Đây là bản dịch tiếng Việt cho nội dung bạn yêu cầu:
Có một hạng mục công cụ AI mới đang âm thầm hình thành: các tác nhân không sống trong một cửa sổ chat mà bạn mở ra rồi đóng lại, mà chạy liên tục trên đám mây và trò chuyện với bạn qua một ứng dụng nhắn tin, như một đồng nghiệp không bao giờ thoát ra.
Hermes là một trong những cách triển khai thú vị nhất của ý tưởng này, và điều khiến nó khác biệt so với các tác nhân tương tự như OpenClaw là một vòng lặp tự cải thiện tích hợp sẵn – một hệ thống theo dõi các cuộc trò chuyện của bạn, trích xuất các mẫu hữu ích từ chúng, và biến những mẫu đó thành các nâng cấp vĩnh viễn cho bộ nhớ và bộ kỹ năng của chính nó.
Bài viết này sẽ hướng dẫn cách Hermes được cấu tạo, cách cấu hình nó, và cách vòng lặp tự cải thiện đó thực sự hoạt động bên dưới.
Hermes là gì, và nó khác OpenClaw như thế nào
Hermes là một tác nhân AI cư trú trên đám mây, có cấu trúc tương tự OpenClaw: nó chạy 24/7 và bạn tương tác với nó thông qua một ứng dụng nhắn tin thay vì terminal hay tab trình duyệt.
Sự khác biệt đáng kể nằm ở ba điểm.
Thứ nhất, Hermes đi kèm với một thư viện kỹ năng tích hợp sẵn lớn hơn nhiều ngay khi xuất xưởng, vì vậy bạn tốn ít thời gian hơn để tự kết nối các tích hợp.
Thứ hai, quy trình thiết lập được tinh gọn đáng kể – một giao diện TUI hướng dẫn xử lý gần như mọi thứ.
Thứ ba, và quan trọng nhất, Hermes được thiết kế xoay quanh khả năng tự cải thiện liên tục: nó không chỉ thực thi các tác vụ, mà còn tích lũy kiến thức về quy trình để thực hiện chúng tốt hơn theo thời gian.
Cài đặt và Thiết lập Ban đầu
Đưa Hermes vào hoạt động chỉ cần một lệnh duy nhất.
Trên Windows, bạn chạy lệnh này trong PowerShell:
iex (irm
Trên Linux, macOS, hoặc WSL, lệnh tương đương là:
curl -fsSL
Sau khi cài đặt, khởi động lại terminal và chạy hermes setup để khởi chạy một luồng cấu hình có hướng dẫn, lần lượt hướng dẫn bạn qua các bước chọn mô hình, backend terminal, cổng nhắn tin và thiết lập công cụ.
Chọn và Định tuyến Mô hình
Quyết định thực sự đầu tiên trong quá trình thiết lập là chọn nhà cung cấp LLM nào làm "bộ não" cho tác nhân. Xác thực diễn ra thông qua OAuth thay vì các khóa API thô, điều này cho phép bạn đăng nhập thông qua một phiên Claude Code hoặc Codex CLI hiện có thay vì tạo một khóa API riêng.
Điều thực sự được thiết kế tốt ở đây là cách Hermes tách biệt mô hình được sử dụng cho cuộc trò chuyện chính của bạn khỏi các mô hình được sử dụng cho các tác vụ nền và phụ trợ. Theo mặc định, cùng một mô hình xử lý cả hai, nhưng mỗi tác vụ phụ trợ có thể được trỏ đến một nhà cung cấp khác một cách độc lập.
Các tác vụ hỗ trợ kiểu ghi đè này bao gồm:
- vision – phân tích và mô tả hình ảnh
- web_extract – tóm tắt các trang web dài
- compression – nén ngữ cảnh hội thoại đang tràn
- title_generation – tạo tiêu đề phiên
- curator – tác nhân nền chịu trách nhiệm cho vòng lặp tự cải thiện
- kanban_decomposer – chia nhỏ các tác vụ lớn thành các tác vụ con trong chế độ Kanban
- goal_judge – tác nhân kiểm tra xem liệu một /goal có thực sự đã đạt được hay không
Điều này được cấu hình trực tiếp trong config.yaml, ví dụ:
1# Primary model for chat and complex reasoning2model:3 provider: "anthropic"4 default: "claude-4-8-sonnet"5 auxiliary:6 vision:7 provider: "gemini"8 model: "gemini-2.5-flash"9 compression:10 provider: "custom"11 base_url: "http://localhost:11434/v1"12 api_key: "none"13 model: "qwen2.5:32b"
Kiểu định tuyến rõ ràng này giải quyết một vấn đề thực tế với OpenRouter như một lựa chọn mặc định: cùng một mô hình danh nghĩa thường được triển khai bởi nhiều nhà cung cấp khác nhau, thường ở các định dạng lượng tử hóa khác nhau, và OpenRouter sẽ âm thầm xáo trộn mỗi yêu cầu mới giữa khoảng hai mươi nhà cung cấp trong số đó.
