AI mới nhất có thể làm được gì? — Tổng hợp toàn diện khoảng 600 tính năng từ các tài liệu chính thức của Gemini, Claude, OpenAI, OpenClaw, Genspark và những công ty khác

Giới thiệu

Sự tiến bộ của AI là đáng kể, với ngày càng nhiều khả năng mới xuất hiện. Tuy nhiên, trên các nền tảng mạng xã hội và tin tức công nghệ, phần lớn là giới thiệu các trường hợp sử dụng rời rạc, và không có thông tin toàn diện về những gì có thể làm được nói chung. Ở đây, chúng tôi trình bày khoảng 15 AI chính có số lượng người dùng lớn trên toàn cầu, tập trung vào các tài liệu chính thức, và liệt kê các tính năng một cách toàn diện. Bao gồm cả thông tin cho người dùng thông thường và các nhà phát triển. Chúng tôi hy vọng điều này sẽ giúp bạn tham khảo những gì có thể làm được với AI hiện nay.

Chúng tôi phân loại các tính năng của AI thành 6 danh mục: hiểu, tìm kiếm, suy luận, tạo, hành động và các tính năng khác. Điều này là bởi vì các AI agent gần đây được hiểu là những khái niệm tích hợp các framework ReAct (Reason + Act), mô hình RAG (Retrieve + Generate), vòng lặp Retrieve-Reason-Act, v.v., vì vậy chúng tôi lấy hiểu, tìm kiếm, suy luận, tạo và hành động làm những thành phần tiêu biểu của AI agent và phân loại dựa trên đó.

AI đích và các tài liệu tham khảo

• ChatGPT: Một AI tạo sinh đại diện với sự nổi tiếng và số lượng người dùng vô cùng lớn.

  • All things about ChatGPT

  • ChatGPT Capabilities Overview

  • Models

  • API Platform

  • All models

• Gemini: Được liên kết mạnh mẽ với Google Search, các thiết bị Android và Google Workspace, được tích hợp vào cơ sở hạ tầng cuộc sống của người dùng trên toàn thế giới.

  • Help Center

  • AI for every developer

  • Gemini Enterprise Agent Platform

  • Gemini Code Assist

• Claude: Một AI cực kỳ phổ biến, được ủng hộ nhiệt tình bởi các chuyên gia chuyên nghiệp vì khả năng tạo văn bản tự nhiên, suy luận logic nâu cao và lập trình xuất sắc.

  • Start building with Claude

  • Claude Code overview

  • Anthropic Academy

• Microsoft Copilot: Mặc dù sử dụng công nghệ của OpenAI, nhưng được cài đặt tiêu chuẩn trên Windows OS và các sản phẩm Office như Word và Excel, vì vậy tỷ lệ sử dụng của những người làm việc trong kinh doanh cực kỳ cao.

  • Microsoft Copilot learning hub for IT Pros and Developers

  • Microsoft 365 Copilot hub

  • Microsoft Copilot Studio documentation

• OpenClaw: Hoạt động trên PC cá nhân (môi trường cục bộ), chỉ cần đưa ra hướng dẫn từ các ứng dụng trò chuyện như WhatsApp hoặc Discord, AI sẽ tự động thực hiện các hoạt động đọc/ghi tệp và điều khiển trình duyệt.

  • Overview

  • GitHub

• Perplexity AI: Một công cụ tìm kiếm AI chuyên biệt, không chỉ liệt kê các liên kết mà đọc nhiều trang web và tóm tắt trực tiếp các câu trả lời, đang nhanh chóng mở rộng cơ sở người dùng trên toàn thế giới.

  • Overview

  • Perplexity APIs

  • Quickstart

  • Perplexity SDK

• Character.ai: Một AI cho phép người dùng trò chuyện với nhiều nhân vật khác nhau được tạo bởi người dùng (như nhân vật anime hoặc những người nổi tiếng). Đặc biệt có lượng truy cập khổng lồ từ những người trẻ tuổi.

  • need help? we've got you.

• DeepSeek: Một AI từ Trung Quốc, cung cấp hiệu suất tương đương với OpenAI và Anthropic với chi phí cực kỳ thấp, nhanh chóng thu hút một lượng lớn người dùng từ các nhà phát triển và doanh nghiệp trên toàn thế giới.

  • Your First API Call

  • Models & Pricing

  • GitHub

  • Hugging Face

• Llama: Một mô hình mã nguồn mở được cung cấp bởi Meta. Được sử dụng rộng rãi nhất như công cụ của các ứng dụng AI được phát triển bởi các startup trên toàn thế giới.

  • Overview

  • Llama API overview

  • GitHub

• Mistral: Một AI từ Pháp. Được yêu thích cao như một mô hình mã nguồn mở nhẹ và hiệu suất cao, đặc biệt là ở thị trường châu Âu.

