Thuê Model — Sở Hữu Brain: Bài học thiết kế Agent Harness từ Nous Research và Javis OS

TL;DR: LLM chỉ là nhận thức thuê ngoài (rented cognition) — hôm nay Claude 3.7 / Gemini 2.5 dẫn đầu, ngày mai có thể là Hermes 3 hoặc một open-weights model khác. Nếu toàn bộ "bộ não" doanh nghiệp của bạn phụ thuộc vào một system prompt dài 4.000 tokens nạp thẳng vào LLM, bạn đang xây lâu đài trên cát. Bí quyết để xây dựng hệ thống AI Agent bền vững cho một One-Person Company (OCP) là: Thuê model — Sở hữu Brain qua kiến trúc Adaptive Agent Harness.

Rất nhiều người hỏi tôi: "Làm sao để Agent không bị ngáo khi quy trình kéo dài qua nhiều bước?", hoặc "Dùng Claude Opus hay GPT-4o thì Agent sẽ tự động chạy mượt mà hơn?".

Câu trả lời của tôi luôn khiến họ ngạc nhiên: Đổi model xịn hơn không giải quyết được vấn đề của một kiến trúc tồi.

Nếu một Agent chạy sai, gửi nhầm email cho đối tác, hay đốt sạch hạn mức token trong một đêm, 90% nguyên nhân không nằm ở năng lực suy luận của LLM. Nó nằm ở Harness — môi trường vận hành, cơ chế phân quyền, và cấu trúc bọc ngữ cảnh mà bạn cung cấp cho nó.

Bài viết này đúc kết những bài học thực chiến tôi rút ra khi audit mã nguồn của các hệ thống Agent độc lập (như Javis OS của cộng đồng tự host và kiến trúc Self-evolving Agent của Nous Research), từ đó chia sẻ cách tôi thiết kế Lexi OS — khung vận hành 16 AI Agent cho TVT Agency và toilatung.com.

1. LLM là Nhận thức thuê — Capability thực sự nằm ở đâu?

LLM là Commodity (hàng hóa phổ thông), nhưng Context, Tooling và Governance là Moat (con hào kinh doanh).

Nhiều người lầm tưởng rằng "sở hữu AI" là phải tự fine-tune model hay huấn luyện một mô hình ngôn ngữ riêng. Đối với một Solopreneur hay doanh nghiệp tinh gọn, đó là con đường đốt tiền nhanh nhất và ít hiệu quả nhất.

Khi một frontier lab (Anthropic, Google hay OpenAI) ra mắt bản cập nhật mới, mô hình bạn mất hàng tháng huấn luyện có thể trở nên lỗi thời sau một đêm. Nhưng nếu bạn phân tách rạch ròi:

• Tầng Nhận thức (Cognition Layer): Thuê qua API (Gemini, Claude, DeepSeek, Local Hermes). Có thể hoán đổi (hot-swap) trong vòng 5 phút chỉ bằng việc đổi endpoint.
• Tầng Bộ não & Môi trường (Brain & Harness Layer): Thuộc sở hữu vĩnh viễn của bạn. Bao gồm: kho tri thức Single Source of Truth (SSOT), bộ kỹ năng chuyên khoa (Custom Skills), ma trận phân quyền (Permission Gate), và sổ nhật ký thực thi (Audit Log & Once Ledger).

Khi đó, model càng thông minh và rẻ hơn, hệ thống của bạn càng mạnh mẽ hơn mà không phải đập đi xây lại bất kỳ dòng code nào.

graph TD
    subgraph BRAIN ["🧠 BỘ NÃO SỞ HỮU (OWNED BRAIN)"]
        SSOT["📚 SSOT Markdown Vault<br/>(Obsidian / Local Git)"]
        SKILLS["🛠️ Skills & Tooling SOPs<br/>(Python / TypeScript)"]
        GATE["🛡️ Code-First Governance<br/>(Permission & HITL Gate)"]
        LEDGER["📑 Sổ Cái Thực Thi<br/>(Audit Logs & Once Ledger)"]
    end

    subgraph HARNESS ["🏗️ ADAPTIVE AGENT HARNESS"]
        ENGINE["Agent Dispatcher & State Machine"]
    end

    subgraph MODELS ["⚡ NHẬN THỨC THUÊ NGOÀI (RENTED COGNITION)"]
        M1["Claude Code / 3.7"]
        M2["Google Gemini 2.5"]
        M3["Nous Hermes / DeepSeek"]
    end

