Chương 3: Từ hỏi đáp sang workflow tự vận hành

Một chatbot tốt có thể giúp CEO viết nhanh hơn. Một agent tốt có thể giúp CEO làm một việc nhanh hơn. Nhưng một AI OS tốt phải làm được thứ khó hơn: biến các tác vụ rời rạc thành workflow có nhịp vận hành.

Đây là khác biệt lớn nhất giữa “dùng AI” và “vận hành với AI”.

Tool use: khi AI có tay để làm việc

Hermes có nhiều tool để tương tác với thế giới bên ngoài: terminal, browser, web, file, process, code execution, messaging và nhiều nhóm tool khác. Vì vậy agent không chỉ đưa lời khuyên, mà có thể thực sự đọc file, chạy script, gọi API, lọc dữ liệu, xuất báo cáo, gửi kết quả về kênh làm việc.

Với bạn, điểm quan trọng không phải là nhớ tên từng tool. Điểm quan trọng là hiểu rằng AI muốn tạo giá trị vận hành thì phải nối được với dữ liệu và công cụ thật.

Nếu AI chỉ nằm trong ô chat, nó giống một cố vấn bị nhốt trong phòng kính. Nó nói được, nhưng không chạm được vào hệ thống. Khi có tool, agent bắt đầu có khả năng thực thi.

execute_code: giảm nhiễu context bằng cách để code xử lý phần nặng

Một chi tiết kỹ thuật rất hay trong Hermes là execute_code. Thay vì agent gọi từng tool một, nhận về từng đống output thô rồi nhồi tất cả vào context, nó có thể viết một script Python nhỏ để gọi nhiều tool, xử lý vòng lặp, lọc dữ liệu và chỉ trả lại kết quả cuối.

Điều này giải quyết hai vấn đề cùng lúc.

Thứ nhất là tốc độ. Một workflow nhiều bước không cần dừng lại sau từng tool call để model suy nghĩ lại từ đầu.

Thứ hai là token. Raw output từ terminal, API hoặc web rất dễ làm bẩn context. Khi phần trung gian được xử lý trong script, model chỉ nhận phần đã lọc. Đây là cách làm thực dụng để agent không bị “ngập rác dữ liệu”.

Trong doanh nghiệp, nguyên tắc này rất đáng học: đừng bắt AI đọc tất cả. Hãy để hệ thống tiền xử lý, lọc, tóm tắt, rồi đưa cho AI phần cần suy luận.

Cron: AI không chỉ chạy khi có người hỏi

Một AI OS đúng nghĩa không chỉ phản ứng. Nó phải có nhịp chạy định kỳ.

Hermes có scheduler cho các job lặp lại: mỗi sáng gửi daily brief, mỗi tuần kiểm tra competitor, mỗi tối backup, mỗi thứ Sáu tổng hợp KPI, hoặc khi có dữ liệu mới thì tạo cảnh báo. Research nhấn mạnh đây là một điểm quan trọng khiến Hermes vượt khỏi chatbot: agent có thể trở thành hạ tầng vận hành nền.

Ví dụ với CEO:

• 7 giờ sáng: nhận brief về lịch, email, rủi ro, việc cần chú ý.
• Thứ Hai: nhận kế hoạch tuần dựa trên KPI và deadline.
• Thứ Sáu: nhận review tuần, việc trễ, quyết định còn mở.
• Mỗi ngày: lọc inbox và gợi ý email cần trả lời.

Điểm đáng chú ý là cron job trong Hermes chạy trong phiên mới, có prompt riêng, skill riêng và delivery riêng. Điều này giúp các việc định kỳ không kéo theo toàn bộ lịch sử chat hiện tại.

Subagents: chia việc để không làm nghẽn một context

Nếu một nhiệm vụ cần nghiên cứu ba thị trường, audit ba kênh marketing hoặc phân tích nhiều repo cùng lúc, làm tuần tự trong một context sẽ rất chậm và dễ nhiễu. Hermes có cơ chế delegation để tạo subagent độc lập, mỗi subagent xử lý một nhánh, rồi agent chính tổng hợp kết quả.

Đây là tư duy rất gần với quản trị. CEO không tự làm mọi thứ trong một dòng suy nghĩ. CEO chia việc cho người phụ trách, nhận báo cáo, rồi tổng hợp để ra quyết định.

Agent cũng vậy. Một agent chính càng ôm nhiều raw context, chất lượng suy luận càng dễ giảm. Subagent giúp chia tải, giữ từng nhánh sạch hơn, và giảm lượng thông tin thô chảy vào cuộc trò chuyện chính.

Multi-platform gateway: AI ở nơi team đang làm việc

Một đặc điểm quan trọng của Hermes là gateway đa nền tảng. Agent có thể hiện diện trên Telegram, Slack, Discord, Matrix, email và các kênh khác. Trong research, điểm này được mô tả như khả năng giữ trạng thái và ngữ cảnh xuyên qua nhiều bề mặt giao tiếp.

Với SME, đây là một bài học sản phẩm rất lớn: đừng bắt CEO đổi môi trường làm việc nếu chưa cần. Nếu CEO và team đang làm việc trên Telegram hoặc Slack, AI nên trả kết quả về đó. Dashboard có thể hữu ích, nhưng không nên trở thành thêm một nơi bắt bạn phải vào kiểm tra.

Workflow thật trông như thế nào?

Hãy lấy ví dụ “chuẩn bị họp sales với khách hàng A”. Một chatbot có thể gợi ý vài câu hỏi nên hỏi khách. Một agent có tool có thể làm nhiều hơn:

1. Đọc email gần nhất với khách hàng.
2. Tìm proposal đã gửi trong Drive.
3. Tóm tắt deal stage trong CRM nếu được nối.
4. Nhắc lại phản đối chính của khách.
5. Soạn agenda 30 phút.
6. Gợi ý câu hỏi khám phá nhu cầu.
7. Sau cuộc họp, tạo follow-up email và task cho team.

Nếu workflow này làm nhiều lần và được đóng gói thành skill, lần sau CEO chỉ cần nói: “Chuẩn bị họp sales với khách A.” Hệ thống biết đường đi.

Đó là bước chuyển từ AI như công cụ sang AI như lớp vận hành.