Làm Chủ AI Agent Đa Phương Thức 2024: Giải Phóng Sức Lao Động Để Trở Về Đời Thực

Nói thẳng luôn là năm 2024 này, nếu anh em vẫn chỉ dùng chatbot văn bản hỏi-đáp đơn thuần thì hơi phí. Mình thấy giới công nghệ đang dịch chuyển mạnh sang AI đa phương thức với GPT-4o, Claude 3.5 Sonnet, hay các mô hình gọn nhẹ như Llama 3 chạy trực tiếp trên máy trạm. Trí tuệ nhân tạo giờ nhìn được ảnh, nghe được giọng nói và tự hành động qua các AI Agent. Nhưng mà, nói đi cũng phải nói lại, nhiều ông cứ cắm mặt vào cài cắm plugin, nối API khắp nơi rồi ngồi ì 14 tiếng mỗi ngày trước màn hình. Làm vậy khác gì tự biến mình thành nô lệ cho đống luồng tự động hóa đâu. Hôm nay mình thử kể cách mình dựng một AI Agent cá nhân tinh gọn để tối ưu bớt việc lặp đi lặp lại. Trước đây cứ phải copy tài liệu, paste vào khung chat rồi đợi kết quả rất mất thời gian. Giờ nhờ tính năng Function Calling và xử lý đa phương thức, một Agent hoàn chỉnh có thể tự nhìn ảnh chụp màn hình lỗi, tra cứu cơ sở dữ liệu qua RAG hoặc thực thi lệnh terminal. Để đỡ tốn kém tiền mua API thương mại và bảo mật dữ liệu dự án, mình chọn cách chạy local agent với Llama 3 bản 8B-Instruct qua Ollama. Cấu hình máy giờ cũng nhẹ thở hơn, cứ card RTX dòng 40 hoặc MacBook Apple Silicon 16GB RAM là chạy mượt. Dưới đây là đoạn code Python cơ bản mình hay dùng với thư viện LangChain để Agent tự đọc tài liệu PDF và trích xuất task:

from langchain_community.llms import Ollama
from langchain.agents import initialize_agent, Tool
from langchain.agents import AgentType

llm = Ollama(model="llama3:8b")

def read_project_spec(query: str):
    return "Dự án yêu cầu chuẩn hóa API gateway và tối ưu hóa truy vấn DB."

tools = [
    Tool(
        name="DocReader",
        func=read_project_spec,
        description="Hữu ích khi cần tra cứu tài liệu dự án"
    )
]

agent = initialize_agent(
    tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)

agent.run("Hãy phân tích yêu cầu chính của dự án và lập checklist hành động.")

Nhờ có con agent nhỏ này, mỗi sáng mình chỉ cần ném brief vào thư mục là nó tự bóc tách việc và bắn thông báo qua bot Telegram trước 8h30. Công việc gọn gàng thì đúng 17h30 mình đóng máy, xách xe chạy vòng quanh phố hít thở không khí chứ chẳng việc gì phải ôm đống code thâu đêm suốt sáng rồi than thở không có thời gian tìm người yêu. AI suy cho cùng cũng chỉ là công cụ để gánh việc nhàm chán. Còn chuyện rung động hay trải nghiệm thực tế ngoài đời thì máy móc làm sao thay thế được. Mà thôi, nói vậy không biết anh em trong diễn đàn đã ứng dụng con AI Agent nào vào việc hằng ngày chưa? Anh em đang dùng giải pháp cloud hay tự host mô hình mã nguồn mở trên máy tính cá nhân?