Prompt, Loop và Graph Engineering: Ba tầng kiểm soát trong kỹ thuật AI

Ba thuật ngữ hiện đang cạnh tranh cho cùng một vị trí trong mô tả công việc kỹ thuật AI. Prompt engineering là thuật ngữ đã được thiết lập từ lâu. Loop engineering gia nhập từ vựng AI vào cuối năm 2025 và thống trị các cuộc thảo luận của giới lập trình viên cho đến tháng 6 năm 2026. Graph engineering theo sau đó khoảng sáu tuần.

Chúng được sử dụng thay thế cho nhau. Liệu có nên như vậy không?

Ba thuật ngữ này không phải là các kỹ thuật cạnh tranh. Chúng là ba đơn vị kiểm soát khác nhau, được xếp chồng lên nhau. Một prompt kiểm soát phản hồi của một mô hình. Một loop kiểm soát chu kỳ hành vi của một agent. Một graph kiểm soát sự tổ chức của nhiều agent. Mỗi lớp bảo tồn lớp bên dưới nó. Một prompt không biến mất khi một loop được xây dựng xung quanh nó; nó chỉ không còn là thứ được gõ bằng tay nữa.

Bài viết này phân tách ba khái niệm: những gì được thiết kế ở mỗi lớp, các tuyên bố công khai về thời điểm các lớp cao hơn mang lại hiệu quả, và nơi mà sự hoài nghi là có cơ sở.

Các lớp, theo thứ tự

Mỗi bước trong quá trình phát triển này đều được đặt tên trong thực tế trước khi xuất hiện trong tài liệu của nhà cung cấp.

Lớp 1: Prompt Engineering

Giả định cốt lõi là con người luôn hiện diện trong mọi lần lặp. Một prompt được viết ra, mô hình phản hồi, kết quả đầu ra được đánh giá, và prompt được chỉnh sửa.

Giả định đó chính là điểm gây đổ vỡ. Khối lượng công việc lớn. Các tác vụ đa bước. Không có con người để đánh giá kết quả đầu ra. Các kết quả tự động chuyển tiếp sang bước tiếp theo. Chỉ cần một trong những yếu tố này, prompt đơn thuần sẽ không còn đủ.

Không có gì về prompt trở nên tệ đi cả. Chỉ là các điều kiện xung quanh đã thay đổi.

Prompt engineering cũng không biến mất bên trong các lớp cao hơn. Báo cáo nghiên cứu về đa agent của Anthropic cho thấy prompt engineering là đòn bẩy chính để khắc phục các lỗi phối hợp. Các phiên bản đầu tiên tạo ra 50 sub-agent cho các truy vấn đơn giản, và giải pháp là sử dụng prompting thay vì thay đổi cấu trúc liên kết (topology).

Lớp 2: Loop engineering

Cách tiếp cận ở đây là coi một coding agent như một công cụ "brute-force" để tìm kiếm giải pháp. Kỹ năng nằm ở việc thiết kế mục tiêu, các công cụ và vòng lặp (loop), chứ không chỉ là prompt.

Thuật ngữ này trở nên phổ biến trong các cuộc thảo luận của lập trình viên vào tháng 6 năm 2026, sau khi một bài viết được chia sẻ rộng rãi lập luận rằng các kỹ sư nên ngừng việc chỉ tập trung vào prompt cho coding agent và bắt đầu thiết kế các vòng lặp điều khiển chúng. Đội ngũ Claude Code tại Anthropic cũng mô tả sự thay đổi tương tự trên sân khấu vào tuần đó.

Bản phân tích công khai chi tiết nhất xác định năm thành phần cơ bản (primitives), cộng với yếu tố thứ sáu gắn kết chúng lại với nhau:

Hai tính năng trong phiên làm việc rất quan trọng. /loop chạy lại theo nhịp độ. /goal chạy cho đến khi một điều kiện văn bản thực sự đúng, với một mô hình nhỏ riêng biệt kiểm tra sau mỗi lượt — vì vậy agent viết mã không phải là agent đánh giá nó. Cả Claude Code và ứng dụng Codex đều cung cấp các tính năng tương đương.

Vòng lặp không phải là phần khó. Điều kiện dừng mới là phần khó. Một vòng lặp không thể phân biệt được trạng thái "xong" hay "bị kẹt" sẽ không báo lỗi rõ ràng. Nó sẽ tiếp tục tiêu tốn token.

