Hướng dẫn các AI Agent cách xây dựng trên Catalyst

Với cùng một nhiệm vụ xây dựng một ứng dụng full-stack hoàn chỉnh từ đầu đến cuối trên Catalyst — nền tảng đám mây full-stack sẵn sàng cho AI Agent của Zoho.
Nền tảng được xem là mô hình AI mạnh mẽ khi không có ngữ cảnh nền tảng chỉ hoàn thành được 25% công việc.
Trong khi đó, mô hình nhỏ nhất khi có Agent Skills hoàn thành tới 92%. Bài viết này sẽ lý giải vì sao lại như vậy.
LLM không còn là một thử nghiệm nữa. Nó đang dần trở thành một phần gắn liền với cách chúng ta làm việc, giống như công cụ tìm kiếm đã từng — trong quy trình làm việc, trong các quyết định, và trong chu trình phát triển phần mềm.
Câu hỏi không còn là có nên dùng AI hay không, mà là bạn đang dùng nó tốt đến mức nào.
Token không phải là miễn phí
Đây là ý tưởng kỹ thuật duy nhất đáng để hiểu, bất kể vai trò của bạn là gì.
Mọi thứ bạn gõ cho một mô hình, và mọi thứ nó trả lời lại, đều được chia nhỏ thành các token — tạm hiểu là những mảnh nhỏ của từ ngữ.
Một mô hình có bộ nhớ làm việc hữu hạn, được đo bằng số lượng token. Mỗi token dùng cho ngữ cảnh là một token không còn được dùng cho việc suy luận.
Điều này dẫn đến một hệ quả trực tiếp: chất lượng của những gì bạn đưa vào quyết định chất lượng của những gì nhận được, và hiệu quả của những gì bạn đưa vào quyết định mô hình còn bao nhiêu "chỗ trống" để suy nghĩ.
Một prompt chính xác kèm ngữ cảnh liên quan luôn tốt hơn một prompt mơ hồ được nhồi nhét đủ thứ bạn tìm được.
Với một câu hỏi đơn lẻ, đây chỉ là một sự tối ưu nhỏ. Nhưng với các đội ngũ đang xây dựng phần mềm thực tế với AI tham gia vào quy trình.
Đây là nơi một mô hình có thể thực hiện hàng trăm bước thay mặt bạn; hiệu quả sử dụng token trở thành vấn đề mang tính kiến trúc.
Và nếu bạn là người quản lý ngân sách thay vì quản lý Codebase, token chính là khoản mục chi phí: đó là thứ bạn phải trả tiền.
Một mô hình hạn chế không gian làm việc giữa chừng sẽ bắt đầu đánh mất khả năng nhận biết nó đang làm gì — thứ mà sau đó bạn lại phải trả tiền để giải thích lại từ đầu.
Vấn đề chúng tôi đặt ra để giải quyết
Mọi đội ngũ xây dựng trên một nền tảng đều phải trả một chi phí lặp lại: học lại nền tảng đó từ con số không.
Chi phí này phát sinh mỗi khi có người mới gia nhập, mỗi khi ai đó chuyển sang một dự án khác, và giờ đây là mỗi khi một mô hình AI bắt đầu một phiên làm việc mới mà không còn nhớ gì về phiên trước đó.
Hai trường hợp đầu luôn là một phần của việc vận hành đội ngũ. Trường hợp thứ ba thì xảy ra hàng chục lần mỗi ngày.
Với một lập trình viên, tình huống này diễn ra như sau. Họ nhờ một mô hình AI giúp xây dựng một ứng dụng full-stack trên Catalyst.
Mô hình biết về Catalyst: các khái niệm và mẫu hình chung, cộng với bất kỳ mảnh thông tin nào về Catalyst tình cờ có trong dữ liệu huấn luyện của nó.
Vì vậy nó tạo ra đoạn code trông có vẻ hợp lý nhưng thường không phản ánh đúng cách Catalyst thực sự vận hành. Lập trình viên phát hiện lỗi và sửa lại.
