Tác nhân tự chủ: định nghĩa và cách hoạt động

Tác nhân tự chủ là gì

Tác nhân tự chủ là một hệ thống AI tự mình làm việc để đạt được một mục tiêu. Một người mô tả kết quả họ mong muốn, và tác nhân sẽ tự xác định các bước rồi thực hiện chúng.

Giả sử ai đó muốn chọn giữa ba công cụ quản lý dự án. Một tác nhân tự chủ có thể tìm kiếm từng công cụ, mở trang giá của công cụ đó, ghi lại những điểm khác biệt và trả về một bản so sánh hoàn chỉnh. Người đó đặt ra mục tiêu và xem xét kết quả, còn tác nhân đảm nhận mọi phần việc ở giữa.

Nhiều tác nhân phần mềm hiện nay sử dụng mô hình ngôn ngữ lớn để diễn giải hướng dẫn và quyết định việc cần làm tiếp theo. Một số mô hình còn xử lý được hình ảnh hoặc âm thanh. Để tìm kiếm trên web, nhấp vào nút hoặc gửi email, tác nhân cần phần mềm kết nối mô hình với các công cụ và thực thi các yêu cầu của mô hình.

Trong ví dụ về quản lý dự án, LLM và tác nhân sẽ hoạt động như sau:

1. LLM đọc mục tiêu và viết một yêu cầu tìm kiếm giá của công cụ đầu tiên.
2. Phần mềm của tác nhân thực hiện tìm kiếm và chuyển kết quả trở lại cho LLM dưới dạng văn bản.
3. LLM đọc kết quả, chọn bước tiếp theo (mở trang giá) và viết một yêu cầu mới.
4. Chu trình này lặp lại cho đến khi LLM xác định rằng bản so sánh đã hoàn tất và viết câu trả lời cuối cùng.

Phóng to

Các cấp độ tự chủ

Trong một hệ thống AI dạng tác nhân (AI được xây dựng để thực hiện hành động, không chỉ trả lời câu hỏi), mức độ tự chủ là một lựa chọn thiết kế. Cùng một tác nhân có thể được thiết lập để hỏi trước mỗi bước hoặc tự mình hoàn thành toàn bộ nhiệm vụ.

Các nhà nghiên cứu từ Đại học Washington đề xuất một khung năm cấp độ để giải thích các mức độ tự chủ khác nhau mà một tác nhân có thể có:

Ở cấp độ 4, tác nhân có thể tự nghiên cứu và soạn thảo đơn đặt hàng nhưng tạm dừng trước khi gửi. Ở cấp độ 5, tác nhân sẽ gửi luôn đơn hàng đó.

Tác nhân AI tự chủ so với tự động hóa và chatbot

Tác nhân tự chủ khác với chatbot và tự động hóa quy trình làm việc ở hai điểm: chúng tự quyết định các bước của mình và thực hiện hành động trong các ứng dụng và trang web khác.

Chatbot trả lời câu hỏi trong cuộc trò chuyện, nhưng thường không hành động bên ngoài cuộc trò chuyện đó. Tự động hóa quy trình làm việc có hành động, nhưng chỉ bằng cách làm theo các bước mà ai đó đã thiết lập từ trước. Một loại phổ biến là tự động hóa quy trình bằng robot (RPA), tức phần mềm lặp lại các tác vụ đơn giản dựa trên quy tắc, chẳng hạn như sao chép dữ liệu từ hệ thống này sang hệ thống khác.

Tác nhân tự chủ làm được cả hai: nó hành động trong phần mềm khác và tự chọn các bước để tiến tới mục tiêu, trong phạm vi các công cụ, quyền hạn và hướng dẫn được cung cấp.

Một khiếu nại về đơn hàng bị giao chậm sẽ cho thấy sự khác biệt. Chatbot có thể trả lời bằng một lời giải thích soạn sẵn về chính sách vận chuyển. Công cụ tự động hóa quy trình làm việc có thể gửi email “đơn hàng bị chậm” tiêu chuẩn. Tác nhân tự chủ có thể tra cứu đơn hàng, phát hiện đơn hàng đã bị thất lạc trong quá trình vận chuyển, gửi hàng thay thế và cập nhật cho khách hàng.

Cách hoạt động của tác nhân tự chủ

Tác nhân tự chủ dựa vào bốn khả năng để hoàn thành một nhiệm vụ: lập kế hoạch các bước, sử dụng công cụ, ghi nhớ những gì đã làm và kiểm tra kết quả của chính mình. Với các nhiệm vụ lớn hơn, một số tác nhân còn chia công việc cho một nhóm tác nhân.