Tác động thực tế là trong cùng một phiên, bạn không nói chuyện với một mô hình nhất quán duy nhất – bạn đang nói chuyện với một dàn diễn viên luân phiên gồm các phiên bản được cấu hình khác nhau của nó, một số xử lý các lệnh gọi công cụ và template lời nhắc đáng tin cậy hơn những phiên bản khác. Định tuyến thủ công bên trong Hermes tránh hoàn toàn vấn đề này.
Cũng đáng chú ý là nếu bạn muốn tiết kiệm chi phí cho mô hình hội thoại mà không hy sinh chất lượng viết code, Hermes hỗ trợ các lệnh /claude_code và /codex để ủy thác các tác vụ viết code trực tiếp cho các công cụ CLI đó thay vì xử lý chúng bằng mô hình chat đã cấu hình.
Backend Terminal
Một phần cốt lõi của kiến trúc là Môi trường Backend Terminal, nơi xác định vị trí và cách thức các lệnh shell và script Python thực sự thực thi, cũng như cách tác nhân chạm vào hệ thống tệp tin của bạn. Hermes hỗ trợ năm loại.
Local là mặc định. Các lệnh chạy trực tiếp trên máy của bạn với cùng quyền hạn như tài khoản người dùng của bạn – không có sự cô lập. Đó là lựa chọn phù hợp cho phát triển cục bộ và sử dụng cá nhân đáng tin cậy khi bạn muốn tác nhân chỉnh sửa trực tiếp các tệp dự án thực tế của mình.
Sự an toàn ở đây hoàn toàn dựa vào một hệ thống phê duyệt tích hợp sẵn, hệ thống này chặn các lệnh phá hoại (một lệnh rm -rf /, một lệnh DROP TABLE) và yêu cầu sự cho phép rõ ràng trước khi thực thi chúng.
Docker chạy tác nhân bên trong một sandbox được cô lập để nó không thể chạm vào hệ thống máy chủ của bạn. SSH cho phép tác nhân thực thi các lệnh và làm việc với các tệp trên một máy chủ từ xa thông qua một kết nối từ xa. Modal chạy mọi thứ trong các sandbox đám mây serverless – về cơ bản bạn đang thuê sức mạnh tính toán theo giây, chỉ trả tiền cho những giây thực tế mà mã của bạn chạy.
Daytona là một lớp quản lý container được xây dựng chuyên dụng cho các tác nhân viết code AI; nó nhanh hơn so với chạy Docker trực tiếp và tự động xử lý việc thiết lập môi trường và cài đặt phụ thuộc.
Đối với hầu hết các trường hợp sử dụng cá nhân, Local thực sự là đủ – các tùy chọn khác chỉ quan trọng nếu bạn đang chạy mã không đáng tin cậy hoặc vận hành ở quy mô nhóm.
Cổng Nhắn tin và Cấu hình Công cụ
Sau backend terminal, quá trình thiết lập chuyển sang chọn nơi bạn sẽ thực sự trò chuyện với tác nhân – Telegram là lựa chọn trau chuốt nhất. Chọn nó sẽ cung cấp cho bạn một liên kết trực tiếp để khởi tạo một bot đã được cấu hình sẵn; không liên quan đến việc thiết lập mã thông báo bot thủ công.
Phần còn lại của quá trình thiết lập sẽ hướng dẫn bạn kích hoạt từng công cụ và nhà cung cấp tương ứng của chúng – tự động hóa trình duyệt, tạo hình ảnh, chuyển văn bản thành giọng nói và tìm kiếm web. Đối với tìm kiếm web cụ thể, Firecrawl hoặc Exa tự lưu trữ nổi bật như những lựa chọn mạnh mẽ cho việc thu thập dữ liệu và truy xuất hướng đến tác nhân.
Tìm kiếm X (Twitter) yêu cầu đăng ký Grok để kích hoạt, điều này đáng biết trước khi bạn đi tìm nó trong menu.
