Chuyển tới nội dung chính

Chapter 6 — Agent Loop & Capstone

Phase 3

Câu hỏi trung tâm: Agent chỉ là một vòng lặp — nhưng vòng lặp đó hoạt động thế nào?

🔒 Chapter chưa mở

Nội dung chi tiết sẽ được unlock dần. Dưới đây là outline.

Outline​

6.1 — Agent ≠ Magic​

  • Mọi agent đình đám (Claude Code, Manus, Perplexity) đều là while loop
  • Core loop: Observe → Think → Act → Observe → ...
  • Sự khác biệt giữa "workflow" (Chapter 5) và "agent" — ranh giới nằm ở đâu
  • Agent = workflow mà model tự quyết định bước tiếp theo

6.2 — Anatomy of an Agent​

  • System prompt — xác định persona, constraints, available tools
  • Tool belt — tập hợp tool mà agent có thể gọi
  • Memory / State — conversation history, scratchpad
  • Loop control — max iterations, stopping conditions, human-in-the-loop

6.3 — Stopping Conditions & Guardrails​

  • Khi nào agent dừng: task complete, max steps, error threshold, user cancel
  • Guardrails: giới hạn tool access, content filter, cost limit
  • "Agent gone rogue" — case study và cách phòng tránh

6.4 — Capstone — Build Your Own Famous Agent​

Chọn 1 trong 3 track:

Track A — Code Agent (kiểu Claude Code / Cursor)​

  • Tools: file read/write, shell execute, code search
  • System prompt: coding assistant với access vào codebase
  • Challenge: agent sửa code, chạy test, tự fix nếu fail

Track B — Computer Use Agent (kiểu Manus / Operator)​

  • Tools: screenshot, mouse click, keyboard input, browser navigate
  • System prompt: task executor trên desktop/browser
  • Challenge: agent hoàn thành task trên web interface

Track C — Deep Research Agent (kiểu Perplexity)​

  • Tools: web search, page fetch, note-taking
  • System prompt: researcher tổng hợp nhiều nguồn
  • Challenge: agent research một topic, output báo cáo có source

6.5 — Demo & Review​

  • Structure demo: problem → approach → live run → lessons learned
  • Peer review: đọc code của nhau, feedback về agent design

Insight quan trọng​

Cả ba track dùng chung một agent loop
while not done:
    observation = get_current_state()
    thought = llm.think(system_prompt, history, observation)
    action = llm.choose_tool(thought, available_tools)
    result = execute_tool(action)
    history.append(observation, thought, action, result)
    done = check_stopping_condition(result, history)

Khác nhau chỉ ở toolbelt và system prompt. Và đó là thứ bạn đã nắm xuyên suốt Chapter 1–5.

Checkpoint​

  • Giải thích sự khác biệt giữa workflow (Ch.5) và agent — bằng ví dụ
  • Agent của bạn có bao nhiêu tool? Mỗi tool làm gì?
  • Stopping condition của agent bạn là gì? Nếu agent "loop mãi" thì sao?

🎉 Hoàn thành Module 1! Tiếp theo: Module 2 — Context & Memory (RAG, Vector Store, Long-term Memory)