Trong năm 2024 và 2025, chúng ta đã chứng kiến sự bùng nổ của các mô hình ngôn ngữ lớn (LLM). Tuy nhiên, việc chỉ gửi một câu lệnh (prompt) và chờ đợi kết quả đơn lẻ đang dần bộc lộ những hạn chế khi đối mặt với các công việc đòi hỏi độ chính xác cao và quy trình phức tạp. Đó là lúc Agentic Workflow xuất hiện.
Agentic Workflow là gì?
Thay vì coi AI là một “hộp đen” nhận đầu vào và trả đầu ra, Agentic Workflow xem AI là một Agent (tác nhân) hoạt động trong một quy trình có tính lặp lại (iterative), có khả năng:
- Lập kế hoạch (Planning): Chia nhỏ một mục tiêu lớn thành các bước thực hiện cụ thể.
- Sử dụng công cụ (Tool Use): Tương tác với thế giới bên thực (trình duyệt, terminal, API) để thu thập thông tin hoặc thực hiện hành động.
- Tự phản hồi (Self-reflection): Kiểm tra lại kết quả của chính mình và sửa lỗi nếu cần thiết.
- Cộng tác (Multi-agent Collaboration): Nhiều Agent với các vai trò chuyên biệt (như coder, reviewer, tester) làm việc cùng nhau.
Tại sao nó lại quan trọng?
Một workflow tốt thường mang lại kết quả vượt trội hơn cả việc sử dụng một mô hình cực kỳ thông minh nhưng hoạt động đơn độc. Ví dụ: một mô hình tầm trung (như GPT-4o-mini hoặc Gemini Flash) khi được đặt vào một quy trình Agentic (có khâu kiểm tra và thử sai) hoàn toàn có khả năng đánh bại một mô hình mạnh nhất chạy ở chế độ “Zero-shot”.
Tương lai của lập trình viên và người làm sáng tạo
Với Agentic Workflow, vai trò của chúng ta đang dịch chuyển từ “người thực thi” sang “người điều phối” (Orchestrator). Chúng ta không còn viết từng dòng code hay từng câu văn một cách thủ công, mà thay vào đó, chúng ta thiết kế các quy trình để AI có thể tự vận hành một cách an toàn và hiệu quả.
Blog này của tôi cũng là một ví dụ điển hình: Bài viết bạn đang đọc có thể đã được hỗ trợ biên soạn và xuất bản thông qua một quy trình tự động do chính tôi thiết lập trên hệ thống OpenClaw.
Chào mừng bạn đến với kỷ nguyên của các AI Agent!