Agent và code — Antigravity & AI Agent

🤖

Thực chiến — 30 giây

Ở các hạng mục trước, mô hình luôn là: bạn giao việc → AI trả kết quả → bạn kiểm tra. Đến đây câu chuyện đổi: AI không chỉ trả lời — AI hành động: mở file, sửa code, chạy lệnh terminal, kiểm tra giao diện trên trình duyệt, ghi lại bằng chứng và trình kết quả để bạn duyệt. Đó là chuyển dịch từ coding assistant sang agentic development — và Antigravity, nền tảng phát triển agentic của Google, là nơi chuyện này xảy ra. Lợi ích thực tế: có prototype (landing page, dashboard, tool nội bộ) sau một buổi thay vì chờ nhiều ngày — với điều kiện bạn biết giao việc và kiểm soát.

Không dùng AI Agent như một phép màu. Hãy dùng nó như một nhân sự số — có mô tả công việc, tài nguyên, quy trình, kỹ năng, quy tắc và cơ chế nghiệm thu rõ ràng.

Vị trí trong Google AI System

Hạng mục Agent và code — tầng AI & Agent cho phát triển phần mềm. Xem bản đồ tổng quan

01 · AI Agent khác chatbot ở điểm nào?

Đặc điểm	Chatbot	AI Agent
Mô hình tương tác	Hỏi → Trả lời	Giao mục tiêu → Lập kế hoạch → Thực thi → Báo cáo
Phạm vi hành động	Trả lời trong cửa sổ chat	Đọc/sửa file, chạy terminal, mở browser
Đầu ra	Văn bản, gợi ý	File code, screenshot, test log, README
Kiểm soát	Người dùng tự sửa nếu sai	Cần workspace, rules, review trước khi deploy
Rủi ro	Sai thì bỏ qua	Sai có thể tạo hậu quả trên file, dữ liệu, chi phí

Khi AI chỉ trả lời, sai thì sửa. Khi AI hành động, sai có thể tạo hậu quả trên code, dữ liệu và quy trình. Agent càng có khả năng hành động, càng cần hàng rào kiểm soát.

Vòng agentic coding tối thiểu — 6 bước: giao mục tiêu → agent lập kế hoạch trước khi sửa file → người dùng duyệt kế hoạch → agent thực thi trong phạm vi cho phép → agent kiểm thử và tạo artifact → người dùng review, chấp nhận hoặc yêu cầu chỉnh.

Khác với vibe coding: vibe coding bắt đầu bằng cảm hứng ("tạo dashboard đẹp, dark mode") — tạo tốc độ. Agentic coding trong doanh nghiệp thêm hệ thống kiểm soát: dữ liệu nào được đọc, file nào không được sửa, lệnh nào bị cấm, test nào phải chạy, artifact nào phải nộp, ai duyệt — tạo khả năng vận hành.

02 · Antigravity — IDE theo hướng Agent-first

Google mô tả Antigravity là nền tảng phát triển agentic, kết hợp:

• Editor View — workflow đồng bộ kiểu IDE truyền thống: viết code, terminal, file tree
• Manager Surface — điều phối agent theo hướng task-oriented: giao nhiệm vụ, xem kế hoạch, review artifact

Agent có thể lập kế hoạch, thực thi và xác minh tác vụ qua editor, terminal và browser — đồng thời tạo artifact: task list, implementation plan, screenshot, browser recording để người dùng kiểm chứng. Bạn không cần đọc log thô — bạn nhìn thấy kế hoạch, kết quả, bằng chứng, giống một cộng sự nộp báo cáo.

Vị trí trong hệ sinh thái: AI Studio thử prompt/model → Firebase/Cloud triển khai ứng dụng → Antigravity tổ chức công việc phát triển: đọc mã nguồn, tạo file, chạy kiểm thử, quản lý tiến độ agent.

03 · Công thức giao việc cho Agent — 7 thành phần

Giao việc kiểu chatbot ("Tạo landing page cho khóa học AI") quá mơ hồ — agent có thể tạo trang nhìn ổn nhưng sai đối tượng, sai thông điệp, bịa cam kết. Công thức đầy đủ:

1. Mục tiêu — tạo sản phẩm gì, phục vụ ai, bối cảnh nào
2. Đầu vào — brief, brand guideline, tài liệu, asset
3. Phạm vi — file nào được sửa, file nào không được chạm
4. Ràng buộc — không bịa cam kết, không tự thêm học phí, không dùng hình rủi ro bản quyền
5. Tiêu chuẩn nghiệm thu — chạy được, responsive, không lỗi console, CTA rõ
6. Artifact bắt buộc — implementation plan, danh sách file, screenshot, test log, README, changelog
7. Cơ chế duyệt — agent trình kế hoạch trước; thay đổi nhạy cảm phải được duyệt

Cách giao này làm chậm bước đầu một chút — nhưng giảm rất mạnh lỗi phía sau.