Lớp 3: Graph engineering

Vào tháng 7 năm 2026, cuộc thảo luận chuyển từ các vòng lặp sang các đồ thị (graphs). Các vòng lặp làm cho hành vi của agent có thể lập trình được. Các đồ thị làm cho sự tổ chức của các agent có thể lập trình được.

Điểm cấu trúc thường bị bỏ lỡ nhất là các hệ thống đa agent trong môi trường sản xuất chạy hai đồ thị cùng một lúc.

Org graph (đồ thị tổ chức) là ổn định. Các agent tồn tại lâu dài giữ các vai trò được đặt tên, sở hữu một vùng chức năng và tích lũy ngữ cảnh theo thời gian. Nó thay đổi khi triển khai lại (redeploy).

Work graph (đồ thị công việc) là tạm thời. Các nút tác vụ (task nodes) chỉ tồn tại khi công việc còn tồn tại. Các cạnh (edges) tách ra cho các đường dẫn song song, hợp nhất khi hội tụ và biến mất khi bằng chứng khiến một nhánh trở nên không cần thiết.

Org graph trả lời câu hỏi "ai". Work graph trả lời câu hỏi "cái gì", ngay lúc này.

Sự hoài nghi xung quanh thuật ngữ này là hợp lý. Các sub-agent với mục đích xác định đã tạo thành một đồ thị từ trước, và công nghệ đã có trước cả từ vựng. LangGraph đã phát hành API đồ thị của mình rất lâu trước khi thuật ngữ này tồn tại. Năm mô hình quy trình làm việc của Anthropic từ tháng 12 năm 2024 — prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer — chính là các cấu trúc liên kết đồ thị được mô tả bằng văn bản. Điều mới mẻ là một tên gọi chung cho các quyết định mà các khung làm việc đó luôn buộc phải thực hiện: đâu là các nút, đâu là các cạnh, và cái gì nằm trong trạng thái (state).

Cần phải biết về artifact cụ thể. Trong LangGraph, một StateGraph được khai báo dựa trên một lược đồ trạng thái (state schema). Các nút được đăng ký bằng add_node. Các cạnh được kết nối bằng add_edge và add_conditional_edges. START và END được đánh dấu, sau đó đồ thị được biên dịch. Các nút là các hàm đơn giản nhận trạng thái và trả về các cập nhật một phần. Ngữ cảnh không vượt qua ranh giới nút trừ khi một cạnh mang nó đi. Phần cuối cùng đó mô tả toàn bộ phương thức lỗi.

Cách chọn lớp phù hợp

Hãy thực hiện các câu hỏi theo thứ tự. Câu trả lời "không" đầu tiên thường là câu trả lời cuối cùng.

Một bài báo trên arXiv vào tháng 7 năm 2026 về các vòng lặp của coding-agent đã nêu đúng mối quan hệ này. Một vòng lặp là một prompt được lặp lại với các khung hỗ trợ xung quanh, và loop engineering bổ sung cho prompt engineering thay vì thay thế nó. Điều tương tự cũng đúng với lớp cao hơn. Các đồ thị được xây dựng từ các vòng lặp, và các vòng lặp được xây dựng từ các prompt.

Lời cảnh báo cuối cùng là về người vận hành thay vì kiến trúc. Hai kỹ sư có thể xây dựng một vòng lặp giống hệt nhau và nhận được kết quả trái ngược nhau. Một người làm việc nhanh hơn trên những gì họ hiểu sâu sắc. Người kia tránh việc phải hiểu công việc đó hoàn toàn. Hệ thống không thể phân biệt được sự khác biệt. Đó là điều khiến các lớp cao hơn khó thiết kế hơn so với các prompt, chứ không phải dễ hơn.

Những điểm chính cần lưu ý

Nguồn

Asif Razzaq là CEO của Marktechpost Media Inc.. Là một doanh nhân và kỹ sư có tầm nhìn, Asif cam kết khai thác tiềm năng của Trí tuệ nhân tạo vì lợi ích xã hội. Nỗ lực gần đây nhất của ông là ra mắt Nền tảng Truyền thông Trí tuệ nhân tạo, Marktechpost, nổi bật với việc đưa tin chuyên sâu về tin tức học máy và học sâu, vừa đảm bảo tính kỹ thuật vừa dễ hiểu đối với đông đảo công chúng. Nền tảng này tự hào với hơn 2 triệu lượt xem hàng tháng, minh chứng cho sự phổ biến của nó đối với độc giả.