  • Mistral AI Documentation

  • Chat Endpoints

  • Developers

• Grok: Được phát triển bởi xAI do Elon Musk lãnh đạo. Lợi thế lớn nhất của nó là tích hợp với thông tin thời gian thực của X (Twitter cũ).

  • Get started with xAI

  • The Next Frontier of Enterprise AI

  • Inference REST API Overview

  • X Search

• Kimi: Từ Trung Quốc, với khả năng đọc siêu dài từ hàng triệu ký tự một lúc, nhanh chóng mở rộng cơ sở người dùng chủ yếu ở khu vực châu Á.

  • Overview

  • Quickstart

• Midjourney: Một AI đại diện cho việc tạo hình ảnh chất lượng cao từ văn bản. Hoạt động trên Discord và được yêu thích bởi các nhà sáng tạo và nhà thiết kế trên toàn thế giới.

  • Learn about Midjourney

  • Getting Started Guide

  • Documentation

• Stable Diffusion: Tiêu chuẩn thực tế cho AI tạo hình ảnh mã nguồn mở. Có thể được cài đặt trên môi trường cục bộ của PC và tùy chỉnh theo sở thích của bạn.

  • Diffusers

  • Stability AI

  • Getting Started

  • GitHub

• DALL·E: Một AI tạo hình ảnh được phát triển bởi OpenAI, tạo ra hình ảnh chất lượng cao chính xác theo hướng dẫn văn bản được đầu vào.

  • Image generation

  • Models

  • Introducing our latest image generation model in the API

• Genspark: Một nền tảng tìm kiếm, thu thập thông tin và tạo tài liệu thế hệ tiếp theo sử dụng AI agent.

  • What is Super Agent?

  • Genspark

  • Blog

Các tính năng liên quan đến "hiểu"

Các tính năng để nắm bắt cơ cấu ý định của người dùng, ngôn ngữ tự nhiên không rõ ràng, và dữ liệu đầu vào đa phương tiện như hình ảnh và giọng nói.

Hiểu văn bản, tóm tắt và trích xuất thông tin

• Tóm tắt văn bản (Text summarization): Một tính năng cơ bản để hiểu bối cảnh của các văn bản dài hoặc tài liệu nhiều, và trích xuất các điểm chính hoặc kết luận [OpenAI, Google/Gemini, Anthropic/Claude, Microsoft Copilot, Mistral, Meta/Llama, Kimi, DeepSeek]

• Trích xuất dữ liệu có cấu trúc (Structured output / JSON schema): Một tính năng để chính xác trích xuất và diễn giải các thực thể hoặc giá trị cụ thể từ văn bản phi cấu trúc, tuân theo một lược đồ JSON được xác định [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, xAI, DeepSeek]

• Trích xuất thực thể (Entity extraction): Một tính năng để xác định và trích xuất các tên riêng và từ khóa như tên người, tên công ty, ngày tháng và số tiền từ các văn bản dài [OpenAI, Google/Gemini, Anthropic/Claude, Microsoft Copilot]

• Giải thích chủ đề và ý định người dùng (Intent recognition / Topic triggering): Một tính năng để diễn giải mục đích (ý định) từ các câu nói hoặc câu hỏi mơ hồ của người dùng, và kích hoạt dòng agent thích hợp [Microsoft Copilot, OpenClaw, Google/Gemini]

• Dịch đa ngôn ngữ và hiểu bối cảnh (Multilingual support): Một tính năng để giải thích văn bản được viết bằng nhiều ngôn ngữ một cách tự nhiên, và dịch hoặc tóm tắt sang ngôn ngữ được chỉ định [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, xAI, DeepSeek]

• Kiểm duyệt nội dung và giải thích an toàn (Moderation / Safety checks): Một tính năng để phân tích và hiểu liệu văn bản có vi phạm chính sách, gây hại hoặc các yếu tố không phù hợp [OpenAI, Meta/Llama, Google/Gemini, xAI]

• Nắm bắt ngữ cảnh hội thoại (Context management / Threads): Một tính năng để ghi nhớ và hiểu lịch sử tin nhắn trước đó hoặc luồng phiên, và đưa ra phản hồi phù hợp với bối cảnh [OpenAI, Anthropic/Claude, Google/Gemini, xAI, OpenClaw, Perplexity]

• Phân tích tâm trạng và giải thích tông giọng (Sentiment analysis): Một tính năng để hiểu và trích xuất trạng thái cảm xúc hoặc tông giọng của người dùng từ cách nói hoặc cách diễn đạt của văn bản [Google/Gemini, OpenAI, Microsoft Copilot]

• Toàn cảnh bối cảnh quy mô lớn (Long-context understanding): Một tính năng để đọc và hiểu toàn diện các văn bản siêu dài từ 1 đến 5 triệu token, hoặc 256K một lần [Google/Gemini, Anthropic/Claude, Meta/Llama, Kimi, DeepSeek]

