Bắt đầu tính năng AI từ nhiệm vụ có thể quan sát
Biến biên bản thành tác vụ nháp có dẫn chứng: phân biệt cam kết còn hiệu lực, thông tin thiếu, JSON đúng định dạng và hành động tạo cần người duyệt.

Hãy bắt đầu tính năng AI từ một quyết định của người dùng mà bạn quan sát được. “Tóm tắt tài liệu của chúng tôi” còn bỏ ngỏ quá nhiều: ai đọc kết quả, họ cần quyết định gì và một câu sai có thể gây ra điều gì. Nhiệm vụ hẹp hơn cho mô hình một vai trò hữu ích và cho phần mềm xung quanh điều cụ thể để bảo đảm.
Tôi ưu tiên viết rõ đầu vào, đầu ra đề xuất và tác động được phép trước khi chọn mô hình. Với lập trình viên chuyển từ full stack sang AI, cách này giữ những trách nhiệm quen thuộc: kiểm tra quyền truy cập, định danh phiên bản, chuyển trạng thái và xử lý lỗi dễ hiểu. Phần khác là phản hồi mô hình đúng định dạng vẫn có thể hiểu sai nguồn.
Thay tính năng rộng bằng một nhiệm vụ của người đọc
Xét một sản phẩm biên bản họp giả định. Người dùng muốn biến các cam kết rõ ràng, vẫn còn hiệu lực trong một biên bản thành tác vụ nháp để duyệt. Tính năng nhận một phiên bản tài liệu đã lưu mà người dùng được phép đọc. Nó đề xuất việc cần làm, người nhận trách nhiệm được nêu tên, hạn chót nếu nguồn nói rõ và dẫn chứng. Nó không giao việc chỉ vì ai đó nhắc tới một chủ đề.
Phạm vi cố ý giới hạn ở biên bản viết bằng ngôn ngữ được hỗ trợ. Tính năng không chuyển âm thanh thành văn bản, xác định người nói chưa có tên, suy ra trách nhiệm trong tổ chức hay giải ngày tương đối khi thiếu ngữ cảnh. Các việc ấy có thể thành tính năng riêng với bằng chứng và xử lý lỗi riêng. Chúng không phải nghĩa vụ ẩn bên trong từ “tóm tắt”.
Đây là toàn bộ đầu vào hư cấu:
L1. Biên bản họp, 2026-09-18. L2. Maya: Tôi sẽ gửi danh sách kiểm tra ra mắt đã sửa chậm nhất ngày 2026-09-22. L3. Omar: Chúng ta có thể dịch cả hướng dẫn thiết lập không? L4. Quyết định: hoãn việc dịch; chưa giao người phụ trách hoặc hạn chót. L5. Luis: Tôi sẽ kiểm tra bản sao lưu của môi trường staging. L6. Maya: Tôi rút lại cam kết trước đó về danh sách kiểm tra; phạm vi phát hành đã đổi.
Kết quả trích xuất đề xuất có một cam kết còn hiệu lực: Luis sẽ kiểm tra bản sao lưu staging. Không có hạn chót được nêu. Câu hỏi về dịch thuật không phải phân công, còn việc rút lại ở phần sau khiến câu trước của Maya không còn là cam kết đang có hiệu lực trong phiên bản tài liệu này.
Một bản tóm tắt ngắn, trôi chảy có thể nhắc đúng cả ba chủ đề mà vẫn không thích hợp để tạo tác vụ. Sản phẩm cần quy tắc lựa chọn cụ thể, không chỉ một đoạn văn ngắn hơn. Nhiều công việc kỹ thuật bắt đầu từ sự phân biệt này.
Đưa thông tin thiếu và ngữ cảnh vào hợp đồng
Biểu diễn hạn chót không được nêu bằng giá trị vắng mặt rõ ràng, chẳng hạn null. Đừng điền ngày họp, hạn chót của người khác hoặc một ngày thứ Sáu có vẻ hợp lý. Tương tự, nguồn không nêu người phụ trách không cho phép tự điền dựa trên chức danh hay những cuộc họp trước chưa hề được cung cấp.