Các lệnh Slash đáng biết
Hermes đi kèm với một danh sách dài các lệnh slash, hầu hết tự giải thích qua tên gọi, nhưng một số ít đáng được đề cập cụ thể.
- /background <lời nhắc> chạy một tác vụ trong nền mà không làm gián đoạn phiên chính của bạn.
- /goal đặt một mục tiêu dài hạn mà tác nhân hướng tới một cách bền bỉ, với các lệnh con để tạm dừng, tiếp tục, xóa hoặc kiểm tra trạng thái;
- /subgoal quản lý các mục tiêu nhỏ hơn nằm dưới một goal đang hoạt động.
- /kanban điều phối công việc dài hạn, bất đồng bộ trên nhiều tác nhân độc lập – hoạt động như một bảng Kanban thực tế, nơi một nhóm tác vụ được phân phối giữa các tác nhân công nhân và di chuyển qua các trạng thái cần làm, đang làm và đã hoàn thành khi nó được chuyển giao giữa chúng.
Về mặt phát triển, /github_pr_workflow xử lý toàn bộ chu trình từ nhánh đến hợp nhất bao gồm CI, /github_code_review xem xét các pull request, và /codebase_inspection phân tích sự phân bổ ngôn ngữ và số dòng của một kho lưu trữ. /dogfood là một chế độ QA chuyên dụng để tìm lỗi trong một ứng dụng web và tạo ra một báo cáo có bằng chứng hỗ trợ. /spike chạy một thử nghiệm nhanh, dùng một lần để xác thực một ý tưởng trước khi cam kết phát triển đầy đủ, và /systematic_debugging xử lý các lỗi theo bốn giai đoạn, hiểu nguyên nhân gốc rễ trước khi cố gắng sửa chữa.
Ngoài ra còn có một cụm các lệnh tích hợp cụ thể – /notion, /obsidian, /airtable, /google_workspace, /arxiv, /blogwatcher, /polymarket, /ocr_and_documents, /youtube_content – mỗi lệnh bao bọc một dịch vụ hoặc quy trình làm việc bên ngoài cụ thể, cùng với /bundles, lệnh này nhóm một số kỹ năng hiện có dưới một lệnh slash duy nhất thông qua các tệp cấu hình YAML nhỏ.
Cron job và Webhook
Hai nguyên thủy tự động hóa đặc biệt đáng chú ý.
- Cron job cho phép bạn lên lịch cho một script chạy theo thời gian định kỳ; nếu bạn truyền tham số -no-agent khi tạo một cron job, Hermes sẽ thực thi một script Python hoặc bash thuần túy và chỉ chuyển tiếp đầu ra của nó đến ứng dụng nhắn tin của bạn, mà không tiêu tốn bất kỳ token LLM nào.
- Webhook là phần mạnh mẽ hơn: chúng cho phép tác nhân phản ứng với các sự kiện bên ngoài thay vì một bộ hẹn giờ. Bạn có thể cấu hình một webhook để, ví dụ, một pull request GitHub mới tự động kích hoạt một tác nhân với một lời nhắc và bộ kỹ năng cụ thể – về cơ bản là thiết lập một tác nhân đánh giá trực tuyến mà không cần bất kỳ sự can thiệp thủ công nào cho mỗi PR.
Context Engine
Context engine điều chỉnh cách Hermes nén và quản lý lịch sử hội thoại khi nó tiến gần đến giới hạn token của mô hình và có hai tùy chọn.
- Tùy chọn mặc định, được gọi là Compressor, áp dụng tính năng tóm tắt có mất mát cho phần giữa của một cuộc trò chuyện dài.
- Tùy chọn thay thế, LCM (Quản lý Ngữ cảnh Không Mất mát), có cách tiếp cận khác về mặt cấu trúc: thay vì tạo ra một bản tóm tắt văn bản, nó xây dựng một đồ thị có hướng không chu trình về các điểm chính của cuộc trò chuyện, cho phép tác nhân điều hướng từ một góc nhìn tổng quan, được nén nhiều đến các tin nhắn gốc cụ thể hỗ trợ cho nó.
Memory Engine
Các nhà cung cấp bộ nhớ bên ngoài chạy song song với các tệp bộ nhớ cục bộ tích hợp sẵn của Hermes, MEMORY.md và USER.md, bổ sung các khả năng như tìm kiếm ngữ nghĩa và đồ thị tri thức.
