CHƯƠNG 2 TRIỂN KHAI TRÊN ANTIGRAVITY

ANTIGRAVITYC) PROCESSREUSE* The Processing ¥Workshop “4DISTRIBUTE . <= any "Aef 8 ae

Chatbot chỉ sống trong cửa sổ chat. Hãy hình dung bạn là kế toán trưởng, cần tổng hợp báo cáo chi phí từ 12 chi nhánh mỗi tuần. Mỗi chi nhánh gửi một file Excel riêng. Để dùng ChatGPT phân tích, bạn phải mở file, chọn bảng, copy, mở ChatGPT, paste, đặt câu hỏi, đọc kết quả. Xong file thứ nhất. Lặp lại với 11 file còn lại. Với một file ngắn, điều này chấp nhận được. Nhưng với hàng chục file, hàng trăm file? Người dùng phát hiện mình đang dành phần lớn thời gian cho việc copy-paste, thay vì cho công việc thực sự.

Kết quả chỉ là văn bản trong cửa sổ chat. AI phân tích dữ liệu, rút ra insight, viết báo cáo hoàn chỉnh. Nhưng kết quả nằm trong cửa sổ chat. Muốn lưu thành file Word, tự copy ra, mở Word, paste vào, format lại. Muốn có Excel, tự tạo file mới, copy dữ liệu, điều chỉnh cột hàng. AI làm được 80% công việc khó, nhưng con người vẫn phải làm 20% việc dễ, và phần 20% đó lặp đi lặp lại mỗi lần. Nghịch lý này khiến nhiều người quay lại cách làm cũ vì “dùng AI mất thêm bước.”

Mỗi cuộc trò chuyện là một khởi đầu mới. Hôm nay bạn dành 15 phút giải thích cho AI về quy trình báo cáo của công ty. AI hiểu và trả lời đúng ý. Ngày mai mở chat mới? Bạn lại phải giải thích từ đầu. Đồng nghiệp cũng cần AI hỗ trợ việc tương tự? Họ lại phải đào tạo AI từ con số không. Không có gì được tích lũy. Không có gì được chia sẻ. Mỗi người phải lặp lại công sức của người khác.

Năm 2025 đánh dấu bước tiến quan trọng. Các nền tảng lớn tích hợp khả năng mới gọi là AI Agent , cho phép AI không chỉ trả lời câu hỏi mà còn thực hiện hành động cụ thể. ChatGPT ra mắt Canvas. Gemini tích hợp sâu vào Google Workspace. Claude giới thiệu Artifacts. Người dùng giờ có thể yêu cầu AI tạo trực tiếp tài liệu Word, bảng tính Excel, bản trình chiếu PowerPoint.

Tuy nhiên con người vẫn phải tự click “Download”, tự chọn thư mục, tự đặt tên file, tự tổ chức dữ liệu. AI đã bước ra khỏi cửa sổ chat, nhưng chỉ nửa bước. Nó có thể tạo file, nhưng không thể tự tổ chức file vào đúng vị trí trong hệ thống. Nó vẫn đứng ngoài quy trình làm việc thực sự.

Vấn đề cốt lõi không nằm ở khả năng tư duy của AI. Nó nằm ở khâu quản lý dữ liệu: thu thập đầu vào, tổ chức file kết quả, duy trì cấu trúc thư mục, đảm bảo tính nhất quán, chia sẻ với team, tái sử dụng quy trình. Đây là nút thắt cổ chai thực sự của việc ứng dụng AI trong doanh nghiệp.

=anee <p | » =20252023 2024 Claude, 2025 AntigravityCursorGitHub Windsurf CodeCopilotDeveloper Tools Everyone's Tools

2025, OpenAI đàm phán mua lại Windsurf với giá 3 tỷ USD nhưng thương vụ đổ vỡ vào tháng 7. Ngay sau đó, Google tuyển dụng đội ngũ sáng lập Windsurf về DeepMind với thỏa thuận trị giá 2,4 tỷ USD, cho thấy tầm quan trọng chiến lược của phân khúc AI IDE.

Tuy nhiên tất cả các công cụ trên đều có một điểm chung quan trọng. Chúng được thiết kế cho lập trình viên, để tạo phần mềm . Giao diện tối ưu cho việc viết code. Tính năng xoay quanh việc đọc/ghi file code và chạy lệnh build. Thuật ngữ sử dụng là thuật ngữ lập trình. Đối tượng sử dụng được giả định là developer có kiến thức kỹ thuật.

Đối với nhân viên doanh nghiệp không biết lập trình, kế toán làm việc với Excel, marketing làm việc với PowerPoint, sales làm việc với CRM, các công cụ này vẫn nằm ngoài tầm với. AI IDE đã chứng minh AI có thể bước ra khỏi cửa sổ chat và làm việc trực tiếp với hệ thống. Câu hỏi là khi nào khả năng này sẽ đến với những người dùng không biết lập trình?

AntigrComplete DataLifecycle ManagementCOLLECT PROCESSWwW neREUSE PACKAGEDISTRIBUTE aercee aProcess o¢}Antigravity

Thu thập dữ liệu qua trình duyệt tích hợp. Antigravity có trình duyệt Chrome tích hợp mà Cursor, Windsurf, Claude Code đều không có. Agent có thể mở website, điều hướng đến trang cần thiết, thu thập thông tin, chụp ảnh màn hình làm bằng chứng, thậm chí ghi video quá trình thao tác. Điều này có nghĩa Agent không chỉ làm việc với file có sẵn trên máy, mà còn có thể đi ra ngoài thu thập dữ liệu từ bất kỳ nguồn nào truy cập được qua trình duyệt.

Xử lý và đóng gói quy mô lớn. Khả năng xử lý không giới hạn số lượng file. 50 file báo cáo, 100 file hợp đồng, 200 file email, Agent đọc tất cả trong vài phút. Kết quả không phải văn bản trong chat mà là file sản phẩm hoàn chỉnh, sẵn sàng sử dụng ngay.

Lưu trữ tự động vào đúng vị trí. Agent không chỉ tạo file mà còn lưu file vào đúng vị trí trong hệ thống. Bạn chỉ định thư mục và quy ước đặt tên, Agent thực hiện chính xác mà không cần bạn tự vào thư mục, tự đặt tên, tự di chuyển file.

Phân phối qua cloud sync. Nếu thư mục được đồng bộ với Google Drive hoặc OneDrive, file tự động có mặt trên cloud. Đồng nghiệp truy cập ngay lập tức mà không cần email attachment. Các AI khác trong hệ sinh thái Google cũng có thể sử dụng dữ liệu này.

Tái sử dụng qua hệ thống KWSR. Thay vì giải thích lại mọi thứ mỗi lần, bạn định nghĩa một lần và tái sử dụng nhiều lần thông qua bốn cơ chế: Knowledge lưu tri thức tích lũy, Workflow định nghĩa chuỗi hành động, Rule đảm bảo tính nhất quán, Skill đóng gói năng lực chuyên môn. Chi tiết về KWSR sẽ được trình bày trong Chương 3.

Giám sát qua Artifacts. Agent tạo bằng chứng trong quá trình làm việc: kế hoạch để bạn duyệt trước khi hành động, ảnh chụp màn hình các bước quan trọng, video quá trình thao tác, log chi tiết mọi thao tác. Artifacts giúp con người hiểu được AI đang làm gì với dữ liệu của họ, một yêu cầu quan trọng trong môi trường doanh nghiệp nơi trách nhiệm giải trình là bắt buộc.

2.1.4 Tổng kết - Antigravity trong bức tranh Song sinh số

Nhìn lại ba năm phát triển AI, từ chatbot 2022 đến AI Agent 2025, sự tiến hóa trong cách giải quyết vấn đề quản lý dữ liệu rất rõ ràng. Bảng dưới đây tóm tắt sự khác biệt.

Khả năng	Chatbot 2022	AI Agent 2025	Antigravity
Thu thập dữ liệu	Thủ công copy-paste	Chỉ file local	File local + Web browser
Xử lý dữ liệu	Trong chat	Trên file	Trên file, không giới hạn
Đóng gói kết quả	Văn bản trong chat	Tạo file	File + Artifacts bằng chứng
Lưu trữ tự động	Không	Không	Lưu đúng vị trí chỉ định

Khả năng	Chatbot 2022	AI Agent 2025	Antigravity
Phân phối	Thủ công	Hạn chế	Local + Cloud sync
Tái sử dụng	Không	Hạn chế	Knowledge, Workflow, Rule, Skill
Giám sát	Không	Hạn chế	Artifacts, log chi tiết

Trong ngữ cảnh Song sinh số, Antigravity đóng vai trò xưởng xử lý . Kho lưu trữ được tổ chức theo kiến trúc 4 tầng (mục 1.4) chính là Knowledge Base. Xưởng Antigravity là nơi Agent đọc dữ liệu từ kho, xử lý theo System Prompt đã định nghĩa thông qua KWSR, và trả về sản phẩm hoàn chỉnh lưu lại vào kho.

Nếu ví Song sinh số như một nhà máy: kho lưu trữ là kho nguyên liệu, Antigravity là dây chuyền sản xuất. Khác với dây chuyền thông thường, nó có khả năng tự đi lấy nguyên liệu từ bên ngoài qua trình duyệt và tự giao hàng thành phẩm đến đúng nơi cần thiết.

Và ở đây có một sự thay đổi tư duy quan trọng cần nhận ra.

Câu hỏi cũ từng là “AI giúp tôi làm việc như thế nào?” Câu hỏi này dẫn đến việc dùng AI như công cụ bổ trợ, mỗi khi cần thì mở chatbot lên, hỏi đáp, rồi đóng lại.

Câu hỏi mới cần đặt ra là “Làm sao tổ chức dữ liệu để AI có thể tiếp quản toàn bộ quy trình?” Câu hỏi này dẫn đến việc xây dựng Song sinh số, thiết kế hệ thống từ đầu với giả định rằng AI sẽ là “nhân viên” làm việc hàng ngày. Dữ liệu cần được tổ chức sao cho AI đọc được. Quy trình cần được định nghĩa rõ ràng sao cho AI thực hiện được. Knowledge Base cần được xây dựng sao cho AI trả lời đúng ngữ cảnh doanh nghiệp.

Câu trả lời cho câu hỏi này sẽ được triển khai chi tiết trong các mục tiếp theo của chương này.

Antigravity System Architecture -Two-Level Configurationf GLOBAL > f WORKSPACE 7a& a Global defaults + Workspace overrides BaPersonal Brain Knowledge Rules ProjecticonYour Identity Project ContextWorkspace always wins when conflict

bằng tiếng Việt? Thói quen, luôn hỏi trước khi xóa file? Đây là những preference cá nhân, và bạn không muốn phải thiết lập lại mỗi khi bắt đầu dự án mới.

