Tự động hóa truyền thống tuân theo các chỉ dẫn cố định, còn một chatbot đơn giản chỉ phản hồi tin nhắn trước mắt. Một agent định hướng mục tiêu hoạt động theo cách khác. Nó bắt đầu từ kết quả mong muốn và lập kế hoạch cho các hành động cần thiết để đạt được kết quả đó. Sau đó, nó đánh giá thông tin mới khi nhiệm vụ tiến triển. Bài viết này giải thích khái niệm, kiến trúc hỗ trợ và các trường hợp sử dụng chính. Bài viết cũng so sánh các agent định hướng mục tiêu với các loại AI agent khác và giới thiệu Kimi Agent như một cách thực tế để trải nghiệm việc thực thi nhiệm vụ hướng mục tiêu.
Agent định hướng mục tiêu là gì?
Agent định hướng mục tiêu là một hệ thống AI đưa ra quyết định và thực hiện hành động xoay quanh một mục tiêu đã xác định. Nó đánh giá trạng thái hiện tại, cân nhắc các bước tiếp theo có thể thực hiện, và chọn những hành động giúp hệ thống tiến gần hơn đến kết quả mong muốn. Agent có thể sử dụng công cụ, theo dõi tiến độ và điều chỉnh kế hoạch khi thông tin mới làm thay đổi tình huống.
Ví dụ, một agent hỗ trợ khách hàng thông thường chỉ trả lời một câu hỏi. Một agent định hướng mục tiêu có thể hướng tới việc giải quyết toàn bộ vấn đề của khách hàng. Nó có thể xem lại lịch sử tài khoản và tra cứu một cơ sở tri thức đã được phê duyệt. Sau đó, nó có thể chẩn đoán vấn đề, chuẩn bị giải pháp, hoặc chuyển lên cấp cao hơn khi bằng chứng chưa đầy đủ.
Agent định hướng mục tiêu hoạt động như thế nào?
Một agent định hướng mục tiêu thường tuân theo một vòng lặp lặp lại. Trước tiên, nó xác định kết quả mong muốn và quan sát môi trường hiện tại. Sau đó, nó tạo kế hoạch, chọn một hành động và đánh giá kết quả. Nếu kết quả không giúp nhiệm vụ tiến triển, agent có thể lập lại kế hoạch hoặc yêu cầu trợ giúp.
Xác định mục tiêu
Quá trình bắt đầu bằng việc xác định chính xác thành công là gì. Mục tiêu có thể bao gồm nhiều điều kiện liên quan, nhưng mỗi điều kiện cần có thể kiểm chứng được. Mục tiêu cũng có thể bao gồm các ràng buộc như hạn chót, nguồn dữ liệu được phê duyệt, giới hạn chi tiêu, các phê duyệt bắt buộc và những hành động bị cấm. Một mô hình ngôn ngữ có thể biến một yêu cầu mơ hồ thành các mục tiêu con cụ thể, nhưng tiêu chí thành công cuối cùng vẫn cần rõ ràng với chủ sở hữu quy trình.
Nhận thức về môi trường và trạng thái
Agent thu thập thông tin về trạng thái hiện tại từ yêu cầu của người dùng, hệ thống bên ngoài, tệp tin, cơ sở dữ liệu, phản hồi API hoặc sự kiện hệ thống. Trong môi trường robot, cảm biến cung cấp thông tin về các vật thể xung quanh và điều kiện đang thay đổi. Trạng thái cũng nên ghi lại các nhiệm vụ đã hoàn thành, các phê duyệt đang chờ và các giả định thất bại. Các giá trị lỗi và trạng thái rõ ràng giúp agent quyết định nên tiếp tục, thử lại hay chuyển lên cấp cao hơn.
