Công cụ và Bộ nhớ: Giúp AI agent trở nên thông minh hơn

Email agent của bạn từ Bài học 4 hoạt động. Nhưng nó hơi "ngu ngốc".

🔄 Tóm tắt nhanh: Trong Bài học 4, bạn đã xây dựng một hệ thống đọc email, phân loại chúng (hỗ trợ, bán hàng, phản hồi) và gửi phản hồi tự động. Nó hoạt động — nhưng không thể tra cứu bất cứ điều gì, và nó quên mọi cuộc hội thoại ngay khi kết thúc.

Hiện tại, agent của bạn giống như một nhân viên chỉ có thể đọc và trả lời email. Họ không thể kiểm tra CRM. Họ không thể tìm kiếm trong cơ sở kiến ​​thức. Họ không thể nhớ rằng khách hàng này đã gọi ba lần vào tuần trước về cùng một vấn đề.

Các công cụ và bộ nhớ sẽ khắc phục điều đó.

Công cụ: Trao quyền cho agent của bạn

Công cụ là bất kỳ dịch vụ bên ngoài nào mà agent của bạn có thể truy cập trong quá trình làm việc. Hãy nghĩ về các công cụ như những ứng dụng trên điện thoại của agent — mỗi ứng dụng cho phép nó thực hiện một điều gì đó mới.

Các công cụ hữu ích nhất cho agent không cần code:

Cách thêm công cụ trên từng nền tảng:

• Zapier: Thêm bước hành động mới → tìm kiếm ứng dụng → ủy quyền → cấu hình dữ liệu cần lấy hoặc đẩy
• Make: Thêm mô-đun mới → chọn ứng dụng → kết nối tài khoản của bạn → ánh xạ các trường dữ liệu
• n8n: Thêm nút → tìm kiếm tích hợp → xác thực → thiết lập thao tác

Vậy là xong. Nền tảng sẽ xử lý các lần gọi API, xác thực và định dạng dữ liệu. Bạn chỉ cần chọn ứng dụng và cho nó biết cần làm gì.

✅ Kiểm tra nhanh: Agent cần kiểm tra xem khách hàng có sử dụng gói trả phí hay không trước khi chuyển tiếp yêu cầu hỗ trợ. Bạn sẽ kết nối công cụ nào?

Đáp án: Hệ thống CRM hoặc hệ thống thanh toán của bạn — Stripe, HubSpot, Salesforce, hoặc bất kỳ hệ thống nào khác lưu trữ dữ liệu đăng ký. Agent sẽ truy vấn email của khách hàng, lấy loại gói dịch vụ của họ và chuyển tiếp tương ứng. Khách hàng cao cấp có thể được chuyển tiếp trực tiếp cho nhân viên hỗ trợ, trong khi người dùng miễn phí sẽ nhận được phản hồi tự động.

Kết nối công cụ đầu tiên của bạn

Hãy nâng cấp hệ thống xử lý email tự động của bạn với công cụ ghi nhật ký Google Sheets. Mỗi email được xử lý đều được ghi lại — người gửi, chủ đề, phân loại, thời gian.

Bước 1: Tạo một bảng tính Google Sheets với các cột sau: Ngày, Người gửi, Chủ đề, Phân loại, Phản hồi đã gửi.

Bước 2: Thêm công cụ vào quy trình làm việc của bạn:

• Zapier: Thêm bước "Google Sheets — Tạo hàng trong bảng tính" sau bước phân loại
• Make: Thêm mô-đun Google Sheets → thao tác "Add a Row"
• n8n: Thêm nút Google Sheets → thao tác "Append"

Bước 3: Ánh xạ các trường:

• Ngày → Dấu thời gian hiện tại (sử dụng định dạng ngày)
• Người gửi → Địa chỉ email người gửi từ trình kích hoạt
• Chủ đề → Chủ đề email từ trình kích hoạt
• Phân loại → Kết quả đầu ra của AI từ bước phân loại của bạn
• Phản hồi đã gửi → "Có" (hoặc văn bản phản hồi)

Chạy thử nghiệm. Kiểm tra bảng tính. Bạn sẽ thấy một hàng mới với tất cả 5 trường được điền đầy đủ.