Nhu cầu thứ hai: Linh hoạt theo dự án

Nhưng cũng có những thứ khác nhau giữa các dự án. Làm báo cáo cho khách hàng A thì dùng font Arial, khách hàng B thì dùng Times New Roman. Dự án nội bộ thì format đơn giản, dự án cho đối tác thì cần chuyên nghiệp hơn. Mỗi dự án có “luật chơi” riêng.

Giải pháp: Hai cấp độ cấu hình

Antigravity giải quyết bằng cách phân chia thành hai cấp độ rõ ràng:

Cấp Global lưu trữ mọi thứ thuộc về cá nhân bạn, áp dụng cho tất cả dự án, tất cả workspace. Khi bạn mở một project mới hoàn toàn, các thiết lập Global vẫn có hiệu lực. Đây là nơi Agent “nhớ” bạn là ai, bạn thích làm việc như thế nào, những gì bạn đã học được qua các cuộc hội thoại trước. Có thể hình dung đây như “tính cách mặc định” của Agent khi làm việc với bạn.

Cấp Workspace lưu trữ mọi thứ thuộc về một dự án cụ thể, chỉ có hiệu lực khi bạn đang làm việc trong project đó. Mở project “Báo cáo Q1 2025”, thiết lập Workspace của project này được áp dụng. Chuyển sang project “Chiến lược Marketing 2025”? Thiết lập Workspace hoàn toàn khác được kích hoạt. Có thể hình dung đây như “vai trò” mà Agent đảm nhận trong từng dự án.

Sự phân chia này nghe có vẻ đơn giản, nhưng nó giải quyết một bài toán thực tế mà nhiều công cụ AI khác không làm được: vừa có tính nhất quán của cá nhân, vừa có tính linh hoạt theo ngữ cảnh.

Kiến trúc hai tầng này cho phép Agent ghi nhớ thông tin xuyên suốt các dự án (Global) trong khi vẫn tôn trọng ngữ cảnh riêng của từng workspace.

2.2.2 Cấu trúc thư mục: Bản đồ hệ thống

Để hiểu Antigravity hoạt động như thế nào, hãy nhìn vào cấu trúc thư mục thực tế trên máy tính của bạn.

Cấp Global: Thư mục .gemini

Mọi thứ ở cấp Global nằm trong thư mục ẩn .gemini trong thư mục người dùng. Trên Windows, đường dẫn đầy đủ là C:Users[TênNgườiDùng].gemini :

Thứ tự ưu tiên (cao → thấp): WORKSPACE .agent/rules/ → WORKSPACE .agent/workflows/ và skills/ → GLOBAL GEMINI.md → GLOBAL workflows/ và skills/ → DEFAULT (Mặc định).

Hãy đi qua từng thành phần để hiểu vai trò của chúng:

GEMINI.md là file quan trọng nhất ở cấp Global. Có thể coi đây như “hiến pháp” cho Agent của bạn, tập hợp những quy tắc nền tảng mà Agent phải tuân theo trong mọi tình huống. Khi bạn viết “Luôn trả lời bằng tiếng Việt” trong file này, Agent sẽ trả lời tiếng Việt dù đang làm dự án gì, với khách hàng nào. Khi bạn viết “Không bao giờ xóa file mà không hỏi trước”, Agent sẽ luôn xin phép trước khi xóa bất kỳ file nào.

brain/ là nơi Antigravity “nhớ” các cuộc hội thoại. Mỗi lần bạn mở một chat mới, một thư mục con được tạo với ID riêng. Trong đó có log các bước Agent đã thực hiện, các Artifacts đã tạo, kế hoạch, ảnh chụp màn hình, video ghi lại thao tác. Đây là dữ liệu tự động sinh ra, bạn không cần tạo và thường không nên chỉnh sửa trực tiếp vì chúng theo format nội bộ của Antigravity.

knowledge/ là “bộ nhớ dài hạn” của Agent. Sau mỗi cuộc hội thoại, một subagent phân tích và trích xuất những tri thức hữu ích, lưu vào đây dưới dạng các Knowledge Items. Khi bạn giải thích về quy trình đặc thù của công ty, về thuật ngữ chuyên ngành, về cách format báo cáo, những thông tin này không mất đi khi bạn đóng chat. Lần sau khi cần, Agent tra cứu từ knowledge/ thay vì hỏi lại bạn.

skills/ chứa các Skill toàn cục, những khả năng chuyên môn mà bạn định nghĩa một lần và dùng ở mọi nơi. Ví dụ: Skill viết báo cáo theo chuẩn công ty, Skill phân tích dữ liệu tài chính, Skill tạo slide thuyết trình.

global_workflows/ chứa các Workflow toàn cục, những quy trình làm việc bạn dùng thường xuyên bất kể đang ở project nào. Ví dụ: workflow chuyển đổi file DOCX sang Markdown, workflow đóng gói dự án để gửi cho khách hàng, workflow backup dữ liệu quan trọng.

scratch/ là vùng làm việc tạm, nơi Agent có thể tạo file nháp, thử nghiệm mà không ảnh hưởng đến thư mục dự án thực sự.

Cấp Workspace: Thư mục dự án

Cấp Workspace không nằm ở một vị trí cố định, nó nằm ngay trong thư mục project mà bạn đang làm việc. Khi bạn mở Antigravity và “Add Folder” trỏ đến một thư mục dự án, Agent sẽ tìm kiếm cấu hình trong thư mục đó:

Thứ tự ưu tiên (cao → thấp): WORKSPACE .agent/rules/ → WORKSPACE .agent/workflows/ và skills/ → GLOBAL GEMINI.md → GLOBAL workflows/ và skills/ → DEFAULT (Mặc định).

Đi qua từng thành phần:

.agent/ là thư mục ẩn chứa toàn bộ cấu hình Agent cho dự án này, “luật chơi” riêng của project. Bên trong có ba thư mục con:

rules/ là nơi bạn định nghĩa quy tắc cho dự án. Điểm khác biệt quan trọng so với cấp Global: ở đây bạn có thể tách thành nhiều file khác nhau theo chủ đề. File general.md chứa quy tắc chung. File report-format.md chứa cách format báo cáo cho

khách hàng này. File naming-convention.md chứa quy ước đặt tên file. Agent đọc tất cả file trong thư mục này và áp dụng toàn bộ.

workflows/ chứa các quy trình làm việc riêng của dự án, chuỗi hành động mà Agent thực hiện khi bạn yêu cầu.

skills/ chứa Skills riêng của dự án, những khả năng chuyên môn chỉ có ý nghĩa trong ngữ cảnh dự án này.

Cấu trúc nội dung dự án được gợi ý theo mô hình IPO từ Chương 1:

• 01_Inputs/ , Dữ liệu đầu vào, nguyên liệu cần xử lý

• 02_Process/ , Vùng làm việc, file trung gian trong quá trình xử lý

• 03_Outputs/ , Sản phẩm cuối cùng, kết quả hoàn chỉnh sẵn sàng sử dụng

Cấu trúc này không bắt buộc, Antigravity hoạt động được với bất kỳ cách tổ chức thư mục nào. Nhưng pattern Input-Process-Output đã chứng minh hiệu quả: khi Agent (và con người) nhìn vào thư mục, họ hiểu ngay luồng dữ liệu đang chảy như thế nào.

2.2.3 Tự động và Thủ công: Ai làm gì?

Một câu hỏi quan trọng khi bắt đầu làm việc với Antigravity: trong các thành phần đã liệt kê, những thứ nào Agent tự động quản lý, những thứ nào bạn phải tự thiết lập?

Thành phần tự động (Agent quản lý)

Có hai thành phần chính mà Antigravity tự động duy trì, bạn không cần và thường không nên can thiệp trực tiếp:

Brain (Lịch sử hội thoại) được tạo ra mỗi khi bạn nói chuyện với Agent. Cuộc hội thoại tự động lưu vào ~/.gemini/antigravity/brain/ với ID riêng. Trong đó có log chi tiết các bước Agent đã thực hiện, các Artifacts đã tạo, kế hoạch, ảnh chụp màn hình, video thao tác. Bạn có thể xem lại nếu cần ôn lại quá trình làm việc, nhưng không nên chỉnh sửa trực tiếp vì file này theo format nội bộ của Antigravity.

Knowledge (Tri thức chắt lọc) được trích xuất từ các cuộc hội thoại. Sau mỗi session, một sub-agent phân tích cuộc trò chuyện và lưu những tri thức hữu ích vào ~/.gemini/antigravity/knowledge/ . Quá trình này tự động diễn ra mà bạn không cần làm gì.

Tuy nhiên, Knowledge có một điểm đặc biệt: bạn cũng có thể chủ động yêu cầu Agent cập nhật Knowledge . Khi bạn vừa giải thích một quy trình quan trọng và muốn chắc chắn Agent nhớ, hãy nói: “Hãy lưu quy trình này vào Knowledge để dùng lại sau.” Agent sẽ tổng hợp và lưu theo yêu cầu.

Thành phần thủ công (Bạn thiết lập)

Các thành phần còn lại, Rules, Workflows, Skills, do bạn tạo và quản lý. Bảng dưới đây tóm tắt vị trí lưu trữ:

Thànhphần	Cấp Global	Cấp Workspace
Rules	Viết trong file ~/.gemini/GEMINI.md (một fileduy nhất)	Tạo nhiều file .md trong .agent/rules/(tách theo chủ đề)
Workflows	Tạo trong~/.gemini/antigravity/global_workflows/	Tạo trong .agent/workflows/
Skills	Tạo trong ~/.gemini/antigravity/skills/	Tạo trong .agent/skills/

Điểm đáng chú ý về Rules: ở cấp Global, tất cả quy tắc nằm trong một file duy nhất là GEMINI.md . Nhưng ở cấp Workspace, bạn có thể tách thành nhiều file trong .agent/rules/ . Tại sao lại khác nhau?

Lý do thực tế: Rules ở cấp Global thường ngắn gọn, vài quy tắc cơ bản về phong cách và preference. Một file đủ để quản lý. Nhưng Rules ở cấp Workspace có thể rất chi tiết, từng khách hàng có yêu cầu riêng, từng loại báo cáo có format riêng, từng nguồn dữ liệu có quy tắc xử lý riêng. Tách thành nhiều file giúp tổ chức rõ ràng hơn:

• general.md , Quy tắc chung của dự án

• report-format.md , Cách format báo cáo cho khách hàng này

• data-processing.md , Quy tắc xử lý dữ liệu cụ thể

• naming-convention.md , Quy ước đặt tên file và thư mục

Nguyên tắc dễ nhớ

Có một cách đơn giản để nhớ cấu trúc này:

Dữ liệu sinh ra từ hội thoại → Tự động. Brain và Knowledge được Agent tự động duy trì qua quá trình tương tác.

Cấu hình định nghĩa cách làm việc → Thủ công. Rules, Workflows, Skills do bạn thiết kế với ý thức rõ ràng về mục đích.