Lập kế hoạch và phân rã nhiệm vụ
Mô-đun lập kế hoạch biến mục tiêu thành một lộ trình có thể thực hiện được. Nó chia một mục tiêu lớn thành các nhiệm vụ nhỏ hơn và xác định sự phụ thuộc giữa chúng. Với việc tiếp nhận nhân viên mới, kế hoạch có thể bắt đầu bằng việc thu thập và xác minh giấy tờ trước khi chuẩn bị yêu cầu tạo tài khoản và chờ phê duyệt theo vai trò. Một quy trình ổn định có thể sử dụng kế hoạch cố định, trong khi một quy trình làm việc thay đổi cần các điểm quyết định để lập lại kế hoạch dần dần.
Lựa chọn và thực thi hành động
Sau khi lập kế hoạch, agent chọn hành động tiếp theo đã được phê duyệt. Nó có thể truy vấn một hệ thống, tìm kiếm một tài liệu, cập nhật một bản ghi, hoặc hỏi một người về thông tin còn thiếu. Mỗi hành động cần có đầu vào xác định và kết quả kỳ vọng. Agent phải xác minh kết quả trước khi đánh dấu bước đó hoàn thành, và những hành động có tác động lớn nên tạm dừng để chờ con người phê duyệt.
Phản hồi và lập lại kế hoạch
Việc thực thi không phải là một quá trình một chiều. Agent so sánh kết quả mới nhất với mục tiêu và kiểm tra xem kế hoạch còn hợp lý hay không. Bằng chứng mới có thể xác nhận lộ trình hiện tại, phát hiện một trở ngại, hoặc tạo ra một phương án an toàn hơn.
Vòng lặp này có thể được biểu diễn như sau:
Mục tiêu có thể giữ nguyên trong khi lộ trình thay đổi. Một robot trong kho hàng có thể chọn một lối đi khác sau khi phát hiện chướng ngại vật. Một agent nghiên cứu có thể tìm kiếm ở một nguồn khác khi nguồn đầu tiên không trả lời được câu hỏi. Các giới hạn thực thi, chẳng hạn như giới hạn số lượt, số lần gọi công cụ, số lần thử lại hoặc thời gian, giúp ngăn hoạt động kéo dài vô thời hạn và giúp việc đo lường hiệu suất dễ dàng hơn.
Các thành phần cốt lõi của kiến trúc agent định hướng mục tiêu
Kiến trúc agent định hướng mục tiêu kết nối mục tiêu với trạng thái, kế hoạch, công cụ và sự giám sát. Cách triển khai cụ thể có thể khác nhau, nhưng mỗi thành phần cần có trách nhiệm rõ ràng.
Mục tiêu và tiêu chí thành công
Lớp mục tiêu xác định trạng thái mong muốn. Nó giải thích agent phải đạt được điều gì và điều gì được tính là hoàn thành. Nó cũng có thể xác định các điều kiện thất bại và những ràng buộc áp dụng xuyên suốt quá trình thực thi.
Ví dụ, một quy trình xử lý tài liệu có thể yêu cầu mọi trường bắt buộc phải được xác minh trước khi bản ghi được gửi đi. Một bản ghi chưa hoàn chỉnh không được coi là thành công một phần nếu quy trình yêu cầu xác minh đầy đủ. Các tiêu chí rõ ràng giúp agent dừng lại đúng thời điểm.
Mô hình thế giới và cơ sở tri thức
Một mô hình thế giới cung cấp cho agent một biểu diễn hoạt động về môi trường của nó. Mô hình này có thể bao gồm trạng thái hệ thống hiện tại, các nguồn lực sẵn có, các mối quan hệ đã biết và hậu quả có thể xảy ra của các hành động. Một cơ sở tri thức cung cấp thông tin hỗ trợ khi agent cần đưa ra quyết định.
Mô hình thế giới hữu ích vì agent không thể lập kế hoạch chỉ dựa vào mục tiêu. Nó cần hiểu quy trình hiện đang ở đâu. Nó cũng cần phân biệt ngữ cảnh nhiệm vụ tạm thời với tri thức có tính lâu dài hơn. Việc truy xuất nên cung cấp thông tin liên quan mà không đưa toàn bộ tập dữ liệu vào ngữ cảnh đang hoạt động.