04 · Framework KWSR

Thành phần	Ý nghĩa	Ví dụ (dự án landing page)
Knowledge	Những gì agent biết	Brief sản phẩm, brand guideline, dữ liệu
Workflow	Trình tự agent cần làm	Brief → Plan → Prototype → Test → README → Review
Skill	Năng lực chuyên biệt	Tạo giao diện, viết copy, kiểm thử responsive, ghi changelog
Rule	Ranh giới không được vượt	Không xóa dữ liệu gốc, không commit secrets, không tự deploy production

Workspace thực hành gợi ý:

Project_AI_LandingPage/
├── 01_Inputs/           # Dữ liệu gốc, chỉ đọc
├── 02_Workspace/        # Nơi agent xử lý
├── 03_Outputs/          # Thành phẩm gửi duyệt
├── 04_Logs/             # Test log, screenshot, changelog
└── AGENT_BRIEF.md       # Vai trò, mục tiêu, quy tắc, nghiệm thu

05 · Quy trình kiểm soát agent — 8 bước

1. Tạo brief 1 trang: mục tiêu, người dùng, dữ liệu đầu vào, output, những điều không được bịa
2. Yêu cầu agent đọc brief và hỏi lại nếu thiếu thông tin — không cho làm khi yêu cầu còn mơ hồ
3. Yêu cầu agent lập implementation plan: danh sách file, cấu trúc, cách kiểm thử, artifact
4. Duyệt kế hoạch — chỉnh nếu agent hiểu sai mục tiêu hoặc chọn giải pháp quá phức tạp
5. Cho agent thực hiện trong workspace đã giới hạn — không sửa ngoài thư mục dự án
6. Agent tự kiểm thử: mở trang, lỗi console, responsive, link/CTA, nội dung nhạy cảm
7. Yêu cầu artifact: screenshot, danh sách file, README, CHANGELOG, TEST_LOG
8. Con người review cuối: nghiệp vụ, thương hiệu, bảo mật, trải nghiệm — quyết định phát hành

Với bài tập nhỏ có thể bỏ vài bước. Với dự án thật — đặc biệt có dữ liệu khách hàng — quy trình này bắt buộc.

06 · Năm rủi ro khi dùng AI Agent

Rủi ro	Kiểm soát
Sai logic nghiệp vụ (trang đẹp nhưng sai gói/đối tượng/lời hứa)	Brief rõ, checklist nghiệm thu, người phụ trách nghiệp vụ review
Thao tác nhầm file (sửa nhầm, ghi đè, xóa)	Backup, branch riêng, 01_Inputs chỉ đọc, cấm lệnh xóa hàng loạt
Rò rỉ dữ liệu (agent đọc file chứa secrets, PII)	Biến môi trường, Secret Manager, không hard-code key
Code chạy được nhưng không an toàn	Checklist bảo mật: validate input, không lộ key, không dependency lạ
Chi phí và quota (agent lặp nhiều vòng)	Giới hạn số vòng, yêu cầu agent dừng và báo cáo sau mỗi mốc lớn

Nguyên tắc vàng: quyền của Agent phải nhỏ hơn quyền của người dùng. Agent chỉ đọc/sửa trong phạm vi bài toán — không được toàn quyền ổ đĩa, repository hay cloud account.

07 · Bài thực hành: điều phối agent tạo landing page khóa học

Brief mẫu: khóa AI Productivity Bootcamp, đối tượng nhân viên văn phòng chưa có nền tảng kỹ thuật, 2 ngày, CTA đăng ký lớp nội bộ. Không được bịa: cam kết tăng lương, số liệu không nguồn, logo chưa được phép.

Bạn là AI Agent hỗ trợ phát triển web. Tạo landing page cho khóa học
AI Productivity Bootcamp.

Yêu cầu: (1) Lập implementation plan trước khi tạo file. (2) Không sửa/xóa file
trong 01_Inputs/. (3) Prototype trong 02_Workspace/, thành phẩm lưu 03_Outputs/.
(4) Nội dung không bịa cam kết, không tự thêm học phí. (5) Sau khi tạo: kiểm tra
mở được, responsive, CTA, console, chính tả. (6) Tạo README.md, CHANGELOG.md,
TEST_LOG.md.

Tiêu chuẩn nghiệm thu: Trang có Hero, Lợi ích, Nội dung học, Lịch trình 2 ngày,
FAQ, CTA. Responsive desktop + mobile. Không dùng dữ liệu thật.

5 lớp review sau khi agent tạo prototype: (1) chạy được — mở trang không lỗi; (2) bố cục — Hero, CTA, FAQ rõ; (3) nội dung — không bịa cam kết; (4) responsive — xem trên mobile; (5) tài liệu — README, CHANGELOG, TEST_LOG đầy đủ.

Checklist nghiệm thu

• Agent có lập kế hoạch trước khi sửa file?
• Agent có giới hạn thao tác trong workspace?
• Trang/sản phẩm chạy được?
• Nội dung có bịa cam kết, học phí, số liệu không?
• Có README, CHANGELOG, TEST_LOG?
• Người phụ trách nghiệp vụ đã duyệt?
• Người phụ trách kỹ thuật đã kiểm tra kết nối/form/deploy?

🔗 Tài liệu tham khảo

• Google Antigravity — agentic development platform
• Google AI Studio · Vertex AI Agent Builder · Gemini API
• Xem thêm trong app: Agentic AI — chuyên đề · Gemini CLI → Antigravity

Tiếp theo: AI trên thiết bị — AI Edge Gallery →