Đó là công cụ đang hoạt động. Agent của bạn giờ đã có bằng chứng bằng văn bản. Sau một tuần, bạn sẽ thấy các mẫu — có thể 60% email là hỗ trợ, 30% là bán hàng, 10% là phản hồi. Dữ liệu đó sẽ định hình các quyết định tiếp theo của bạn.

Cơ sở kiến thức: Câu trả lời thông minh hơn mà không cần prompt dài dòng hơn

Đây là một lỗi mà mọi người thường mắc phải: Nhồi nhét toàn bộ câu hỏi thường gặp vào prompt của agent. Cách này hiệu quả với 10 câu hỏi, nhưng sẽ gặp vấn đề với 100 câu hỏi.

Cơ sở kiến thức là một bộ sưu tập tài liệu có thể tìm kiếm được — chính sách đổi trả, thông số kỹ thuật sản phẩm, hướng dẫn khắc phục sự cố, bảng giá. Thay vì nhồi nhét mọi thứ vào prompt, bạn cung cấp cho agent một công cụ tìm kiếm trong cơ sở kiến thức khi cần thiết.

Cách hoạt động:

1. Khách hàng hỏi: "Chính sách đổi trả hàng điện tử của bạn là gì?"
2. Agent tìm kiếm trong cơ sở kiến thức cụm từ "chính sách đổi trả hàng điện tử"
3. Cơ sở kiến thức trả về phần liên quan
4. Agent sử dụng phần đó để soạn thảo câu trả lời

Thiết lập cơ sở kiến thức:

Đơn giản (Google Docs/Notion): Viết các câu hỏi thường gặp của bạn vào một tài liệu. Sử dụng tính năng tích hợp của nền tảng để cho phép agent tìm kiếm. Cách này hiệu quả với các cơ sở kiến thức nhỏ (dưới 50 trang).

Tốt hơn (Zendesk/Help Scout): Nếu bạn đã có trung tâm trợ giúp, hãy kết nối trực tiếp. Agent sẽ tìm kiếm các bài viết hiện có của bạn.

Tốt nhất (Cơ sở dữ liệu vector/RAG): Đối với các cơ sở kiến thức lớn, n8n hỗ trợ các kho lưu trữ vector (Pinecone, Qdrant) sử dụng tìm kiếm ngữ nghĩa — agent tìm thấy câu trả lời ngay cả khi từ ngữ của khách hàng không hoàn toàn khớp với tài liệu của bạn.

✅ Kiểm tra nhanh: Ưu điểm của cơ sở kiến thức so với việc đưa mọi thứ vào prompt là gì?

Câu trả lời: Ba ưu điểm. Thứ nhất, bạn có thể cập nhật cơ sở kiến thức mà không cần can thiệp vào agent. Thứ hai, cơ sở kiến thức có thể chứa hàng nghìn trang — prompt có giới hạn về số lượng từ. Thứ ba, agent chỉ truy xuất những gì liên quan đến mỗi câu hỏi, do đó câu trả lời sẽ tập trung và chính xác hơn.

Bộ nhớ: Giúp agent ghi nhớ

Bộ nhớ là yếu tố tạo nên sự khác biệt giữa "chức năng" và "ấn tượng". Có hai loại, và bạn cần cả hai.

Bộ nhớ ngắn hạn (Ngữ cảnh hội thoại)

Bộ nhớ ngắn hạn là những gì xảy ra trong một phiên giao tiếp duy nhất. Agent ghi nhớ những gì bạn đã nói cách đây năm tin nhắn trong cuộc hội thoại này.

Hầu hết các nền tảng đều xử lý việc này tự động. Khi bạn trò chuyện với agent, hệ thống sẽ lưu giữ lịch sử hội thoại trong ngữ cảnh. Không cần thiết lập.

Tuy nhiên: Bộ nhớ phiên có giới hạn. Hầu hết các mô hình AI có thể xử lý từ 4.000 đến 128.000 token ngữ cảnh. Đối với một agent trò chuyện, con số đó chỉ khoảng 20-200 tin nhắn trước khi các tin nhắn cũ hơn bắt đầu bị bỏ qua.