Một bản ghi trạng thái được quản lý tốt có thể cho thấy các bước đã hoàn thành, các phụ thuộc đang chờ, các lần thử thất bại và trạng thái phê duyệt. Các quy tắc truy cập và nguồn gốc dữ liệu cần chi phối bất kỳ thông tin nào được lưu trữ để sử dụng sau này.
Mô-đun lập kế hoạch
Mô-đun lập kế hoạch tạo ra và cập nhật lộ trình hướng tới mục tiêu. Nó có thể tạo ra một chuỗi hành động, chia công việc cho các bộ phận chuyên trách, hoặc chọn bước tiếp theo một cách linh hoạt.
Một kế hoạch tốt cần tính đến sự phụ thuộc và tính không chắc chắn. Nó không giả định rằng mọi công cụ sẽ luôn trả về kết quả như kỳ vọng. Nó có thể bao gồm các phương án dự phòng, các bước xác thực và các điều kiện chuyển lên cấp cao hơn. Một kế hoạch nên được xem là tạm thời khi bằng chứng mới có thể làm thay đổi hành động tốt nhất tiếp theo.
Lớp công cụ và hành động
Công cụ cho phép agent tương tác với các hệ thống nằm ngoài phạm vi mô hình. Các ví dụ phổ biến bao gồm tìm kiếm, truy vấn cơ sở dữ liệu, xử lý tệp, thao tác trình duyệt, API nghiệp vụ và cập nhật bản ghi.
Mỗi công cụ cần có một hợp đồng rõ ràng. Hợp đồng này cần xác định đầu vào hợp lệ, đầu ra mong đợi, quyền hạn, lỗi và tác dụng phụ. Nên tách riêng hành động đọc và hành động ghi khi có thể. Các thao tác nhạy cảm cần áp dụng quy tắc xác thực và phê duyệt chặt chẽ hơn.
Thực thi, đánh giá và rào chắn
Lớp thực thi thực hiện hành động đã chọn. Lớp đánh giá kiểm tra kết quả so với kế hoạch và tiêu chí thành công. Rào chắn xác định những gì agent được phép làm và khi nào nó phải dừng lại.
Các quy trình sản xuất cần ghi lại các quyết định, lệnh gọi công cụ, quan sát và thay đổi trạng thái. Bản ghi này hỗ trợ việc gỡ lỗi và rà soát của con người. Các cổng phê duyệt đặc biệt quan trọng trước những hành động không thể đảo ngược, giao tiếp với bên ngoài, thay đổi tài chính hoặc cập nhật hệ thống sản xuất.
Agent dựa trên mục tiêu so với các loại AI agent khác
Agent dựa trên mục tiêu là một phần trong tập hợp rộng hơn các thiết kế AI agent. Các nhóm này có thể chồng lấn nhau, nhưng chúng làm nổi bật những cách ra quyết định khác nhau.
| Loại agent | Cách ra quyết định | Khả năng lập kế hoạch | Phù hợp nhất với |
|---|---|---|---|
| Agent phản xạ đơn giản | Phản ứng với đầu vào hiện tại | Rất ít hoặc không có | Quy tắc cố định và phản ứng tức thời |
| Agent phản xạ dựa trên mô hình | Sử dụng mô hình trạng thái nội bộ | Hạn chế | Môi trường cần trí nhớ cơ bản |
| Agent dựa trên mục tiêu | Chọn hành động hướng tới một mục tiêu đã xác định | Có | Mục tiêu rõ ràng với các con đường thay đổi |
| Agent dựa trên tiện ích | Chọn kết quả có giá trị nhất | Phân tích đánh đổi nâng cao | Nhiều mục tiêu cạnh tranh nhau |
| Agent học tập | Cải thiện dựa trên kinh nghiệm hoặc phản hồi | Có thể phát triển theo thời gian | Tác vụ hưởng lợi từ khả năng thích ứng |
Một agent phản xạ phản hồi dựa trên những gì nó thấy ở hiện tại. Một agent dựa trên mục tiêu xem xét hành động đó ảnh hưởng thế nào đến trạng thái tương lai. Hành vi hướng tới tương lai này khiến hệ thống dựa trên mục tiêu phù hợp hơn khi mục tiêu ổn định nhưng con đường đạt tới nó thì không.
