# 🤖 Cheatsheet: Agentic AI: hiểu vòng lặp ReAct và chọn kiến trúc agent phù hợp

By Ngọc Vương Trương

> This cheatsheet is premium content. Sign in and purchase the course to view the full content.

Tra cứu nhanh cho toàn bộ Module 1 và Module 2. Thuật ngữ kỹ thuật giữ nguyên tiếng Anh.

---

## 1. Bảng thuật ngữ cốt lõi

- **Agentic AI**: Hệ thống dùng LLM để tự quyết định nhiều bước hành động trong vòng lặp, thay vì một lần gọi tuyến tính.
- **Workflow gọi LLM**: Chuỗi gọi LLM cố định, tuyến tính, không có bước tự nhìn lại dữ liệu vừa lấy.
- **ReAct**: Vòng lặp Thought → Action → Observation lặp lại tới khi đủ thông tin để trả lời.
- **Thought**: Bước suy luận nội bộ của model: đang thiếu gì, nên làm gì tiếp.
- **Action**: Một lời gọi tool cụ thể (function call) mà agent quyết định thực thi.
- **Observation**: Kết quả tool trả về, được đưa ngược vào context cho vòng lặp tiếp theo.
- **Plan-and-Execute**: Agent lập kế hoạch đầy đủ trước, rồi thực thi từng bước; khác ReAct ở chỗ plan tách khỏi execute.
- **Reflection**: Bước agent tự đánh giá kết quả/lý luận vừa làm và sửa hướng đi.
- **Function calling**: Cơ chế LLM trả về tên hàm + tham số dạng có cấu trúc để hệ thống thực thi.
- **Memory**: Cách lưu và nạp lại thông tin: ngắn hạn (trong context) và dài hạn (ngoài context).
- **Context window**: Giới hạn token model nhận trong một lần; mọi Thought/Action/Observation đều tiêu tốn chỗ này.
- **State**: Trạng thái agent đang giữ: lịch sử bước, biến trung gian, tool đã gọi.

---

## 2. Module 1.1: Agentic AI vs workflow gọi LLM

**Workflow tuyến tính (không phải agent):**

```python
summary = llm("Tóm tắt email sau: ...")
# vào 1 prompt, ra 1 kết quả, hết. Không có bước nhìn lại dữ liệu vừa lấy.
```

**Agent (có vòng lặp):** model tự quyết định *cần thêm gì* rồi *gọi tool* rồi *xem kết quả* rồi *lặp*.