# Building and Evaluating Data Agents: chấm cả quá trình, không chỉ câu trả lời > Một câu trả lời bám đúng dữ liệu vẫn có thể sai, và khoá ngắn của DeepLearning.AI cùng Snowflake dạy bạn tìm ra lỗi đó ngay trong kế hoạch của agent. Bản gốc: https://fdetimes.net/vi/sach-khoa-hoc/khoa-hoc-building-and-evaluating-data-agents-deeplearning-ai/ Bài dài nhất trong khoá Building and Evaluating Data Agents của DeepLearning.AI không dạy cách dựng agent. Bài đó tên là "Measure Agent's GPA", dài 29 phút, và dạy cách chấm xem agent có làm đúng việc mình định làm hay không. Cách chia thời lượng như vậy cũng nói lên ưu tiên của khoá. Với FDE, dựng một agent hỏi đáp dữ liệu chạy được trong buổi demo không khó. Phần khó là giải thích cho khách hàng vì sao hôm thứ Ba nó trả lời sai, và chứng minh rằng bạn đã sửa xong. ## Ai dạy, và vì sao điều đó quan trọng? Đây là short course trình độ Intermediate, dài 1h59m, DeepLearning.AI làm cùng Snowflake. Trang khoá ghi lần cập nhật ngày 31/8/2026. Có 8 video, 5 bài code và 1 quiz tính điểm. Hai giảng viên là Anupam Datta, AI Research Lead, và Josh Reini, Developer Advocate. Cả hai đều làm ở Snowflake. Nói cách khác, một nhà cung cấp nền tảng dữ liệu đang dạy bạn cách dựng agent trên dữ liệu, nên bạn cần tách phần phương pháp ra khỏi phần sản phẩm. Điều kiện đầu vào rất thấp, chỉ cần Python cơ bản và lập trình hướng đối tượng. Nhờ vậy, đây là điểm vào hợp lý cho software engineer muốn chuyển sang FDE mà chưa từng làm eval. Trang khoá ghi rằng khoá miễn phí có thời hạn trong giai đoạn beta của nền tảng học mới, còn chứng nhận hoàn thành thì cần gói PRO. ## Ý thứ nhất: planner tách riêng khỏi người đi lấy dữ liệu Agent trong khoá gồm nhiều sub-agent chuyên biệt, mỗi sub-agent phụ trách một nguồn dữ liệu, cộng thêm một sub-agent lo tóm tắt hoặc vẽ biểu đồ. Với mỗi câu hỏi, một planner quyết định gọi sub-agent nào và theo thứ tự nào. Thử hình dung một khách hàng bán lẻ hỏi: "Doanh thu miền Bắc quý 3 giảm vì sao?" Planner gọi sub-agent SQL để lấy số theo vùng, gọi sub-agent tài liệu để đọc ghi chú khuyến mãi, rồi giao cho sub-agent tóm tắt. Mỗi bước là một chỗ có thể hỏng, và cũng là một chỗ bạn đo được. Đó là lý do cách tách này hữu ích ở chỗ khách hàng. Khi agent trả lời sai, bạn khoanh được lỗi nằm ở planner chọn nhầm nguồn hay ở sub-agent viết nhầm truy vấn, thay vì phải nhìn cả một khối prompt dài. ## Ý thứ hai: câu trả lời grounded vẫn có thể sai Phần chấm đầu ra dùng LLM-as-a-judge với hai câu hỏi: câu trả lời có liên quan đến câu hỏi không, và có bám vào dữ liệu đã thu thập không. Nhưng hãy quay lại ví dụ trên. Giả sử sub-agent SQL lọc nhầm sang quý 2 và agent tóm tắt trung thực những gì nó lấy được. Câu trả lời đó vừa liên quan vừa grounded, nhưng vẫn sai. Khung GPA (goal, plan, action) sinh ra để bắt đúng loại lỗi này. Khung chấm cả quá trình bằng cách xem mục tiêu, kế hoạch và hành động có khớp với nhau hay không. Blog kỹ thuật của Snowflake công bố khung Agent GPA ngày 4/11/2025 và chia metric theo từng cặp. Cặp goal-action gồm answer correctness, answer relevance và groundedness. Cặp goal-plan gồm plan quality và tool selection. Cặp plan-action