• Tự động trích xuất và giải thích biến nhắc nhở (Templatize a prompt): Một tính năng để tự động xác định và trích xuất các biến từ đầu vào của người dùng, và hiểu nó như một cấu trúc mẫu dễ kết hợp với hệ thống [Anthropic/Claude]

• Suy luận tâm lý nhân vật và trích xuất quan hệ (Character mind map): Một tính năng để giải thích và sắp xếp quy trình tư duy và mối quan hệ giữa các nhân vật từ sách hoặc câu chuyện [Meta/Llama]

• Giải thích nhân cách và quy tắc hành vi (Persona understanding): Một tính năng để tự động hiểu và thích ứng với các vai trò, tông giọng và quy tắc được ghi chép trong hệ thống nhắc nhở hoặc các tệp cấu hình (như AGENTS.md) [OpenClaw, Anthropic/Claude, Mistral, OpenAI]

• Phân tích sâu các bài báo và dữ liệu học tập (Analyze research papers): Một tính năng để đọc hiểu các bài báo nghiên cứu và dữ liệu nghiên cứu với định dạng phức tạp, và trích xuất các thông tin khoa học [Meta/Llama, Google/Gemini, Anthropic/Claude]

• Hiểu xuyên tài liệu nhiều (Multi-document analysis): Một tính năng để giải thích mối quan hệ và các mâu thuẫn giữa nhiều tệp được tải lên, và hiểu chúng một cách tích hợp [OpenAI, Anthropic/Claude, Google/Gemini, Mistral, Kimi]

• Hiểu bối cảnh công việc dữ liệu tổ chức (Data grounding): Một tính năng để đọc hiểu SharePoint, email, trò chuyện, v.v. trong công ty, và hiểu nó như bối cảnh công việc riêng của doanh nghiệp [Microsoft Copilot, Google/Gemini]

• Tái sử dụng bối cảnh bằng lưu đệm nhắc nhở (Prompt caching): Một tính năng để lưu đệm bối cảnh dài và hiệu quả trích xuất thông tin mà không cần tính toán lại [OpenAI, Anthropic/Claude, xAI, DeepSeek]

• Hiểu bối cảnh liên tục bằng tiền tố trò chuyện (Chat Prefix Completion): Một tính năng để chính xác hiểu tiền tố của văn bản được viết một phần, và dự đoán hoặc trích xuất bối cảnh sau [DeepSeek, OpenAI]

• Giải thích điều khoản tài liệu pháp lý và hợp đồng (Legal document analysis): Một tính năng để chính xác hiểu và trích xuất các điều khoản rủi ro hoặc nội dung nghĩa vụ từ các tài liệu pháp lý dài [Anthropic/Claude, OpenAI, Google/Gemini, Kimi]

• Trích xuất lịch sử công việc và kỹ năng từ sơ yếu lý lịch (Resume/Profile extraction): Một tính năng để cấu trúc hóa và trích xuất các bộ kỹ năng và kinh lịch từ dữ liệu nhân sự hoặc sơ yếu lý lịch, và hiểu chúng [OpenAI, Google/Gemini, Anthropic/Claude]

• Trích xuất bối cảnh dữ liệu y tế và hồ sơ chăm sóc sức khỏe (Healthcare data extraction): Một tính năng để giải thích và trích xuất các thông tin khoa học y tế quan trọng hoặc triệu chứng từ hồ sơ khám bệnh hoặc dữ liệu bệnh nhân [Google/Gemini]

• Trích xuất mục tiêu hành động từ hội nghị (Action item extraction): Một tính năng để giải thích và trích xuất các quyết định hoặc nhiệm vụ từ lịch sử cuộc họp hoặc trò chuyện hỗ trợ [OpenAI, Microsoft Copilot, Anthropic/Claude]

• Xác định và trích xuất thông tin cá nhân hoặc bí mật (Sensitive Data Protection / PII extraction): Một tính năng để hiểu và trích xuất thông tin cá nhân từ dữ liệu đầu vào, để bảo vệ hoặc che dấu [Google/Gemini, OpenAI, Microsoft Copilot]

Hiểu thông tin đa phương tiện và hình ảnh (hình ảnh, video, giao diện người dùng)

• Hiểu biết về vật thể và cảnh trong hình ảnh (Image understanding / Vision): Khả năng hiểu các vật thể, tình huống và mối quan hệ không gian xuất hiện trong hình ảnh dưới dạng bối cảnh hình ảnh [OpenAI, Google/Gemini, Anthropic/Claude, xAI, Meta/Llama, DeepSeek, Kimi]

• Nhận dạng ký tự quang học và trích xuất văn bản (OCR / DeepSeek-OCR-2): Khả năng trích xuất thông tin văn bản từ tài liệu được số hóa hoặc ảnh chụp và diễn giải dưới dạng dữ liệu có cấu trúc [OpenAI, Google/Gemini, DeepSeek, Anthropic/Claude]

