Sinh viên lớp SE373.R11 tìm hiểu vòng lặp Agent và các mẫu suy luận trong hệ thống Agentic AI

Sinh viên lớp SE373.R11 tìm hiểu vòng lặp Agent và các mẫu suy luận trong hệ thống Agentic AI

Ngày 30/09/2026, trong khuôn khổ môn học Kỹ thuật xây dựng hệ thống Agentic AI, sinh viên lớp SE373.R11 tiếp tục tìm hiểu các thành phần cốt lõi của một hệ thống AI Agent, tập trung vào vòng lặp Agent, các mẫu suy luận, điều kiện dừng và kỹ thuật Agent Debugging.

Nội dung buổi học được xây dựng tiếp nối kiến thức về LLM-powered application mà sinh viên đã tiếp cận ở các buổi trước. Từ việc sử dụng mô hình ngôn ngữ lớn để tạo phản hồi hoặc gọi công cụ, sinh viên bắt đầu tìm hiểu sâu hơn cách tổ chức một hệ thống có khả năng thực hiện nhiệm vụ thông qua nhiều bước liên tiếp.

Trọng tâm đầu tiên của buổi học là vòng lặp Agent (Agent Loop). Sinh viên tìm hiểu khái niệm AI Agent, các thành phần tham gia vào vòng lặp hoạt động cũng như ranh giới giữa mô hình ngôn ngữ và những thành phần bên ngoài mô hình. Qua đó, sinh viên có thể hình dung quá trình một Agent tiếp nhận thông tin, suy luận, lựa chọn hành động, quan sát kết quả và tiếp tục đưa ra quyết định cho đến khi nhiệm vụ hoàn thành.

Tiếp theo, sinh viên được giới thiệu về ReAct và các mẫu suy luận phổ biến, bao gồm ReAct, Plan-then-Execute và Reflection. Việc tiếp cận nhiều mẫu suy luận giúp sinh viên hiểu rằng cách tổ chức quá trình giải quyết nhiệm vụ của Agent có thể thay đổi tùy theo đặc điểm và mức độ phức tạp của bài toán.

Một nội dung quan trọng khác là điều kiện dừng (Stopping Conditions). Sinh viên tìm hiểu các nhóm điều kiện dừng, tiêu chí xác định nhiệm vụ đã hoàn thành và cách phát hiện những trường hợp Agent lặp lại hành động nhưng không đạt được tiến triển mong muốn. Đây là thành phần cần thiết để một hệ thống Agent có thể hoạt động trong phạm vi được kiểm soát.

Bên cạnh việc xây dựng Agent, buổi học còn tập trung vào Agent Debugging. Thông qua việc đọc trace và log, sinh viên từng bước nhận diện các vấn đề thường gặp, xác định vị trí xảy ra lỗi trong vòng lặp và tìm hiểu cách điều chỉnh hệ thống.

Sau phần lý thuyết, sinh viên thực hành cài đặt Harness, qua đó từng bước vận dụng các kiến thức đã học để quan sát và kiểm chứng hoạt động của vòng lặp Agent trong thực tế.

Buổi học giúp sinh viên chuyển dần từ tư duy xây dựng ứng dụng sử dụng LLM sang tư duy thiết kế một hệ thống Agentic AI có vòng lặp hoạt động, cơ chế suy luận, điều kiện dừng và khả năng theo dõi để gỡ lỗi. Những kiến thức này tạo nền tảng để sinh viên tiếp tục tiếp cận các nội dung chuyên sâu hơn về Agentic AI trong những buổi học tiếp theo.

Hình ảnh hai Thầy trong lớp học sáng nay