Pango AIPango AI Team
Module 05: Enterprise AI Agent
Module 05 • Autonomous Agent & Tool Calling

Kiến Trúc Kỹ Thuật & Tích Hợp Đủ Dùng

Mô hình kiến trúc kỹ thuật tinh gọn, mức độ đủ dùng cho Enterprise AI Agent: Cấu hình Prompt thực tế, kết nối RAG Knowledge Base và tích hợp API tra cứu cơ bản.

⚙️ Kiến Trúc Kỹ Thuật & Tích Hợp Đủ Dùng

Trong giai đoạn hiện tại, Pango AI Team ưu tiên thiết kế kiến trúc kỹ thuật cho Tác tử AI theo nguyên tắc: Gọn nhẹ, ổn định, dễ vận hành và không gây phát sinh chi phí token lãng phí.

Thay vì triển khai các mô hình điều phối đa tác tử phức tạp gây khó khăn cho việc bảo trì, hệ thống tập trung vào 3 thành phần kỹ thuật cốt lõi:

Sơ Đồ Trực Quan (Interactive Flowchart)
Đang tạo biểu đồ trực quan...

1. Cấu Hình System Prompt Thực Chiến

System Prompt là "kim chỉ nam" quy định phong cách làm việc của Agent. Thay vì viết những câu lệnh quá dài hoặc trừu tượng, Prompt được tinh chỉnh theo cấu trúc rõ ràng:

### 1. Vai Trò & Giọng Văn
- Bạn là Trợ lý tư vấn chính thức của [Tên Doanh Nghiệp].
- Giọng điệu: Thân thiện, lịch sự, chuyên nghiệp, ngắn gọn và xưng hô chuẩn mực theo văn hóa Việt Nam.

### 2. Nguyên Tắc Trả Lời (Bắt Buộc)
- CHỈ trả lời dựa trên thông tin có trong tài liệu được cung cấp bên dưới.
- Nếu thông tin KHÔNG có trong tài liệu: Hãy lịch sự nói "Dạ hiện tại em chưa có thông tin này trong tài liệu hướng dẫn, anh/chị vui lòng liên hệ hotline [Số Hotline] để được chuyên viên hỗ trợ chi tiết ạ!".
- TUYỆT ĐỐI KHÔNG tự suy diễn hoặc bịa ra bảng giá, điều khoản không có trong tài liệu.

### 3. Hướng Dẫn Định Dạng
- Sử dụng gạch đầu dòng ngắn gọn để liệt kê ý.
- Nêu rõ nguồn hoặc tên tài liệu tham chiếu nếu cần thiết.

2. Kết Nối Tri Thức RAG (Knowledge Base Integration)

Đây là thành phần quan trọng nhất giúp Agent trả lời chính xác:

  • Mỗi câu hỏi của người dùng được chuyển đổi thành vector và tìm kiếm đồng thời theo ngữ nghĩa (Semantic Search) kết hợp từ khóa (BM25) trong Module 03 Knowledgebase Hub.
  • Chỉ 3 đến 5 đoạn văn bản (chunks) có độ liên quan cao nhất được trích xuất và đưa vào ngữ cảnh cho AI xử lý.
  • Điều này vừa đảm bảo câu trả lời luôn có căn cứ xác thực, vừa giữ chi phí token ở mức tối thiểu.

3. Tích Hợp API / Webhook Tra Cứu Đơn Giản

Khi doanh nghiệp cần tra cứu dữ liệu động (ví dụ: kiểm tra mã đơn hàng, xem trạng thái lịch hẹn), Agent được kết nối với API backend thông qua chuẩn RESTful hoặc Webhook đơn giản:

// 🛠️ Mẫu hàm tra cứu dữ liệu đơn giản đủ dùng
export async function queryOrderTracking(orderCode: string, customerPhone: string) {
  const res = await fetch(`https://api.doanhnghiep.vn/v1/orders/${orderCode}`, {
    headers: {
      'Authorization': `Bearer ${process.env.INTERNAL_API_KEY}`,
      'X-Customer-Phone': customerPhone,
    },
  });

  if (!res.ok) {
    return { found: false, message: "Không tìm thấy đơn hàng hoặc số điện thoại không khớp." };
  }

  const order = await res.json();
  return {
    found: true,
    status: order.status,             // Ví dụ: "Đang giao hàng"
    expectedDate: order.expectedDate, // Ví dụ: "10/09/2026"
    shipperNote: order.shipperNote,
  };
}

Ưu điểm của cách làm này:

  • Dễ kiểm soát lỗi: Kỹ sư phía doanh nghiệp dễ dàng kiểm tra log của API.
  • Bảo mật: Không cần mở quyền sâu vào cơ sở dữ liệu gốc, chỉ cần cung cấp đúng 1 endpoint đọc dữ liệu cần thiết.