Quy tắc được hỗ trợ ở đây là cam kết rõ ràng, người phụ trách có tên và không bị hủy ở phần sau của cùng biên bản đã cung cấp. Với tài liệu kém rõ ràng hơn, mâu thuẫn chưa giải quyết được nên chuyển sang trạng thái cần xem xét thay vì để mô hình âm thầm quyết định. Nhận định một câu còn mơ hồ khác với khẳng định không có cam kết nào.
Tác vụ được gợi ý phải chỉ về phiên bản nguồn của nó. Định danh dòng hữu ích trong mẫu nhỏ này, nhưng chỉ “L5” chưa phải định danh nguồn bền vững: tài liệu sau khi sửa có thể đặt nội dung khác ở dòng đó. Gắn định danh tài liệu và phiên bản, đồng thời hiển thị đoạn dẫn chứng của chính phiên bản ấy khi người dùng duyệt gợi ý.
Với Luis, dẫn chứng là L5. Để loại gợi ý của Maya, ngữ cảnh liên quan gồm cả L2 và L6. Trích dẫn có thật chưa tự là bằng chứng đủ cho hành động đề xuất. Văn bản xung quanh có thể thay đổi kết luận được phép rút ra từ câu trích.
Phân biệt đầu ra có cấu trúc với câu trả lời đúng
Hướng dẫn Structured Outputs của OpenAI mô tả phản hồi tuân theo schema, đồng thời lưu ý đầu ra có cấu trúc vẫn có thể sai. Trường dữ liệu đúng kiểu không xác lập rằng giá trị của nó được tài liệu hỗ trợ.
Chẳng hạn, đối tượng chứa Maya, tác vụ danh sách kiểm tra và ngày 2026-09-22 có thể hoàn toàn đúng định dạng. Nó thậm chí trích L2 chính xác. Nhưng nó vẫn vi phạm quy tắc cam kết còn hiệu lực vì L6 rút lại việc ấy. Schema không thay thế quyết định ngữ nghĩa mà tính năng cần thực hiện.
Giữ hai phép kiểm tra riêng. Ứng dụng có thể kiểm tra hình dạng phản hồi, định danh bắt buộc và việc đoạn dẫn chứng thuộc phiên bản đã cung cấp hay không. Tác vụ đề xuất còn phải thỏa quy tắc trích xuất trong ngữ cảnh. So khớp chuỗi con chính xác xác nhận văn bản có xuất hiện; nó không xác nhận văn bản là một phân công còn hiệu lực.
Xử lý thao tác mô hình không thành công một cách rõ ràng. Từ chối, yêu cầu bị gián đoạn hoặc kết quả không dùng được không nên biến thành thành công với danh sách tác vụ rỗng. Người dùng cần biết tính năng không tìm thấy cam kết phù hợp hay không hoàn tất phân tích. Nguồn vẫn phải xem được để họ tiếp tục thủ công.
So với cách làm hữu ích trước khi thêm tự động hóa
Bản đầu có thể hiển thị biên bản đã lưu cạnh biểu mẫu tạo tác vụ nháp bằng tay. Người dùng chọn đoạn nguồn, nhập người phụ trách và để trống hạn chót khi tài liệu không nêu. Đó là phương án cơ sở không dùng mô hình, có cùng ranh giới duyệt và tạo. Nó đã kiểm tra được việc chuyển biên bản thành tác vụ nháp có giúp người đọc dự kiến không.
Rules of Machine Learning của Martin Zinkevich khuyến nghị sẵn sàng phát hành sản phẩm không dùng học máy và thiết kế chỉ số từ sớm. Bài học hữu ích ở đây là xác lập hành vi sản phẩm và cách so sánh trước. Các ví dụ quy tắc kinh nghiệm trong quá khứ của tài liệu không dự đoán tính năng LLM cụ thể này sẽ nhanh hơn bao nhiêu.
So đường đi có trợ giúp với đường đi thủ công trên cùng loại biên bản. Quan sát người duyệt có tìm đúng cam kết còn hiệu lực, loại gợi ý sai và giữ đúng thông tin còn thiếu không. Ghi lại cả công sức kiểm tra gợi ý lẫn công sức nhập tác vụ. Gợi ý mất nhiều thời gian xác minh hơn tự viết có thể không cải thiện quy trình.
