Single Agent
Single Agent
Kiến trúc mặc định bạn nên bắt đầu: 1 agent duy nhất dùng nhiều tool, xử lý nhiều bước, tự tổ chức công việc qua 4 mẫu hình (Prompt Chaining, Routing, Parallelization, Evaluator-Optimizer) — tất cả trong 1 Execution Loop. Tối đa hóa 1 agent trước khi chuyển sang multi-agent.
Nắm vững nguyên lý và khái niệm nền tảng trước khi đi vào công cụ thực tế.
Áp dụng quy trình từng bước, case study thực chiến và template mẫu có sẵn.
Kiểm tra checklist hoàn thành, né tránh các sai lầm kinh điển để vận hành bền vững.
Nắm vững các khái niệm nền tảng, cơ chế hoạt động và mô hình tư duy cốt lõi.
1. Khái niệm cốt lõi
Single Agent là kiến trúc mặc định bạn nên bắt đầu: 1 agent duy nhất (1 bộ Reasoning/Planning, theo đúng 8 bộ phận đã học bài 80) có thể dùng nhiều tool, xử lý nhiều bước phức tạp, và tự tổ chức công việc theo vài mẫu hình khác nhau — tất cả vẫn nằm trong 1 vòng lặp thực thi (Execution Loop) duy nhất, không có agent thứ 2 nào tham gia quyết định.
Nguyên tắc quan trọng nhất bài này, đồng thuận từ cả Anthropic và OpenAI: tối đa hóa năng lực của 1 agent trước khi chuyển sang multi-agent [S19, S20]. Nhiều tool ≠ nhiều agent — 1 agent với 10 tool vẫn là 1 agent, miễn nó vẫn có 1 bộ Reasoning/Planning điều khiển toàn bộ.
2. Tại sao nội dung này quan trọng
Multi-agent (bài 83) nghe “chuyên nghiệp hơn,” nhưng đi kèm chi phí phối hợp thật: nhiều agent cần giao tiếp với nhau, dễ phát sinh lỗi tích lũy qua nhiều tầng, và tốn kém/chậm hơn 1 agent duy nhất. Học cách khai thác hết khả năng của single agent trước giúp bạn tránh rơi vào bẫy phổ biến: nhảy thẳng vào multi-agent vì nghe “hay,” trong khi 1 agent với thiết kế tốt hơn đã đủ [S19, S20].
3. Cơ chế hoạt động — 4 mẫu hình tổ chức công việc bên trong 1 agent
(4 trong 5 “workflow pattern” đã học ở phần nền tảng Level 8 — áp dụng được bên trong 1 agent duy nhất, không cần tách agent. Mẫu hình thứ 5, Orchestrator-Workers, đã bắt đầu ngụ ý “nhiều bên xử lý riêng biệt” — xem đầy đủ ở bài 83.)
- Prompt Chaining — chia 1 tác vụ thành các bước tuần tự, mỗi bước xử lý kết quả của bước trước. Vẫn là 1 agent, chỉ là Reasoning/Planning của nó tự chia nhỏ công việc.
- Routing — agent tự phân loại input, rồi xử lý khác nhau tùy loại. Ví dụ: agent hỗ trợ khách hàng tự nhận diện “đây là câu hỏi kỹ thuật hay câu hỏi thanh toán” rồi áp dụng logic tương ứng — vẫn 1 agent, chỉ có nhánh xử lý khác nhau.
- Parallelization — agent chạy nhiều nhánh việc độc lập song song (hoặc chạy cùng 1 việc nhiều lần để lấy nhiều phương án), rồi tổng hợp kết quả.
- Evaluator-Optimizer — agent tự sinh ra 1 kết quả, rồi tự đánh giá lại kết quả đó và cải thiện nếu cần, lặp lại tới khi đạt chất lượng mong muốn. Đây chính là bộ phận Observation+Feedback (bài 80) áp dụng cho chính kết quả của agent, không chỉ kết quả của 1 lần gọi Tools.
4. Visual hoặc diagram cần thiết
Quy trình thực thi từng bước, case study cụ thể và bộ prompt/template áp dụng ngay.
5. Hướng dẫn từng bước — Khi nào thêm mẫu hình nào cho single agent
- Tác vụ có các bước tuần tự rõ ràng? → thêm Prompt Chaining.
- Input cần phân loại rồi xử lý khác nhau tùy loại? → thêm Routing.