Một số có thể được cấu hình trực tiếp thông qua giao diện TUI thiết lập.
- Honcho được xây dựng xoay quanh việc mô hình hóa một hồ sơ người dùng chi tiết, sử dụng các lệnh gọi LLM nền để tổng hợp các quan sát qua hai lớp: một lớp cơ sở gồm các bản tóm tắt và hồ sơ phiên, và một lớp biện chứng phân tích nhu cầu hiện tại của người dùng.
- OpenViking là một cơ sở dữ liệu ngữ cảnh xây dựng một hệ thống phân cấp kiến thức theo kiểu hệ thống tệp tin, hỗ trợ truy xuất ngữ cảnh theo nhiều tầng và tự động sắp xếp các dữ kiện được trích xuất thành sáu loại – sự kiện, mẫu, sở thích, v.v. – vào cuối mỗi phiên.
- Mem0 là một dịch vụ bộ nhớ đám mây được quản lý hoàn toàn; việc trích xuất dữ kiện diễn ra ở phía máy chủ thông qua LLM và bao gồm tìm kiếm ngữ nghĩa, sắp xếp lại kết quả và loại bỏ trùng lặp tự động, mặc dù được lưu trữ trên đám mây nên đây cũng là tùy chọn duy nhất có chi phí định kỳ.
- Hindsight là một hệ thống bộ nhớ dài hạn tiên tiến hơn được xây dựng trên đồ thị tri thức, theo phong cách GraphRAG. Nó trích xuất các thực thể từ các phiên, xây dựng mối quan hệ giữa chúng và bảo tồn toàn bộ các lượt hội thoại bao gồm cả các lệnh gọi công cụ, với bộ nhớ được chia thành bốn loại: sự thật về thế giới, trải nghiệm của chính tác nhân, ý kiến và quan sát.
- Holographic là một kho lưu trữ dữ kiện cục bộ dựa trên SQLite, không có phụ thuộc bên ngoài, bao gồm một hệ thống tính điểm tin cậy cho các dữ kiện được lưu trữ và việc sử dụng Biểu diễn Rút gọn Holographic để hỗ trợ các truy vấn tổ hợp, đại số, với khả năng tự động phát hiện các mâu thuẫn trong cơ sở tri thức của nó.
- RetainDB là một API đám mây cho bộ nhớ nhóm, cung cấp tính năng tìm kiếm kết hợp giữa vector, BM25 và các phương pháp sắp xếp lại, với bộ nhớ được chia thành bảy loại riêng biệt và nén delta để giữ cho việc lưu trữ hiệu quả.
- ByteRover là một hệ thống bộ nhớ cục bộ di động, được truy cập thông qua CLI, xây dựng một cây tri thức phân cấp và trích xuất các dữ kiện quan trọng trước khi quá trình nén có mất mát có cơ hội loại bỏ chúng khỏi ngữ cảnh.
- Supermemory cung cấp bộ nhớ dài hạn ngữ nghĩa với API đồ thị: nó tiếp nhận các nhật ký phiên đầy đủ sau khi cuộc trò chuyện kết thúc để xây dựng đồ thị tri thức của mình, định kỳ dọn dẹp các dữ kiện được thu hồi để tránh ô nhiễm từ các lượt hiện tại và có thể cô lập bộ nhớ vào các vùng chứa riêng biệt cho mỗi hồ sơ tác nhân.
Đối với sử dụng hàng ngày, bộ nhớ cục bộ mặc định thực sự đủ cho hầu hết mọi người – các hệ thống nặng hơn đánh đổi chi phí tài nguyên thực tế, đặc biệt là RAM đối với các tùy chọn lưu trữ cục bộ, để lấy khả năng mà hầu hết các quy trình làm việc chưa cần đến.
Vòng lặp Tự cải thiện
Đây là tính năng giúp phân biệt Hermes rõ nhất với một tác nhân thông thường: một tập hợp các quy trình nền không đồng bộ liên tục phân tích các cuộc trò chuyện của bạn, trích xuất các mẫu hữu ích từ chúng và ghi các mẫu đó vào bộ nhớ dài hạn và bộ nhớ thủ tục (kỹ năng) – sau đó duy trì kiến thức tích lũy đó để nó không bị suy giảm theo thời gian. Toàn bộ hệ thống chạy song song với cuộc trò chuyện chính của bạn và được xây dựng từ ba thành phần: một hệ thống kích hoạt, một tác nhân đánh giá nền và một người quản lý.