Một agent dựa trên hữu ích giải quyết một bài toán quyết định khác. Nó so sánh các kết quả khả dĩ và gán giá trị cho từng kết quả. Ví dụ, một hệ thống chăm sóc khách hàng có thể cân nhắc giữa tốc độ giải quyết, chi phí hoàn tiền và mức độ hài lòng của khách hàng khi lựa chọn phản hồi. Một agent dựa trên mục tiêu thường tập trung vào việc điều kiện mục tiêu có đạt được hay không. Một hệ thống dựa trên mục tiêu vẫn có thể tích hợp thành phần học máy hoặc dựa trên hữu ích khi quy trình yêu cầu.
Agent dựa trên mục tiêu so với agent dựa trên tác vụ
Cả agent dựa trên tác vụ và agent dựa trên mục tiêu đều có thể tự động hóa những công việc hữu ích. Khác biệt nằm ở cấp độ mà hệ thống nhận chỉ thị và đo lường thành công.
| Khía cạnh | Agent dựa trên tác vụ | Agent dựa trên mục tiêu |
|---|---|---|
| Điểm khởi đầu | Một hướng dẫn cụ thể | Một kết quả mong muốn |
| Phạm vi | Một tác vụ được xác định | Một quy trình làm việc liên kết |
| Hành động tiếp theo | Thường do người dùng hoặc quy trình làm việc chỉ định | Do agent lựa chọn |
| Thước đo thành công | Hoàn thành tác vụ | Đạt được mục tiêu |
| Khả năng thích ứng | Thường bị giới hạn | Có thể lập lại kế hoạch khi điều kiện thay đổi |
| Sự tham gia của con người | Có thể cần thiết ở mỗi bước | Thường cần thiết ở các điểm ranh giới hoặc trường hợp ngoại lệ |
Agent dựa trên tác vụ hữu ích khi hành động đã được xác định rõ. Agent dựa trên mục tiêu hữu ích khi kết quả rõ ràng nhưng con đường có thể thay đổi. Một hệ thống dựa trên tác vụ có thể trích xuất một trường dữ liệu từ tài liệu. Một hệ thống dựa trên mục tiêu có thể dùng việc trích xuất đó như một bước trong quy trình lớn hơn nhằm xác thực thông tin và xử lý các ngoại lệ.
Sự khác biệt nằm ở phạm vi trách nhiệm trong quy trình làm việc, không phải số lượng agent. Một agent duy nhất có thể theo đuổi một mục tiêu rộng. Nhiều agent cũng có thể thực hiện các tác vụ riêng lẻ mà không chia sẻ một kế hoạch chung.
Các trường hợp sử dụng của agent dựa trên mục tiêu
Agent dựa trên mục tiêu phù hợp với những môi trường mà đích đến đã rõ ràng nhưng điều kiện có thể thay đổi trước khi tác vụ hoàn tất.
Robot học và tự động hóa kho bãi
Một robot trong kho có thể nhận mục tiêu di chuyển một kiện hàng đến khu vực giao hàng. Nó phải nhận diện kiện hàng, lập lộ trình, tránh chướng ngại vật và theo dõi vị trí của mình. Nếu một robot khác chặn lộ trình đã định, agent có thể đánh giá một lộ trình thay thế.
Mục tiêu vẫn giữ nguyên. Chuỗi hành động thay đổi tùy theo môi trường. Điều này khiến robot học trở thành ví dụ điển hình cho việc lập kế hoạch hướng tới trạng thái tương lai thay vì chỉ phản ứng với chướng ngại vật gần nhất.