• Diễn giải mã từ mô phỏng giao diện người dùng (Image mock up to HTML): Khả năng hiểu ý định của ghi chú tay hoặc thiết kế UI được vẽ trong hình ảnh và diễn giải dưới dạng cấu trúc mã [Google/Gemini, OpenAI, Anthropic/Claude]

• Phân tích hình ảnh các biểu đồ và đồ thị phức tạp (Chart & Graph analysis): Khả năng đọc hiểu thông tin thống kê và xu hướng hợp lý từ các đồ thị dữ liệu được số hóa [Anthropic/Claude, Meta/Llama, OpenAI, Google/Gemini]

• Hiểu mối quan hệ nhân quả hình ảnh và cấu trúc logic (Visual Causal Flow): Khả năng diễn giải và trích xuất luồng thông tin cũng như mối quan hệ nhân quả logic từ các sơ đồ và lưu đồ phức tạp [DeepSeek]

• Hiểu khung hình video và bối cảnh (Video understanding): Khả năng phân tích tệp video làm đầu vào, phân tích chuyển tiếp cảnh, nội dung và bối cảnh của chuyển động để trích xuất thông tin [Google/Gemini, xAI, Kimi]

• Phân tích tích hợp văn bản PDF và nội dung hình ảnh (PDF support / Document AI): Khả năng diễn giải và trích xuất không chỉ văn bản trong PDF mà còn cả các hình vẽ, biểu đồ và cấu trúc bố cục cùng lúc [Anthropic/Claude, Google/Gemini, OpenAI, Kimi, Mistral]

• Diễn giải đa phương thức trong bài đăng mạng xã hội (Enable Image/Video Understanding): Khả năng trích xuất và hiểu bối cảnh của hình ảnh và video được chứa trong các bài đăng trên phương tiện truyền thông xã hội [xAI]

• Diễn giải cấu trúc giao diện của màn hình máy tính (Computer use vision): Khả năng hiểu trực quan vị trí của giao diện người dùng và các phần tử có thể tương tác từ ảnh chụp màn hình máy tính [Anthropic/Claude, OpenAI]

• Diễn giải vùng trong suốt của mặt nạ chỉnh sửa hình ảnh (Masking understanding): Khả năng hiểu kênh alpha của hình ảnh mặt nạ được chỉ định và diễn giải các vùng cần chỉnh sửa hoặc tái tạo [OpenAI]

• Diễn giải hình ảnh thế giới vật lý thông qua camera (Device Camera Vision): Khả năng diễn giải video thế giới thực được nhập trực tiếp từ camera trong các ứng dụng di động, v.v. và hiểu tình huống [OpenClaw, Google/Gemini]

• Nắm bắt bối cảnh tạo hình ảnh nhiều lượt (Multi-turn image context): Khả năng tiếp tục và diễn giải bối cảnh của hình ảnh được tạo trước đó (Previous response ID) trong quá trình trò chuyện [OpenAI]

• Suy luận hình ảnh về tuổi và thông tin sinh trắc học từ ảnh khuôn mặt (Age Assurance / Persona Verification): Khả năng phân tích và diễn giải thông tin sinh trắc học từ ảnh selfie, ước tính nhóm tuổi của người dùng [C.AI, OpenAI]

• Hiểu chuyên gia hỗn hợp đa phương thức (Mixture-of-Experts Vision-Language): Khả năng diễn giải đầu vào nâng cao chứa cả hình ảnh và văn bản bằng cách gán các mô hình chuyên gia tối ưu [DeepSeek]

• Diễn giải hình ảnh về cấu trúc 3D và chiếu sáng không gian (ReLi3D / SViM3D): Khả năng diễn giải vật lý hình dạng 3D của vật thể và điều kiện chiếu sáng môi trường từ một hình ảnh 2D duy nhất [Stability AI]

• Diễn giải đồng bộ âm thanh và video trong video (Video audio analysis): Khả năng hiểu và trích xuất đầu ra theo cách tích hợp âm thanh và chuyển động video trong nội dung video [Google/Gemini]

• Diễn giải dữ liệu địa không gian (Geospatial Analytics / Earth Engine): Khả năng trích xuất và hiểu những thay đổi về địa hình cũng như thông tin không gian từ hình ảnh vệ tinh và dữ liệu bản đồ [Google/Gemini]

Hiểu biết về mã, hệ thống và nhật ký

• Hiểu cấu trúc mã và mối quan hệ phụ thuộc toàn bộ dự án (Codebase understanding): Khả năng hiểu logic và mối quan hệ phụ thuộc giữa nhiều tệp trong toàn bộ dự án chứ không chỉ là tệp đơn [Google/Gemini, Anthropic/Claude, OpenAI, Kimi]