1. Chia nhỏ mục tiêu và lập kế hoạch

Một mục tiêu thường quá lớn để thực hiện trong một bước, vì vậy việc đầu tiên của tác nhân là chia mục tiêu thành các nhiệm vụ nhỏ hơn. Ví dụ: nếu người dùng yêu cầu tác nhân lên kế hoạch cho một buổi offsite của nhóm, tác nhân có thể chia mục tiêu thành chọn ngày, tìm địa điểm trong phạm vi ngân sách, kiểm tra tình trạng còn trống và soạn thư mời.

Tác nhân có thể lập kế hoạch trước hoặc lập kế hoạch trong lúc thực hiện, tùy vào cách chúng được xây dựng. Lập kế hoạch trước nghĩa là viết ra mọi bước trước khi bắt đầu, phù hợp với các nhiệm vụ ngắn và dễ dự đoán. Lập kế hoạch trong lúc thực hiện nghĩa là vạch ra một hoặc hai bước tiếp theo, hành động, rồi điều chỉnh dựa trên kết quả nhận được. Nếu địa điểm được ưu tiên hàng đầu cho buổi offsite đã kín chỗ, tác nhân có thể chuyển sang lựa chọn tiếp theo mà không phải bắt đầu lại từ đầu.

Phóng to

Một khảo sát về các tác nhân tự chủ dựa trên LLM của Đại học Nhân dân Trung Quốc cho thấy cách tiếp cận thứ hai xử lý các nhiệm vụ phức tạp tốt hơn, vì rất khó để viết ra một kế hoạch hoàn hảo trước khi thấy bất kỳ kết quả nào. Nhiều tác nhân kết hợp cả hai, phác thảo một kế hoạch đầy đủ trước rồi điều chỉnh trong quá trình làm việc.

2. Hành động bằng công cụ

Khi đã có kế hoạch, tác nhân thực hiện lần lượt từng nhiệm vụ và chọn một công cụ cho mỗi nhiệm vụ.

• Để tìm địa điểm, tác nhân có thể dùng tính năng tìm kiếm trên web với truy vấn như “địa điểm offsite cho 20 người gần Austin.”
• Để kiểm tra tình trạng còn trống, tác nhân có thể mở trang đặt chỗ của từng địa điểm trong trình duyệt và xem lịch.
• Để gửi thư mời, tác nhân có thể kết nối với email của người đó thông qua API, tức là kết nối cho phép một phần mềm yêu cầu dữ liệu hoặc hành động từ một phần mềm khác.

Sau mỗi hành động, tác nhân đọc kết quả trả về và quyết định bước tiếp theo. Nếu tìm kiếm cho ra năm địa điểm, tác nhân sẽ kiểm tra tình trạng còn trống của các địa điểm đó. Nếu trang đặt chỗ không tải được, tác nhân sẽ thử số điện thoại được niêm yết của địa điểm hoặc chuyển sang lựa chọn tiếp theo.

Những công cụ mà tác nhân được trang bị sẽ quyết định nhiệm vụ nào nó có thể tự hoàn thành. Nếu không có quyền truy cập email, tác nhân có thể soạn thư mời nhưng không thể gửi đi.

3. Theo dõi tiến độ bằng bộ nhớ

Trong quá trình làm việc, tác nhân phải theo dõi những gì đã làm và những gì đã biết được. Khi đã kiểm tra ba địa điểm, tác nhân cần biết địa điểm nào đã kín chỗ, địa điểm nào còn trống và chi phí của từng nơi. Thông tin đó nằm trong cửa sổ ngữ cảnh của LLM, tức lượng văn bản mà mô hình có thể xem xét cùng một lúc.

Các nhiệm vụ dài có thể vượt quá cửa sổ ngữ cảnh đó. Tác nhân có bộ nhớ dài hạn xử lý vấn đề này bằng cách lưu thông tin bên ngoài mô hình, thường là trong cơ sở dữ liệu, và chỉ truy xuất những gì bước hiện tại cần.

Bộ nhớ dài hạn cũng được duy trì giữa các nhiệm vụ. Khi đến lúc lên kế hoạch cho buổi offsite năm sau, tác nhân có thể dùng lại danh sách địa điểm và ngân sách của năm nay, hoặc nhớ rằng nhóm thích các địa điểm cách không quá một giờ lái xe.

