Agent Researcher, Planner Không Cần Chức Danh, Chỉ Cần Ranh Giới

Một coding agent hiện đại có thể nghiên cứu, lập kế hoạch, triển khai và chạy test trong cùng một phiên, nên đội agent Researcher, Planner, Developer trông giống thủ tục rườm rà. Vậy mà mô hình này rất phổ biến: ở doanh nghiệp một người (One Person Company, OPC), một nhà sáng lập vận hành các chức năng của cả công ty bằng cách giao mỗi phòng ban cho một nhân viên ảo, tức một agent profile. Điều cần xem là profile có thật sự tốt hơn một cách đơn giản hơn: để một agent đủ giỏi chạy workflow dựa trên skill.

Tên vai trò đóng góp rất ít. Một profile chỉ đáng dùng khi nó có context window riêng, quyền dùng tool riêng, model riêng hoặc một bước kiểm tra độc lập. Thiếu chúng, profile chỉ là cái nhãn, và một skill làm cùng việc với chi phí thấp hơn.

Hai Cách Tổ Chức Một Hệ Thống Agent

Ở cách A, một agent làm tất cả và nạp một skill cho từng tác vụ. Skill là một workflow được viết ra: file Markdown chứa các bước, điểm kiểm tra và kiến thức mà agent làm theo.

Ở cách B, mỗi vai trò có một profile: một cấu hình dùng lại được gồm chỉ dẫn, tool và model tùy chọn, thường là một file Markdown. Claude Code gọi chúng là subagent, VS Code gọi là custom agent, còn OpenCode gọi đơn giản là agent. Phần lớn công cụ cho dùng profile theo hai cách: chọn làm agent chính của phiên (danh sách Agent trong VS Code, phím Tab trong OpenCode, claude --agent <name> trong Claude Code), hoặc giao việc từ agent chính để nó làm trong context window riêng [1]. Ví dụ dưới đây theo định dạng của Claude Code.

---
name: reviewer
description: Reviews a finished diff for bugs and missing tests
tools: Read, Glob, Grep
model: sonnet
---
 
You review code. Report problems with file and line. Do not edit files.

Dòng tools mới là thứ thực thi vai trò. Agent này không có tool Write hay Edit, nên nó không thể tự sửa lỗi rồi giấu rằng lỗi đã từng có. Câu "You review code" chỉ yêu cầu hành vi đó.

Bước Cố Định Thuộc Về Workflow, Không Thuộc Về Persona

Anthropic tách hai khái niệm: workflow chạy theo đường code định sẵn, còn agent để model tự điều hướng quy trình và tool. Workflow cho tính dự đoán và nhất quán ở tác vụ đã xác định rõ, agent thắng khi cần linh hoạt [5].

Một lời nhắc hóa đơn hàng tháng hay một checklist deploy đều có các bước đã biết, và automation hoặc skill chạy chúng với ít token hơn, ít bất ngờ hơn. Gắn cùng các bước đó vào một persona "agent Tài chính" chỉ thêm chi phí, không thêm năng lực.

Tôi xem đây là thang đo: script cố định mọi thứ, skill đưa ra các bước để model tự điều chỉnh, còn đội profile để model chọn thêm ai làm gì. Hãy dùng mức ít linh hoạt nhất mà vẫn đủ. Tôi dùng "workflow" theo nghĩa rộng cho các bước được viết ra, còn Anthropic dành từ này cho các đường đi định nghĩa bằng code.

Thử 162 Persona: Tên Vai Trò Không Làm Tăng Độ Chính Xác

Một nhóm nghiên cứu đã thử 162 persona trên 2.410 câu hỏi dữ kiện, với bốn họ LLM. Thêm persona vào system prompt không cải thiện độ chính xác so với prompt không có persona [2]. Nghiên cứu đo câu hỏi dữ kiện chứ không phải agentic coding, nên chưa kết luận được cho code, nhưng nó gợi ý rằng một dòng như "You are a senior Planner" đóng góp rất ít cho một Planner agent.