Bài này chưa chạy nghiên cứu người dùng hoặc mô hình. Biên bản và kết quả đề xuất là bài tập đặc tả. Muốn nói sản phẩm thật đem lại lợi ích, cần quan sát từ đúng nhiệm vụ và người dùng, không chỉ benchmark mô hình hay ảnh giao diện đẹp.
Định nghĩa kết quả trước khi đếm thành công
Bảng trạng thái nhỏ ngăn nhiều tình huống khác nhau bị gộp vào một phản hồi rỗng:
| Kết quả | Ý nghĩa | Bước tiếp theo của người đọc |
|---|---|---|
| Gợi ý sẵn sàng | Phân tích hoàn tất, đề xuất cam kết có thể duyệt | So từng gợi ý với nguồn |
| Không có cam kết phù hợp | Phân tích hoàn tất, không tìm thấy cam kết theo quy tắc | Tiếp tục đọc hoặc tạo tác vụ thủ công |
| Cần xem xét | Không giải quyết được các câu liên quan trong phạm vi | Đọc những đoạn mâu thuẫn |
| Không khả dụng | Phân tích chưa tạo kết quả dùng được | Thử lại hoặc tiếp tục thủ công |
Đây là trạng thái sản phẩm đề xuất, không phải lời hứa mô hình phân loại đúng mọi tài liệu. Ứng dụng quyết định cách hiển thị và hành động nào tiếp theo được bật. Mảng gợi ý rỗng chỉ có ý nghĩa khi đi cùng trạng thái của lần phân tích tạo ra nó.
Hướng dẫn đánh giá của OpenAI khuyến nghị xác định mục tiêu nhiệm vụ, dữ liệu và tiêu chí thành công, rồi đưa vào trường hợp thông thường lẫn khó cùng đánh giá của con người. Với ranh giới đầu tiên này, giữ biên bản hư cấu làm một ví dụ rõ ràng và thêm các ví dụ độc lập trước khi đánh giá mô hình. Một đáp án mong đợi viết tay giúp thảo luận hợp đồng, chưa ước lượng độ tin cậy.
Khi xem lỗi, tách gợi ý tác vụ sai khỏi cam kết bị bỏ sót. Tự tạo phân công và bỏ quên phân công thật đều quan trọng nhưng có thể tạo loại công việc khác nhau cho người đọc. Một điểm hài lòng chung có thể che hành vi cụ thể cần sửa.
Tách gợi ý mô hình khỏi việc tạo công việc
Duyệt gợi ý không phải cùng thao tác với tạo tác vụ. Người dùng có thể sửa câu chữ, quyết định không tạo hoặc phát hiện nguồn đã đổi. Nếu tài liệu thay đổi từ lúc trích xuất, hiển thị lệch phiên bản và yêu cầu kiểm tra gợi ý với phiên bản nguồn hiện tại mà người dùng định dùng trước khi tiếp tục.
Dịch vụ tác vụ hiện có vẫn chịu trách nhiệm kiểm tra quyền và tạo tác vụ. Đầu ra mô hình không cấp quyền truy cập hoặc cho phép phân công. Thao tác tạo cũng cần hành vi ứng dụng thông thường khi nhấn lặp hoặc phản hồi không rõ, để cùng gợi ý đã chấp nhận không dễ dàng tạo tác vụ trùng.
Phần việc xung quanh ấy là cầu nối hữu ích từ kỹ thuật full stack sang AI. Mô hình cung cấp gợi ý tại một ranh giới; sản phẩm định nghĩa gợi ý nghĩa là gì, con người xác minh thế nào và khi nào được phép thực hiện hành động lưu lâu dài.
Để hoàn thành bài tập, viết gợi ý cho L5 với hạn chót vắng mặt và định danh phiên bản nguồn. Sau đó giải thích vì sao chỉ L2 chưa đủ, vì sao L3 không phải phân công và giao diện nên làm gì khi phân tích thất bại. Nếu chưa rõ các câu trả lời ấy, hãy sửa nhiệm vụ trước khi đổi mô hình. Bạn sẽ có tính năng nhỏ hơn, có thể triển khai, so sánh và phản biện bằng bằng chứng cụ thể.