Global → Một file hoặc thư mục chung. GEMINI.md cho rules, global_workflows/ cho workflows, skills/ cho skills.

Workspace → Có thể tách nhỏ theo chủ đề. .agent/rules/ với nhiều file, .agent/workflows/, .agent/skills/.

2.2.4 Thứ tự ưu tiên: Khi có xung đột

Điều gì xảy ra khi cùng một quy tắc được định nghĩa ở cả Global và Workspace? Ví dụ: Global nói “Trả lời bằng tiếng Việt”, nhưng Workspace nói “Trả lời bằng tiếng Anh” vì khách hàng là công ty nước ngoài. Agent sẽ nghe theo ai?

Antigravity áp dụng một thứ tự ưu tiên rõ ràng, và đây chính là điểm mấu chốt của kiến trúc hai cấp:

Thứ tự ưu tiên (cao → thấp): WORKSPACE .agent/rules/ → WORKSPACE .agent/workflows/ và skills/ → GLOBAL GEMINI.md → GLOBAL workflows/ và skills/ → DEFAULT (Mặc định).

Nguyên tắc đơn giản: Workspace luôn thắng Global.

Khi có xung đột, Agent ưu tiên những gì được định nghĩa ở cấp Workspace. Điều này hoàn toàn hợp lý: Workspace đại diện cho ngữ cảnh cụ thể của dự án đang làm, còn Global chỉ là mặc định chung.

Ví dụ thực tế đã được kiểm chứng

Chúng ta đã test thực tế trên hệ thống này:

Bước 1: Trong Global GEMINI.md, viết: “Khi được hỏi ‘Bạn là ai?’, trả lời ‘Tôi là GLOBAL Agent.’”

Bước 2: Trong Workspace .agent/rules/test-rule.md , viết: “Khi được hỏi ‘Bạn là ai?’, trả lời ‘Tôi là WORKSPACE Agent.’”

Kết quả: Agent trả lời “Tôi là WORKSPACE Agent.”, xác nhận rằng Workspace rules có ưu tiên cao hơn Global.

Ứng dụng trong thực tế

Thiết kế này cho phép ba điều quan trọng:

Nhất quán cơ bản: Những quy tắc trong Global GEMINI.md được áp dụng ở mọi nơi làm nền tảng. Bạn chỉ cần định nghĩa một lần những preference cá nhân, phong cách viết, thói quen, ngôn ngữ, và chúng tự động có hiệu lực trong mọi dự án.

Linh hoạt theo ngữ cảnh: Khi một dự án cần quy tắc khác, bạn chỉ cần tạo file trong .agent/rules/ của workspace đó. Không cần sửa Global, không ảnh hưởng đến các dự án khác.

Không xung đột: Thứ tự ưu tiên rõ ràng và nhất quán. Không có tình huống mơ hồ “không biết Agent sẽ làm gì”. Workspace rules → Global rules → Default, đơn giản và dễ dự đoán.

2.2.5 Áp dụng thực tế: Bắt đầu từ đâu?

Đọc đến đây, bạn có thể cảm thấy hệ thống này phức tạp, Global, Workspace, rules, workflows, skills, knowledge… Nhưng đừng lo: Antigravity được thiết kế để bạn có thể bắt đầu đơn giản và mở rộng dần khi cần.

Cho người mới bắt đầu

Nếu bạn mới dùng Antigravity, bước đầu tiên đơn giản đến ngạc nhiên:

Bước 1: Mở Antigravity và “Add Folder” trỏ đến thư mục dự án của bạn. Không cần tạo bất kỳ file cấu hình nào. Agent có thể đọc file trong thư mục đó ngay lập tức.

Bước 2: Bắt đầu làm việc. Yêu cầu Agent đọc file, phân tích dữ liệu, tạo báo cáo. Agent tự động lưu lịch sử vào brain/ và học tri thức vào knowledge/. Bạn không cần cấu hình gì.

Bước 3: Sau vài ngày hoặc vài tuần sử dụng, bạn sẽ nhận ra những quy tắc muốn Agent luôn tuân theo. Lúc này, tạo file GEMINI.md trong ~/.gemini/ và viết các quy tắc vào. Agent sẽ đọc file này và áp dụng ở mọi workspace.

Đó là tất cả những gì cần làm để bắt đầu. Hệ thống hoạt động ngay cả khi bạn không tạo bất kỳ file cấu hình nào, các mặc định đủ hợp lý cho hầu hết trường hợp. Cho người dùng nâng cao

Khi đã quen với Antigravity và muốn tối ưu hóa workflow, bạn có thể mở rộng dần:

Thiết lập Global GEMINI.md ( ~/.gemini/GEMINI.md ) để định nghĩa các quy tắc cá nhân. Những điều nên viết ở đây:

• Phong cách viết và giao tiếp

• Ngôn ngữ ưu tiên

• Thói quen làm việc (luôn hỏi trước khi xóa, luôn tạo backup…)

• Quy ước đặt tên file mà bạn dùng ở mọi nơi

Tạo Global Workflows ( ~/.gemini/antigravity/global_workflows/ ) cho các tác vụ bạn làm thường xuyên bất kể project nào:

• Workflow chuyển đổi file DOCX sang Markdown

• Workflow đóng gói dự án để gửi cho khách hàng

• Workflow backup dữ liệu quan trọng

Tạo cấu trúc .agent/ cho các dự án quan trọng hoặc dài hạn. Trong đó:

• .agent/rules/ với nhiều file quy tắc theo chủ đề

• .agent/workflows/ với các quy trình làm việc của dự án

• .agent/skills/ với các khả năng chuyên môn riêng

Xây dựng Skills cho các tác vụ chuyên môn phức tạp, đóng gói kiến thức, hướng dẫn chi tiết, và có thể cả script xử lý để tái sử dụng hoặc chia sẻ với đồng nghiệp.

Chia sẻ với team

Một lợi thế lớn của kiến trúc này: dễ dàng chia sẻ cấu hình.

Chia sẻ Workspace: Đưa thư mục .agent/ vào version control (Git). Khi đồng nghiệp clone project, họ tự động có cùng Rules, Workflows, Skills của dự án. Không cần gửi email hướng dẫn, không cần thiết lập thủ công từng máy.

Chia sẻ Skills: Copy thư mục Skill từ ~/.gemini/antigravity/skills/ của bạn

sang máy đồng nghiệp. Họ đặt vào cùng vị trí và có thể sử dụng ngay.

Chia sẻ Knowledge: Mặc dù Knowledge thường mang tính cá nhân (tri thức Agent học được từ tương tác với bạn), trong một số trường hợp bạn có thể export Knowledge Items để chia sẻ tri thức với team, đặc biệt hữu ích khi có nhân viên mới cần học về quy trình công ty.

2.2.6 Điểm mấu chốt

Kiến trúc hai cấp của Antigravity, Global và Workspace, được thiết kế với bốn nguyên tắc:

Đơn giản khi bắt đầu. Không cần cấu hình gì, hệ thống vẫn hoạt động với mặc định hợp lý. Bạn có thể dùng Antigravity ngay lập tức mà không cần đọc tài liệu về rules hay workflows.

Mạnh mẽ khi cần. Khi bạn muốn kiểm soát chi tiết, hệ thống cung cấp đầy đủ cơ chế, Rules định nghĩa quy tắc, Workflows định nghĩa quy trình, Skills đóng gói khả năng chuyên môn, Knowledge tích lũy tri thức.

Rõ ràng về trách nhiệm. Dữ liệu từ hội thoại (Brain, Knowledge) được tự động quản lý, bạn không cần lo. Cấu hình về cách làm việc (Rules, Workflows, Skills) do bạn định nghĩa, bạn kiểm soát hoàn toàn.

Không xung đột. Thứ tự ưu tiên rõ ràng: Workspace thắng Global, Global thắng Default. Không có tình huống mơ hồ.

Trong các mục tiếp theo, chúng ta sẽ đi sâu vào cách viết Rules hiệu quả (Chương 3), cách xây dựng Workflows và Skills, và các khả năng xử lý file của Agent.

l Agent Configuration- Brain + StyleCHOOSE YOUR BRAIN CHOOSE YOUR STYLEoD2 5pGOOGLE GEMINI eaees =essery — ioee ~)ANTHROPIC a) ©8688"OSB pranninc@ FASTCLAUDE MODE MODE(2DEEEi ——OPEN SOURCE7 MODELS x 2 MODES

đúng mô hình cho đúng tác vụ giúp bạn vừa tiết kiệm thời gian, vừa có kết quả chất lượng.

Câu hỏi thứ hai: Làm việc theo phong cách nào? Agent có thể hoạt động ở hai chế độ, Planning Mode (lập kế hoạch trước khi làm) và Fast Mode (làm ngay không cần kế hoạch). Mỗi chế độ phù hợp với những tình huống khác nhau.

Trong phần này, chúng ta sẽ đi sâu vào cả hai khía cạnh để bạn có thể cấu hình Agent phù hợp với từng tình huống công việc.

2.3.2 Mô hình AI: Chọn “bộ não” cho Agent

Hiểu về mô hình AI

Mô hình AI là “bộ não” xử lý mọi yêu cầu của bạn. Khi bạn gõ một câu hỏi vào Antigravity, câu hỏi đó được gửi đến mô hình AI, và mô hình trả về câu trả lời.

Tại sao cần nhiều mô hình? Vì không có mô hình nào hoàn hảo cho mọi tình huống. Giống như con người, có người tính toán nhanh nhưng viết lách trung bình, có người phân tích sâu nhưng cần thời gian, có người có khiếu kể chuyện nhưng không giỏi logic. Mô hình AI cũng tương tự.

Antigravity hiện hỗ trợ bảy mô hình từ ba nhà cung cấp. Mỗi mô hình được thiết kế với triết lý và mục đích riêng. Chúng ta sẽ đi qua từng nhóm.

Dòng Google Gemini: Đa năng và đáng tin

Google xây dựng Gemini với triết lý “một mô hình, mọi tác vụ”. Gemini có thể xử lý văn bản, hình ảnh, code, và suy luận logic đều tốt. Đây là lựa chọn an toàn khi bạn không chắc nên dùng mô hình nào.

Mô hình	Đặc điểm	Phù hợp cho
Gemini 3 Pro(High)	Suy luận sâu nhất, chất lượngcao nhất	Phân tích phức tạp, lập kế hoạch dài hạn, quytrình đa bước
Gemini 3 Pro(Low)	Cân bằng giữa chất lượng vàchi phí	Xử lý hàng loạt, tác vụ lặp lại
Gemini 3 Flash	Tốc độ nhanh nhất, chi phíthấp nhất	Hỏi đáp nhanh, coding hàng ngày

Gemini 3 Pro (High) là phiên bản mạnh nhất. Theo đánh giá Q1 2026, mô hình này đứng đầu LMArena Leaderboard với Elo 1501 và đạt 91,8% trên GPQA Diamond, bài kiểm tra suy luận cấp tiến sĩ. Đặc biệt, Pro dẫn đầu trong các bài đo khả năng làm việc đa bước: 54,2% trên Terminal-Bench 2.0 (đo khả năng sử dụng công cụ dòng lệnh) và đứng đầu WebDev Arena với Elo 1487.