• Diễn giải nhật ký lỗi và theo dõi ngăn xếp (Error trace analysis): Khả năng trích xuất nguyên nhân gốc của lỗi hệ thống từ đầu ra thiết bị đầu cuối hoặc nhật ký sự cố [Anthropic/Claude, Google/Gemini, OpenAI]

• Diễn giải ý định của cam kết Git và diff yêu cầu kéo (Diff understanding): Khả năng phân tích sự khác biệt (Diff) của mã được thay đổi và diễn giải ý định của sửa chữa hoặc điểm xem xét [Anthropic/Claude, Google/Gemini, Microsoft Copilot]

• Diễn giải ý định lược đồ cơ sở dữ liệu và SQL (Database Assistance): Khả năng hiểu logic của các truy vấn SQL phức tạp hiện tại và siêu dữ liệu bảng, sau đó giải thích bằng lời nói [Google/Gemini, Microsoft Copilot]

• Trích xuất thông tin chi tiết từ dữ liệu bảng tính (Code Interpreter data analysis): Khả năng đọc dữ liệu CSV hoặc Excel, diễn giải ý nghĩa số học của nó và trích xuất biểu đồ cũng như xu hướng [Mistral, OpenAI, Microsoft Copilot]

• Hiểu độc lập môi trường đầu cuối và cấu trúc thư mục (CLI Workspace understanding): Khả năng các công cụ CLI tự giác hiểu và diễn giải môi trường dự án hiện tại hoặc cấu thành thư mục [Anthropic/Claude, Mistral, Google/Gemini]

• Diễn giải thông số kỹ thuật API và mã chính sách (Apigee / API policy understanding): Khả năng đọc hiểu sổ tay thông số kỹ thuật API của doanh nghiệp và mã chính sách bảo mật, hiểu ý định cấu hình [Google/Gemini]

• Diễn giải sự sai lệch dữ liệu và dịch chuyển trong MLOps (Model Monitoring): Khả năng phân tích và hiểu sự sai lệch của dữ liệu đầu vào vào mô hình học máy (độ lệch) hoặc xu hướng suy giảm [Google/Gemini]

• Diễn giải nhật ký bảo mật và thông tin tình báo mối đe dọa (Security Copilot / Threat Analysis): Khả năng trích xuất dấu hiệu tấn công mạng và bối cảnh mối đe dọa từ dữ liệu hệ thống hay liên lạc khổng lồ [Microsoft Copilot, Google/Gemini]

• Diễn giải cấu hình cơ sở hạ tầng đám mây và tài nguyên (Cloud Assist / Infrastructure understanding): Khả năng diễn giải tài nguyên đám mây tối ưu và cấu hình triển khai từ bối cảnh mã nguồn hoặc trình soạn thảo [Google/Gemini]

• Hiểu bối cảnh của lịch sử phiên và trạng thái tác nhân (Session history retrieval): Khả năng tác nhân đọc thông tin phiên quá khứ và hiểu tiến trình tác vụ hoặc bối cảnh bằng cách quay lại [OpenClaw, OpenAI]

• Hiểu cấu trúc nguồn dữ liệu bên ngoài (Jira/Google Drive, v.v.) (MCP server resources): Khả năng hiểu và trích xuất cấu trúc thông tin vé hoặc tài liệu của SaaS bên ngoài được kết nối qua MCP [Anthropic/Claude, OpenAI, Microsoft Copilot]

• Diễn giải bối cảnh trước và sau trong hoàn thành FIM (Fill-in-the-Middle Completion): Khả năng diễn giải logic bị thiếu sót cần được chèn ở giữa từ các mô tả trước và sau mã [DeepSeek, OpenAI]

• Hiểu yêu cầu hiện đại hóa mã (Code modernization analysis): Khả năng diễn giải logic kinh doanh gốc khi di chuyển mã kế thừa sang khung công tác hiện đại [Google/Gemini, Anthropic/Claude]

• Trích xuất quy trình xử lý sự cố (Troubleshooting extraction): Khả năng trích xuất các bước giải quyết cần thiết từ hướng dẫn, v.v. dựa trên mô tả tình huống lỗi của người dùng [Google/Gemini, Anthropic/Claude]

• Diễn giải cấu trúc tải trọng Webhook (Webhook event parsing): Khả năng hiểu dữ liệu JSON của Webhook được gửi từ hệ thống bên ngoài và trích xuất thông tin sự kiện cần thiết [OpenAI, OpenClaw]

• Diễn giải trạng thái thiết bị di động và thông tin cảm biến (Mobile node context): Khả năng tác nhân hiểu dung lượng pin, trạng thái hệ thống và các thông tin khác được gửi từ nút di động dưới dạng bối cảnh [OpenClaw]

• Hiểu bối cảnh độc lập của cây công việc Git (Worktrees context): Khả năng hiểu bối cảnh riêng của thư mục hiện tại khi các tác vụ khác nhau được tiến hành trong các môi trường làm việc riêng biệt [Anthropic/Claude]