- Hệ thống Kích hoạt
Hermes không phân tích mọi tin nhắn trong thời gian thực, vì điều đó sẽ đốt token mà không có lợi ích gì. Thay vào đó, nó dựa vào hai bộ đếm kích hoạt một lượt phản ánh khi chúng vượt qua một ngưỡng.
Một bộ kích hoạt bộ nhớ kích hoạt sau mỗi mười lời nhắc của người dùng, kiểm tra xem các dữ kiện mới đáng lưu lại có xuất hiện trong cuộc trò chuyện hay không.
Một bộ kích hoạt kỹ năng kích hoạt sau mỗi mười lần lặp lại lệnh gọi công cụ trong một lượt duy nhất, dựa trên giả thuyết rằng nếu tác nhân vừa dành nhiều bước như vậy để vật lộn với một vấn đề thông qua thử và sai, thì trải nghiệm đó đáng được phân tích và có thể biến thành một kỹ năng có thể tái sử dụng.
Khi một trong hai bộ đếm đạt đến giới hạn của nó, một hàm nội bộ sẽ kích hoạt, chuyển một ảnh chụp nhanh của cuộc trò chuyện hiện tại đến một quy trình đánh giá nền.
- Tác nhân Đánh giá Nền
Ảnh chụp nhanh này được gửi đến một quy trình tác nhân riêng biệt, hoàn toàn độc lập, chạy song song mà không làm gián đoạn phiên chính của bạn. Nó hoạt động theo hai hướng.
- Về mặt khai báo, nếu nó nhận thấy các sở thích hoặc chi tiết môi trường mới của người dùng – ưa thích Supabase, một dự án bị ràng buộc với Python 3.12 – nó sẽ cập nhật MEMORY.md hoặc USER.md, tùy thuộc vào tệp mà dữ kiện đó thuộc về.
- Về mặt thủ tục, nếu nó phát hiện ra rằng tác nhân vừa giải quyết một vấn đề không tầm thường hoặc tìm ra một quy trình phức tạp, nó có thể tạo một kỹ năng mới, chỉnh sửa một kỹ năng hiện có, áp dụng một bản vá mục tiêu hoặc xóa bỏ hoàn toàn một kỹ năng. Bất kỳ kỹ năng nào nó tạo ra đều được gắn thẻ rõ ràng là do tác nhân tạo ra, để nguồn gốc của nó luôn có thể truy xuất được.
Để người quản lý cuối cùng có thể đánh giá kỹ năng nào trong số các kỹ năng tự tạo này thực sự đáng giữ lại, Hermes duy trì một nhật ký sử dụng ẩn theo dõi, cho mọi kỹ năng: số lần nó được tải vào một lời nhắc, số lần tác nhân đã mở nó để đọc, số lần nó đã được chỉnh sửa và dấu thời gian cho ngày tạo, lần sử dụng cuối cùng và lần chỉnh sửa cuối cùng.
- Người quản lý
Nếu không được kiểm soát, quy trình này cuối cùng có thể tạo ra hàng trăm kỹ năng, một số trùng lặp, một số lỗi thời.
Người quản lý tồn tại để ngăn chặn cơ sở tri thức đó bị suy giảm chất lượng. Nó chỉ bắt đầu khi hai điều kiện đồng thời được đáp ứng: đã đủ thời gian trôi qua kể từ lần chạy cuối cùng của nó (bảy ngày, theo mặc định) và tác nhân chính đã không hoạt động đủ lâu (hai giờ, theo mặc định) để một lượt bảo trì nặng không ảnh hưởng đến công việc đang hoạt động.
Trước khi thực hiện bất kỳ thay đổi nào, nó tự động sao lưu toàn bộ thư mục kỹ năng, để bất kỳ kết quả không hài lòng nào cũng có thể được khôi phục thông qua một lệnh terminal duy nhất.
Công việc của người quản lý diễn ra theo hai giai đoạn:
- Giai đoạn đầu tiên hoàn toàn là máy móc và không liên quan đến lệnh gọi LLM nào cả: nó kiểm tra các chỉ số sử dụng, đánh dấu bất kỳ kỹ năng nào do tác nhân tạo ra không được sử dụng trong hơn 30 ngày là không được dùng nữa và di chuyển bất kỳ thứ gì không được sử dụng trong hơn 90 ngày vào một thư mục lưu trữ. Các kỹ năng quan trọng có thể được ghim rõ ràng để bảo vệ chúng khỏi quy trình này.