Bộ nhớ dài hạn (Lưu trữ bền vững)

Bộ nhớ dài hạn tồn tại giữa các phiên giao tiếp. Agent ghi nhớ rằng khách hàng này thích nhận thông tin qua email, đã mua sản phẩm X vào tháng trước và gặp sự cố về hóa đơn đã được giải quyết vào ngày 1 tháng 3.

Cách triển khai bộ nhớ dài hạn:

Tùy chọn 1: Lưu trữ cặp Key-value. Lưu trữ các thông tin đơn giản: customer_preference: email, plan_type: premium, last_issue: billing. Tính năng Storage của Zapier và các biến tích hợp sẵn của n8n sẽ xử lý việc này.

Tùy chọn 2: Bản ghi cơ sở dữ liệu. Lưu trữ dữ liệu có cấu trúc trong Airtable, Google Sheets hoặc cơ sở dữ liệu. Mỗi khách hàng sẽ có một hàng với tất cả các thuộc tính của họ. Trước khi agent phản hồi, hệ thống sẽ tra cứu bản ghi của khách hàng.

Tùy chọn 3: Nhật ký hội thoại. Lưu trữ toàn bộ bản ghi hội thoại. Trước mỗi phiên mới, hãy lấy 3-5 cuộc hội thoại gần nhất và đưa chúng vào ngữ cảnh của agent. Điều này cung cấp cho agent lịch sử chi tiết nhưng sử dụng nhiều token hơn.

Thời điểm lựa chọn mỗi tùy chọn:

Ví dụ thực tế: Thêm bộ nhớ cho email agent

Email agent của bạn từ Bài học 4 phân loại email nhưng coi mọi người gửi là người lạ. Hãy khắc phục điều đó.

Thêm một Google Sheet làm "bộ nhớ khách hàng":

1. Tạo một bảng tính với các cột: Email, Tên, Lịch sử danh mục, Lần liên hệ cuối, Ghi chú
2. Trước khi phân loại, hãy thêm bước tìm kiếm: Tìm kiếm email của người gửi trong bảng tính
3. Nếu tìm thấy, hãy bao gồm lịch sử của họ trong prompt AI: "Khách hàng này đã liên hệ với chúng tôi 3 lần. Các vấn đề trước đây: thanh toán, vận chuyển. Phương thức liên hệ ưa thích: email."
4. Sau khi xử lý, cập nhật hàng của họ với tương tác ngày hôm nay

Bây giờ agent của bạn biết rằng sarah@example.com là một khách hàng quen thuộc luôn có câu hỏi về thanh toán. Nó có thể xử lý nhanh hơn, tham chiếu các vấn đề trước đây và tránh hỏi những câu hỏi mà cô ấy đã trả lời.

✅ Kiểm tra nhanh: Một khách hàng liên hệ với agent của bạn vào thứ Hai về việc chậm trễ vận chuyển. Vào thứ Tư, họ hỏi lại "Có cập nhật nào về vấn đề của tôi không?" Nếu không có bộ nhớ, điều gì sẽ xảy ra?

Đáp án: Nếu không có trí nhớ, agent sẽ không biết "vấn đề của tôi" là gì. Họ sẽ yêu cầu khách hàng giải thích lại vấn đề của mình. Với trí nhớ dài hạn, agent sẽ tra cứu hồ sơ, tìm thấy cuộc hội thoại về việc trì hoãn giao hàng hôm thứ Hai, có thể kiểm tra trạng thái và cung cấp thông tin cập nhật chính xác.

Các lỗi thường gặp về công cụ và bộ nhớ

Thiết kế cấu hình bộ nhớ cho agent AI của bạn

Trước khi kết nối các công cụ trong nền tảng, hãy xác định rõ bộ nhớ mà agent của bạn cần. Mở ChatGPT, Claude hoặc Gemini:

Đóng vai trò là kiến ​​trúc sư cho AI agent. Hãy giúp tôi xác định các công cụ và bộ nhớ mà agent của tôi cần — trước khi tôi bắt đầu kết nối mọi thứ trong Zapier/Make/n8n.

