, Cursor (AI IDEs), Github Copilot để Code.
Và nếu thấy các tool no-code đủ mạnh và đáp ứng tốt nhu cầu, có thể bỏ qua bước này.
5. Xây dựng giao diện người dùng (UI/UX)
Tạo giao diện để người dùng tương tác với agent một cách trực quan và thân thiện. Thường là web hoặc mobile app.
Bước này cũng có thể dùng Windsurf, hoặc V0, lovable…
6. Kiểm thử (Testing)
Bước này mình cũng không rành, thường dùng Windsurf và Claude để tạo unit test, automation test.
7. Triển khai (Deployment)
Đưa agent ra thị trường, đảm bảo nó sẵn sàng cho người dùng.
Mình thường dùng Docker(để Đóng gói phần mềm) và thuê VPS để hosting.
8. Giám sát (Monitoring)
Theo dõi hiệu suất, phát hiện lỗi và cải thiện hiệu năng của agent.
9. Đánh giá chất lượng (Agent Evaluation)
Đảm bảo agent đưa ra câu trả lời và hành động chính xác, không chỉ dừng lại ở việc tránh lỗi.
10. Tối ưu hóa và nâng cao (Optimization and Advanced Topics)
Các bước nâng cao để tối ưu hóa hiệu năng và nâng cấp agent lên cấp độ doanh nghiệp.
Note:
– Phần lớn mọi người nếu chỉ muốn áp dụng vào công việc thực tế hiện tại, thì ngang bước 3 là đã đủ để ứng dụng tốt khi sử dụng các tool no-code, low-code để tạo.
– Mình sử dụng nhiều tư khoá chuyên môn bằng tiếng Anh, các bạn có thể tìm hiểu để hiểu hơn nha.
– Đối với người non-tech. Mình nghĩ bước 1, 2, 3 là dễ tiếp cận và tạo nhanh được các AI Agent, multi-agent để ứng dụng ngay vào công việc.
Các bài post sau mình sẽ viết về AI Agent, Database, Software architecture …