Điểm mạnh độc đáo của Gemini 3 Pro là cửa sổ ngữ cảnh lên đến 2 triệu token, lớn nhất trong các mô hình thương mại. Điều này cho phép Agent “nhớ” hàng nghìn trang tài liệu cùng lúc, rất quan trọng khi thực hiện các tác vụ đa bước phức tạp như đã nói ở mục 2.1.

Gemini 3 Flash có một điều bất ngờ: trong bài đo lập trình (SWE-bench Verified), Flash đạt 78%, cao hơn cả Pro (76,2%). Điều này có nghĩa với các tác vụ lập trình thông thường, Flash vừa nhanh hơn, rẻ hơn, mà kết quả còn tốt hơn. Một phát hiện đáng giá cho những ai làm việc với mã nguồn hàng ngày.

Khi nào chọn Gemini?

Chọn Gemini Pro khi bạn cần xử lý đa tác vụ phức tạp, đọc nhiều tài liệu, thực hiện nhiều bước, sử dụng nhiều công cụ cùng lúc. Cửa sổ ngữ cảnh khổng lồ và điểm cao trong Terminal-Bench khiến đây là lựa chọn số một cho quy trình làm việc đa bước.

Chọn Gemini Flash cho lập trình hàng ngày và các tác vụ cần tốc độ. Điểm 78% SWE-bench chứng minh Flash không chỉ nhanh mà còn chất lượng.

Dòng Anthropic Claude: Văn phong tự nhiên

Anthropic, công ty đứng sau Claude, nổi tiếng với triết lý “AI hữu ích, vô hại, và trung thực”. Claude được huấn luyện đặc biệt để viết văn tự nhiên, mạch lạc, và dễ đọc. Nhiều người không nhận ra nội dung do Claude viết là từ AI.

Mô hình	Đặc điểm	Phù hợp cho
Claude Sonnet 4.5	Văn phong tự nhiên, 0% tỷ lệ lỗitrong viết lách	Viết nội dung, soạn email, tài liệu
Claude Sonnet 4.5(Thinking)	Suy luận từng bước và hiển thị quátrình	Gỡ lỗi mã nguồn, lập luận phứctạp
Claude Opus 4.5(Thinking)	80,9% SWE-bench, cao nhất thế giới	Lập trình phức tạp, nghiên cứuchuyên sâu

Claude Opus 4.5 (Thinking) tạo nên kỷ lục mới trong thế giới AI: 80,9% trên SWE-bench Verified, bài đo khả năng giải quyết vấn đề phần mềm thực tế từ GitHub. Đây là mô hình đầu tiên phá cột mốc 80%. Nếu bạn gặp lỗi phức tạp mà các mô hình khác không giải được, Opus là lựa chọn cuối cùng.

Thêm vào đó, Opus có một tính năng đặc biệt: ở chế độ Thinking với mức nỗ lực trung bình, Opus đạt kết quả tương đương Sonnet nhưng tiết kiệm 76% token. Điều này có nghĩa bạn có thể sử dụng mô hình mạnh nhất mà không tốn quá nhiều chi phí.

Claude Sonnet 4.5 đạt 0% tỷ lệ lỗi trong các bài đo chỉnh sửa văn bản, văn phong tự nhiên nhất trong các mô hình AI. Khi kết quả của bạn sẽ được khách hàng, sếp, hoặc đối tác đọc trực tiếp, Sonnet là lựa chọn không thể bỏ qua.

Extended Thinking là gì?

Khi bật “Thinking”, Agent không chỉ đưa ra câu trả lời mà còn hiển thị quá trình suy nghĩ, từng bước lập luận, các giả thuyết được xem xét, lý do đưa ra quyết định. Bạn không chỉ biết Agent quyết định gì, mà còn hiểu tại sao. Nếu lập luận sai ở đâu, bạn có thể chỉ ra và yêu cầu Agent xem xét lại.

Dòng mã nguồn mở: Lựa chọn thay thế

Mô hình	Đặc điểm	Phù hợp cho
GPT-OSS 120B	Kiến trúc mã nguồn mở, 120 tỷ tham số	Tác vụ tiêu chuẩn, thử nghiệm

GPT-OSS 120B là mô hình dựa trên kiến trúc mã nguồn mở với 120 tỷ tham số, một con số đáng kể trong thế giới AI. Mặc dù tên gọi “OSS” (open-source), mô hình này vẫn chạy trên hạ tầng Google thông qua Antigravity, giống như Gemini và Claude. Bạn chỉ cần chọn từ dropdown và sử dụng, không phải tự triển khai.

Hiệu suất ước tính (chưa công bố chính thức): khoảng 65-70% trên SWE-bench và 85-88% trên GPQA. Phù hợp cho các tác vụ tiêu chuẩn, ít đòi hỏi về văn phong hay độ chính xác tuyệt đối.

2.3.3 So sánh Đánh giá (Q1 2026)

Để giúp bạn chọn mô hình dựa trên dữ liệu thực tế, đây là bảng so sánh các benchmark chính:

Mô hình	Lập trình (SWE-bench)	Suy luận(GPQA)	Đa bước(Terminal)	Đa phươngthức	Ngữcảnh
Claude Opus4.5	80,9%	~92%	,	,	~200K
ClaudeSonnet 4.5	70,6%	~90%	,	,	~200K
Gemini 3 Pro	76,2%	91,8%	54,2%	81,2%	2M+
Gemini 3Flash	78%	90,4%	,	,	2M+
GPT-OSS120B	~65-70%	~85-88%	,	,	~128K

Chú thích:

• = Dẫn đầu trong category = Bất ngờ xuất sắc (Flash cao hơn Pro trong coding)

Khuyến nghị dựa trên Benchmark:

Từ dữ liệu trên, đây là lựa chọn tối ưu cho từng tình huống:

Quy trình đa bước (nhiều bước, nhiều công cụ) → Gemini 3 Pro. Duy nhất có số liệu Terminal-Bench (54,2%), cửa sổ ngữ cảnh 2M+ token để “nhớ” toàn bộ quy trình, xử lý đa phương thức 81,2% với đa dạng đầu vào.

Lập trình phức tạp (lỗi khó, tái cấu trúc) → Claude Opus 4.5. Với 80,9% SWE-bench, cao nhất thế giới, và chế độ Thinking giúp hiểu nguyên nhân gốc.

Lập trình hàng ngày (tính năng mới, sửa lỗi nhỏ) → Gemini 3 Flash. Bất ngờ đạt 78% SWE-bench, nhanh và rẻ.

Viết nội dung (email, báo cáo, tài liệu) → Claude Sonnet 4.5. Với 0% tỷ lệ lỗi trong bài đo viết lách và văn phong tự nhiên nhất.

Phân tích chiến lược (nghiên cứu, quyết định) → Claude Opus hoặc Gemini Pro. Opus: 92% GPQA với chế độ Thinking minh bạch. Pro: 91,8% GPQA, độ chính xác cao, ít bịa thông tin.

2.3.4 Khuyến nghị theo Ngành nghề

Dựa trên benchmark và đặc điểm từng mô hình, đây là khuyến nghị cụ thể cho các ngành phổ biến:

Nhân sự (HR)

Tác vụ: Đọc CV, viết job description, tạo câu hỏi phỏng vấn, đánh giá ứng viên

Mô hình khuyên dùng: Claude Sonnet 4.5

Lý do: Văn phong tự nhiên quan trọng khi viết JD hoặc email ứng viên. Sonnet hiểu ngữ cảnh tốt, đọc CV và tóm tắt chính xác, đánh giá kỹ năng mềm qua văn bản thư ứng tuyển và câu trả lời phỏng vấn.

Ví dụ: Tóm tắt 100 CV thành shortlist 10 người, draft job description chuyên nghiệp, tạo câu hỏi phỏng vấn theo vị trí.

Marketing & Copywriting

Tác vụ: Viết content, social media, email campaign, landing page

Mô hình khuyên dùng: Claude Sonnet (nội dung dài) hoặc Gemini Flash (social posts nhanh)

Lý do: Sonnet có văn phong hấp dẫn, kể chuyện tự nhiên, phù hợp blog và email. Flash nhanh và rẻ, tốt cho việc tạo nhiều biến thể để kiểm tra hiệu quả.

Ví dụ: Chiến dịch email tự động dùng Sonnet (cần cá nhân hóa cao), bài đăng mạng xã hội hàng ngày dùng Flash (cần số lượng), trang đích dùng Sonnet (cần tỷ lệ chuyển đổi cao).

Pháp luật

Tác vụ: Phân tích hợp đồng, tìm điều khoản rủi ro, nghiên cứu án lệ, soạn thảo văn bản pháp lý

Mô hình khuyên dùng: Claude Opus (Thinking) hoặc Gemini 3 Pro

Lý do: Opus Thinking suy luận từng bước (92% GPQA), quan trọng khi phân tích logic pháp lý. Gemini Pro có cửa sổ ngữ cảnh 2M+ token, đọc được toàn bộ hợp đồng dài và nhiều tài liệu tham chiếu. Độ chính xác cao giúp giảm việc bịa thông tin trong lĩnh vực cần độ chính xác tuyệt đối.

Với cửa sổ ngữ cảnh khổng lồ (2M+ token), Gemini Pro có thể đọc toàn bộ hợp đồng dài và nhiều tài liệu tham chiếu cùng lúc.

Ví dụ: Phân tích hợp đồng 200 trang dùng Gemini Pro, tìm điều khoản bất lợi dùng Opus Thinking (lý giải tại sao bất lợi), draft điều khoản mới dùng Sonnet. Kế toán & Tài chính

Tác vụ: Đọc báo cáo tài chính, audit, phát hiện bất thường, dự báo

Mô hình khuyên dùng: Gemini 3 Pro (phân tích) + Claude Opus (audit logic)

Lý do: Gemini Pro xử lý đa phương thức 81,2%, đọc biểu đồ, bảng số liệu từ PDF/Excel. Opus suy luận 92%, phát hiện sai lệch logic trong số liệu. Cửa sổ ngữ cảnh lớn của Gemini đọc được báo cáo tài chính nhiều năm cùng lúc.

Ví dụ: So sánh báo cáo tài chính 3 năm dùng Gemini Pro, tìm bất thường trong sổ sách dùng Opus Thinking.

Giáo dục

Tác vụ: Soạn bài giảng, tạo đề thi, chấm bài tự luận, góp ý học sinh

Mô hình khuyên dùng: Claude Sonnet (góp ý) + Gemini Flash (chấm bài nhanh)

Lý do: Sonnet có văn phong khích lệ, góp ý mang tính xây dựng. Flash chấm nhanh hàng trăm bài với chi phí thấp. Gemini Pro tạo câu hỏi suy luận phức tạp (91,8% GPQA).