- Có nhiều việc độc lập có thể làm song song? → thêm Parallelization.
- Chất lượng output cần được kiểm tra/cải thiện qua nhiều vòng? → thêm Evaluator-Optimizer.
- Trước khi thêm bất kỳ mẫu hình nào: tự hỏi — đây có phải cách hợp lý nhất để đạt Goal, hay tôi đang làm phức tạp hóa 1 việc lẽ ra đơn giản (worksheet bài 79 vẫn áp dụng được ở đây)?
6. Ví dụ thực tế
Research Agent (đã giới thiệu bài 79) áp dụng 2 mẫu hình cùng lúc, vẫn là 1 agent duy nhất:
- Routing: agent tự phân loại câu hỏi nghiên cứu thuộc dạng nào (thị trường, kỹ thuật, pháp lý…) để chọn nguồn tìm kiếm phù hợp.
- Evaluator-Optimizer: sau khi tổng hợp câu trả lời sơ bộ, agent tự kiểm tra: “câu trả lời này đã đủ nguồn đáng tin cậy chưa?” — nếu chưa, tự tìm thêm rồi tổng hợp lại, lặp tới khi đạt chất lượng đủ tốt.
Cả 2 mẫu hình đều nằm trong 1 Execution Loop — không có “agent tìm kiếm” và “agent đánh giá” riêng biệt, chỉ có 1 agent tự làm cả 2 việc.
7. Prompt/template/workflow
Agent của tôi (từ bài 79-81) có cần thêm mẫu hình nào không?[ ] Có bước tuần tự rõ ràng cần chia nhỏ? → Prompt Chaining[ ] Input cần phân loại trước khi xử lý? → Routing[ ] Có việc độc lập làm song song được? → Parallelization[ ] Kết quả cần agent tự kiểm tra/cải thiện? → Evaluator-Optimizer
Nếu KHÔNG dòng nào đúng: agent đơn giản (không cần mẫu hình) là đủ,đừng thêm phức tạp không cần thiết.8. Bài tập thực hành
Quay lại agent bạn đã mô tả ở bài tập bài 80-81. Áp dụng worksheet mục 7 — xác định agent đó có cần thêm mẫu hình nào trong 4 mẫu hình đã học không, và giải thích tại sao (không phải “vì nghe hay”).
Checklist kiểm tra mức độ sẵn sàng, nhận diện các bẫy sai lầm và nguyên tắc vàng vận hành.
9. Checklist
10. Lỗi thường gặp
(Suy luận từ nguyên tắc [S19, S20], không phải quan sát độc lập.)
- Tách thành nhiều agent khi 1 agent với Routing/Parallelization đã đủ — thêm chi phí phối hợp không cần thiết.
- Dùng Evaluator-Optimizer cho mọi việc — vòng lặp tự đánh giá tốn thêm thời gian/chi phí, chỉ nên dùng khi chất lượng output thực sự quan trọng và khó đạt đúng ngay lần đầu.
- Nhầm “nhiều tool” với “nhiều agent” — số lượng tool không quyết định đây là single hay multi-agent; số lượng Reasoning/Planning độc lập mới quyết định.
11. Nội dung nâng cao (không bắt buộc)
4 mẫu hình ở bài này đều còn nằm trong ranh giới “1 agent.” Mẫu hình thứ 5 mà phần nền tảng Level 8 đã nhắc tên — Orchestrator-Workers — bắt đầu ngụ ý có nhiều bên xử lý độc lập (các “worker”), đây chính là điểm chuyển tiếp tự nhiên sang khái niệm Multi-Agent — học đầy đủ ở bài 83, cùng 2 pattern multi-agent khác (Manager, Decentralized) và cách multi-agent được tổ chức ở quy mô doanh nghiệp.
📚 12. Nguồn tham khảo
Building Effective Agents, Anthropic — 4/5 mẫu hình (Prompt Chaining, Routing, Parallelization, Evaluator-Optimizer), nguyên tắc tối đa hóa single agent · A Practical Guide to Building Agents, OpenAI — nguyên tắc đồng thuận “tối đa hóa 1 agent trước khi tách nhiều agent” · Dẫn chiếu (không trích dẫn mới): bài 80 (8 bộ phận, Execution Loop — dùng làm khung sơ đồ mục 4); bài 79 (worksheet quyết định, tái dùng ở bước 5 mục 5).