Mô hình điều chỉnh theo. Đến phiên làm việc tiếp theo, mô hình đã quên mất, và chu trình lại bắt đầu lại từ đầu. Token bị đốt cháy để tái thiết lập lại ngữ cảnh — thứ lẽ ra đã phải có sẵn ngay từ prompt đầu tiên.
Đây chính là khoảng trống mà Catalyst Agent Skills ra đời để lấp đầy.
Agent Skills là gì?
Cách đơn giản nhất để diễn đạt là: Agent Skills là tài liệu được viết cho mô hình đọc, không phải cho con người đọc.
Catalyst Agent Skills hay các kỹ năng xây dựng Agent trên Catalyst là một bộ hướng dẫn dành riêng cho mô hình, được chọn lọc kỹ càng và mã nguồn mở.
Mỗi hướng dẫn tương ứng với một dịch vụ trong toàn bộ nền tảng full-stack: Data Store, Functions, Authentication, Job Scheduling, Cache, Stratus (lưu trữ đối tượng), AppSail, và nhiều dịch vụ khác.
Chúng được tổ chức sao cho một mô hình không cần phải đọc hết tất cả mới trả lời được một câu hỏi cụ thể. Một điểm vào nhẹ nhận diện đúng điều lập trình viên đang hỏi, rồi chỉ tải về đúng một hướng dẫn phù hợp.
Mỗi hướng dẫn được viết dựa trên cách sử dụng thực tế. Nó chứa đúng cấu trúc API, những ràng buộc dễ bị bỏ sót, và một mục "Lỗi thường gặp" được xây dựng từ chính những thất bại mà lập trình viên đã từng gặp phải, kể cả nguyên văn thông báo lỗi mà nền tảng trả về.
Mô hình nhận ra vấn đề ngay khi nó xuất hiện, thay vì phải đoán mò.
Lấy ví dụ từ kỹ năng Job Scheduling: điều kiện tiên quyết thứ 3, đúng nguyên văn như một mô hình sẽ đọc được; chính là ranh giới giữa một cron job chạy đúng và một cron job âm thầm không bao giờ chạy.

Cảnh báo đó tồn tại vì có người đã từng mất cả một buổi chiều vì nó. Một mô hình đã đọc qua cảnh báo này sẽ không bao giờ lên lịch cho một job âm thầm không bao giờ chạy.
Kết quả là một mô hình được trang bị Agent Skills hành xử như một chuyên gia giải pháp Catalyst ngay từ prompt đầu tiên, tiêu tốn ít token hơn, cho kết quả chính xác hơn, và chu trình gỡ lỗi ngắn hơn.
Mô hình kiến trúc là gì?
Mô hình kiến trúc đến từ dữ liệu huấn luyện của nó, và dữ liệu huấn luyện lại đầy rẫy các stack đa nhà cung cấp: một dịch vụ cho hosting, một dịch vụ khác cho cơ sở dữ liệu, và một dịch vụ thứ ba cho xác thực.
Những câu trả lời đó không sai; chúng chỉ là giá trị trung bình. Điều mà một mô hình không thể biết được từ các giá trị trung bình đó là trên Catalyst, tất cả những mảnh ghép ấy đều tồn tại trên cùng một nền tảng, được triển khai qua cùng một CLI, và xuất hiện trên cùng một hóa đơn.
Vì vậy, bộ kỹ năng bao gồm một file mà công việc của nó hoàn toàn không phải là viết code. architecture.md là một bảng quyết định cho nền tảng đám mây full-stack:
Dữ liệu quan hệ: dùng Data Store, không dùng NoSQL.
Một tiến trình máy chủ thường trực: dùng AppSail, không dùng Functions.
Tải lên tệp tin: dùng Stratus.

Đi kèm với đó là các mẫu hình stack dựng sẵn, mỗi mẫu đều kèm theo tín hiệu về chi phí. Bảng quyết định này đặt ngay trước mặt mô hình câu trả lời của nền tảng, đúng vào thời điểm kiến trúc được lựa chọn.
