Skill và memory của AI agent: vì sao chat “thông minh” vẫn quên việc

Bạn đã từng có một cuộc chat AI “rất đã”, rồi tuần sau mở lại và giải thích từ zero? Cảm giác đó không phải vì model đột ngột kém đi. Thường là vì lớp skill và memory chưa được thiết kế — hoặc bị nhét lung tung. Bài này giải thích hai khái niệm theo hướng dùng được.

Việc lặp mới là điểm bắt đầu

Trước khi nói skill hay memory, hãy chỉ ra một việc bạn muốn lặp lại tuần này và tuần sau. Ví dụ: tóm biên bản họp thành việc cần làm, rà PR theo checklist cố định, hoặc ôn một dạng bài với nguồn trích dẫn.

Hình. Việc lặp → skill + memory → agent đỡ phải chat lại từ đầu.

Không có việc lặp, skill chỉ là sưu tầm. Memory chỉ là nhật ký ồn. Agent trông “đủ đồ” nhưng vẫn hành xử như chatbot mỗi lần mở.

Skill là gì trong ngôn ngữ agent

Skill là quy trình đóng gói: mục tiêu, bước, ràng buộc, và đôi khi là tool được phép chạm. Nó khác một prompt hay ở chỗ bạn không phải viết lại tiểu thuyết mỗi session. Bạn gọi một tên hoặc một thói quen đã chuẩn hóa.

Skill tốt thường hẹp. “Rà PR frontend theo checklist X” dễ kiểm chứng hơn “làm product giỏi”. Skill xấu ôm đồm khiến agent đoán bừa khi thiếu ngữ cảnh. Catalog skill phình sớm cũng khiến lỗi khó lần: bạn không biết lớp nào vừa chạy sai.

Memory giữ gì — và không giữ gì

Memory là lớp giúp agent nhớ điều ổn định về bạn, dự án, hoặc quy ước làm việc. Nó có thể là sở thích format, cấu trúc repo, hoặc “tuần này đang ưu tiên module A”. Mục tiêu là giảm ma sát lặp lại.

Memory không nên là bãi chứa mọi tin nhắn từng có. Memory xấu tạo ảo giác chuyên môn: agent nhắc lại điều đã lỗi thời với giọng chắc nịch. Nguyên tắc an toàn là chỉ ghi điều bạn sẵn sàng để agent tái sử dụng công khai trong workspace đó, và định kỳ dọn.

Cách ghép skill và memory mà không loạn

Một vòng thực tế cho người mới: chọn một việc lặp, viết một skill tối giản, thêm một hoặc hai mục memory thật sự ổn định, rồi chạy đúng một tuần. Cuối tuần hỏi ba câu. Skill có rút ngắn thời gian không. Memory có giúp khỏi nhắc lại không. Có chỗ nào agent tự tin sai không.

Nếu câu trả lời mơ hồ, đừng thêm skill mới. Hãy sửa skill đang có hoặc xóa memory rác. Mở rộng chỉ sau khi một vòng đã chứng minh giá trị. Bài chatbot vs agent giúp bạn chắc mình đang ở đúng tầng tool trước khi tối ưu hai lớp này.

Liên hệ Hermes và tài liệu gốc

Các agent self-improving hiện đại, trong đó docs Hermes Agent nhấn learning loop với skills và memory, đi đúng hướng này: agent lớn dần theo cách bạn làm việc, không chỉ theo model mới. Tên lệnh, UI và catalog đổi theo bản — luôn đối chiếu docs official khi thao tác.

Bài Hermes Agent là gì? cho bối cảnh sản phẩm. Bài này cố ý dừng ở khái niệm vận hành để bạn áp dụng được cho nhiều stack, không phụ thuộc một installer cụ thể.

Một dấu hiệu skill đang tốt là người khác (hoặc chính bạn sau hai tuần) đọc lại vẫn hiểu mục tiêu và ranh giới. Nếu skill chỉ có bạn “hiểu trong đầu lúc viết”, nó sẽ hỏng ngay khi context đổi. Hãy viết skill như viết checklist cho đồng nghiệp bận.

Kết

Chat “thông minh” vẫn quên việc khi không có skill cho quy trình lặp và memory cho ngữ cảnh bền. Hai lớp đó không phải phụ kiện khoe catalog. Chúng là cách biến agent từ màn hình demo thành trợ thủ có nhịp. Bắt đầu hẹp, đo một tuần, rồi mới mở rộng.