Agentic Vibe Coding hoạt động như thế nào? Quy trình 6 bước

Trong phát triển phần mềm, AI không còn chỉ hỗ trợ trả lời câu hỏi hoặc tạo từng đoạn mã nguồn. Với những công cụ có khả năng thực thi, AI Agent có thể tiếp nhận mục tiêu, phân tích nhiệm vụ, chỉnh sửa tệp, chạy lệnh và kiểm tra kết quả theo một quy trình gồm nhiều bước.

Cách tiếp cận kết hợp việc mô tả yêu cầu bằng ngôn ngữ tự nhiên với khả năng thực thi của AI Agent thường được gọi là Agentic Vibe Coding. Thay vì phải hướng dẫn AI từng thao tác nhỏ, người dùng có thể giao một nhiệm vụ cụ thể và để agent chủ động xử lý những công đoạn phù hợp.

Vậy Agentic Vibe Coding hoạt động như thế nào, cần những thành phần gì và làm sao để ứng dụng hiệu quả? Bài viết dưới đây sẽ phân tích quy trình từ lúc hình thành ý tưởng đến khi đánh giá sản phẩm.

Agentic Vibe Coding hoạt động như thế nào?

Agentic Vibe Coding là cách tiếp cận phát triển phần mềm trong đó người dùng mô tả mục tiêu bằng ngôn ngữ tự nhiên, còn AI Agent có thể lập kế hoạch và thực hiện nhiều bước để tiến gần đến mục tiêu đó.

Điểm khác biệt so với cách sử dụng AI chỉ để tạo mã nguồn nằm ở khả năng kết nối giữa suy luận và hành động. Tùy công cụ, agent có thể đọc cấu trúc dự án, chỉnh sửa mã nguồn, sử dụng terminal, chạy bộ kiểm thử và tiếp tục xử lý khi phát hiện lỗi.

Một quy trình điển hình có thể bao gồm sáu bước:

1. Tiếp nhận yêu cầu và xác định mục tiêu.

2. Phân tích dự án và lập kế hoạch thực hiện.

3. Viết hoặc chỉnh sửa mã nguồn.

4. Chạy thử và kiểm thử chức năng.

5. Phân tích lỗi và điều chỉnh.

6. Báo cáo kết quả để con người đánh giá.

Đây là mô hình tham khảo, không phải mọi công cụ đều tự động thực hiện đầy đủ sáu bước. Khả năng thực tế phụ thuộc vào công cụ lập trình, mô hình AI, môi trường chạy và quyền truy cập được cấp.

6 bước trong quy trình Agentic Vibe Coding

Bước 1: Tiếp nhận yêu cầu bằng ngôn ngữ tự nhiên

Quy trình bắt đầu khi người dùng mô tả chức năng cần xây dựng hoặc vấn đề cần giải quyết. Yêu cầu có thể được viết bằng ngôn ngữ tự nhiên, không nhất thiết phải bắt đầu bằng mã nguồn.

Ví dụ, thay vì yêu cầu AI tạo riêng một biểu mẫu, người dùng có thể giao nhiệm vụ:

“Xây dựng trang đăng ký tài khoản cho ứng dụng, gồm các trường họ tên, email và mật khẩu. Kiểm tra dữ liệu đầu vào, hiển thị thông báo lỗi phù hợp và kết nối với API đăng ký hiện có.”

Yêu cầu này xác định được mục tiêu, các thành phần chính và một số điều kiện cần đáp ứng.

Để agent thực hiện hiệu quả, người dùng nên cung cấp thêm thông tin nếu có, chẳng hạn công nghệ đang sử dụng, cấu trúc dữ liệu, quy tắc nghiệp vụ và tiêu chí nghiệm thu. Với nhiệm vụ có rủi ro cao, cần xác nhận phạm vi trước khi cho phép agent thực thi.

Bước 2: Phân tích dự án và lập kế hoạch

Sau khi tiếp nhận yêu cầu, agent có thể khảo sát cấu trúc dự án và xác định những thành phần liên quan. Thay vì lập tức sửa mã nguồn, hệ thống có thể phân chia nhiệm vụ thành các công việc nhỏ hơn.