    BRAIN --> HARNESS
    HARNESS <-->|Hoán đổi linh hoạt qua API| MODELS

    style BRAIN fill:#1e1e2e,stroke:#cba6f7,stroke-width:2px,color:#cdd6f4
    style HARNESS fill:#181825,stroke:#89b4fa,stroke-width:2px,color:#cdd6f4
    style MODELS fill:#11111b,stroke:#a6adc8,stroke-width:1px,color:#a6adc8

2. Bài học từ Javis OS & Cái bẫy "Hub tập trung"

Trong quá trình nghiên cứu các trợ lý AI mã nguồn mở, tôi đã dành nhiều ngày mổ xẻ mã nguồn Javis OS — một dự án Desktop AI Assistant thú vị được xây dựng trên triết lý rất đúng: "Thuê model — Sở hữu brain".

Javis có một phát kiến toán học rất thanh lịch mà tôi đánh giá rất cao: Công thức phân quyền giao nhau:

allowed() = min(run_mode_cap, connection_permission)

Hành động của Agent bị chặn tự động ở mức an toàn nhất giữa chế độ chạy (suggest, auto_dry, gated) và quyền hạn của kết nối (readonly, safe, danger).

Tuy nhiên, khi đưa vào môi trường doanh nghiệp thực chiến có nhiều luồng công việc chạy song song, Javis bộc lộ 3 điểm nghẽn chí mạng:

1. Bẫy Hub tập trung (Centralized FastAPI Server): Javis bắt buộc mọi công cụ phải kết nối qua một server HTTP trung gian trên máy (localhost:7777). Khi server này gặp lỗi hoặc crash, toàn bộ Agent bị tê liệt.
2. Nguy cơ Race Condition trên file phẳng: Dữ liệu trạng thái ghi trực tiếp vào các file Markdown phẳng không khóa (file locking). Khi hai Agent cùng thao tác, dữ liệu bị đè mất.
3. Bùng nổ chi phí Token (Token Bloat): Để Agent hiểu ngữ cảnh, hệ thống nạp toàn bộ hàng chục file markdown thô vào System Prompt. Mỗi lượt chat tốn hàng triệu token một cách lãng phí.

Cách tôi cải tiến trong Lexi OS:

• Code-First phân quyền độc lập: Loại bỏ hoàn toàn server FastAPI trung gian. Toàn bộ logic phân quyền allowed() được bọc thẳng thành module code cục bộ (Zero Network Overhead), chạy trực tiếp trong tiến trình gọi tool.
• Tách biệt CSDL Vận hành & Tri thức: Trạng thái giao dịch, hàng đợi và nhật ký kiểm toán lưu trong SQLite ở chế độ WAL Mode (journal_mode = WAL) — chịu tải đa tiến trình tuyệt đối; còn Vault Markdown thuần túy đóng vai trò kho tri thức tĩnh phục vụ tra cứu.
• Phân tầng phản xạ Dual-Engine (Jevons Paradox): Giao 100% việc phân loại ý định, rẽ nhánh và kiểm tra an ninh cho System 1 siêu rẻ (0.042 USD cho một triệu tokens), chỉ triệu hồi các LLM lớn khi cần tư duy sâu.

3. Kiến trúc 3 Lớp Bất Biến: Harness — Graph — Loop

Để một Agent có thể tự vận hành hàng đêm mà bạn vẫn có thể ngủ ngon, hệ thống bắt buộc phải được thiết kế theo Kiến trúc 3 Lớp:

flowchart LR
    A["🏗️ 1. HARNESS<br/>(Môi trường & Ngữ cảnh)"] --> B["🧭 2. GRAPH<br/>(Quy trình & Điều phối)"]
    B --> C["🔁 3. LOOP<br/>(Chất lượng & HITL Gate)"]
    C -->|Thất bại < 3 lần| B
    C -->|Vượt quá Max Retries| D["🚨 Dừng khẩn cấp & Báo Human"]
    C -->|Đạt chuẩn Audit| E["✅ Xuất bản & Thực thi"]

    style A fill:#2d3748,stroke:#4a5568,color:#fff
    style B fill:#1a365d,stroke:#2b6cb0,color:#fff
    style C fill:#44337a,stroke:#6b46c1,color:#fff
    style D fill:#742a2a,stroke:#9b2c2c,color:#fff
    style E fill:#22543d,stroke:#2f855a,color:#fff