4. Kiểm tra kết quả và điều chỉnh hướng đi

Trong khi làm việc, nhiều tác nhân theo dõi các dấu hiệu cho thấy một bước nào đó gặp sự cố. Nếu biểu mẫu đặt chỗ trả về lỗi hoặc tìm kiếm không có kết quả, tác nhân sẽ thử cách tiếp cận khác. Khi gặp một quyết định không nên tự mình đưa ra, chẳng hạn như có chấp nhận một địa điểm hơi vượt ngân sách hay không, tác nhân sẽ hỏi người đó và điều chỉnh dựa trên câu trả lời.

Trước khi bàn giao công việc, nhiều tác nhân sẽ xem xét lại kết quả của mình. LLM đọc lại những gì đã tạo ra, so sánh với mục tiêu và liệt kê mọi điểm còn thiếu hoặc sai. Tác nhân chỉnh sửa và kiểm tra lại cho đến khi kết quả đạt được mục tiêu. Ví dụ: nếu thư mời thiếu địa chỉ của địa điểm, bước xem xét sẽ phát hiện ra và tác nhân bổ sung trước khi gửi.

5. Chia công việc cho nhiều tác nhân

Một số nhiệm vụ được hoàn thành nhanh hơn khi nhiều tác nhân cùng đảm nhận. Một tác nhân chính sẽ chia nhỏ công việc và giao từng phần cho các tác nhân con.

Perplexity Computer hoạt động theo cách này. Một người mô tả kết quả họ mong muốn, Computer chia kết quả đó thành các nhiệm vụ và nhiệm vụ con, rồi tạo các tác nhân con để thực hiện. Tác nhân con có thể nghiên cứu trên web, tạo tài liệu, xử lý dữ liệu hoặc gọi các dịch vụ được kết nối thông qua API.

Khi Computer gặp vấn đề, nó sẽ tạo các tác nhân con mới để giải quyết. Mỗi tác nhân con cũng có thể chạy trên một mô hình AI khác nhau, nhờ đó mỗi phần công việc được giao cho mô hình phù hợp nhất.

Vì vậy, trong ví dụ về buổi offsite, một tác nhân con có thể nghiên cứu địa điểm, trong khi một tác nhân con khác kiểm tra lịch của nhóm và tác nhân con thứ ba tìm hiểu các phương án di chuyển.

Phóng to

Cách mọi người sử dụng tác nhân tự chủ

Mọi người chủ yếu sử dụng tác nhân tự chủ cho công việc tri thức hằng ngày: nghiên cứu, viết lách, email và học tập. Trong một nghiên cứu của các nhà nghiên cứu từ Harvard và Perplexity, các tác vụ về năng suất và học tập chiếm 57% số truy vấn dạng tác nhân. Các ví dụ dưới đây cho thấy tác nhân làm gì cho từng loại công việc.

Nghiên cứu và phân tích

Nghiên cứu rất phù hợp với tác nhân vì công việc này gồm nhiều bước nhỏ. Tác nhân có thể tìm kiếm, mở các nguồn, đọc và so sánh nội dung của chúng. Lấy ví dụ một truy vấn như “tìm ba nghiên cứu gần đây về làm việc từ xa và năng suất, rồi tóm tắt phát hiện của từng nghiên cứu.” Tác nhân tìm kiếm các nghiên cứu và mở những nghiên cứu liên quan nhất. Tác nhân đọc phát hiện của từng nghiên cứu và viết bản tóm tắt kèm liên kết đến mọi nguồn. Nếu một nghiên cứu yêu cầu trả phí để truy cập, tác nhân sẽ chuyển sang nghiên cứu tiếp theo. Trong nghiên cứu nói trên, việc tóm tắt và phân tích tài liệu nghiên cứu chiếm 7% số truy vấn dạng tác nhân.

Tài liệu, email và lịch

Tác nhân thường làm việc trong những công cụ mà mọi người vẫn dùng hằng ngày. Trong nghiên cứu của Harvard và Perplexity, các công cụ tài liệu của Google và email là hai loại phổ biến nhất, cùng chiếm khoảng một phần tư số truy vấn dạng tác nhân. Lấy ví dụ một truy vấn như “xem qua các email chưa đọc trong tuần này, gắn cờ mọi email từ khách hàng và soạn thư trả lời cho các yêu cầu sắp xếp lịch.” Tác nhân mở hộp thư đến và phân loại thư. Tác nhân kiểm tra lịch để tìm thời gian trống và soạn thư trả lời cho từng yêu cầu. Tác nhân có thể lưu bản nháp mà không gửi đi, để người đó có thể xem lại từng thư trước.