- Giai đoạn thứ hai là một đánh giá LLM thực sự, được chạy thông qua một phiên bản tác nhân độc lập riêng biệt sử dụng bất kỳ mô hình nào được cấu hình cho tác vụ phụ trợ của người quản lý – theo mặc định là cùng mô hình với cuộc trò chuyện chính, mặc dù nó có thể được trỏ đến một thứ gì đó rẻ hơn. Cần thận trọng khi chọn mô hình quá rẻ ở đây, vì chất lượng của các quyết định này có tác động thực tế đến thư viện kỹ năng.
Đối với mỗi kỹ năng, người quản lý quyết định giữ nguyên nếu nó vẫn chính xác và hữu ích, sửa nó nếu nó chứa lỗi hoặc phương pháp lỗi thời, hợp nhất nó với một kỹ năng khác bao phủ cùng một phạm vi (di chuyển chính xác bất kỳ tập lệnh, đánh giá hoặc tệp tham chiếu liên quan nào và viết lại các đường dẫn tương đối trong quy trình) hoặc lưu trữ nó hoàn toàn.
Vào cuối chu kỳ, nó tạo ra một báo cáo chi tiết bao gồm một bản đồ đổi tên hiển thị chính xác cách các tên kỹ năng cũ được ánh xạ sang tên mới sau bất kỳ lần hợp nhất nào, để lý do đằng sau mọi quyết định đều có thể kiểm toán đầy đủ.
Sử dụng Hermes hiệu quả
Các tác nhân đám mây như thế này thực sự có giá trị cho bất kỳ quy trình nào bạn có thể chạy 24/7 – công việc viết code là một ngoại lệ đáng chú ý – với điều kiện là bạn đã thực sự số hóa quy trình đó một cách cẩn thận và xây dựng một kỹ năng vững chắc xoay quanh nó, bao gồm cả các bài đánh giá.
Quy trình làm việc thường mang lại kết quả tốt trông giống như thế này:
- Bắt đầu bằng cách ghi lại chi tiết quá trình bạn thực hiện từ đầu đến cuối, lý tưởng nhất là sử dụng một công cụ đọc chính tả để bạn nắm bắt chính xác – và bước này chỉ hiệu quả nếu bạn thực sự hiểu quy trình hoặc đã nghiên cứu nó đúng cách.
- Đưa bản ghi âm hoặc ghi chú đó vào một tác nhân viết code sử dụng công cụ tạo kỹ năng để tạo ra bản nháp đầu tiên; nó sẽ chưa đủ tốt để bàn giao, đặc biệt là đối với bất cứ thứ gì phức tạp.
- Xây dựng các bài đánh giá – các giải pháp tham chiếu đại diện cho một kết quả chính xác – vì chúng cho phép bạn thực sự đo lường liệu kỹ năng đó có hoạt động tốt hay không thay vì phỏng đoán.
- Chạy kỹ năng trong một môi trường thử nghiệm và tinh chỉnh cả bài đánh giá và nội dung kỹ năng dựa trên những gì bạn quan sát được, thực hiện hầu hết việc chỉnh sửa đó bằng tay thay vì ủy thác nó.
- Chỉ khi kỹ năng hoạt động nhất quán và có tính quyết định, nó mới nên được bàn giao cho tác nhân luôn bật. Nếu quy trình phụ thuộc vào một số dịch vụ bên ngoài, bạn nên kiểm tra xem liệu có máy chủ MCP hoặc CLI hiện có nào đã bao phủ nó hay không trước khi xây dựng một cái mới từ đầu.
Điểm rộng hơn là phạm vi những việc bạn có thể giao cho một tác nhân như thế này bị giới hạn chủ yếu bởi mức độ bạn có thể xác định rõ công việc, chứ không phải bởi khả năng thô của tác nhân.
Ba nguyên tắc dường như đúng đắn trong các trường hợp sử dụng: đừng giao phó công việc viết code cho một tác nhân đám mây không được giám sát 24/7, hãy giữ một con người trong vòng lặp để xem xét những gì tác nhân thực sự tạo ra và coi việc tinh chỉnh kỹ năng là công việc liên tục chứ không phải thứ bạn hoàn thành một lần rồi bỏ đi.
Nếu điều này hữu ích – hãy đánh dấu nó lại. Bạn sẽ muốn quay lại xem nó.
Để có thêm những bài phân tích như thế này, hãy theo dõi @ScottyBeamIO
Không lan man, chỉ có những thứ thực sự hiệu quả.