• Trích xuất ý nghĩa từ nhật ký theo dõi hướng đến nhà phát triển (Trace / Debug log understanding): Khả năng diễn giải các vị trí tắc nghẽn hoặc lỗi từ nhật ký xử lý bên trong của mô hình hoặc yêu cầu mạng [OpenAI, OpenClaw]

• Giải thích xu hướng dữ liệu Cloud Cost và FinOps (Cost Management / Billing analysis): Chức năng đọc hiểu dữ liệu về phí sử dụng API và chi phí hạ tầng, trích xuất xu hướng tiêu thụ bất thường và các điểm tối ưu hóa [Google/Gemini, OpenAI]

• Giải thích tự động các tệp chỉ thị dự án (CLAUDE.md, v.v.): Chức năng cho phép tác nhân tự động đọc các tệp chỉ thị được đặt trong thư mục và hiểu các yêu cầu của dự án [Anthropic/Claude, OpenClaw]

• Giải thích tính tương thích prompt của mô hình bên thứ ba (OpenAI Compatibility): Chức năng giải thích và chuyển đổi yêu cầu được gửi ở định dạng API của OpenAI thành một hình thức mà các mô hình khác có thể hiểu được [Meta/Llama, Perplexity, DeepSeek]

Hiểu được tiếng nói và âm thanh

• Nhận dạng giọng nói và chuyển đổi thành chữ (Speech-to-text / Whisper): Chức năng nhận dữ liệu âm thanh làm đầu vào, giải thích và trích xuất nội dung phát biểu dưới dạng văn bản chính xác [OpenAI, Google/Gemini, xAI]

• Giải thích cảm xúc và tông giọng của âm thanh thời gian thực (Realtime API / Voice API): Chức năng từ đầu vào âm thanh có độ trễ cực thấp, không chỉ hiểu ý nghĩa của lời nói mà còn hiểu cảm xúc và tông giọng của người nói một cách thời gian thực [OpenAI, xAI, Microsoft Copilot]

• Phân tách người nói và hiểu cấu trúc hội thoại (Diarization): Chức năng xác định "ai đã nói và khi nào" từ dữ liệu âm thanh, và hiểu luồng và cấu trúc hội thoại của nhiều người [OpenAI]

• Giải thích ý định người dùng bằng tiếng nói trong IVR (Interactive voice response): Chức năng trong dịch vụ hỗ trợ khách hàng dùng âm thanh, giải thích yêu cầu của khách hàng và quyết định việc chuyển giao cho nhân viên [Microsoft Copilot]

• Hiểu bối cảnh của bản ghi đồng ý bằng tiếng nói (Voice Consents interpretation): Chức năng trích xuất và hiểu thông tin đồng ý của người dùng từ văn bản hoặc tiếng nói, được yêu cầu khi sử dụng API tổng hợp tiếng nói [OpenAI]

Hiểu kết quả tìm kiếm, kiến thức bên ngoài và công cụ

• Tóm tắt tổng hợp kết quả tìm kiếm web (Web-grounded summarization): Chức năng tích hợp thông tin thu được từ nhiều trang web, hiểu mối liên hệ và mâu thuẫn để tóm tắt [Perplexity, OpenAI, Google/Gemini, Anthropic/Claude, Mistral, Kimi]

• Hiểu sâu các chủ đề phức tạp (Deep research / Sonar): Chức năng đối với các chủ đề phức tạp, đọc hiểu thông tin trên web theo nhiều giai đoạn để hiểu sâu và tóm tắt [OpenAI, Google/Gemini, Perplexity]

• Giải thích độ tin cậy và mức độ liên quan của nguồn thông tin (Search API filters): Chức năng trích xuất mối liên hệ ngữ nghĩa của thông tin từ tiêu đề và đoạn tóm tắt của kết quả tìm kiếm mà không thực hiện tạo sinh bởi LLM [Perplexity]

• Giải thích bối cảnh riêng miền của kết quả tìm kiếm (Domain controls): Chức năng hiểu bối cảnh chuyên ngành từ kết quả tìm kiếm được giới hạn trong các miền cụ thể (y tế, tài chính, v.v.) [Perplexity]

• Trích xuất thông tin giữ lại bối cảnh trong RAG (Contextual retrieval): Chức năng khi chia tách thông tin (chunking), giải thích và trích xuất sao cho ngữ cảnh của toàn bộ tài liệu không bị mất [Anthropic/Claude, Perplexity]

• Vector hóa ngữ nghĩa của văn bản và giải thích (Embeddings): Chức năng giải thích ý nghĩa và sắc thái của văn bản dưới dạng vector đa chiều số học, tìm ra sự tương tự [OpenAI, Anthropic/Claude, Perplexity, Google/Gemini]