Học tập và bài tập

Sinh viên sử dụng tác nhân để học. Bài tập khóa học là danh mục sử dụng tác nhân lớn nhất trong nghiên cứu, chiếm 13% số truy vấn dạng tác nhân. Một truy vấn như “ra câu hỏi kiểm tra tôi về chương bốn trong tài liệu đọc của khóa học” sẽ đưa tác nhân đến trang web của khóa học, nơi tác nhân đọc chương đó, viết câu hỏi về các điểm chính và kiểm tra câu trả lời của sinh viên. Cách tiếp cận tương tự cũng hiệu quả với bất kỳ ai đang học một chủ đề mới, chẳng hạn như một nhân viên đang nhanh chóng tìm hiểu một ngành mà họ chưa quen thuộc.

Mua sắm và so sánh

Mua sắm chiếm 10% số truy vấn dạng tác nhân, chủ yếu là tìm kiếm và so sánh sản phẩm. Khi được yêu cầu “tìm một chiếc bàn đứng dưới 400 USD có đánh giá tốt,” tác nhân sẽ tìm kiếm trên nhiều nhà bán lẻ, lọc theo giá và xếp hạng, so sánh các lựa chọn hàng đầu và có thể thêm lựa chọn tốt nhất vào giỏ hàng. Việc để tác nhân so sánh các lựa chọn trên nhiều trang web có thể tiết kiệm rất nhiều thời gian, vì người đó không còn phải mở và đối chiếu từng sản phẩm.

Bảy phương pháp hay nhất khi sử dụng tác nhân tự chủ

1. Bắt đầu với các tác vụ dễ kiểm tra

Những tác vụ phù hợp nhất để bắt đầu là những tác vụ mà lỗi sai dễ phát hiện và sửa không tốn kém. Tóm tắt nghiên cứu và so sánh sản phẩm là những điểm khởi đầu tốt. Nếu tác nhân dẫn liên kết đến các nguồn của mình, việc kiểm tra kết quả chỉ mất vài phút. Khi niềm tin tăng dần, mọi người có thể giao những tác vụ dài hơn với nhiều bước hơn.

2. Đặt ra kết quả mong muốn và các ràng buộc rõ ràng

Tác nhân có thể đưa ra quyết định tốt hơn khi biết vì sao tác vụ đó quan trọng. Một truy vấn tốt giống như bản giao việc cho nhà thầu: mục đích, đối tượng, những gì đã biết và những gì đã bị loại trừ. “So sánh ba nhà cung cấp này cho một bản ghi nhớ gửi hội đồng quản trị; hội đồng quan tâm nhất đến rủi ro triển khai, và chúng tôi đã loại bỏ mọi bên không tuân thủ SOC 2” cung cấp cho tác nhân những gì nó cần để tự đưa ra phán đoán.

3. Thêm các điểm kiểm tra phê duyệt

Một số hành động không thể hoàn tác, chẳng hạn như gửi email, mua hàng, xóa tệp hoặc gửi biểu mẫu. Nếu tác nhân cho phép, hãy thiết lập để nó tạm dừng và hỏi trước khi thực hiện các bước này. Bản thân truy vấn cũng có thể đặt ra điểm dừng. “Soạn thư trả lời nhưng đừng gửi” hoặc “thêm lựa chọn tốt nhất vào giỏ hàng của tôi nhưng đừng thanh toán” cho tác nhân biết chính xác cần dừng lại ở đâu và trao lại quyền điều khiển.

4. Xem xét kế hoạch trước khi bắt tay vào việc

Với một tác vụ lớn hơn, hãy yêu cầu tác nhân phác thảo kế hoạch trước khi bắt đầu. Xem xét một kế hoạch chỉ mất một phút, và sửa một hiểu lầm ở giai đoạn đó ít tốn kém hơn nhiều so với việc phát hiện ra nó trong một sản phẩm đã hoàn thành.

5. Chỉ cấp quyền truy cập vào những gì tác vụ cần

Mọi tài khoản mà tác nhân có thể truy cập đều là tài khoản mà nó có thể thao tác trong đó. Chỉ kết nối những ứng dụng mà tác vụ yêu cầu sẽ giúp giữ dữ liệu nhạy cảm ngoài tầm với và hạn chế những sự cố có thể xảy ra. Một tác nhân nghiên cứu nhà cung cấp không cần quyền truy cập email. Một tác nhân soạn thư trả lời thì cần, nhưng có thể không cần quyền gửi chúng.

