Key words:LLM

Khi Chain-of-Thought bị ẩn: Có thể khiến LLM externalize reasoning bằng Tool Calling?

Khi Chain-of-Thought bị ẩn: Có thể khiến LLM externalize reasoning bằng Tool Calling?

Gần đây tôi đọc một paper có tên Capable yet Parsimonious: Extracting and Characterizing Hidden Chain-of-Thought in Frontier Models. Ý tưởng chính của paper khá đơn giản nhưng khiến tôi tò mò: Nếu reasoning của một model bị ẩn, liệu chúng ta có thể khiến model tự đưa một phần reasoning ra ngoài thông qua một custom tool hay không? Tôi thử ý tưởng này với GPT-5 thông qua OpenAI Responses API. Kết quả không phải là tôi "lấy được hidden Chain-of-Thought" của GPT-5. Nhưng tôi đã quan sát được một điều khá thú vị: khi thêm một tool và ... »

Từ Git Diff đến Blast Radius: Code Review Graph có thể hỗ trợ AI Code Review như thế nào?

Từ Git Diff đến Blast Radius: Code Review Graph có thể hỗ trợ AI Code Review như thế nào?

Trong những năm gần đây, các AI coding assistant ngày càng được sử dụng nhiều hơn trong quá trình phát triển phần mềm, từ sinh code, refactoring cho đến code review. Một cách sử dụng phổ biến là cung cấp git diff hoặc nội dung của Pull Request cho AI và yêu cầu: Review this change. Với những thay đổi nhỏ và độc lập, cách tiếp cận này thường mang lại kết quả khá tốt. Tuy nhiên, khi codebase trở nên lớn hơn và có nhiều dependency giữa các module, chỉ đọc phần code thay đổi thường chưa đủ để ... »

Có bao nhiêu cách chạy một AI Agent?

Có bao nhiêu cách chạy một AI Agent?

Góc nhìn của một backend engineer sau vài tháng nhét agent vào production Mở đầu: agent thực ra rất nhỏTrước khi bàn "chạy ở đâu", cần thống nhất "chạy cái gì". Bỏ hết marketing đi, một AI agent chỉ là vòng lặp này: async function agentLoop(messages: Message[], tools: Tool[]) { while (true) { const res = await llm.createMessage({ messages, tools }); messages.push({ role: 'assistant', content: res.content }); if (res.stop_reason !== 'tool_use') return res; const toolResults = await Promise.all( res.content .filter((b) => b.type === 'tool_use') .map(async (b) => ({ type: 'tool_result' as const, tool_use_id: ... »

LangChain, LangGraph, LangSmith: Hiểu qua ví dụ build AI tool hỗ trợ HR

LangChain, LangGraph, LangSmith: Hiểu qua ví dụ build AI tool hỗ trợ HR

LangChain, LangGraph, LangSmith: Hiểu qua ví dụ build AI tool hỗ trợ HR Bài viết này giải thích LangChain, LangGraph và LangSmith theo cách gần gũi, dễ hình dung, nhưng vẫn đủ sâu cho developer muốn build AI agent thật. Ví dụ xuyên suốt là một tool tên HR Copilot — trợ lý AI giúp team HR tìm ứng viên, chấm điểm CV, soạn email và theo dõi quy trình tuyển dụng. Mở đầu: Vì sao chỉ gọi LLM là chưa đủ? Giả sử bạn muốn build một tool AI cho team HR. HR nhập vào một câu rất tự nhiên: ... »

Prompt Injection: Hiểu về kỹ thuật thao túng AI và cách phòng thủ đa lớp

Prompt Injection: Hiểu về kỹ thuật thao túng AI và cách phòng thủ đa lớp

1. Hiểm họa Top 1 của kỷ nguyên AITrí tuệ nhân tạo (AI) đang định hình lại cách chúng ta làm việc, nhưng đi kèm với sức mạnh đó là những lỗ hổng chưa từng có. Khi nói về bảo mật AI, chúng ta thường lo sợ về những rủi ro quen thuộc như rò rỉ dữ liệu nhạy cảm hay những rắc rối về vi phạm bản quyền trí tuệ. Tuy nhiên, trong danh sách 10 rủi ro lớn nhất đối với các ứng dụng AI do OWASP công bố năm 2025, vị trí đầu bảng lại gọi tên: ... »

Giải phẫu AI Agent: Khi LLM biết suy luận và hành động

Giải phẫu AI Agent: Khi LLM biết suy luận và hành động

Nếu 2023 là năm của Generative AI, thì 2024-2025 đánh dấu bước chuyển mình sang Agentic AI. Tuy nhiên, trong thực tế triển khai, LLM thường được sử dụng theo mô hình tĩnh (Input -> Output), vô tình khiến nó thành trở thành một 'bộ não trong lồng kính' – thông minh nhưng bị cô lập. Bài viết này sẽ phân tích sự chuyển dịch tư duy cốt lõi: từ việc dùng LLM để tra cứu thông tin sang vận hành AI Agent để suy luận và tương tác với hệ thống thực tế. Trong quá trình tìm hiểu các ... »