Hỗ trợ khách hàng và xử lý sự cố
Một quy trình hỗ trợ có thể định nghĩa thành công là giải quyết vấn đề của khách hàng bằng một phản hồi chính xác và được phê duyệt. Agent có thể đọc cuộc trò chuyện, truy xuất thông tin tài khoản, tra cứu cơ sở kiến thức và xác định liệu vấn đề có cần chuyển lên cấp cao hơn hay không.
Hệ thống không nên coi là thành công ngay sau khi soạn xong một câu trả lời. Nó cần kiểm tra xem phản hồi có giải quyết đúng vấn đề hay không và liệu một hành động bắt buộc đã được hoàn tất hay chưa. Các thay đổi nhạy cảm cần luôn nằm sau một bước phê duyệt của con người.
Quá trình nhận việc của nhân viên mới
Quá trình nhận việc của nhân viên mới bao gồm các tác vụ liên kết với nhau, phụ thuộc vào vai trò, địa điểm, ngày bắt đầu và trạng thái phê duyệt. Một agent dựa trên mục tiêu có thể theo dõi kết quả tổng thể thay vì xử lý từng yêu cầu như một hành động tách biệt.
Nó có thể thu thập tài liệu, xác minh thông tin, chuẩn bị yêu cầu tài khoản, và chờ sự phê duyệt của quản lý. Nếu thiếu một trường bắt buộc, agent có thể tạm dừng hoặc yêu cầu bổ sung thông tin còn thiếu. Nó không nên bỏ qua một quy tắc phân quyền chỉ để giữ cho kế hoạch tiếp tục tiến triển.
Quy trình nghiên cứu và nội dung
Một quy trình nghiên cứu có thể bắt đầu với mục tiêu tạo ra một báo cáo có cấu trúc dựa trên bằng chứng đáng tin cậy. Agent có thể chia câu hỏi thành các chủ đề con, tìm kiếm trong các nguồn đã được phê duyệt, tổ chức các phát hiện và xác định những khoảng trống còn thiếu.
Nếu một nguồn không hỗ trợ cho một luận điểm, agent có thể điều chỉnh lại kế hoạch nghiên cứu. Một bước rà soát có thể kiểm tra xem báo cáo cuối cùng có trả lời được câu hỏi ban đầu hay không. Việc rà soát của con người vẫn quan trọng khi báo cáo ảnh hưởng đến một quyết định có hệ quả lớn.
Ứng phó sự cố và vận hành
Một agent ứng phó sự cố có thể hướng tới việc xác định nguyên nhân của một sự cố dịch vụ. Nó có thể kiểm tra nhật ký, rà soát các bản triển khai gần đây, kiểm tra các phụ thuộc và đối chiếu bằng chứng giữa các hệ thống.
Quy trình có thể thay đổi khi xuất hiện tín hiệu mới. Một agent có thể đề xuất rollback hoặc thay đổi cấu hình, nhưng các hành động ảnh hưởng đến production cần được cấp phép. Vòng lặp dựa trên mục tiêu giúp tổ chức việc điều tra mà không biến đề xuất thành hành động thực thi ngoài tầm kiểm soát.
Lợi ích của agent dựa trên mục tiêu
Xử lý tốt hơn các công việc nhiều bước
Một agent dựa trên mục tiêu có thể tổ chức các hành động liên quan xoay quanh một kết quả cuối cùng. Bạn không cần cung cấp từng bước rủi ro thấp khi quy trình đã có ranh giới rõ ràng.
Linh hoạt hơn tự động hóa dựa trên quy tắc
Các quy tắc cố định hoạt động tốt trong điều kiện ổn định. Hệ thống dựa trên mục tiêu có thể chọn một con đường được duyệt khác khi đầu vào thay đổi hoặc một hành động dự kiến thất bại.