Ví dụ: Chấm 100 bài tự luận dùng Flash, góp ý chi tiết dùng Sonnet, tạo đề thi trắc nghiệm dùng Gemini Pro.

Kỹ thuật & Lập trình

Tác vụ: Xem xét mã nguồn, gỡ lỗi, viết tài liệu kỹ thuật, tái cấu trúc

Mô hình khuyên dùng: Claude Opus (xem xét/gỡ lỗi) hoặc Gemini Flash (lập trình hàng ngày)

Lý do: Opus 80,9% SWE-bench, cao nhất trong lập trình, chế độ Thinking giải thích tại sao mã nguồn sai. Flash 78% SWE-bench nhưng nhanh gấp nhiều lần, tốt cho lập trình hàng ngày.

Ví dụ: Gỡ lỗi sản xuất phức tạp dùng Opus Thinking, xem xét PR hàng ngày dùng Flash, viết tài liệu kỹ thuật dùng Sonnet.

Y tế

Tác vụ: Đọc hồ sơ bệnh án, tóm tắt hồ sơ y tế, nghiên cứu y khoa

Mô hình khuyên dùng: Gemini 3 Pro (đa phương thức + ngữ cảnh) + Claude Opus (suy luận)

Lý do: Gemini đa phương thức đọc X-ray, ảnh chụp kết hợp văn bản. Cửa sổ ngữ cảnh 2M+ đọc toàn bộ lịch sử y tế nhiều năm. Opus suy luận phân tích triệu chứng, chẩn đoán phân biệt.

Lưu ý: AI không thay thế bác sĩ. Chỉ dùng hỗ trợ research và tóm tắt.

Bán hàng (Sales)

Tác vụ: Viết email theo dõi, phân tích cảm xúc khách hàng, tạo đề xuất

Mô hình khuyên dùng: Claude Sonnet 4.5

Lý do: Cá nhân hóa tốt, email không có cảm giác “mẫu có sẵn”. Hiểu ngữ cảnh khách hàng qua chuỗi email. Giọng văn chuyên nghiệp nhưng thân thiện.

Ví dụ: Email theo dõi sau cuộc hỌp, tạo đề xuất bán hàng (viết thuyết phục), phân tích email khách hàng.

Nghiên cứu khoa học

Tác vụ: Tổng quan tài liệu, tóm tắt bài nghiên cứu, phân tích dữ liệu thực nghiệm

Mô hình khuyên dùng: Gemini 3 Pro (đọc nhiều papers) + Claude Opus (phân tích sâu)

Lý do: Gemini cửa sổ ngữ cảnh 2M+ đọc hàng trăm bài nghiên cứu cùng lúc. Opus 92% GPQA, suy luận cấp tiến sĩ. Chế độ Thinking theo dõi lại quá trình lập luận trong bài nghiên cứu.

Ví dụ: Tổng quan 50+ bài nghiên cứu dùng Gemini Pro, phân tích phương pháp dùng Opus Thinking.

Dịch vụ khách hàng

Tác vụ: Trả lời câu hỏi, xử lý khiếu nại, tạo cơ sở kiến thức

Mô hình khuyên dùng: Gemini Flash (số lượng cao) hoặc Claude Sonnet (trường hợp nhạy cảm)

Lý do: Flash nhanh, rẻ, phù hợp trả lời hàng trăm yêu cầu/ngày. Sonnet có sự đồng cảm, giọng văn tốt cho khách hàng bức xúc.

Ví dụ: Câu hỏi thường gặp tự động dùng Flash, khiếu nại nghiêm trọng dùng Sonnet.

Bảng tham khảo nhanh

Ngành	Mô hình #1	Mô hình #2	Lý do chính
HR	Claude Sonnet	,	Văn phong tự nhiên
Marketing	Claude Sonnet	Gemini Flash	Chất lượng hay Số lượng
Pháp luật	Claude Opus (T)	Gemini Pro	Suy luận + Ngữ cảnh
Kế toán	Gemini Pro	Claude Opus	Đa phương thức + Suy luận
Giáo dục	Claude Sonnet	Gemini Flash	Góp ý + Tốc độ
Kỹ thuật	Claude Opus (T)	Gemini Flash	80,9% lập trình + Tốc độ
Y tế	Gemini Pro	Claude Opus	Đa phương thức + Độ chính xác
Sales	Claude Sonnet	,	Cá nhân hóa
Nghiên cứu	Gemini Pro	Claude Opus (T)	Ngữ cảnh + Suy luận tiến sĩ
Hỗ trợ	Gemini Flash	Claude Sonnet	Số lượng hay Nhạy cảm

(T) = Chế độ Thinking

2.3.5 Chế độ làm việc: Planning vs Fast

Tại sao có hai chế độ?

Nếu mô hình AI là “bộ não” của Agent, thì chế độ làm việc là “phong cách hành động”.

Hãy tưởng tượng bạn yêu cầu Agent: “Tái cấu trúc lại toàn bộ thư mục dự án theo mô hình IPO.” Đây là một yêu cầu lớn, có thể ảnh hưởng đến hàng chục file, di chuyển dữ liệu, đổi tên thư mục. Nếu Agent làm ngay mà không hỏi, kết quả có thể không như bạn mong muốn.

Nhưng nếu bạn chỉ hỏi: “Năm nay là năm bao nhiêu?”, việc yêu cầu Agent lập kế hoạch trước khi trả lời sẽ lãng phí thời gian.

Antigravity giải quyết bằng cách cung cấp hai chế độ: Planning Mode cho các tác vụ cần kiểm soát, và Fast Mode cho các tác vụ cần tốc độ.

Planning Mode: Suy nghĩ trước, làm sau

Ở chế độ Planning, Agent không vội vàng hành động. Thay vào đó, nó đi qua một quy trình có kiểm soát:

Hai file quan trọng được tạo ra:

implementation_plan.md , Bản kế hoạch chi tiết trước khi thực hiện. Trong đó có danh sách các bước Agent sẽ làm, file nào sẽ được tạo hoặc sửa, rủi ro có thể xảy ra. Bạn có quyền xem xét, điều chỉnh, hoặc từ chối kế hoạch này.

walkthrough.md , Bản tổng kết sau khi hoàn thành. Trong đó có những gì Agent đã làm, kết quả ra sao, có vấn đề gì cần lưu ý.

Khi nào dùng Planning Mode?

Tác vụ phức tạp, có nhiều bước và ảnh hưởng lớn. Bạn cần kiểm soát chặt chẽ từng thay đổi. Lần đầu làm việc với Agent, chưa biết nó sẽ làm gì. Tác vụ quan trọng, không muốn có sai sót.

Fast Mode: Nhanh gọn, hiệu quả

Ở chế độ Fast, Agent thực hiện ngay lập tức. Không có bước lập kế hoạch, không có bước chờ phê duyệt.

Khi nào dùng Fast Mode?

Tác vụ đơn giản và quen thuộc. Hỏi đáp nhanh, không cần thay đổi file. Chỉnh sửa nhỏ mà bạn có thể kiểm tra ngay. Đã hiểu rõ cách Agent hoạt động.

So sánh hai chế độ

Tiêu chí	Planning Mode	Fast Mode
Tốc độ	Chậm hơn	Nhanh
Kiểm soát	Cao, bạn phê duyệt trước	Thấp, Agent tự quyết
Phù hợp	Phức tạp, quan trọng	Đơn giản, quen thuộc
Rủi ro	Thấp	Cao hơn
Artifacts	Tạo implementation_plan.md và walkthrough.md	Không tạo

2.3.6 Kết hợp Mô hình và Chế độ

Mô hình AI và Chế độ làm việc là hai lựa chọn độc lập. Bạn có thể kết hợp bất kỳ mô hình nào với bất kỳ chế độ nào. Dưới đây là một số kết hợp phổ biến:

Gemini Flash + Fast Mode , Combo “nhanh nhất có thể” cho tác vụ đơn giản hàng ngày.

Claude Sonnet + Planning Mode , Khi viết nội dung quan trọng cần cả chất lượng văn phong và kiểm soát.

Gemini Pro + Planning Mode , Cho phân tích chiến lược và quy trình đa bước phức tạp.

Claude Opus (Thinking) + Fast Mode , Khi gỡ lỗi mã nguồn và cần thấy quá trình suy luận ngay lập tức.

2.3.7 Áp dụng thực tế

Cho người mới bắt đầu

Bước 1: Bắt đầu với Gemini 3 Pro (High) + Planning Mode . Đây là cấu hình an toàn nhất, mô hình thông minh, chế độ có kiểm soát.

Bước 2: Sau khi đã quen (một vài ngày đến một tuần), thử nghiệm:

• Chuyển sang Fast Mode cho câu hỏi đơn giản

• Thử Gemini Flash cho tác vụ nhanh và lập trình

• Thử Claude Sonnet khi cần viết nội dung

Bước 3: Dần dần bạn sẽ phát triển “trực giác” về kết hợp nào phù hợp với tác vụ

nào.

Cho người dùng thường xuyên

Thiết lập mặc định theo loại công việc bạn làm nhiều nhất. Nếu phần lớn thời gian bạn hỏi đáp và làm việc đơn giản, đặt mặc định là Gemini Flash + Fast Mode.

Tạo thói quen kiểm tra trước mỗi tác vụ quan trọng: “Mình đang dùng mô hình và chế độ đúng chưa?”

Ghi chú về kết quả. Khi thấy một kết hợp hoạt động tốt cho một loại tác vụ, ghi lại. Dần dần bạn sẽ có “bộ công thức” riêng.

2.3.8 Điểm mấu chốt

Cấu hình Agent trong Antigravity xoay quanh hai quyết định:

Chọn mô hình AI dựa trên benchmark:

• Gemini Pro cho quy trình đa bước (54,2% Terminal-Bench, 2M+ ngữ cảnh)

• Claude Opus cho lập trình phức tạp (80,9% SWE-bench)

• Gemini Flash cho lập trình hàng ngày (78% SWE-bench, nhanh, rẻ)

• Claude Sonnet cho viết nội dung (0% tỷ lệ lỗi)

Chọn chế độ làm việc dựa trên rủi ro:

• Planning Mode khi tác vụ phức tạp, quan trọng, cần kiểm soát

• Fast Mode khi tác vụ đơn giản, quen thuộc, ít rủi ro

Chọn theo ngành nghề với bảng tham khảo nhanh:

• HR/Marketing/Sales → Claude Sonnet

• Pháp luật/Nghiên cứu → Claude Opus + Gemini Pro

• Kỹ thuật → Claude Opus + Gemini Flash

• Y tế/Kế toán → Gemini Pro (đa phương thức)

• Support/Giáo dục → Gemini Flash + Claude Sonnet

Không có cấu hình “đúng” cho mọi tình huống. Hãy linh hoạt chuyển đổi theo nhu cầu của từng tác vụ.