Hình 4 từ Zheng et al. [2], giấy phép CC BY 4.0. Không persona nào có tác động tích cực có ý nghĩa thống kê lên bất kỳ model nào. Ở Flan-T5, 72,8% persona làm giảm độ chính xác.

Tên vai trò vẫn có một tác dụng đáng giữ. Một profile được thiết lập có chủ đích có thể mang tone và gu riêng: một reviewer nói ngắn gọn, một người viết theo văn phong của bạn, một planner luôn nêu đánh đổi trước. Điều đó định hình cách kết quả được trình bày, không quyết định đúng sai, và skill cũng mang được quy tắc văn phong.

Bốn Thứ Mà Một Profile Mang Lại

Cô lập context. Profile được giao việc chạy trong context window riêng, chỉ kết quả quay về cuộc hội thoại chính [1]. Tìm kiếm trong codebase qua 40 file chỉ tốn phiên chính một đoạn văn. Bài nén context cho coding agent nói về cùng áp lực này.
Quyền hạn được thực thi. Agent chỉ đọc thì không thể ghi, dù prompt nói gì.
Định tuyến model. Mỗi profile đặt được model riêng, nên việc hẹp đi tới model nhanh, rẻ hơn. Tài liệu Claude Code nêu kiểm soát chi phí là một lợi ích [1].
Kiểm chứng độc lập. Reviewer được giao riêng chưa thấy lập luận của tác giả thì không bị nó chi phối. Đây là suy luận của tôi, không phải kết quả đo được. Nghiên cứu của Google cho thấy cùng chiều: các agent độc lập khuếch đại lỗi tới 17,2 lần, còn mô hình tập trung giữ ở mức khoảng 4,4 lần [3].

Quyền hạn và định tuyến model dùng được cả hai cách, làm agent chính hoặc được giao việc. Cô lập và review độc lập cần có bước giao việc. Hai profile tôi sẽ thêm đầu tiên là explorer và reviewer, cả hai chỉ đọc.

Quy Trình Nằm Ở Skill, Ranh Giới Nằm Ở Profile

Skill và profile khác nhau ở chỗ các bước chạy ở đâu và bị bao quanh bởi giới hạn nào.

	Skill chạy trực tiếp	Profile được giao việc	Pipeline nhiều agent
Chạy trong	Context của cuộc hội thoại chính	Context window riêng	Nhiều context window và một bộ điều phối
Thêm gì	Các bước và kiến thức	Cô lập, giới hạn tool, chọn model	Bàn giao, song song, cổng kiểm tra

Các lớp này kết hợp chứ không cạnh tranh. Profile có thể nạp skill (subagent của Claude Code làm vậy qua trường skills [1]), nên quy trình nằm ở skill, còn profile thêm ranh giới. Chỉ pipeline gồm các agent đặt tên theo vai trò mới thêm lượt bàn giao giữa các context window, và đó là phần mang chi phí nặng ở mục sau. Bài Agent Skills có phải là npm của thế giới AI agent nói về cách đóng gói skill.

Khi Hệ Thống Nhiều Agent Thua Tới 70%

Công việc song song, độc lập được lợi từ nhiều agent, còn việc tuần tự, phụ thuộc nhau thì thua.

Hệ thống nghiên cứu của Anthropic vượt Opus 4 chạy một agent 90,2% trên bộ đánh giá nghiên cứu nội bộ. Nó cũng dùng khoảng 15 lần số token của một cuộc chat, và Anthropic lưu ý phần lớn tác vụ code có ít phần song song thật sự hơn nghiên cứu [4].
Nghiên cứu của Google ghi nhận phối hợp nhiều agent tăng 81% trên Finance-Agent (tác vụ song song được) và giảm 70% trên PlanCraft (tác vụ tuần tự) [3].

Viết code có nhiều phụ thuộc. Developer agent nhận bản tóm tắt từ Planner thì đã mất lý do đằng sau từng quyết định, và mỗi khoảng trống đều thành một phỏng đoán. Workflow VS Code trong bài về custom agent tuần tự xử lý việc này bằng hợp đồng tường minh ở mỗi lượt bàn giao, với cái giá là phải duy trì từng hợp đồng.

