AI agent là gì?

Câu hỏi duy nhất phân biệt agent với chatbot

Ai là người quyết định bước tiếp theo sẽ xảy ra?

Với chatbot, không ai cả. Bạn gửi một tin nhắn, mô hình đưa ra một câu trả lời, và lượt trao đổi kết thúc. Nếu câu trả lời cần bổ sung, bạn phải tự viết tiếp. Mô hình không bao giờ hành động lên thế giới thực, nó chỉ viết văn bản.

Với agent, mô hình là bên ra quyết định. Được giao một mục tiêu, nó chọn một hành động, chẳng hạn tìm kiếm trên web, chạy một đoạn mã, mở một trang hoặc chỉnh sửa một tệp, nhận lại kết quả dưới dạng văn bản, đọc kết quả đó, rồi chọn hành động tiếp theo. Nó tiếp tục cho đến khi tự đánh giá mục tiêu đã đạt được hoặc chạm giới hạn số bước. Mô hình chính là bộ điều khiển của vòng lặp.

Tài liệu kỹ thuật của Anthropic mang tên "Building effective agents", công bố vào tháng 12 năm 2024, cũng vạch ranh giới ở đúng chỗ đó: workflow là hệ thống trong đó mô hình chạy bên trong một đoạn mã cố định sẵn đường đi, còn agent là hệ thống trong đó mô hình tự định hướng quá trình và cách dùng công cụ của chính mình. Tài liệu này cũng thẳng thắn về việc nên xây dựng cái nào trước, và câu trả lời của họ là workflow.

Chatbot, workflow, agent: cùng một mô hình, ba vòng lặp khác nhau

Cả ba đều có thể chạy trên cùng một mô hình ngôn ngữ. Điều khác biệt nằm ở những gì bao quanh nó.

Cột workflow là nơi phần lớn tự động hóa hữu ích thực sự tồn tại. Một pipeline tóm tắt một tài liệu, sau đó trích xuất ngày tháng, rồi soạn một câu trả lời, là ba lần gọi mô hình theo trình tự cố định. Nó đáng tin cậy vì lập trình viên đã quyết định sẵn đường đi. Đó không phải agent, dù trang giới thiệu sản phẩm có nói gì đi nữa, và việc gọi nó là agent che mờ đi sự đánh đổi thực sự: một đường đi cố định thì dễ đoán và rẻ, còn một đường đi do mô hình tự chọn thì linh hoạt nhưng chẳng phải cả hai điều đó.

Vòng lặp trông như thế nào, từng bước một

Một lượt chạy cụ thể. Mục tiêu: "Tìm hiểu xem đối thủ cạnh tranh của chúng ta có thay đổi giá trong tháng này không và viết cho tôi một bản tóm tắt hai đoạn."

1. Mô hình đọc mục tiêu và quyết định hành động đầu tiên: tìm kiếm trên web trang giá của đối thủ.
2. Công cụ tìm kiếm trả về danh sách kết quả dưới dạng văn bản. Mô hình đọc và chọn một kết quả để mở.
3. Công cụ trình duyệt trả về trang đó. Mô hình trích xuất mức giá hiện tại.
4. Mô hình nhận thấy cần có mức giá cũ, tìm kiếm một bản lưu trữ, và mở nó ra.
5. Nó so sánh hai mức giá, đánh giá là đã đủ thông tin, và viết bản tóm tắt.

Năm bước, bốn lần gọi công cụ, sáu lần gọi mô hình. Mỗi bước là một câu trả lời đầy đủ từ mô hình, với toàn bộ lịch sử từ đầu đến giờ làm đầu vào. Chi tiết cuối cùng đó chính là nguyên nhân đẩy chi phí lên: đến bước năm, mô hình phải đọc lại bốn trang kết quả tìm kiếm và nội dung trang trong mỗi lần gọi. Token trong AI là gì giải thích sâu hơn vì sao đầu vào tăng dần mỗi lượt lại là dạng chi phí tốn kém.

Và mỗi bước cũng là một nơi có thể sai. Nếu tìm kiếm ở bước 1 trả về nhầm công ty, các bước 2 đến 5 sẽ tự tin tóm tắt sai mức giá. Vòng lặp khuếch đại sai sót theo đúng cách nó khuếch đại tiến độ. Một giới hạn số bước và một điểm kiểm tra của con người trước khi bất cứ thứ gì được gửi đi không phải là tùy chọn.

Chi phí một lượt chạy agent so với một câu trả lời đơn lẻ

Phép tính rất đơn giản mà người ta hay bỏ qua. Một câu trả lời tiêu chuẩn, 1.000 token đầu vào và 500 token đầu ra, có giá niêm yết theo từng mô hình trong bảng chi phí mô hình AI, với mức giá OpenRouter lấy vào ngày 2026-08-20. Một lượt chạy agent 20 bước tốn ít nhất bằng 20 câu trả lời như vậy, và trên thực tế còn nhiều hơn, vì đầu vào tăng dần theo mỗi bước.