KWSR Evolution Modelfor Agent Maturity©) Level 4& skill Level 3qualityx Guardrail ruse2. Level 2 yqr Knowledge flexibleLevel 1 » 9Q vy

Nhưng đến tuần thứ hai, khi bạn yêu cầu “Làm báo cáo như cũ”, Agent lại hỏi những câu cơ bản như một người mới hoàn toàn: “Lấy dữ liệu ở đâu?”, “Format như thế nào?”. Bạn buộc phải giải thích lại từ đầu. Agent vẫn thông minh, nhưng nó thiếu khả năng tích lũy kinh nghiệm để tự chủ hơn trong công việc.

Vấn đề không nằm ở trí tuệ của AI, mà nằm ở cơ chế kết tinh tri thức. Agent có khả năng xử lý thông tin, nhưng cần một lộ trình để chuyển hóa những xử lý rời rạc đó thành kinh nghiệm tái sử dụng được.

Sự tương đồng với phát triển nhân sự

Trong quản lý nhân sự, không ai kỳ vọng một nhân viên mới có thể làm việc hoàn hảo ngay từ ngày đầu. Chúng ta thường thấy một lộ trình phát triển tự nhiên. Giai đoạn đầu tiên là quan sát và học hỏi. Nhân viên mới quan sát đồng nghiệp, hỏi han và ghi chú. Họ làm việc dựa trên sự hướng dẫn trực tiếp, chưa có quy trình cố định.

Sau một thời gian làm việc, họ bắt đầu nhận diện được quy trình. “À, việc này luôn bắt đầu bằng bước A, rồi đến B, kết thúc ở C.” Họ hình thành quy trình làm việc trong đầu, không còn lúng túng như ban đầu.

Khi quy trình đã nhuần nhuyễn, họ chuyển sang giai đoạn thành thạo kỹ năng. Lúc này họ tập trung vào chất lượng, biết cách làm sao cho báo cáo đẹp nhất, chính xác nhất, tuân thủ đúng chuẩn mực của công ty mà không cần ai nhắc nhở.

Cuối cùng, họ thấu hiểu những ranh giới không được phép vượt qua, những quy tắc an toàn và bảo mật bảo vệ lợi ích của tổ chức. Đây là tầng tuân thủ nguyên tắc, nơi nhân viên biết rõ đâu là đường đỏ không được chạm vào.

AI Agent cũng cần một hành trình tương tự để chuyển dịch từ một công cụ hỗ trợ thụ động thành một trợ lý đắc lực và đáng tin cậy.

Vai trò quản trị của Mô hình Tiến hóa

Mô hình Tiến hóa trong Antigravity được thiết kế để mô phỏng lại quá trình trưởng thành này. Đây không phải là tính năng tự động ngẫu nhiên, mà là công cụ tư duy dành cho người vận hành.

Nó giúp bạn trả lời những câu hỏi quản trị then chốt. Khi nào nên để Agent tự do học hỏi? Khi nào cần thiết lập quy trình cứng? Khi nào có thể tin tưởng giao quyền? Mỗi câu hỏi tương ứng với một giai đoạn cụ thể: khám phá, chuẩn hóa, hoặc tự động hóa.

Chúng ta sẽ lần lượt đi qua bốn tầng tri thức, Knowledge, Workflow, Skill, và Rule, tương ứng với bốn giai đoạn phát triển năng lực của Agent.

2.4.2 Tầng Knowledge (Giai đoạn Khám phá)

Đặc điểm của tri thức ngầm định

Knowledge trong Antigravity tương đương với kinh nghiệm làm việc thực tế. Đây là loại tri thức được tích lũy dần qua quá trình tương tác, giống như cách nhân viên mới “học lỏm” văn hóa và thói quen của sếp.

Trong quá trình làm việc, Agent sẽ âm thầm ghi nhận các mẫu hình. Nó hiểu dần cách bạn muốn trình bày dữ liệu, giọng văn bạn ưa thích, đây là sở thích cá nhân. Nó nhớ cấu trúc thư mục dự án, các thuật ngữ chuyên ngành bạn thường dùng, đó là ngữ cảnh làm việc. Và nó còn nhận ra những việc bạn thường làm vào các thời điểm cố định trong tuần, thói quen hàng ngày.

Những thông tin này không cần được dạy một cách bài bản. Agent tự rút ra từ lịch sử hội thoại và các thao tác hàng ngày.

Cơ chế tự động ghi nhớ

Hệ thống có cơ chế tự động phân tích và trích xuất tri thức sau mỗi phiên làm việc. Nếu bạn giải thích một khái niệm mới, hệ thống lưu vào từ điển thuật ngữ. Nếu bạn chỉ định một quy tắc xử lý file, thông tin đó được ghi nhận vào bộ nhớ ngữ cảnh. Khi bạn sửa lại văn phong của Agent, sự điều chỉnh này trở thành một phần của sở thích cá nhân được lưu trữ.

Các mẩu tri thức này được lưu trữ dưới dạng các Knowledge Items, giúp Agent ngày càng hiểu ý bạn hơn mà không cần nhắc lại.

Ưu nhược điểm của tầng Knowledge

Thế mạnh của Knowledge là sự linh hoạt. Bạn không cần chuẩn bị tài liệu hướng dẫn phức tạp ngay từ đầu. Chỉ cần bắt đầu làm việc, và hệ thống sẽ tự học. Điều này rất phù hợp cho giai đoạn đầu của dự án khi mọi thứ chưa định hình rõ ràng.

Tuy nhiên, Knowledge có hạn chế lớn về tính nhất quán. Vì dựa trên kinh nghiệm cá nhân và ngữ cảnh cụ thể, tri thức này khó áp dụng rộng rãi cho người khác hoặc dự án khác. Một Agent “hiểu ý” bạn chưa chắc đã làm việc tốt với đồng nghiệp của bạn.

Để mở rộng quy mô và đảm bảo sự ổn định, chúng ta cần bước sang tầng tiếp theo.

2.4.3 Tầng Workflow (Giai đoạn Chuẩn hóa)

Dấu hiệu nhận biết sự chuyển đổi

Khi bạn nhận thấy mình đang phải hướng dẫn Agent thực hiện cùng một chuỗi hành động lặp đi lặp lại (ví dụ: trên ba lần), đó là tín hiệu để chuyển từ Knowledge sang Workflow.

Thay vì dựa vào trí nhớ của Agent (“Làm giống lần trước nhé”), bạn cần một bản hướng dẫn cụ thể và rõ ràng hơn.

Bản chất của quy trình thủ công

Workflow giống như Quy trình Vận hành Tiêu chuẩn (SOP). Nó là một danh

sách các bước tuần tự phải thực hiện để hoàn thành một nhiệm vụ.

Điểm khác biệt quan trọng: Workflow là quy trình thủ công. Nó không tự chạy. Người dùng phải chủ động kích hoạt bằng một lệnh cụ thể, ví dụ như /bao-cao-tuan trong Antigravity.

Điều này được thiết kế có chủ đích. Workflow tập trung vào các bước xử lý, yếu tố thường xuyên thay đổi tùy theo tình huống. Việc yêu cầu kích hoạt thủ công giúp người dùng có quyền kiểm soát và điều chỉnh quy trình trước khi Agent bắt đầu.

Khả năng linh hoạt của Workflow

Workflow được thiết kế để “mềm dẻo”. Nó là sườn bài, không phải khuôn đúc. Bạn có thể yêu cầu Agent chạy Workflow nhưng bỏ qua bước hai, hoặc thay đổi nguồn dữ liệu đầu vào, hoặc thậm chí kết hợp nhiều Workflow lại với nhau.

Workflow giải quyết bài toán về hiệu suất, không cần giải thích lại quy trình mỗi lần. Nhưng nó chưa giải quyết triệt để bài toán về chất lượng, đảm bảo kết quả đầu ra luôn đồng nhất.

2.4.4 Tầng Skill (Giai đoạn Chuyên sâu)

Bản chất năng lực chuyên môn

Nếu Workflow trả lời câu hỏi “Làm bước nào trước, bước nào sau?”, thì Skill trả lời câu hỏi “Làm như thế nào mới là tốt?”.

Skill tương ứng với kỹ năng chuyên sâu đã được rèn giũa. Khi một nhân viên đã làm việc đủ lâu, họ không chỉ nhớ quy trình mà còn hình thành nên các tiêu chuẩn chất lượng riêng: font chữ phải chuẩn, bố cục phải thoáng, số liệu phải chính xác đến từng đơn vị.

Trong Antigravity, Skill là các gói năng lực được đóng gói sẵn. Khác với Workflow, Skill có khả năng tự động kích hoạt. Khi Agent nhận diện yêu cầu của bạn khớp với khả năng của một Skill, nó sẽ tự động áp dụng các tiêu chuẩn chất lượng đó mà không cần bạn gọi tên.

Mối quan hệ giữa Chất lượng và Quy trình

Sự khác biệt cốt lõi giữa Workflow và Skill nằm ở mục tiêu. Workflow tập trung vào logic thực hiện, các bước cần làm. Tính chất của nó là linh hoạt, dễ điều chỉnh, được kích hoạt bằng cách chủ động gọi, làm nhiệm vụ hướng dẫn làm việc.

Skill tập trung vào chất lượng sản phẩm, đầu ra như thế nào. Tính chất của nó là ổn định, chuẩn mực cao, được kích hoạt tự động khi Agent nhận diện pattern, làm nhiệm vụ đảm bảo tiêu chuẩn.

Một cách đơn giản hơn: Workflow nói với Agent “làm cái gì”, còn Skill dạy Agent “làm tốt cái gì”.

Thời điểm áp dụng Skill

Bạn nên nâng cấp một Workflow thành Skill khi quy trình đã ổn định và ít thay đổi các bước. Khi bạn có yêu cầu khắt khe về định dạng và chất lượng đầu ra. Và đặc biệt khi bạn muốn tái sử dụng năng lực này cho nhiều dự án hoặc chia sẻ cho nhiều người khác.

Skill giúp biến những kinh nghiệm cá nhân thành tài sản chung của tổ chức.

2.4.5 Tầng Rule (Giai đoạn Kiểm soát)

Sự cần thiết của khoảng trống an toàn

Có những tình huống mà việc “làm đúng quy trình” và “làm tốt chuyên môn” vẫn có thể dẫn đến thảm họa. Đó là khi hành động của Agent, dù thiện chí, lại vi phạm các nguyên tắc an toàn hoặc đạo đức.

Ví dụ, một yêu cầu trích xuất dữ liệu khách hàng gửi ra email cá nhân. Về mặt quy trình, Agent biết cách trích xuất và gửi email. Về mặt kỹ năng, Agent có thể format file dữ liệu rất đẹp và chuyên nghiệp. Nhưng về mặt an toàn, đây là hành động rò rỉ dữ liệu nghiêm trọng.