Với chức năng đăng ký tài khoản, kế hoạch có thể bao gồm:

• Kiểm tra cấu trúc giao diện và các thành phần biểu mẫu hiện có.

• Xác định API và định dạng dữ liệu cần sử dụng.

• Xây dựng logic kiểm tra dữ liệu đầu vào.

• Bổ sung trạng thái đang gửi và thông báo lỗi.

• Chạy kiểm thử các trường hợp thành công và thất bại.

Việc lập kế hoạch giúp hạn chế tình trạng AI chỉ xử lý phần dễ nhìn thấy mà bỏ qua các yêu cầu liên quan.

Tuy nhiên, kế hoạch do AI tạo ra vẫn cần được đánh giá. Nếu nhiệm vụ liên quan đến kiến trúc hệ thống, dữ liệu quan trọng hoặc thay đổi lớn, người phát triển nên xem xét phương án trước khi cho phép thực hiện.

Bước 3: Viết và chỉnh sửa mã nguồn

Khi kế hoạch đã rõ ràng, agent có thể bắt đầu thực hiện các công việc được giao. Tùy môi trường, hệ thống có thể tạo tệp mới, chỉnh sửa mã nguồn hiện tại hoặc sử dụng các công cụ hỗ trợ phát triển phần mềm.

Khả năng xử lý nhiều tệp là một lợi thế đáng chú ý. Một chức năng thường không chỉ liên quan đến giao diện mà còn có thể cần logic xử lý, kết nối API, quản lý trạng thái và các bài kiểm thử.

Trong ví dụ đăng ký tài khoản, agent có thể cần cập nhật thành phần giao diện, bổ sung hàm gửi dữ liệu và xử lý phản hồi từ máy chủ. Việc thay đổi phải tuân theo cấu trúc và quy ước của dự án, thay vì tạo ra một giải pháp tách rời.

Dù vậy, khả năng sửa nhiều tệp cũng làm tăng phạm vi ảnh hưởng khi agent hiểu sai yêu cầu. Vì thế, nên giới hạn phạm vi chỉnh sửa và duy trì lịch sử thay đổi để có thể kiểm tra hoặc khôi phục khi cần.

Bước 4: Chạy thử và kiểm thử chức năng

Sau khi viết mã nguồn, agent có thể sử dụng những công cụ được tích hợp để kiểm tra kết quả. Các hoạt động này có thể bao gồm chạy lệnh kiểm thử, kiểm tra kiểu dữ liệu, xây dựng ứng dụng hoặc khởi chạy môi trường phát triển.

Với chức năng đăng ký tài khoản, các trường hợp cần kiểm tra có thể là:

• Đăng ký với dữ liệu hợp lệ.

• Để trống trường bắt buộc.

• Nhập email không đúng định dạng.

• Nhập mật khẩu không đáp ứng yêu cầu.

• Xử lý khi API trả về lỗi.

• Xử lý khi yêu cầu bị gián đoạn hoặc phản hồi chậm.

Nếu agent chỉ kiểm tra xem ứng dụng có khởi chạy hay không, nhiều lỗi nghiệp vụ vẫn có thể bị bỏ sót. Do đó, cần xây dựng tiêu chí kiểm thử phù hợp với chức năng thay vì chỉ dựa vào việc mã nguồn không phát sinh lỗi cú pháp.

Khả năng kiểm thử tự động cũng phụ thuộc vào môi trường. Agent không thể chạy những bài kiểm tra hoặc truy cập hệ thống mà nó không được cung cấp quyền sử dụng.

Bước 5: Phân tích lỗi và tiếp tục điều chỉnh

Một điểm quan trọng của Agentic Vibe Coding là khả năng lặp lại quá trình thực thi khi kết quả chưa đạt yêu cầu.

Nếu một bài kiểm thử thất bại, agent có thể đọc thông báo lỗi, xác định thành phần liên quan, điều chỉnh mã nguồn và chạy lại bài kiểm thử. Quá trình này có thể lặp lại cho đến khi đạt điều kiện hoàn thành đã xác định hoặc chạm giới hạn được thiết lập.

Ví dụ, nếu API đăng ký trả về lỗi khi email đã tồn tại, agent có thể kiểm tra cách xử lý phản hồi và bổ sung thông báo phù hợp cho người dùng.

