AI Agent Skills

trong quá trình phát triển phần mềm

Từ Task → Code → Production

Automated Workflow

RS-NGUYENTHT

Mọi người đang mất quá nhiều thời gian cho những việc
lặp lại.

Chuyển Context Liên Tục

Đang code phải dừng lại đọc docs, tra bug, setup môi trường. Mất focus hoàn toàn.

Task Lặp Lại Nhàm Chán

Phân tích requirements, setup boilerplate code, self-review... những việc máy móc tốn thời gian.

Code Thiếu Consistency

Team càng lớn, code style càng rác. Mỗi người một chuẩn, review mỏi mắt.

KHÁI NIỆM CỐT LÕI

Vậy, AI Agent là gì?

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.

LLM Core

Não bộ (GPT-5.4, Claude 4.x (Opus / Sonnet), Gemini 2.5 / 3.1)

Tools

Khả năng tương tác (Đọc file, search web, gọi API)

Memory

Khả năng nhớ (Ngữ cảnh project, guidelines)

Skills

Quy trình được chuẩn hóa (Code, Review, Test)

MODULAR CAPABILITIES

Vậy Skills là gì?

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.

MEMORY SYSTEM

Memory – Trí nhớ của Agent

Memory cho phép Agent ghi nhớ ngữ cảnh dài hạn, không chỉ giới hạn trong một cuộc hội thoại. Đây là yếu tố tạo nên sự khác biệt giữa chatbot thông thường và một Agent thực sự.

In-Context Memory

Thông tin trong conversation hiện tại – ngắn hạn, mất đi sau mỗi session.

→ Nhớ những gì bạn nói trong session này

External Memory

Persistent storage (file, DB, vector store) – Agent đọc/ghi thông tin xuyên session.

→ Knowledge Items, Project Guidelines, Past decisions

Semantic Memory

Vector embedding – tìm kiếm thông tin liên quan theo ngữ nghĩa, không chỉ từ khóa.

→ Retrieve đúng convention của team khi cần

Procedural Memory

Skills & Instructions – Agent "nhớ" cách làm thông qua quy trình được định nghĩa sẵn.

→ Coding skill, Review skill, Fix-bug skill
Trong thực tế: Agent dùng External Memory lưu Knowledge Items về project, đọc lại context cũ trước khi thực thi task mới – giúp tránh lặp lại lỗi và giữ đúng convention.
PARADIGM SHIFT

Truyền thống vs AI Pipeline

Cách làm thủ công
1 Đọc Specs & Plan
2 Code Frontend
3 Code Backend
4 Self Review
5 Fix Lint/Bugs
6 Tạo Pull Request
Agent Pipeline
[Skill] plan-task ~30 phút → ~3 phút
[Skill] coding ~4 giờ → ~30 phút
[Skill] review-code ~45 phút → ~5 phút
[Skill] auto-fix ~1 giờ → ~10 phút
Con người vẫn xử lý
Review kết quả Plan

Xác nhận scope, phát hiện edge case bị bỏ sót

Approve code trước merge

Kiểm tra business logic phức tạp, domain knowledge

Định hướng chiến lược

Quyết định kiến trúc, tradeoff, tech debt

Handle edge cases lạ

Agent hallucinate? Dev vào xử lý và cải thiện skill

LIFECYCLE

Một task đi qua Agent như thế nào?

agent-pipeline.sh
LIVE DEMO

Tạo Login Google
OAuth

Agent sẽ tự tách task, sinh code, và check security.

Phân tích: OAuth flow cần 2 endpoints
Review: Thiếu State token (CSRF) -> Đã fix
Done: Code hoàn tất. Ready to merge.
auth.ts
1234567891011121314151617181920212223242526
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');
}
STANDARDIZATION

Cấu trúc 1 Skill

Chuẩn hóa Skill giúp Agent hiểu rõ chức năng, giới hạncách sử dụng.

"name" required

Tên định danh của Skill

pure-implementation-skill
"description" required

Agent đọc để biết khi nào dùng

Chỉ tập trung viết code dựa trên Plan có sẵn
"tools" required

Các công cụ thao tác file

[read_file, edit_file, create_file]
"instructions" required

Quy trình thực thi coding

1. Đọc Plan 2. Viết Code 3. Xử lý Lints
NÂNG CAO

Kiến trúc Multi-Agent

Thay vì 1 Agent ôm đồm mọi việc, ta chia nhỏ thành nhiều Agent chuyên biệt. Tương tự như 1 team Dev thực thụ.

Planner Agent

Giống PM/Tech Lead. Đọc Jira, chia sub-task, lên schema.

Coder Agent

Dev thực thi. Nhận specs và viết code, không thắc mắc.

Reviewer Agent

Senior Dev. Bắt lỗi, chê bai code, yêu cầu fix.

PROJECT DEMO

TIME FOR
LIVE DEMO

Bắt đầu trải nghiệm thực tế trong project

TERMINAL LOG

Live Demo

>_ tty1 - ai-agent process
IMPACT

Kết quả thực tế khi áp dụng

Dự án thực tế tại team RS
~8x
Tốc độ hoàn thành task
Feature từ 2 ngày → nửa ngày với cùng chất lượng
↑ 95%
Code Consistency
Agent luôn follow đúng convention, naming, cấu trúc file của dự án
-40%
Bugs lọt qua review
Review skill bắt security issues & edge cases tự động trước khi dev đọc
3x
Thời gian deep work
Dev tập trung vào architecture & logic phức tạp, agent lo phần boilerplate
Các số liệu dựa trên ước tính thực tế khi áp dụng AI Agent workflow. Kết quả có thể thay đổi tuỳ project và mức độ chuẩn hóa Skill.
REALITY CHECK

Thực tế không màu hồng.

Agent Không Hoàn Hảo

Nó vẫn có thể hallucinate, chém gió, hoặc viết code chạy sai logic phức tạp.

Phụ Thuộc Kỹ Năng Thiết Kế

Prompt kém + Skill design dở = Agent vô dụng. Rác vào thì rác ra (GIGO).

Debug Khó Hơn

Khi Agent chạy sai, việc tìm ra nó fail ở bước suy luận nào tốn thời gian hơn debug code thông thường.

GUIDELINES

Best Practices

01

Keep Skills Small

Mỗi skill chỉ nên làm MỘT việc duy nhất. Dễ test, dễ tái sử dụng.

02

Human In The Loop

Luôn có bước Dev review lại kết quả trước khi deploy production.

03

Log Mọi Thứ

Lưu lại toàn bộ prompt, response, thought process để debug khi cần.

04

Chia Để Trị

Sử dụng Multi-Agent thay vì dồn tất cả requirements vào 1 prompt khổng lồ.

THE FUTURE

Bức tranh tương lai

Human + AI Symbiosis

Dev không chỉ viết code, mà còn là người định hướng và quản lý hệ thống Agents.

Hệ thống Bán tự động

Pipeline tự động generate, test và tạo Pull Request. Dev chỉ việc Review và Merge.

Internal AI Tools

Mỗi công ty sẽ tự build Agent nội bộ học theo convention và domain logic riêng của họ.

AI Agent không thay thế
chúng ta.

Nó giúp mỗi chúng ta có thể làm việc với quy mô của một team.

Q & A

@rs-nguyentht

Cảm ơn mọi người đã lắng nghe!