gồm plan adherence và tool calling. Nếu tuần sau bạn phải giao một agent hỏi đáp dữ liệu, hãy bắt đầu từ ba metric của cặp goal-action. **Điểm mấu chốt:** Câu trả lời trung thực với dữ liệu sai vẫn là câu trả lời sai. ## Ý thứ ba: để agent tự chấm ngay trong lúc chạy Phần cuối khoá dạy inline evaluation. Ở mỗi bước truy xuất, agent tự chấm xem dữ liệu vừa lấy có liên quan không, rồi dựa vào điểm đó để quyết định có cần đổi kế hoạch hay không. Trong ví dụ bán lẻ, nếu điểm thấp, agent có thể truy vấn lại thay vì đưa thẳng số quý 2 cho khách. Mỗi lần tự chấm là thêm một lượt gọi judge, nên kỹ thuật này đổi độ trễ lấy độ tin cậy. Với khách hàng ra quyết định dựa trên con số, đánh đổi đó thường đáng làm, nhưng bạn nên đo trước khi bật nó trong production. Cách đo đơn giản: chạy cùng một bộ câu hỏi thật hai lần, một lần tắt inline evaluation và một lần bật. Với mỗi câu, ghi tổng thời gian chạy, số lượt gọi judge và việc agent có đổi kế hoạch hay không. Sau đó so thời gian trung vị và lần chạy chậm nhất của hai cấu hình, đặt cạnh số câu mà lần đổi kế hoạch đã cứu được, rồi mang bảng đó cho khách hàng chọn. ## Bỏ qua gì, và học theo thứ tự nào? Những con số đẹp nhất về GPA đều do chính người làm ra khung công bố. Blog của Snowflake cho biết người chú thích áp dụng GPA trên TRAIL/GAIA đã bắt được toàn bộ 570 lỗi nội bộ của agent. Bài báo arXiv 2510.08847 của Allison Sihan Jia và các cộng sự, trong đó có Anupam Datta, báo cáo bộ judge tìm được 95% số lỗi do người gắn nhãn và định vị được 86%. Các con số này cho thấy phương pháp có cơ sở. Chúng không chứng minh rằng phương pháp sẽ đạt kết quả tương tự trên dữ liệu của khách hàng bạn. Tương tự, phần nào trong khoá gắn chặt với nền tảng Snowflake thì bạn nên coi là ví dụ minh hoạ, không phải điều bắt buộc. Thứ tự hợp lý là học khoá trước, sau đó đọc blog để có bảng metric, cuối cùng mới đọc bài báo nếu bạn cần lập luận bảo vệ cách chấm của mình trước đội kỹ thuật phía khách hàng. Về hồ sơ xin việc, khi tin tuyển dụng FDE nhắc đến "evals" hay "agent", một repo nhỏ có data agent chạy trên bộ dữ liệu công khai, kèm bảng lỗi phân loại theo goal, plan và action, sẽ thuyết phục hơn nhiều so với một dòng chứng nhận. Buổi demo cho khách hàng thấy agent biết trả lời. Bộ eval cho họ thấy bạn biết vì sao nó trả lời sai, và đó mới là lý do để họ ký tiếp. **Thử ngay tuần này:** - Học bài 'Measure Agent's GPA' (29 phút), rồi viết ra goal, plan và action của một lần chạy agent mà bạn đang làm - Viết 20 câu hỏi thật của khách hàng về dữ liệu của họ, chấm agent bằng ba metric answer relevance, groundedness, answer correctness - Đọc blog Agent GPA của Snowflake và phần abstract của arXiv 2510.08847 để so phương pháp với cách bạn đang chấm ## Nguồn - [Building and Evaluating Data Agents - DeepLearning.AI](https://www.deeplearning.ai/short-courses/building-and-evaluating-data-agents/) - [What's Your Agent's GPA? A Framework for Evaluating AI Agent Reliability](https://www.snowflake.com/en/blog/engineering/ai-agent-evaluation-gpa-framework/) - [What Is Your Agent's GPA? A Framework for Evaluating Agent Goal-Plan-Action Alignment](https://arxiv.org/abs/2510.08847)