Agent của tôi:
- Mục đích (một câu): [ví dụ: "phân loại email hỗ trợ khách hàng và soạn thảo phản hồi ban đầu"]
- Kích hoạt: [khi nào nó được kích hoạt — email mới / gửi biểu mẫu / cron hàng ngày / v.v.]
- Hành động chính: [3-5 việc nó thực hiện mỗi lần chạy]
- Người nhận cuối cùng là ai: [ví dụ: "hộp thư đến của tôi", "khách hàng trực tiếp", "đội ngũ bán hàng qua Slack"]
- Rủi ro nếu nó trả lời sai: [thấp / trung bình / cao — giải thích]

Thiết kế:
1. CÔNG CỤ — liệt kê mọi dịch vụ/API bên ngoài mà agent của tôi cần. Đối với mỗi mục:
  - Mục đích sử dụng
  - Chế độ đọc, ghi, hay cả hai
  - Chế độ lỗi: điều gì xảy ra nếu công cụ này không thể truy cập được, và phương án dự phòng
  - Có tích hợp sẵn trong Zapier/Make/n8n hay không
2. BỘ NHỚ NGẮN HẠN — agent cần nhớ những gì trong một lần chạy? (thường là tự động — chỉ cần mô tả)
3. BỘ NHỚ DÀI HẠN — thiết kế lược đồ:
  - Loại lưu trữ (key-value / hàng cơ sở dữ liệu / nhật ký hội thoại / vector)
  - Các trường cụ thể (đối với mỗi trường, hãy cung cấp tên, loại, giá trị ví dụ, thời gian lưu giữ)
  - Thời điểm agent ĐỌC bộ nhớ này so với thời điểm nó GHI vào đó
4. CÁC ĐIỂM KIỂM TRA CÓ SỰ THAM GIA CỦA CON NGƯỜI — nếu mức độ rủi ro trung bình hoặc cao, những bước nào cần tạm dừng để được con người phê duyệt so với những bước nào cần chạy hoàn toàn tự động? 
5. VỆ SINH BỘ NHỚ — chính sách cho: (a) những gì cần xóa sau N ngày, (b) những gì tuyệt đối không được lưu trữ (thông tin cá nhân/bí mật), (c) cách xử lý xung đột bộ nhớ (ví dụ: khách hàng nói "thực ra, email của tôi là X" sau khi chúng ta đã lưu trữ Y).

Hãy cho tôi một đoạn văn ngắn ở cuối có tiêu đề "Rủi ro lớn nhất" — điều có khả năng nhất khiến agent này làm tôi bối rối trước mặt khách hàng hoặc đồng nghiệp, và biện pháp bảo vệ cụ thể mà tôi nên thêm vào.

Những gì bạn sẽ thấy: Một công cụ hoàn chỉnh + bản thiết kế bộ nhớ mà bạn có thể làm theo khi xây dựng. Hầu hết các agent không cần code đều trở nên lộn xộn nhanh chóng vì mọi người kết nối các công cụ một cách phản ứng — việc lập đặc tả trước giúp thiết kế của bạn gọn gàng hơn.

Lưu bản đặc tả này. Dán nó vào tài liệu của agent (ngay cả khi đó chỉ là một trang Notion). Sáu tháng nữa khi cập nhật agent, bạn sẽ tự cảm ơn mình vì đã ghi lại lý do tại sao schema lại trông như vậy.

Những điểm chính cần ghi nhớ

• Các công cụ kết nối agent của bạn với những dịch vụ bên ngoài — CRM, cơ sở dữ liệu, kho kiến ​​thức, lịch
• Kho kiến ​​thức tốt hơn việc nhồi nhét thông tin động — cập nhật một lần, agent luôn có thông tin mới nhất
• Bộ nhớ ngắn hạn (ngữ cảnh cuộc hội thoại) hoạt động tự động. Bộ nhớ dài hạn (qua các phiên) cần thiết lập rõ ràng
• Hãy bắt đầu với một hệ thống bộ nhớ đơn giản (Google Sheets hoặc kho lưu trữ cặp key-value) trước khi xây dựng các giải pháp phức tạp
• Luôn thêm chức năng xử lý lỗi cho các sự cố của công cụ — công cụ bị hỏng, mạng bị sập, API thay đổi