Tiêu chí thành công rõ ràng hơn
Một mục tiêu được xác định rõ giúp việc đánh giá có ý nghĩa hơn. Hệ thống có thể kiểm tra xem kết quả mong muốn có đạt được hay không, thay vì đo lường thành công qua độ dài hay sự trôi chảy của một câu trả lời.
Tính liên tục của quy trình tốt hơn
Agent có thể lưu giữ trạng thái công việc và xác định phần nào chưa hoàn thành. Điều này quan trọng khi một quy trình tạm dừng để chờ phê duyệt hoặc chờ thông tin từ một hệ thống khác.
Ủy quyền cho con người hữu ích hơn
Con người có thể đặt ra kết quả, các ràng buộc và các điểm cần phê duyệt. Agent sau đó có thể quản lý các quyết định thường nhật trong phạm vi vận hành đó, trong khi con người xử lý các trường hợp ngoại lệ và lựa chọn có tác động lớn.
Cách thiết kế một agent dựa trên mục tiêu đáng tin cậy
Một thiết kế đáng tin cậy bắt đầu từ quy trình chứ không phải từ mô hình. Hãy dùng kiến trúc đơn giản nhất có thể hoàn thành công việc một cách an toàn.
Xác định một mục tiêu có thể đo lường được: Viết ra một điều kiện hoàn thành mà một bộ đánh giá có thể xác minh.
Đặt ra điều kiện thành công và thất bại: Giải thích khi nào agent nên tiếp tục, dừng lại, hoặc leo thang.
Chia mục tiêu thành các công việc con: Mỗi công việc con cần có đầu ra và phụ thuộc rõ ràng.
Giới hạn quyền truy cập công cụ: Chỉ cung cấp các công cụ cần thiết cho vai trò hiện tại.
Tách quyền đọc và quyền ghi: Xử lý việc truy xuất thông tin khác với các hành động thay đổi trạng thái.
Thêm các cổng phê duyệt: Yêu cầu xác nhận trước các thao tác nhạy cảm hoặc không thể hoàn tác.
Ghi lại nhật ký thực thi: Lưu lại các kế hoạch, lệnh gọi công cụ, kết quả và thay đổi trạng thái.
Đặt giới hạn thực thi: Sử dụng các giới hạn về thời gian, lượt, số lần thử lại và chi phí.
Kiểm thử toàn bộ quy trình: Đánh giá kết quả, không chỉ từng phản hồi riêng lẻ của mô hình.
Mở rộng dần dần: Bắt đầu với một agent duy nhất và chỉ thêm sự phối hợp khi xuất hiện nhu cầu thực tế đã được đo lường.
Nguyên tắc thực tế rất đơn giản: hãy dùng kiến trúc có độ phức tạp thấp nhất mà vẫn có thể hoàn thành quy trình một cách đáng tin cậy. Mức độ tự chủ cao hơn chỉ hữu ích khi nó giải quyết một vấn đề vận hành cụ thể.
Giới thiệu Kimi Agent: một agent dựa trên mục tiêu bạn có thể dùng ngay hôm nay
Vòng lặp lập kế hoạch trong hướng dẫn này không chỉ là lý thuyết. Đây chính là cách Kimi Agent thực hiện các công việc thực tế. Bạn mô tả kết quả mong muốn trong một câu, và Kimi sẽ phân tách nó thành các công việc con rồi thực thi từng bước bằng các công cụ tích hợp sẵn. Sau đó nó đánh giá kết quả trước khi trả về sản phẩm hoàn chỉnh. Không cần xây dựng lớp điều phối, không cần duy trì mã cho quy trình.
Nêu mục tiêu, nhận sản phẩm hoàn chỉnh
Kimi Agent hoạt động đúng theo cách một agent dựa trên mục tiêu nên hoạt động: hãy đưa cho nó một đích đến, không phải một quy trình. Nó tự lập lộ trình và tạo ra kết quả bạn có thể sử dụng trực tiếp.