Tuy nhiên, không nên để agent tự sửa không giới hạn. Một thay đổi có thể làm bài kiểm thử hiện tại thành công nhưng lại ảnh hưởng đến chức năng khác. Vì vậy, cần có giới hạn số lần thử, tiêu chí dừng và cơ chế chuyển nhiệm vụ cho con người khi vấn đề vượt quá khả năng xử lý.

Bước 6: Báo cáo kết quả và đánh giá trước khi triển khai

Khi kết thúc nhiệm vụ, agent nên cung cấp thông tin về những gì đã thực hiện, các tệp đã thay đổi, bài kiểm thử đã chạy và vấn đề chưa được giải quyết.

Người phát triển cần xem xét những thay đổi này trước khi đưa mã nguồn vào môi trường thực tế. Quá trình đánh giá có thể bao gồm kiểm tra mã nguồn, xác minh kết quả kiểm thử, rà soát bảo mật và đối chiếu với yêu cầu ban đầu.

Nếu có những thay đổi ảnh hưởng đến dữ liệu, quyền truy cập hoặc hệ thống đang vận hành, cần yêu cầu phê duyệt trước khi thực hiện các thao tác nhạy cảm.

Mục tiêu cuối cùng không phải là để AI tự tuyên bố đã hoàn thành, mà là tạo ra kết quả đáp ứng tiêu chí đã xác định và có thể được kiểm chứng.

Ví dụ thực tế: Xây dựng chức năng tìm kiếm sản phẩm

Giả sử một doanh nghiệp muốn bổ sung chức năng tìm kiếm sản phẩm vào website thương mại điện tử. Với cách làm thông thường, người phát triển có thể phải lần lượt yêu cầu AI tạo giao diện tìm kiếm, kết nối dữ liệu, xử lý bộ lọc và sửa các lỗi phát sinh.

Với Agentic Vibe Coding, người dùng có thể giao một nhiệm vụ tổng thể kèm tiêu chí cụ thể.

Giai đoạn	Công việc của AI Agent
Phân tích	Kiểm tra cấu trúc website và nguồn dữ liệu sản phẩm
Lập kế hoạch	Xác định các thành phần giao diện, logic tìm kiếm và cách kiểm thử
Thực thi	Chỉnh sửa các tệp cần thiết để bổ sung chức năng
Kiểm thử	Kiểm tra từ khóa hợp lệ, kết quả rỗng và trường hợp dữ liệu lỗi
Điều chỉnh	Sửa các vấn đề phát hiện được trong phạm vi được phép
Báo cáo	Tóm tắt thay đổi và những nội dung cần con người xác minh

Ví dụ này cho thấy agent có thể đảm nhận một chuỗi công việc thay vì chỉ tạo từng đoạn mã riêng lẻ. Tuy nhiên, chất lượng cuối cùng vẫn phụ thuộc vào mức độ rõ ràng của yêu cầu, dữ liệu sẵn có và hệ thống kiểm thử.

Những thành phần cần có để triển khai Agentic Vibe Coding

Để áp dụng phương pháp này, doanh nghiệp hoặc người phát triển cần cân nhắc một số thành phần chính.

1. Mô hình AI có khả năng lập luận và hỗ trợ lập trình

Mô hình cần có khả năng hiểu yêu cầu, phân tích ngữ cảnh mã nguồn và đề xuất những thay đổi phù hợp. Hiệu quả thực tế còn phụ thuộc vào chất lượng ngữ cảnh và cách tổ chức nhiệm vụ.

2. Môi trường phát triển và công cụ thực thi

Agent cần có môi trường phù hợp để đọc hoặc chỉnh sửa mã nguồn, chạy lệnh và nhận kết quả kiểm tra. Không phải mọi công cụ trò chuyện với AI đều có quyền thực hiện các thao tác này.

3. Bộ kiểm thử và tiêu chí hoàn thành

Các tiêu chí như chức năng phải hoạt động thế nào, dữ liệu đầu vào hợp lệ ra sao và trường hợp nào được xem là lỗi sẽ giúp đánh giá kết quả khách quan hơn.