Nếu không có cơ chế kiểm soát, sự “nhiệt tình” của Agent sẽ trở thành rủi ro. Bản chất pháp lý của Rule

Rule đóng vai trò như hệ thống luật pháp. Nó không hướng dẫn cách làm việc (như Workflow hay Skill), mà quy định những gì không được phép làm.

Rule hoạt động như những chốt chặn an toàn (guardrails), luôn thường trực và kiểm tra mọi hành động của Agent. Bất kể ai đưa ra yêu cầu, nếu yêu cầu đó vi phạm Rule, Agent sẽ từ chối thực hiện.

Phân loại các nhóm quy tắc

Trong môi trường doanh nghiệp, chúng ta thường thiết lập các nhóm Rule sau. Về bảo mật dữ liệu, hệ thống cấm gửi dữ liệu nhạy cảm ra ngoài domain công ty và cấm lưu mật khẩu dưới dạng văn bản rõ.

Về toàn vẹn hệ thống, các Rule ngăn không cho xóa hoặc ghi đè lên các file gốc,

và yêu cầu luôn tạo bản sao dự phòng trước khi chỉnh sửa.

Về tuân thủ quy định, hệ thống buộc phải ẩn thông tin cá nhân (PII) trong các báo cáo xuất ra ngoài, và ghi lại nhật ký cho mọi thao tác truy xuất dữ liệu.

Rule giúp người quản lý yên tâm giao việc cho Agent, vì biết rằng dù có sai sót hay nhầm lẫn, những ranh giới an toàn cốt lõi vẫn được bảo vệ.

2.4.6 Cơ chế Thích nghi và Tiến hóa

Tính động của môi trường kinh doanh

Hệ thống KWSR (Knowledge - Workflow - Skill - Rule) thoạt nhìn có vẻ là một đường thẳng tuyến tính: học việc, rồi quy trình, rồi kỹ năng, cuối cùng là luật lệ. Tuy nhiên, trong thực tế, môi trường kinh doanh luôn biến động.

Một quy trình hoàn hảo hôm nay có thể trở nên lỗi thời vào ngày mai do thay đổi nhân sự, thay đổi công nghệ hoặc thay đổi chiến lược. Khi đó, hệ thống cần khả năng “học lại”.

Mô hình tiến hóa hai chiều

Chúng ta có thể hình dung sự tiến hóa của Agent trên một ma trận. Trục ngang đại diện cho độ ổn định, từ Linh hoạt bên trái sang Ổn định bên phải. Trục dọc đại diện cho loại tri thức, từ Hành động ở trên xuống Thông tin ở dưới.

Quá trình Tiến hóa (Evolution) đi từ trái sang phải, biến kinh nghiệm rời rạc (Knowledge) thành quy trình chuẩn (Workflow/Skill/Rule).

Quá trình Thích nghi (Adaptation) đi ngược lại từ phải sang trái. Khi một Rule hoặc Skill không còn phù hợp, chúng ta phải phá vỡ nó, đưa Agent trở lại trạng thái học hỏi (Knowledge) để tìm ra cách làm mới.

Ví dụ, một công ty thay đổi chính sách từ “Báo cáo Email” sang “Báo cáo Dashboard thời gian thực”. Lúc này cần hủy bỏ Workflow và Rule cũ về gửi email, sau đó dùng Knowledge để Agent học cách sử dụng công cụ Dashboard mới. Khi Agent đã thành thạo, bạn thiết lập Workflow mới cho việc cập nhật số liệu, rồi đóng gói Skill mới về trực quan hóa dữ liệu trên Dashboard.

Khả năng linh hoạt chuyển đổi giữa các trạng thái này giúp hệ thống Agent luôn sống động và phù hợp với thực tế, tránh tình trạng “cứng hóa” quy trình.

2.4.7 Phương pháp đo lường mức độ trưởng thành

Để quản trị hiệu quả, bạn cần biết Agent của mình đang ở giai đoạn nào. Chúng ta có thể dùng một thước đo đơn giản dựa trên tỷ lệ can thiệp.

Công thức tính độ trưởng thành là lấy 100% trừ đi tỷ lệ giữa số lần phải can thiệp sửa lỗi và tổng số tác vụ được giao. Công thức này cho ta con số phần trăm đánh giá mức độ tự chủ của Agent.

Phân tích nguyên nhân can thiệp

Khi phải can thiệp, hãy xác định nguyên nhân để biết cần bổ sung tri thức ở tầng nào. Can thiệp về ngữ cảnh xảy ra khi Agent không hiểu thuật ngữ, không tìm thấy file, hoặc không hiểu ý định, lúc này cần bổ sung Knowledge.

Can thiệp về quy trình xảy ra khi Agent làm sai thứ tự các bước hoặc bỏ sót bước, lúc này cần tinh chỉnh Workflow. Can thiệp về chất lượng xảy ra khi Agent làm đúng nhưng kết quả xấu hoặc sai format, lúc này cần chuẩn hóa Skill. Can thiệp về an toàn xảy ra khi Agent làm việc nguy hiểm, rủi ro, lúc này cần thiết lập Rule.

Đề xuất thang đo đánh giá

Dưới 70% là giai đoạn học việc, cần giám sát chặt và hướng dẫn từng bước, tập trung xây dựng Knowledge. Từ 70% đến 90% là giai đoạn thạo việc, có thể giao việc theo quy trình và chỉ kiểm tra kết quả cuối, tập trung tối ưu Workflow và Skill. Trên 90% là giai đoạn chuyên gia, có thể giao quyền tự chủ cao, tập trung quản trị bằng Rule và giám sát ngoại lệ.

2.4.8 Vai trò kiến tạo của người vận hành

Antigravity cung cấp nền tảng và công cụ, nhưng bạn chính là người kiến tạo.

Sự trưởng thành của Agent phản chiếu sự rõ ràng trong tư duy quản lý của bạn. Nếu bạn làm việc tùy hứng, Agent sẽ mãi dừng ở mức Knowledge rời rạc. Nếu bạn có tư duy quy trình, Agent sẽ trở thành cỗ máy vận hành hiệu quả (Workflow). Nếu bạn chú trọng chất lượng, Agent sẽ thành chuyên gia (Skill). Nếu bạn có tư duy quản trị rủi ro, Agent sẽ trở thành trợ lý đáng tin cậy (Rule).

Đừng kỳ vọng phép màu xảy ra ngay lập tức. Hãy kiên nhẫn dẫn dắt Agent đi qua từng giai đoạn của mô hình tiến hóa. Đó là cách bền vững nhất để xây dựng một Song Sinh Số thực sự đắc lực cho doanh nghiệp của bạn.

File Processing Capabilities - Three Reliability Tiers

High Reliabilityaaeaaga a == &Medium Reliability Golden Rate?If Agent canDOCX PDF create it,! FfDOCX XLSX —PDF-digital Agent canread it perfectlyLow Reliabilityhe xca, —— x ee ——JPG PNG scanned Video AudioPDF

Bản chụp ảnh tất cả 50 hóa đơn bằng điện thoại, lưu vào thư mục trên máy tính, rồi mở Antigravity. “Đọc tất cả file ảnh trong thư mục HoaDon_Thang1, trích xuất số tiền và ngày, tổng hợp vào file Excel.”

Agent bắt đầu làm việc. Sau vài phút, kết quả xuất hiện. Bạn mở file Excel và… thất vọng.

Một số hóa đơn bị đọc sai số tiền. Số 1.500.000 bị đọc thành 1.800.000. Một số file bị bỏ qua hoàn toàn vì “không đọc được nội dung”. Tổng số tiền sai lệch gần 20 triệu đồng so với thực tế.

Bạn kết luận: “Agent kém quá, còn thua làm tay.” Rồi quay lại với cách làm truyền thống.

Nhưng sự thật là: Agent không kém. Bạn chỉ chưa hiểu năng lực xử lý file của Agent.

2.5.2 Nguyên nhân Agent đọc sai

Để hiểu tại sao Agent làm sai trong tình huống trên, cần phải hiểu cách Agent “nhìn” các loại file khác nhau.

Hãy tưởng tượng hai loại hộp quà.

Loại thứ nhất là hộp trong suốt. Bạn nhìn vào là thấy ngay bên trong có gì: một cuốn sách, một chiếc đồng hồ, hay một món đồ chơi. Bạn có thể mô tả chính xác từng chi tiết mà không cần mở hộp.

Loại thứ hai là hộp bị khóa kín. Bên ngoài không có gì gợi ý về bên trong. Bạn phải có chìa khóa để mở, hoặc phải đoán dựa trên trọng lượng, tiếng rung khi lắc.

File máy tính cũng chia thành hai loại tương tự.

File “trong suốt” là những file văn bản thuần như TXT, CSV, Markdown. Bạn mở bằng Notepad là thấy ngay nội dung, từng chữ từng số rõ ràng. Agent đọc những file này giống như nhìn vào hộp trong suốt, chính xác tuyệt đối, không bao giờ sai.

File “bị khóa” gồm hai loại nhỏ:

Thứ nhất là file đóng gói như Word (.docx) và Excel (.xlsx). Thực chất đây là những “hộp” chứa nhiều file nhỏ bên trong, được nén lại và đóng gói theo cấu trúc riêng. Agent không có sẵn “chìa khóa” để mở trực tiếp, phải dùng công cụ đặc biệt (như thư viện Python) để giải mã cấu trúc bên trong. Nếu mở không đúng cách, cấu trúc sẽ bị phá vỡ và dữ liệu sẽ sai.

Thứ hai là file ảnh như JPG, PNG, hoặc PDF scan. Đây không phải “hộp bị khóa” mà là “hộp mờ”. Agent phải nhìn qua lớp kính mờ và đoán xem bên trong có gì. Nếu kính quá mờ (ảnh chất lượng kém), Agent sẽ đoán sai.

Đây chính là điều xảy ra trong tình huống hóa đơn. Agent không đọc sai vì kém. Agent đọc sai vì những bức ảnh như những chiếc hộp mờ, một số mờ ít (đọc đúng), một số mờ nhiều (đọc sai hoặc không đọc được).

2.5.3 Quy tắc vàng trong xử lý file

Từ câu chuyện trên, ta rút ra được một quy tắc đơn giản để đánh giá năng lực xử lý file của Agent:

Nếu Agent tự tạo ra được loại file đó, thì chắc chắn Agent đọc và sửa được loại file đó một cách hoàn hảo.

Agent có thể tự tạo file văn bản, file CSV, file Markdown, file code. Đây là những “hộp trong suốt” mà Agent có thể nhìn thấu hoàn toàn. Do đó, Agent đọc và sửa những file này một cách chính xác tuyệt đối.

