trong quá trình phát triển phần mềm
Đang code phải dừng lại đọc docs, tra bug, setup môi trường. Mất focus hoàn toàn.
Phân tích requirements, setup boilerplate code, self-review... những việc máy móc tốn thời gian.
Team càng lớn, code style càng rác. Mỗi người một chuẩn, review mỏi mắt.
Bỏ qua các định nghĩa hàn lâm. Trong thực tế, AI Agent là AI Model được trang bị khả năng thực thi, không chỉ là chat.
Não bộ (GPT-5.4, Claude 4.x (Opus / Sonnet), Gemini 2.5 / 3.1)
Khả năng tương tác (Đọc file, search web, gọi API)
Khả năng nhớ (Ngữ cảnh project, guidelines)
Quy trình được chuẩn hóa (Code, Review, Test)
Skill là một năng lực cụ thể, đóng gói sẵn để AI Agent có thể gọi và tái sử dụng cho nhiều task khác nhau.
Phân tích yêu cầu, bóc tách thành các bước nhỏ
Viết mã dựa trên thiết kế và convention của dự án
Kiểm tra bảo mật, convention, performance
Tự động đọc log lỗi, đề xuất fix và apply
Agent sẽ tự tách task, sinh code, và check security.
function GoogleLogin() {
// 1. Get OAuth Config
const clientID = process.env.GOOGLE_CLIENT_ID;
const secret = process.env.GOOGLE_SECRET;
// 2. Build Auth URL
// Agent added state token for CSRF protection 🔒
const stateToken = generateSecureToken();
const url = buildGoogleAuthUrl(clientID, stateToken);
// 3. Redirect User
window.location.href = url;
}
// 4. Handle Callback
function AuthCallback(req, res) {
const { code, state } = req.query;
if (!verifyState(state)) throw new Error('CSRF Attack!');
const token = exchangeCode(code, secret);
const user = fetchGoogleProfile(token);
createOrUpdateUser(user);
return res.redirect('/dashboard');
}
Chuẩn hóa Skill giúp Agent hiểu rõ chức năng, giới hạn và cách sử dụng.
Tên định danh của Skill
Agent đọc để biết khi nào dùng
Các công cụ thao tác file
Quy trình thực thi coding
Thay vì 1 Agent ôm đồm mọi việc, ta chia nhỏ thành nhiều Agent chuyên biệt. Tương tự như 1 team Dev thực thụ.
Giống PM/Tech Lead. Đọc Jira, chia sub-task, lên schema.
Dev thực thi. Nhận specs và viết code, không thắc mắc.
Senior Dev. Bắt lỗi, chê bai code, yêu cầu fix.
Bắt đầu trải nghiệm thực tế trong project
Kết quả thực tế khi đưa AI Agent vào quy trình phát triển.
Tăng tốc độ Dev cho các task lặp lại
Code Consistency giữa các team members
Giảm lượng bugs lọt qua vòng review
Nó vẫn có thể hallucinate, chém gió, hoặc viết code chạy sai logic phức tạp.
Prompt kém + Skill design dở = Agent vô dụng. Rác vào thì rác ra (GIGO).
Khi Agent chạy sai, việc tìm ra nó fail ở bước suy luận nào tốn thời gian hơn debug code thông thường.
Mỗi skill chỉ nên làm MỘT việc duy nhất. Dễ test, dễ tái sử dụng.
Luôn có bước Dev review lại kết quả trước khi deploy production.
Lưu lại toàn bộ prompt, response, thought process để debug khi cần.
Sử dụng Multi-Agent thay vì dồn tất cả requirements vào 1 prompt khổng lồ.
Dev không chỉ viết code, mà còn là người định hướng và quản lý hệ thống Agents.
Pipeline tự động generate, test và tạo Pull Request. Dev chỉ việc Review và Merge.
Mỗi công ty sẽ tự build Agent nội bộ học theo convention và domain logic riêng của họ.
Nó giúp mỗi chúng ta có thể làm việc với quy mô của một team.
@rs-nguyentht
Cảm ơn mọi người đã lắng nghe!