# Hai bài có code đáng học nhất trong khoá browser agent 65 phút

> Phần AgentQ và MCTS chỉ cần lướt, nhưng con số thất bại đi kèm mới là bài học cho FDE.

Bản gốc: https://fdetimes.net/vi/sach-khoa-hoc/khoa-building-ai-browser-agents-deeplearning-ai/

Tỷ lệ thành công tăng từ 18,6% lên 81,7%. Bài báo Agent Q báo cáo kết quả này khi áp phương pháp của nhóm cho Llama-3 70B ở chế độ zero-shot, trên một tác vụ đặt chỗ thực tế.

Đó là kết quả trên một tác vụ, bên cạnh một thử nghiệm khác trên WebShop, môi trường thương mại điện tử mô phỏng, chứ không phải điểm trung bình trên nhiều benchmark.

Nhưng con số đó giải thích vì sao một khoá học chỉ dài 1 giờ 5 phút, dựng trên chính nghiên cứu này, lại đáng để FDE bỏ ra một buổi tối.

Khoá đó là Building AI Browser Agents của DeepLearning.AI, xây dựng cùng AGI Inc. Người giảng là Div Garg và Naman Garg, đồng sáng lập AGI Inc. Khoá được thông báo ngày 17/4/2025, với mục tiêu giúp người học hiểu agent web tự chủ hoạt động thế nào, giới hạn hiện tại của chúng và cách AgentQ giúp agent tự sửa lỗi.

Vì sao FDE nên quan tâm? Ở nhiều khách hàng, không phải dữ liệu nào cũng có API để gọi. Nhiều thứ vẫn nằm trên cổng web nội bộ, trang đối tác và những form nhân viên ngày nào cũng bấm tay. Khi khách hỏi "agent có tự làm việc này được không", bạn cần biết cả cách dựng lẫn chỗ nó sẽ hỏng.

## Một giờ, nhưng không phải phút nào cũng đáng giá như nhau

Khoá xếp ở mức trung cấp, nhưng điều kiện đầu vào chỉ là Python cơ bản. Trong 9 mục của khoá, có hai bài có code: một bài dựng web agent đơn giản, một bài dựng web agent tự chủ. Ngoài ra có một bài đào sâu vào AgentQ và MCTS.

Hai bài có code là phần nên làm kỹ, gõ lại code thay vì chỉ xem video. Thử hình dung một tình huống dễ gặp ở đầu engagement: khách cần agent tự vào một trang họ đang dùng hằng ngày và lấy ra thông tin. Hai bài này là nơi bạn luyện đúng dạng việc đó.

Phần đào sâu thì khác hẳn. AgentQ và MCTS là lý thuyết về cách agent tự cải thiện, không phải kỹ năng triển khai. Lời khuyên cho người đang làm FDE: nắm ý tưởng chính, đừng cố hiểu từng chi tiết thuật toán nếu dự án của bạn chưa cần đến.

## Ý tưởng đầu tiên: agent cần được phép thử nhiều nhánh

Bài báo Agent Q, nộp lên arXiv ngày 13/8/2024, đề xuất kết hợp Monte Carlo Tree Search (MCTS) có dẫn hướng với một cơ chế tự phê bình, để agent học được từ cả những lần chạy thành công lẫn thất bại. Trang khoá học mô tả AgentQ là khung kết hợp MCTS, tự phê bình và DPO để agent tự sửa lỗi.

Nói theo cách của người viết code: thay vì đi một đường thẳng từ trang chủ đến nút "Đặt chỗ", agent cân nhắc nhiều chuỗi hành động khả dĩ rồi tự chấm xem bước nào có triển vọng.

Ý tưởng đáng giữ lại không nằm ở chi tiết MCTS, mà ở mốc xuất phát: trước khi áp phương pháp, mô hình zero-shot thành công chưa tới một phần năm số lần. Đó là lý do để bạn thận trọng với một agent đi một mạch, không quay lại và không tự kiểm tra.

## Ý tưởng thứ hai: đọc tỷ lệ thành công thành số tác vụ hỏng

Ở mức 81,7%, cứ 100 lượt đặt chỗ vẫn còn khoảng 18 lượt hỏng.

Giả sử một khách hàng muốn agent xử lý 500 yêu cầu đặt chỗ mỗi tuần. Ngay cả khi đạt đúng mốc đó, vẫn có hơn 90 yêu cầu cần người xử lý lại. Vì thế việc đầu tiên khi làm với khách là thống nhất ai xử lý các ca lỗi, và bằng cách nào phát hiện ra chúng.