6. Đưa các bước kiểm tra vào truy vấn

Tác nhân vốn đã tự xem xét kết quả của mình, vì vậy truy vấn có thể cho chúng biết cần kiểm tra điều gì. Nêu rõ một kết quả tốt trông như thế nào (“mọi số liệu đều cần có nguồn từ năm 2025 trở đi”) sẽ khiến tác nhân áp dụng tiêu chuẩn đó trước khi bàn giao công việc. Yêu cầu tác nhân tách biệt các dữ kiện đã được xác nhận khỏi những suy luận của chính nó, đồng thời đánh dấu các giả định, sẽ giúp người dùng xem xét nhanh hơn và tập trung hơn.

7. Tái sử dụng những gì hiệu quả

Một truy vấn từng mang lại kết quả tốt có thể trở thành mẫu cho tác vụ tương tự tiếp theo. Đưa cho tác nhân một ví dụ về kết quả tốt, chẳng hạn như báo cáo của quý trước, thường hiệu quả hơn việc mô tả định dạng bằng lời. Các tác vụ định kỳ có thể trở thành quy trình làm việc cố định.

Cách Perplexity tiếp cận tác nhân tự chủ

Perplexity cung cấp hai tác nhân tự chủ. Comet Assistant xử lý các tác vụ hằng ngày ngay trong trình duyệt, còn Perplexity Computer đảm nhận các dự án lớn hơn có thể chạy trong nhiều giờ hoặc lâu hơn.

Comet Assistant được tích hợp sẵn trong Comet, trình duyệt AI của Perplexity. Comet Assistant hoạt động trên các trang web mà người dùng đang mở, nhờ đó có thể lên lịch cuộc họp, chỉnh sửa tài liệu, gửi email và đặt vé máy bay mà không cần chuyển đổi công cụ.

Computer chạy trên đám mây và chia mỗi mục tiêu cho các tác nhân con, như đã mô tả ở trên. Computer kết nối với hàng trăm dịch vụ, và người dùng có thể chọn các mô hình AI cụ thể cho từng phần cụ thể của công việc. Computer hiện có sẵn cho người đăng ký gói Pro và Max.

Khám phá Comet Assistant để dùng thử tác nhân trong trình duyệt, hoặc Perplexity Computer để giao một dự án lớn hơn.

Câu hỏi thường gặp

Tác nhân tự chủ có giống với AI tác nhân không?

Không, nhưng hai thuật ngữ này có phần trùng lặp. AI tác nhân thường chỉ nhóm rộng hơn gồm các hệ thống AI theo đuổi mục tiêu bằng cách lập kế hoạch và thực hiện hành động. Tác nhân tự chủ là một hệ thống cụ thể trong nhóm đó, thực hiện công việc mà ít cần phê duyệt từng bước.

Có phải mọi tác nhân AI đều tự chủ không?

Không. Một số tác nhân chỉ thực hiện từng bước khi có người chỉ dẫn, trong khi những tác nhân khác tự hoàn thành toàn bộ tác vụ. Các mức độ tự chủ đã mô tả ở trên cho thấy toàn bộ phạm vi, từ những tác nhân mà con người vận hành từng bước đến những tác nhân mà con người chỉ cần giám sát.

Tác nhân tự chủ có thể mua hàng hoặc thanh toán không?

Một số tác nhân có thể hỗ trợ mua hàng, tùy thuộc vào trang web, quyền hạn và các biện pháp bảo vệ. Comet Assistant có thể so sánh sản phẩm và hỗ trợ các quy trình thanh toán. Instant Buy của Perplexity cho phép người dùng đủ điều kiện tại Hoa Kỳ mua các sản phẩm được hỗ trợ ngay trong Perplexity, với PayPal là một tùy chọn thanh toán.

Tác nhân tự chủ có đòi hỏi kỹ năng lập trình không?

Nhiều tác nhân dựng sẵn có thể được sử dụng mà không cần lập trình. Một số nền tảng cũng cho phép mọi người xây dựng tác nhân thông qua hướng dẫn bằng ngôn ngữ tự nhiên hoặc giao diện đồ họa. Lập trình có thể hữu ích cho các tích hợp tùy chỉnh, gỡ lỗi và những hành vi chuyên biệt hơn.