Ba Câu Hỏi Trước Khi Thêm Một Agent

Cần giới hạn khác. Nếu một bước không bao giờ được ghi file, chạy lệnh hay chạm vào production, hãy cho nó một profile với danh sách tool được phép. Bạn có thể chạy cả phiên bằng profile đó, hoặc giao riêng bước ấy cho nó.
Cần model khác. Nếu một bước đủ hẹp cho model rẻ hơn, hoặc đủ khó để đáng dùng model mạnh hơn, hãy cho nó một profile với model riêng.
Cần context riêng. Nếu bước đó sinh ra lượng output lớn mà phiên chính không nên mang theo, hoặc bạn muốn một lần kiểm tra không bị lập luận của tác giả chi phối, hãy giao nó cho một profile.

Nếu cả ba câu trả lời đều là không, thứ còn thiếu là một quy trình hoặc một quy tắc văn phong. Hãy viết nó thành một skill, hoặc thêm một dòng vào AGENTS.md.

Những Trường Hợp Đội Agent Đầy Đủ Đáng Công

Bức tranh đổi khác khi các vai trò là phòng ban chứ không phải giai đoạn pipeline, như ở doanh nghiệp một người. Marketing, tài chính và hỗ trợ phần lớn là những luồng việc độc lập. Đây là kiểu việc song song mà nghiên cứu của Google và hệ thống của Anthropic cho thấy nhiều agent có lợi [3][4]. Mỗi phòng ban cũng chạm dữ liệu khác nhau: agent hỗ trợ đọc ticket khách hàng, agent tài chính đọc sổ sách, và không bên nào nên giữ chìa khóa của bên kia. Một dòng persona không thực thi được điều đó, còn danh sách tool được phép thì có. Với các lần chạy không có người giám sát, nơi lỗi có thể tới tay khách hàng thật, một reviewer riêng đáng chi phí. Nhà sáng lập là bộ điều phối và cổng kiểm tra cuối, nên không có chuỗi dài bàn giao giữa các agent.

Chuỗi Researcher, Planner, Developer là hình dạng khác: tuần tự và phụ thuộc nhau, nơi các khoản thua xuất hiện. Các framework kiểu BMAD mô phỏng cả một đội cho nhật ký truy vết và việc duyệt từng giai đoạn, và bài so sánh các công cụ spec-driven cho thấy chi phí đó.

Bắt Đầu Từ Một Agent, Rồi Thêm Ranh Giới

Hãy bắt đầu từ một agent cùng skill. Đội agent chia theo vai trò chỉ mang tính hình thức nếu profile không gọi tên được ranh giới mà nó bổ sung. Hãy tự động hóa việc lặp lại cố định, viết skill cho quy trình cần phán đoán, và chỉ thêm profile khi nêu được context, quyền hạn, model hoặc bước kiểm tra nó mang lại.

Mỗi agent thêm vào cũng kéo theo việc cho bạn: duy trì, thử nghiệm và quản lý cách nó phối hợp với agent khác. Chi phí chạy cũng tăng. Mỗi lượt bàn giao làm mất lập luận, trường hợp nhiều agent của Anthropic tốn khoảng 15 lần token, và tác vụ tuần tự giảm hiệu suất mạnh.

Tài Liệu Tham Khảo

Tài liệu về agent profile: Claude Code subagents, VS Code custom agents và OpenCode agents - Chỉ dẫn, tool, model, dùng làm agent chính và subagent.
When "A Helpful Assistant" Is Not Really Helpful (Zheng et al., EMNLP Findings 2024) - Persona không làm tăng độ chính xác.
Towards a science of scaling agent systems - Google Research - Lợi ích khi song song, thiệt hại khi tuần tự, khuếch đại lỗi.
How we built our multi-agent research system - Anthropic - Mức tăng 90,2%, khoảng 15 lần token.
Building effective agents - Anthropic - Workflow so với agent.