• Hiểu xu hướng thời gian thực và luồng khoá của X (Thread fetch & Trend analysis): Chức năng giải thích luồng hội thoại của toàn bộ khoá trên mạng xã hội và các chủ đề mới nhất như bối cảnh [xAI]

• Giải thích cơ sở trong kiểm chứng sự thật (Grounding verification): Chức năng so sánh câu trả lời của mô hình với kết quả tìm kiếm web, hiểu xem sự thật có khớp hay không [Google/Gemini, Microsoft Copilot]

• Trích xuất bối cảnh chính xác của nguồn trích dẫn (Citation extraction): Chức năng trích xuất chính xác từ kết quả tìm kiếm câu văn là cơ sở của câu trả lời, liên kết dưới dạng trích dẫn [Perplexity, OpenAI, Google/Gemini]

• Hiểu ngữ nghĩa về bộ sưu tập riêng của người dùng (Collections / Knowledge base): Chức năng trích xuất siêu dữ liệu từ nhóm tài liệu độc lập do người dùng tải lên, hiểu bối cảnh chung [xAI, Mistral]

• Giải thích ý định lựa chọn công cụ và các tham số (Tool choice / Function calling interpretation): Chức năng từ yêu cầu của người dùng, tự động giải thích "nên sử dụng công cụ nào với những tham số nào" [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, xAI, DeepSeek, Mistral]

• Trích xuất bằng chứng pháp lý cho eDiscovery (Legal hold retrieval): Chức năng tìm kiếm, trích xuất và hiểu ngữ nghĩa về lịch sử hội thoại và tệp liên quan đến kiện tụng hoặc kiểm toán từ dữ liệu tổ chức [Microsoft Copilot]

• Học tập và giải thích xu hướng prompt quá khứ của người dùng (Personalization / Memory): Chức năng ghi nhớ các hướng dẫn và sở thích quá khứ của người dùng, giải thích ý định của prompt hiện tại một cách chính xác hơn [Google/Gemini, OpenAI, OpenClaw]

• Giải thích dữ liệu lưu lượng mạng viễn thông (Telecom Data Fabric / Subscriber Insights): Chức năng phân tích dữ liệu lưu lượng và thông tin đăng ký của nhà mạng viễn thông, hiểu và trích xuất các mẫu hành vi [Google/Gemini]

• Giải thích ý định tìm kiếm sản phẩm cho bán lẻ (Vertex AI Search for commerce): Chức năng trên trang web thương mại điện tử, hiểu các đặc điểm sản phẩm mà người dùng tìm kiếm từ truy vấn mơ hồ [Google/Gemini]

• Trích xuất dữ liệu thời gian thực về tin tức và giá cổ phiếu (Real-time data extraction): Chức năng trích xuất và hiểu ngữ nghĩa các tiêu đề tin tức mới nhất và giá trị thị trường tài chính từ kết quả tìm kiếm, có cấu trúc [Perplexity]

• Hiểu cấu trúc nhiều định dạng tài liệu (Markup interpretation): Chức năng giải thích ý nghĩa của các tiêu đề, bảng và các cấu trúc đánh dấu khác trong Markdown, HTML, DOCX, v.v., đồng thời giữ lại cấu trúc [OpenAI, Anthropic/Claude, Google/Gemini, Mistral, Kimi]

Hiểu sâu thông qua mô hình suy luận và cách tiếp cận phân tích

• Hiểu sâu các vấn đề phức tạp thông qua mô hình suy luận (Reasoning models): Chức năng sử dụng quá trình tư duy logic từng bước thay vì so khớp mẫu trực quan để hiểu bản chất thực của vấn đề [OpenAI, DeepSeek, xAI, Google/Gemini, Kimi]

• Giải thích bối cảnh đa giai đoạn thông qua tư duy mở rộng (Extended thinking): Chức năng dành thời gian để đọc hiểu sâu nền tảng và ràng buộc của vấn đề, giải thích bối cảnh logic [Anthropic/Claude]

• Giải thích độ khó của nhiệm vụ thông qua tư duy thích ứng (Adaptive thinking): Chức năng tự động hiểu độ phức tạp của nhiệm vụ được nhập, điều chỉnh mức độ suy luận nên được gán [Anthropic/Claude]

• Giải thích yêu cầu nỗ lực suy luận (mức độ tư duy) (Reasoning effort): Chức năng hiểu độ sâu của tư duy do người dùng chỉ định, trích xuất thông tin với độ chi tiết tương ứng [OpenAI, OpenClaw]

• Giải thích logic các câu hỏi khó về toán học và khoa học (Deep thought / Math reasoning): Chức năng giải thích từ văn bản chứa công thức và các định luật vật lý, quá trình triển khai logic nghiêm ngặt và bối cảnh định lý [DeepSeek, xAI, Google/Gemini]

• Trích xuất tự động Data Insights (Data Insights): Chức năng tự động hiểu và trích xuất mối tương quan quan hệ và ý nghĩa kinh doanh từ bảng cơ sở dữ liệu hoặc dữ liệu nhật ký [Google/Gemini, Microsoft Copilot]