Hai mươi bước trên Claude Sonnet 5 tốn $0.14 ở mức sàn, so với $0.007 cho một câu trả lời; trên Claude Opus 5 con số này là $0.35, và nếu chạy mỗi giờ thì rơi vào khoảng $250 mỗi tháng, chưa tính hệ số nhân do đầu vào tăng dần. Tính theo credit của Whizi, cùng phép tính đó đọc theo bậc thang Auto ở trên: 100 credit là 100 câu hỏi nhanh trên mô hình chủ lực hoặc 5 lượt suy luận trên GPT-5.6 Sol, vậy một vòng lặp 20 bước ở bậc suy luận tốn 400 credit, tức khoảng một phần sáu của gói Pro 2.500 credit mỗi tháng, còn cùng vòng lặp đó trên mô hình chủ lực chỉ tốn 20. Đó là lý do vì sao thiết kế đúng đắn là đưa các bước lập kế hoạch cho mô hình mạnh và các bước thường lệ cho mô hình rẻ, và vì sao một không gian làm việc đa mô hình mới là nơi phù hợp cho công việc của agent, hơn là một gói đăng ký chỉ dùng một mô hình duy nhất.

Sản phẩm nào thực sự là agent

Trợ lý lập trình có khả năng chỉnh sửa tệp và chạy test là agent theo đúng nghĩa chặt chẽ: khi nhận báo cáo lỗi, chúng đọc mã, thực hiện thay đổi, chạy bộ test, đọc kết quả thất bại, rồi thử lại. Vòng lặp là có thật và mô hình là bên điều khiển nó.

Chế độ Deep Research trong ChatGPT, Gemini và Perplexity là agent: chúng tìm kiếm, đọc, rồi tìm kiếm tiếp dựa trên những gì vừa tìm được, và dừng lại khi tự đánh giá câu hỏi đã được trả lời đầy đủ. Số bước thay đổi tùy theo câu hỏi, đó chính là dấu hiệu nhận biết.

Phần lớn "agent" trong menu sản phẩm thực chất là persona hoặc workflow. Một hàng trong bộ chọn mô hình được gắn nhãn là agent thuế hay cố vấn học tập thường chỉ là một system prompt cố định cộng với một hoặc hai công cụ. Mục Agents của chính Whizi cũng thẳng thắn về điều này: hàng Canadian CPA là một cấu hình dựng sẵn buộc tìm kiếm web ở mỗi lượt, giới hạn tối đa bảy lần tìm kiếm, với ngân sách token lớn hơn là 55.000 đầu vào và 40.000 đầu ra. Đó là một persona gắn kèm một công cụ và ngân sách lớn hơn, và nó hữu ích chính vì đường đi đã cố định. Đây không phải là một vòng lặp do mô hình điều khiển, và hướng dẫn Auto routing giải thích điều thực sự chọn mô hình đứng sau mỗi tin nhắn.

Cách dùng từ đang dần trôi theo hướng gọi mọi thứ là agent. Câu hỏi cần đặt ra với một sản phẩm chính là câu ở đầu trang này: ai quyết định bước tiếp theo? Nếu câu trả lời là "một đoạn script" hoặc "không ai cả", thì bạn đang mua một workflow hoặc một chatbot, và đó có thể chính xác là thứ bạn cần.

Khi nào agent là công cụ đúng, và khi nào thì không

Agent xứng đáng với chi phí của nó khi đường đi không thể biết trước: nghiên cứu mà lần tìm kiếm thứ hai phụ thuộc vào kết quả lần đầu, gỡ lỗi mà cách sửa phụ thuộc vào kết quả test, duyệt web mà cú click tiếp theo phụ thuộc vào nội dung trang. Sự linh hoạt chính là giá trị của nó.

Agent là công cụ sai khi đường đi đã biết trước. Tóm tắt, trích xuất, dịch, định dạng lại, phân loại: đây là những tác vụ một lần gọi hoặc một chuỗi lệnh gọi cố định, và bọc chúng trong một vòng lặp chỉ làm tăng chi phí, độ trễ và thêm một cách để thất bại mà không tăng thêm năng lực. Lời khuyên trong tài liệu của Anthropic vẫn đúng: bắt đầu với một lần gọi duy nhất, chuyển sang workflow khi một lần gọi là chưa đủ, và chỉ dùng đến agent khi workflow liên tục cần một nhánh rẽ mà bạn không thể đoán trước.

Quy tắc quyết định: nếu bạn có thể vẽ các bước lên bảng trắng trước khi bắt đầu, đừng xây dựng một agent.