Lớp 1: Harness Engineering (Môi trường & Ngữ cảnh)

Harness là chiếc "lồng an toàn" và chiếc "kính ngắm" của Agent. Nó quy định:

• Dữ liệu nào Agent được đọc, công cụ nào Agent được gọi.
• Prompt Injection Firewall: Mọi dữ liệu khách hàng gửi từ Web/Zalo/Telegram bắt buộc phải bọc trong thẻ <untrusted_content> để LLM không bao giờ nhầm lẫn dữ liệu đầu vào với câu lệnh hệ thống.
• Zero Secret Leakage: Mọi API key, mật khẩu, token đều bị che giấu ([REDACTED_SECRET]) trước khi bất kỳ log nào được in ra màn hình hoặc ghi vào CSDL.

Lớp 2: Graph Engineering (Cấu trúc Quy trình DAG)

Thay vì để Agent tự tung tự tác tìm đường đi, chúng ta tổ chức công việc thành một đồ thị có hướng không chu trình (DAG):

• Chia nhỏ bài toán lớn thành các bước tuần tự và song song rõ ràng.
• Giao dịch chuyển giao giữa các Sub-Agent tuân thủ chặt chẽ hợp đồng dữ liệu chuẩn JSON Schema (TaskHandOffContract). Agent Copywriter (Quill) hoàn thành văn bản mới bàn giao cho Agent Video (Reel) dựng kịch bản, và chuyển cho Agent Social (Buzz) chuẩn bị lịch phát hành.

Lớp 3: Loop Engineering (Vòng Lặp Phản Hồi & Human-in-the-Loop)

Đây là chốt chặn sinh tử chống lại ảo giác của AI:

• Audit Gate: Kiểm tra chất lượng nội dung trước khi xuất bản (không gạch kẻ máy móc, không xưng hô lộn xộn, có sơ đồ trực quan).
• Once Ledger: Đánh dấu mã băm hành động (Fingerprint SHA256) trước khi gọi API thanh toán hay gửi email. Đảm bảo dù mạng lag hay server retry, không bao giờ có chuyện gửi thư hay trừ tiền khách hàng 2 lần.
• Human-in-the-Loop Gate (HITL): Mọi hành động rủi ro Tier 3/4 (đăng bài thật, chuyển tiền, xóa file) đều tạo một thẻ duyệt chờ con người bấm nút trên Web Dashboard hoặc Telegram.

4. Tương lai thuộc về những người làm chủ Harness

Công nghệ AI đang tiến hóa với tốc độ chóng mặt. Những mô hình như Hermes Agent của Nous Research đang mở ra kỷ nguyên của các Agent tự học (Self-evolving), có thể tự cập nhật bộ kỹ năng sau mỗi tác vụ thành công hoặc thất bại.

Nhưng dù mô hình có thông minh đến đâu, nguyên lý cốt lõi vẫn không thay đổi: Con người ra quyết định chiến lược — Harness thiết lập kỷ luật — Agent thực thi chuyên cần.

Đừng lãng phí thời gian đi tìm một "siêu model" hoàn hảo có thể làm thay bạn mọi việc từ A đến Z. Hãy bắt đầu từ việc chuẩn hóa kho tri thức SSOT của bạn, viết ra các bản SOP rõ ràng, và bọc chúng trong một chiếc Harness đủ an toàn và vững chãi. Đó là cách duy nhất để một người có thể vận hành công ty với năng suất của cả một phòng ban 20 nhân sự.

Bài viết thuộc chuỗi chuyên đề AI System Design & OCP Architecture trên toilatung.com. Xem thêm các bài viết liên quan:

• Zero Trust cho AI Agent: khi nào cần người duyệt?
• Vận hành One-Person Agency bằng AI: trải nghiệm thực tế
• Workflow n8n cho SME: Thiết kế chịu lỗi và tự hồi phục