Cũng chính hướng dẫn này còn chứa những ràng buộc chỉ lộ ra muộn — ví dụ như các dịch vụ đã bị ngừng hỗ trợ từ tháng 8/2025 mà một mô hình được huấn luyện trên tài liệu cũ vẫn sẽ tự tin đề xuất.
Với lập trình viên, đó là việc gỡ lỗi không bao giờ phải xảy ra. Với người quản lý ngân sách, đó là một hóa đơn nền tảng duy nhất thay vì ba khoản thuê bao từ ba nhà cung cấp khác nhau được chắp vá lại bằng code kết nối.
Đây là lý do vì sao chúng tôi xem các skill này là một phần không thể tách rời của việc xây dựng trên Catalyst.
Hiệu quả trong thực tế
Chúng tôi giao cho ba mô hình cùng một nhiệm vụ: xây dựng một ứng dụng full-stack trên Catalyst, từ đầu đến cuối — một lần không có các kỹ năng hay Skills, và một lần có Agent Skills cùng Catalyst MCP.
Mô hình mạnh nhất khi không có Skills chỉ hoàn thành được 25% nhiệm vụ. Mô hình nhỏ nhất khi có Skills hoàn thành tới 92%. Sự khác biệt chưa bao giờ nằm ở bản thân mô hình; nó nằm ở việc mô hình đó biết được bao nhiêu về nền tảng.
Một lưu ý về các con số: mức độ hoàn thành được tính dựa trên số lần xây dựng hoàn tất từ đầu đến cuối mà không cần con người can thiệp giữa chừng.
Ngay cả khi có Skills, vẫn có một tỷ lệ nhỏ các lượt chạy cần đến sự can thiệp đó. Đây chính là lý do khiến giới hạn trên chưa đạt đến 100%.
Giới chuyên gia phân tích nhận định
"Các agent lập trình AI hiện nay giỏi trong việc tạo ra khối lượng lớn code, nhưng việc ghép nối các thành phần của một ứng dụng hoàn chỉnh rồi triển khai vào môi trường production vẫn còn quá khó khăn. Với Catalyst, lập trình viên có thể tận dụng Agent Skills, MCP server, và khả năng điều phối tích hợp sẵn của nền tảng để triển khai các ứng dụng xác định (Deterministic) hoạt động đầy đủ trên nền tảng PaaS đẳng cấp thế giới Catalyst. Bất kỳ tổ chức phát triển nào chưa từng cân nhắc đến Zoho trước đây nên dành thời gian tìm hiểu kỹ."
— Jason Bloomberg, Managing Director, Intellyx
"Lập trình viên muốn làm việc trong chính những công cụ họ đã quen dùng. Để các agent mang lại kết quả kinh doanh thực sự, chúng cần quyền truy cập vào các hệ thống nội bộ như CRM và Books, cộng với các hệ thống bên ngoài mà doanh nghiệp phụ thuộc vào — và dữ liệu đó phải luôn chính xác và cập nhật. Catalyst đưa năng lực tính toán và logic vào trong một môi trường được quản trị, quen thuộc, mang lại cho AI agent ngữ cảnh cần thiết mà không phải đánh đổi khả năng kiểm soát của doanh nghiệp. Điều đó biến code do AI tạo ra mang tính xác suất trở thành phần mềm doanh nghiệp có thể dự đoán được và dễ bảo trì."
— Shashi Bellamkonda, Principal Research Director, InfoTech Research Group
Đối tượng phù hợp
Lập trình viên xây dựng với Agent Skills cho ra đời code hoạt động đúng với Catalyst ngay từ đầu — với chữ ký hàm (Handler Signature) đúng, lệnh gọi SDK đúng, và cấu hình đúng.
Đội ngũ kỹ thuật và quản lý sản phẩm chứng kiến thời gian Onboarding rút ngắn đáng kể. Một thành viên mới làm việc cùng một mô hình đã được trang bị skills có thể làm việc hiệu quả trên Catalyst ngay từ phiên làm việc đầu tiên.