Agent không thể tự tạo file ảnh chụp từ máy ảnh, cũng không thể tạo file Word hay Excel từ con số không (Agent cần có file mẫu hoặc dùng công cụ). Do đó, khi làm việc với những file này, Agent phải dùng “chìa khóa” hoặc phải “nhìn qua kính mờ”. Kết quả có thể đúng, có thể sai, tùy thuộc vào điều kiện.

Giải pháp đơn giản: Nếu muốn Agent xử lý chính xác, hãy chuyển dữ liệu sang định dạng “trong suốt”. Với văn bản, chuyển sang TXT hoặc Markdown. Với bảng tính, chuyển sang CSV. Đây là cách biến “hộp bị khóa” thành “hộp trong suốt” để Agent đọc chính xác.

Hiểu được quy tắc này, bạn sẽ biết khi nào có thể tin tưởng Agent hoàn toàn, và khi nào cần kiểm tra lại kết quả.

2.5.4 Ba nhóm năng lực theo độ tin cậy

Để dễ nhớ, ta chia năng lực xử lý file của Agent thành ba nhóm theo mức độ tin cậy: cao, trung bình, và thấp.

Nhóm một: Độ tin cậy cao

Đây là nhóm file Agent làm việc tốt nhất. Bạn có thể giao việc và yên tâm với kết quả, chỉ cần kiểm tra qua loa.

File văn bản thuần là những file bạn có thể mở bằng Notepad và đọc được nội dung. Bao gồm file TXT chứa văn bản đơn giản, file Markdown dùng để viết tài liệu, file CSV chứa dữ liệu dạng bảng, file JSON và YAML dùng để lưu cấu hình.

Khi làm việc với những file này, Agent đọc được từng ký tự một cách chính xác. Agent hiểu cấu trúc của file, biết đâu là tiêu đề, đâu là nội dung, đâu là số liệu. Agent có thể đọc, sửa, và tạo mới những file này mà không cần công cụ phụ trợ.

Ví dụ thực tế: Nếu bạn có sẵn danh sách hóa đơn trong file CSV với các cột Ngày, Nhà cung cấp, Số tiền, thì Agent sẽ xử lý rất tốt. Agent có thể tính tổng, lọc theo nhà cung cấp, sắp xếp theo ngày, và xuất ra báo cáo với độ chính xác cao.

File code bao gồm tất cả các ngôn ngữ lập trình như Python, JavaScript, HTML, CSS, SQL. Agent không chỉ đọc được code mà còn hiểu logic bên trong. Agent có thể tìm lỗi, đề xuất sửa chữa, và viết thêm chức năng mới.

Điều này có nghĩa là nếu bạn cần Agent phân tích dữ liệu phức tạp, Agent có thể tự viết một đoạn code để làm việc đó, chạy code, và trả về kết quả cho bạn.

Nhóm hai: Độ tin cậy trung bình

Đây là nhóm file Agent có thể làm việc được, nhưng cần thêm bước xử lý qua công cụ phụ trợ. Bạn nên kiểm tra kết quả với những file quan trọng.

File Excel và Word định dạng mới là những file có đuôi .xlsx và .docx. Đây là những file bạn tạo bằng Microsoft Office phiên bản 2007 trở lên.

Cấu trúc bên trong những file này khá phức tạp, như đã giải thích ở phần “hộp bị khóa”. Agent cần dùng thư viện Python để mở và đọc. Quá trình này mất thêm vài giây và có thể gặp lỗi nếu file có định dạng đặc biệt.

Với file Excel, Agent có thể đọc dữ liệu từ các sheet, tính toán, và tạo bảng mới. Với file Word, Agent có thể đọc nội dung văn bản và chỉnh sửa. Tuy nhiên, những định dạng phức tạp như bảng lồng nhau, hình ảnh trong văn bản, hoặc macro có thể gây khó khăn.

Lời khuyên: Nếu bạn có file Excel hoặc Word cần Agent xử lý thường xuyên, hãy xuất ra CSV hoặc Markdown trước. Việc này nâng độ tin cậy từ trung bình lên cao.

File PDF có chữ số là những file PDF được tạo từ văn bản trên máy tính, không phải scan từ giấy. Khi bạn xuất một file Word thành PDF, đó là PDF có chữ số.

Agent có thể đọc nội dung những file này bằng cách trích xuất text. Tuy nhiên, Agent không thể sửa trực tiếp nội dung PDF. Nếu cần sửa, Agent phải đọc nội dung ra, tạo file mới với nội dung đã sửa.

Nhóm ba: Độ tin cậy thấp

Đây là nhóm file Agent phải “nhìn” thay vì “đọc”. Kết quả phụ thuộc nhiều vào chất lượng file, nên luôn kiểm tra lại với dữ liệu quan trọng.

File ảnh bao gồm PNG, JPG, GIF. Agent có thể nhìn ảnh và mô tả nội dung. Agent có thể đọc chữ trong ảnh thông qua công nghệ nhận dạng ký tự (OCR), nhận diện bảng biểu và biểu đồ. Tiếng Việt có dấu được hỗ trợ.

Tuy nhiên, độ chính xác phụ thuộc hoàn toàn vào chất lượng ảnh.

Ảnh chất lượng tốt là ảnh chụp thẳng góc, đủ ánh sáng, chữ rõ nét, không bị mờ hay nhòe. Với ảnh tốt, Agent có thể đọc đúng từ 90% trở lên.

Ảnh chất lượng kém là ảnh chụp nghiêng, thiếu sáng, chữ nhỏ hoặc mờ, có nhiều nhiễu. Với ảnh kém, Agent có thể đọc sai hoặc bỏ qua hoàn toàn.

Mẹo thực tế: Trước khi giao ảnh cho Agent xử lý, hãy tự nhìn ảnh và tự hỏi: “Nếu tôi phải đọc ảnh này, tôi có đọc dễ dàng không?” Nếu bạn còn khó đọc thì Agent cũng sẽ khó đọc.

File PDF scan là những file PDF được tạo từ máy quét hoặc chụp ảnh tài liệu giấy. Thực chất đây là file ảnh được đóng gói lại, giống như “hộp mờ” đã giải thích ở trên. Agent xử lý giống như ảnh thông thường, với những hạn chế tương tự.

File video và audio cần thêm bước chuyển đổi. Video được tách thành các hình ảnh riêng lẻ và file âm thanh. Audio được chuyển thành văn bản bằng công nghệ nhận dạng giọng nói. Quá trình này mất thời gian: khoảng một đến ba phút cho mỗi phút audio, và hai đến năm phút cho mỗi phút video.

2.5.5 Ứng dụng vào bài toán hóa đơn

Bây giờ bạn đã hiểu ba nhóm năng lực, hãy xem lại tình huống ban đầu và cách giải quyết tốt hơn.

Trong tình huống đó, nhân viên kế toán giao cho Agent 50 file ảnh chụp hóa đơn. Đây thuộc nhóm ba, nhóm có độ tin cậy thấp. Agent có thể làm được, nhưng kết quả phụ thuộc vào chất lượng ảnh.

Cách làm tốt hơn trong ngắn hạn:

Trước khi giao cho Agent, bạn nên kiểm tra qua các ảnh. Những ảnh mờ hoặc nghiêng cần chụp lại. Những ảnh có chữ quá nhỏ cần phóng to hoặc chụp cận hơn.

Sau khi Agent xử lý xong, bạn nên kiểm tra lại kết quả bằng cách chọn ngẫu nhiên năm đến mười hóa đơn, so sánh số tiền trong ảnh gốc với số tiền Agent trích xuất. Nếu có sai lệch nhiều, cần yêu cầu Agent xử lý lại với hướng dẫn cụ thể hơn.

Cách làm tốt hơn trong dài hạn:

Nếu đây là công việc lặp lại hàng tháng, bạn nên đề xuất với công ty yêu cầu nhà cung cấp gửi hóa đơn điện tử định dạng PDF có chữ số hoặc Excel thay vì hóa đơn giấy. Nhiều nhà cung cấp hiện nay đã hỗ trợ hóa đơn điện tử.

Với hóa đơn điện tử dạng Excel hoặc PDF có chữ số, Agent sẽ xử lý chính xác và

nhanh chóng, không còn lo sai số nữa.

Đây chính là tư duy xây dựng Song Sinh Số: không chỉ là giao việc cho Agent, mà còn là thiết kế lại quy trình để Agent làm việc hiệu quả nhất.

2.5.6 Những định dạng file không được hỗ trợ

Có một số định dạng file Agent hiện tại không hỗ trợ. Bạn cần chuyển đổi trước khi giao cho Agent.

File nén như ZIP, RAR chứa nhiều file bên trong. Agent không thể đọc trực tiếp mà cần giải nén ra thư mục trước.

File chuyên dụng như Photoshop (.psd), AutoCAD (.dwg), file thiết kế đồ họa chuyên nghiệp không được hỗ trợ. Cần xuất ra định dạng phổ thông như PNG, JPG hoặc PDF trước khi giao cho Agent.

File có mật khẩu hoặc mã hóa không thể đọc được. Cần mở khóa trước.

2.5.7 Lời khuyên thực tế cho doanh nghiệp

Khi xây dựng Song Sinh Số cho doanh nghiệp, việc chuẩn hóa format file là một trong những bước quan trọng nhất để Agent làm việc hiệu quả.

Ưu tiên file văn bản thuần. CSV và Markdown là hai format Agent xử lý nhanh và chính xác nhất. Nếu dữ liệu đang ở Excel, hãy xuất ra CSV trước khi giao cho Agent. Nếu tài liệu đang ở Word, hãy cân nhắc chuyển sang Markdown.

Giữ nguyên file gốc. Luôn lưu file gốc vào thư mục riêng và để Agent làm việc trên bản sao. Điều này giúp tránh mất dữ liệu nếu xảy ra lỗi. Đây cũng là một Rule quan trọng nên đặt cho Agent.

Đặt tên file có ý nghĩa. Tên file nên mô tả rõ nội dung, ví dụ “BaoCao_DoanhThu_Thang1_2026.csv” thay vì “data.csv” hoặc “file1.csv”. Agent sẽ dễ hiểu ngữ cảnh hơn khi tên file có ý nghĩa.

Tổ chức thư mục logic. Đặt các file liên quan vào cùng thư mục với tên rõ ràng. Ví dụ, tất cả hóa đơn tháng 1 vào thư mục “HoaDon_2026_Thang01”, tất cả báo cáo vào thư mục “BaoCao_2026”. Điều này giúp Agent tìm kiếm và xử lý hiệu quả hơn.

Xây dựng quy trình chuyển đổi. Nếu doanh nghiệp thường xuyên nhận file từ bên ngoài ở định dạng không tối ưu, hãy xây dựng quy trình chuyển đổi. Ví dụ, khi nhận được file Excel từ đối tác, bước đầu tiên là xuất ra CSV rồi mới xử lý tiếp.