**Điểm mấu chốt:** Một agent đúng bốn lần trong năm vẫn cần người xử lý lần còn lại.

Bức tranh chung còn khắt khe hơn. Benchmark REAL, do AGI Inc cùng nhóm tác giả xây dựng, dùng bản sao tất định của 11 website với 112 tác vụ. Trên đó, các mô hình tiên phong đạt tối đa 41%; blog của AGI Inc ghi điểm 41,1% cho Claude-3.7-Sonnet-Thinking. Cứ 100 tác vụ thì gần 60 tác vụ hỏng.

## Ý tưởng thứ ba: đo trước rồi mới hứa

AGI Inc giới thiệu trang nghiên cứu của mình là cẩm nang cho những người xây dựng, đo lường và rà soát hệ thống agent. Với FDE, thứ tự ba việc đó đáng ghi nhớ: dựng agent chỉ là bước đầu, chưa phải toàn bộ công việc.

Thử hình dung bạn viết 20 tác vụ cho agent vừa dựng trên một website công khai, rồi xếp mỗi lần chạy vào đúng một ô. Một bảng kết quả giả định có thể trông như sau:

| Kết quả | Số tác vụ | Việc sửa tiếp theo |
|---|---|---|
| Thành công | 13 | Giữ lại làm bộ kiểm thử hồi quy |
| Không tìm thấy phần tử | 3 | Kiểm tra selector, chờ trang tải xong |
| Hiểu sai trang | 2 | Xem lại nội dung agent thực sự đọc được |
| Kết quả thiếu ý | 2 | Sửa prompt, thêm tiêu chí chấm |

Đọc bảng này: 13/20 là 65%, tức cứ 20 yêu cầu thì 7 cần người xem lại. Cột cuối cho biết sửa gì trước, ở đây là lỗi không tìm thấy phần tử vì nó chiếm nhiều nhất. Chạy lại cùng 20 tác vụ sau mỗi lần sửa, và mang bảng số đó vào cuộc họp với khách thay cho bản demo chạy được một lần.

Muốn có thước đo chung thay vì chỉ bộ tác vụ tự viết, AGI SDK mã nguồn mở là bước tiếp theo hợp lý. Bộ công cụ này cài bằng pip và chạy harness trên các tác vụ REAL, nên bạn so được agent của mình với cùng một "mini-Internet" mà các mô hình lớn đang bị chấm.

## Ai nên học, học theo thứ tự nào

Nếu bạn là software engineer muốn chuyển sang FDE và chưa từng dựng agent, đây là chỗ bắt đầu nhẹ nhàng: khoá ngắn và chỉ cần Python cơ bản. Nếu đã quen với agent, bạn có thể đi thẳng vào hai bài có code rồi chuyển sang AGI SDK.

Thứ tự hợp lý cho người mới: đọc phần tóm tắt bài báo Agent Q trên arXiv để có bức tranh chung, làm kỹ hai bài có code, lướt bài đào sâu về AgentQ và MCTS, rồi tự đo agent trên bộ tác vụ của mình.

Với CV, một chứng chỉ khoá ngắn không nói lên nhiều. Một repo nhỏ thì khác: web agent chạy trên một website công khai, kèm bảng tỷ lệ thành công và phân loại lỗi trên bộ tác vụ bạn tự viết, thêm điểm chạy trên vài tác vụ REAL.

Khi đọc tin tuyển dụng FDE, hãy để ý các cụm như "agent", "automation" hay "evaluation": repo đó trả lời cả ba cùng lúc.

Khoá dạy bạn dựng một agent trong một buổi tối. Phần việc thật của FDE bắt đầu từ lúc đếm xem agent hỏng bao nhiêu lần trên 100 tác vụ.

**Thử ngay tuần này:**

- Làm hai bài có code về web agent đơn giản và web agent tự chủ, rồi cho agent chạy trên một website công khai mà bạn quen
- Viết 20 tác vụ kiểm thử cho agent đó, đếm số lần thành công và xếp từng lần hỏng vào một bảng kiểu lỗi
- Cài AGI SDK bằng pip và chạy harness trên vài tác vụ REAL để so agent của bạn với một bộ đo chung

## Nguồn

- [Building AI Browser Agents - DeepLearning.AI](https://www.deeplearning.ai/courses/building-ai-browser-agents)

- [New course! Enroll in Building AI Browser Agents](https://community.deeplearning.ai/t/new-course-enroll-in-building-ai-browser-agents/801938)

- [Agent Q: Advanced Reasoning and Learning for Autonomous AI Agents](https://arxiv.org/abs/2408.07199)

- [REAL: Benchmarking Autonomous Agents on Deterministic Simulations of Real Websites](https://arxiv.org/abs/2504.11543)

- [Introducing REAL Bench](https://www.theagi.company/blog/introducing-real-bench)

- [agi-inc/agisdk (GitHub)](https://github.com/agi-inc/agisdk)

- [AGI Research](https://research.theagi.company/)
