Đưa AI vào quy trình làm việc thực tế không thể dựa vào một agent chạy vòng lặp tự do (while-loop) vì rất dễ mất kiểm soát và tiêu tốn chi phí vô tội vạ. Graph Engineering giải quyết bài toán này bằng cách tổ chức hệ thống AI như một sơ đồ công ty: chia nhỏ công việc thành các mắt xích chuyên biệt (node), dùng chung một bảng trạng thái (shared state), và kiểm soát luồng đi bằng các rẽ nhánh rõ ràng (Fan-out, Join, Router).

Khi mới bắt đầu làm việc với AI agent, hầu hết chúng ta đều đi theo con đường quen thuộc: viết một prompt thật dài, hoặc nhét agent vào một vòng lặp tự phản hồi (while-loop) để nó tự lên kế hoạch, tự làm và tự sửa sai đến khi nào xong việc.

Cách làm này (gọi là Loop Engineering) rất tiện lợi khi thử nghiệm nhanh các tác vụ nhỏ. Nhưng khi đưa vào quy trình phức tạp đòi hỏi độ tin cậy cao, vòng lặp tự do nhanh chóng bộc lộ điểm yếu: agent rất dễ bị lạc đề, lặp đi lặp lại một lỗi mà không thoát ra được, và ngốn sạch token trong chớp mắt.

Trong video "Graph Engineering 101" của Google for Developers, hai kỹ sư Tilde Thurium và Annie Wang đã giới thiệu một hướng tiếp cận bài bản hơn: chuyển từ các vòng lặp tự do sang kiến trúc đồ thị có kiểm soát (Graph Engineering).

Dưới đây là những nguyên lý cốt lõi và bài học thực chiến để bạn áp dụng vào hệ thống AI của mình.

1. Ba trụ cột cốt lõi của Graph Engineering

Thay vì để một agent duy nhất ôm đồm mọi việc, Graph Engineering tổ chức hệ thống thành một đồ thị có hướng (directed graph) gồm các mắt xích rõ ràng:

  • Chia nhỏ mắt xích chuyên biệt (Specialized Nodes): Mỗi node đảm nhận một nhiệm vụ duy nhất. Điểm mấu chốt là node không nhất thiết phải là LLM. Bạn hoàn toàn có thể dùng một hàm Python thuần túy, một câu lệnh SQL, một công cụ quét lỗi tĩnh, hoặc một cổng phê duyệt của con người (Human-in-the-loop) để đảm bảo tính chính xác 100%.
  • Quản lý trạng thái chung (Shared State): Các node không chuyền tay nhau những đoạn hội thoại dài dòng, mà cùng đọc và cập nhật vào một bảng trạng thái chuẩn mực (typed schema). Nhờ đó, hệ thống không bao giờ bị mất ngữ cảnh hay quên dữ liệu giữa chừng.
  • Ba mô thức điều phối luồng (Control-Flow Patterns):
    • Fan-out (Chia nhánh song song): Từ một đầu vào, hệ thống kích hoạt nhiều node xử lý đồng thời để tiết kiệm thời gian (ví dụ: quét bảo mật và kiểm tra định dạng chạy song song).
    • Join (Gom tụ kết quả): Đợi tất cả các nhánh song song chạy xong rồi tổng hợp dữ liệu lại thành một báo cáo súc tích trước khi đi tiếp.
    • Router (Rẽ nhánh có điều kiện): Đánh giá dữ liệu hiện tại để quyết định node tiếp theo. Ví dụ: nếu phát hiện lỗi bảo mật nghiêm trọng thì chặn lại và báo qua Slack; nếu sạch lỗi thì tự động duyệt.

2. Ba ranh giới quan trọng cần phân biệt

Khái niệm Graph Engineering rất dễ bị nhầm lẫn với các thuật ngữ phổ biến khác trong ngành:

  • Graph Engineering vs Knowledge Graphs: Knowledge Graphs tập trung vào việc mô hình hóa dữ liệu và quan hệ ngữ nghĩa ("cái gì liên quan đến cái gì"). Còn Graph Engineering tập trung vào hành vi và luồng thực thi ("bước nào chạy trước, bước nào chạy sau, và điều kiện chuyển tiếp là gì").
  • Graph Engineering vs Loop Engineering: Loop Engineering là một chu kỳ đơn lẻ chạy vòng lặp liên tục cho đến khi đạt mục tiêu. Graph Engineering là một hệ thống gồm nhiều node và cạnh nối được định nghĩa chặt chẽ với các điểm dừng an toàn.
  • Graph Engineering vs Agent Swarms: Cả hai đều điều phối nhiều agent, nhưng Agent Swarms phù hợp cho các bài toán mở, sáng tạo, nơi các agent giao tiếp tự do và khó đoán trước. Graph Engineering lại là tiêu chuẩn cho các quy trình doanh nghiệp đòi hỏi tính kỷ luật, kiểm soát chi phí và có thể truy vết lỗi rõ ràng.

3. Ứng dụng thực tế: Quy trình duyệt code tự động (PR Review)

Một ví dụ điển hình trong Codelab của Google (Agent Development Kit - ADK) là quy trình review Pull Request trên GitHub:

  1. Khi có PR mới, một node code thuần túy tiếp nhận webhook và trích xuất các file thay đổi.
  2. Router phân loại: nếu chỉ là tài liệu (.md) thì chuyển thẳng đến agent duyệt văn phong. Nếu là code tính năng, hệ thống kích hoạt Fan-out gửi code diff cho 3 nhánh song song: quét mã độc (công cụ tĩnh), kiểm tra logic bảo mật (agent), và đo lường độ bao phủ kiểm thử (agent).
  3. Nhánh Join gom toàn bộ nhận xét của 3 nhánh lại thành một bản tóm tắt mạch lạc.
  4. Router cuối cùng quyết định: nếu có lỗ hổng nghiêm trọng thì yêu cầu sửa đổi, còn nếu đạt chuẩn thì tự động để lại bình luận phê duyệt.

4. Lời khuyên thực chiến

Nếu bạn đang xây dựng các sản phẩm AI cho công việc hàng ngày, đừng vội giao phó toàn bộ quy trình cho một prompt khổng lồ hay một vòng lặp vô định. Hãy vẽ ra sơ đồ luồng công việc trước, tách biệt phần nào cần AI suy luận và phần nào cần code xác định, rồi kết nối chúng bằng một đồ thị có kiểm soát. Đó là con đường ngắn nhất để đưa AI từ bản demo thú vị thành một hệ thống vận hành đáng tin cậy.

Nguồn tham khảo & Đọc thêm

  • Google for Developers. (2024). Graph Engineering in 5 minutes (feat. Tilde Thurium & Annie Wang). Xem trên YouTube.
  • Google Cloud. (2024). Agent Development Kit (ADK) 2: Multi-Agent Orchestration. Xem Codelab.