Một báo cáo nghiên cứu có trích dẫn nguồn, thông qua Kimi Deep Research
Một trang web nhiều trang hoạt động được, xây dựng chỉ từ một bản mô tả ngắn
Một bản trình bày PPT, tài liệu hoặc bảng tính sẵn sàng để chỉnh sửa
Bạn có thể tải lên tối đa 50 tệp cùng lúc làm tài liệu nguồn, vì vậy các file PDF, slide và hình ảnh hiện có đều trở thành một phần của bối cảnh công việc.
Các tác vụ dài tự chạy đến khi hoàn tất
Một agent hướng theo mục tiêu chứng tỏ giá trị của mình ở những công việc cần nhiều hơn một bước. Kimi Deep Research thường chạy từ 10 đến 25 phút cho mỗi tác vụ và tiếp tục xử lý ở chế độ nền, nhờ đó bạn có thể rời khỏi trang và trở lại khi đã có báo cáo hoàn chỉnh. Agent tự theo dõi tiến độ của mình thay vì chờ bạn nhắc từng bước.
Mở rộng một mục tiêu thành hàng trăm tác vụ song song
Khi một agent không đủ để xử lý một công việc quy mô lớn, Kimi Agent Swarm chia mục tiêu ra cho hơn 100 agent con và hỗ trợ tới 1.500 lệnh gọi công cụ song song. Nó được thiết kế cho tìm kiếm quy mô lớn, viết nội dung dài và xử lý theo lô — vẫn là vòng lặp hướng theo mục tiêu, nhưng được nhân rộng.
Bạn vẫn là người đặt ra giới hạn
Thiết kế hướng theo mục tiêu giữ quyền kiểm soát kết quả trong tay con người, và Kimi hoạt động theo cách đó. Bạn xác định mục tiêu và các ràng buộc, sau đó xem lại kế hoạch và kết quả bàn giao. Những thông tin quan trọng và các quyết định có hệ quả lớn vẫn thuộc phạm vi con người xem xét. Tính tự chủ đảm nhận việc tìm đường đi; phán đoán vẫn thuộc về bạn.
Hạn chế và thách thức
Các agent hướng theo mục tiêu mang lại nhiều linh hoạt hơn so với tự động hóa cố định, nhưng cũng kéo theo những kiểu lỗi mới. Một mục tiêu mơ hồ có thể khiến agent đi sai hướng, trong khi một không gian quyết định lớn có thể làm việc lập kế hoạch trở nên tốn kém. Các kế hoạch cũng có thể trở nên lỗi thời khi môi trường thay đổi. Những ưu tiên xung đột nhau có thể yêu cầu lập luận dựa trên độ hữu ích hoặc phán đoán của con người thay vì một phép kiểm tra hoàn thành đơn giản. Lỗi công cụ và dữ liệu cũ tạo thêm rủi ro, đặc biệt khi agent có thể thay đổi các hệ thống bên ngoài. Vì vậy, các triển khai đáng tin cậy cần kết quả công cụ đã được kiểm chứng, việc lập lại kế hoạch có kiểm soát, quyền hạn hạn chế, nhật ký minh bạch, và sự phê duyệt của con người đối với các hành động có tác động lớn.
Kết luận
Một agent hướng theo mục tiêu hướng đến một kết quả đã được xác định, thay vì chỉ phản hồi đầu vào gần nhất. Nó dùng một vòng lặp kết nối việc lập kế hoạch với hành động, sau đó đánh giá kết quả quan sát được trước khi chọn bước tiếp theo. Cách tiếp cận này phù hợp với các quy trình mà đích đến đã rõ nhưng con đường có thể thay đổi. Hãy bắt đầu với các tiêu chí thành công rõ ràng và quyền hạn hạn chế. Chỉ tăng thêm độ phức tạp khi quy trình công việc thực sự cần. Kimi Agent cung cấp một cách thực tế để khám phá việc thực thi tác vụ hướng theo mục tiêu mà không cần tự xây dựng kiến trúc agent từ đầu.