Sinh viên và người học có thể xây dựng trên một nền tảng đám mây full-stack cấp độ Production thực thụ mà không cần dành hàng tuần để đọc tài liệu trước. Mô hình mang theo kiến thức về nền tảng; họ chỉ cần mang theo ý tưởng.
Lãnh đạo doanh nghiệp và công nghệ nhận được lợi tức đầu tư rõ ràng hơn từ AI. Một trợ lý AI chỉ thực sự tăng tốc cho đội ngũ khi nó hiểu được nền tảng mà đội ngũ đang xây dựng trên đó. Agent Skills biến sự thấu hiểu đó thành điều mặc định có sẵn.
Cách bắt đầu
Agent Skills hoạt động với bất kỳ mô hình AI nào và bất kỳ công cụ phát triển nào hỗ trợ định dạng Agent Skills mở: Claude Code, Cursor, GitHub Copilot, Codex, Gemini CLI, và nhiều công cụ khác. Cài đặt chỉ với một dòng lệnh:
npx skills add catalystbyzoho/agent-skills
Lệnh này tự động nhận diện bạn đã cấu hình những công cụ AI nào và cài đặt skills vào đúng nơi mỗi công cụ đó mong đợi. Kể từ thời điểm đó, mô hình sẽ có sẵn kiến thức về Catalyst trong mọi phiên làm việc.
Bạn cũng có thể kết nối thêm Catalyst MCP Server. Với công cụ này, trợ lý AI có thể làm nhiều hơn việc viết code; nó có thể trực tiếp quản lý dự án Catalyst của bạn: tạo bảng dữ liệu, chạy truy vấn, và cấu hình tài nguyên ngay trong cùng một cuộc trò chuyện.
Toàn bộ bộ skills là mã nguồn mở, có tại github.com/catalystbyzoho/agent-skills.
Bước tiếp theo là gì?
Trên đây mới chỉ là khởi đầu.
Từ nay trở đi, mỗi tính năng chúng tôi phát hành cho Catalyst sẽ đi kèm hai luồng tài liệu: tài liệu truyền thống dành cho con người đọc và học, và một bộ skills được cập nhật dành cho mô hình làm việc và xây dựng.
Mỗi bản phát hành, mỗi API mới, và mỗi thay đổi về kiến trúc sẽ được cập nhật ở cả hai luồng. Mục tiêu của chúng tôi là để một lập trình viên dùng AI trên Catalyst không bao giờ phải làm việc với một mô hình không hiểu về nền tảng.
Chúng tôi cũng đang xây dựng điều này một cách công khai. Định dạng, độ sâu, và phạm vi bao phủ đang liên tục được hoàn thiện, và chúng tôi hoan nghênh mọi đóng góp: những trường hợp đặc biệt bạn từng gặp phải, những mẫu hình đáng được ghi lại, hay phản hồi về những gì còn thiếu sót.
Mỗi đóng góp đều giúp cho prompt đầu tiên của lập trình viên tiếp theo trở nên tốt hơn.
Lời kết
Chúng tôi đang xây dựng lớp trung gian nằm giữa Catalyst và mọi mô hình AI mà một lập trình viên trên nền tảng của chúng tôi sẽ từng sử dụng.
Mục đích nhằm đảm bảo lớp đó luôn cập nhật, luôn chính xác, và luôn thu hẹp khoảng cách giữa một ý tưởng và một bản triển khai thực tế đang hoạt động.
Có thể nhận thấy rằng đường cong áp dụng AI trong phát triển phần mềm đang rất dốc, và nó đang tăng tốc.
Những đội ngũ có mô hình AI thực sự hiểu nền tảng của họ sẽ đi nhanh hơn, cho ra sản phẩm tốt hơn, và tốn ít thời gian gỡ lỗi hơn so với những đội ngũ mà mô hình AI chỉ đang đoán mò.
Đó chính là khoảng trống mà Agent Skills có thể giải quyết được. Trên đây là toàn bộ thông tin trong bài viết của Zoho ngày hôm nay. Hy vọng bài viết đã cung cấp đầy đủ thông tin cần thiết về Agent Skills. Hẹn gặp bạn trong các bài viết khác từ Zoho.

Comments