4. Cơ chế kiểm soát và giám sát

Cần thiết lập quyền truy cập tối thiểu, quản lý thông tin nhạy cảm, lưu lịch sử thay đổi và yêu cầu phê duyệt đối với thao tác quan trọng. Với dự án lớn, quy trình rà soát mã nguồn vẫn là một phần không thể thiếu.

Agentic Vibe Coding cũng có thể được xem như một trường hợp ứng dụng tư duy tự động hóa theo quy trình. Nếu muốn tìm hiểu cách tổ chức nhiều bước xử lý, công cụ và điểm kiểm soát trong một luồng công việc, bạn có thể tham khảo bài viết Agentic Workflow là gì?.

Ưu điểm và hạn chế của Agentic Vibe Coding

Ưu điểm

• Giảm thao tác lặp lại: Agent có thể chạy lệnh, đọc kết quả và thực hiện những điều chỉnh trong phạm vi được cấp quyền.

• Xử lý nhiệm vụ nhiều bước: Có thể phối hợp việc đọc mã nguồn, chỉnh sửa và kiểm thử trong cùng một quy trình.

• Tăng tính nhất quán: Khi có tiêu chí và quy ước rõ ràng, agent có thể thực hiện công việc theo kế hoạch đã xác định.

• Hỗ trợ thử nghiệm nhanh: Người phát triển có thể tập trung nhiều hơn vào mục tiêu sản phẩm và đánh giá giải pháp.

Hạn chế

• Phụ thuộc vào chất lượng yêu cầu: Mục tiêu mơ hồ có thể dẫn đến kế hoạch và kết quả không phù hợp.

• Có nguy cơ phát sinh lỗi dây chuyền: Thay đổi ở một thành phần có thể ảnh hưởng đến các chức năng liên quan.

• Cần kiểm soát quyền thực thi: Truy cập mã nguồn, terminal hoặc hệ thống bên ngoài có thể tạo ra rủi ro bảo mật.

• Không bảo đảm phần mềm đạt chuẩn sản xuất: Việc chạy được hoặc vượt qua một số bài kiểm thử không đồng nghĩa với việc hệ thống đã an toàn và sẵn sàng triển khai.

Khi nào nên áp dụng Agentic Vibe Coding?

Phương pháp này phù hợp để thử nghiệm với những nhiệm vụ có mục tiêu rõ ràng, có thể chia thành nhiều bước và có cách kiểm tra kết quả tương đối cụ thể. Ví dụ gồm xây dựng chức năng giao diện, bổ sung kiểm tra dữ liệu, viết kiểm thử hoặc xử lý một lỗi có thể tái hiện.

Ngược lại, với các thay đổi ảnh hưởng trực tiếp đến bảo mật, thanh toán, dữ liệu khách hàng hoặc hệ thống sản xuất, cần áp dụng cơ chế phê duyệt và đánh giá nghiêm ngặt hơn. Những nhiệm vụ chưa rõ yêu cầu cũng nên được làm rõ trước khi giao cho agent tự thực hiện.

Một cách triển khai hợp lý là bắt đầu từ phạm vi nhỏ, xác định tiêu chí thành công, đo lường chất lượng đầu ra rồi mới mở rộng sang các nhiệm vụ phức tạp hơn.

Kết luận

Agentic Vibe Coding mở rộng cách sử dụng AI trong phát triển phần mềm bằng việc kết hợp mô tả yêu cầu bằng ngôn ngữ tự nhiên với khả năng lập kế hoạch, thực thi và kiểm tra nhiều bước của AI Agent.

Quy trình thường bắt đầu từ phân tích yêu cầu, tiếp tục qua lập kế hoạch, chỉnh sửa mã nguồn, kiểm thử và điều chỉnh, trước khi con người đánh giá kết quả. Mức độ tự động hóa có thể khác nhau giữa các công cụ, vì vậy doanh nghiệp cần chú trọng đến tiêu chí nghiệm thu, quyền truy cập và cơ chế giám sát.

Khi được triển khai đúng phạm vi, Agentic Vibe Coding có thể giảm một phần công việc lặp lại và hỗ trợ phát triển nhanh hơn. Tuy nhiên, hiệu quả bền vững vẫn cần sự kết hợp giữa năng lực của AI, quy trình kỹ thuật rõ ràng và trách nhiệm kiểm soát của con người.