• Trích xuất bối cảnh hiệu suất tiếp thị (Campaign summarization): Chức năng hiểu các yếu tố thành công và thất bại từ dữ liệu kết quả phân phối chiến dịch để tóm tắt [Google/Gemini]

• Giải thích tính lành mạnh của tác nhân và các chỉ số hiệu suất (Agent analytics): Chức năng hiểu sự bực dưỡi của người dùng và tỷ lệ giải quyết từ nhật ký hội thoại của bot, trích xuất các điểm cải tiến [Microsoft Copilot]

• Tự đánh giá prompt và hiểu ý định tối ưu hóa (Prompt optimizer analysis): Chức năng mô hình phân tích kết quả phản ứng của chính nó, tái giải thích prompt sao cho đáp ứng ý định thực của người dùng [OpenAI]

• Giải thích đáp án đúng trong bộ kiểm tra tự động (Evals) (Evaluations grading): Chức năng bản thân LLM đọc hiểu câu trả lời của bài kiểm tra, giải thích bối cảnh đúng và sai theo tiêu chuẩn [OpenAI, Anthropic/Claude, Google/Gemini]

• Giải thích trò chuyện thời gian thực của livestream (Twitch chat analysis): Chức năng trích xuất và hiểu ý kiến chung của khán giả cũng như các câu hỏi từ nhận xét trò chuyện của phát sóng một cách thời gian thực [OpenClaw]

• Hiểu nội dung đề cập và người nhận trong ứng dụng trò chuyện (Mention / Routing interpretation): Chức năng hiểu tin nhắn dành cho ai trong Slack, Discord, v.v., bot nên phản ứng hay không [OpenClaw, Anthropic/Claude, Microsoft Copilot]

• Giải thích mục tiêu tác vụ tự động ở chế độ không tương tác (Non-interactive mode analysis): Khả năng hiểu hoàn toàn mục tiêu cuối cùng từ lời nhắc ban đầu và thực hiện tác vụ mà không cần phản hồi từ con người [Anthropic/Claude]

• Giải thích giới hạn tốc độ API và siêu dữ liệu (Rate limit / Meta info extraction): Khả năng giải thích một cách hệ thống các khoá trống còn lại và ID yêu cầu từ tiêu đề phản hồi của API [OpenAI, Perplexity]

• Chia sẻ và hiểu bối cảnh bàn giao giữa các tác nhân (Handoff context understanding): Khả năng giải thích bối cảnh hội thoại trước đó khi chuyển giao tác vụ từ chatbot sang nhân viên vận hành hoặc tác nhân khác [OpenAI, Microsoft Copilot]

• Giải thích bối cảnh điểm chèn quảng cáo vào video (Video Stitcher API): Khả năng hiểu bối cảnh nội dung video và trích xuất thời điểm thích hợp để chèn quảng cáo động ở phía máy chủ [Google/Gemini]

• Suy luận và hiểu độ tuổi từ tín hiệu hoạt động của người dùng (Age assurance signals): Khả năng phân tích toàn diện các tín hiệu như thông tin đăng nhập và lịch sử hoạt động trên nền tảng để xác định nhóm tuổi [C.AI]

Khả năng liên quan đến "Tìm kiếm"

Khả năng lấy thông tin mới nhất mà AI chưa học hoặc dữ liệu bí mật của công ty từ cơ sở dữ liệu bên ngoài hoặc Web.

Tìm kiếm Web và Nghiên cứu sâu

• Tự động tìm kiếm Web (Web search tool): Mô hình tự động tìm kiếm thông tin mới nhất hoặc sự thật trên Internet và kết hợp vào câu trả lời [OpenAI, Anthropic/Claude, xAI/Grok, Kimi]

• Nghiên cứu sâu (Deep research): Tự động theo dõi nhiều nguồn thông tin trên Web theo nhiều bước để điều tra sâu các chủ đề phức tạp [OpenAI, Google/Gemini]

• Nền tảng Web (Web Grounding): Sử dụng kết quả thời gian thực từ công cụ tìm kiếm để cơ sở hóa câu trả lời và lấy thông tin mới nhất [Google/Gemini, Microsoft Copilot, Perplexity]

• Lấy kết quả tìm kiếm Web thô (Search API): Lấy kết quả tìm kiếm Web thô (tiêu đề, URL, đoạn trích) theo thứ tự xếp hạng mà không đi qua suy luận của LLM [Perplexity]

• Công cụ tìm nạp Web (Web fetch tool): Truy cập trực tiếp trang Web được chỉ định và tải nội dung để lấy thông tin [Anthropic/Claude]

• Tìm kiếm Web Le Chat (Le Chat Web search): Thực hiện tìm kiếm Web trên màn hình trò chuyện, lấy thông tin mới nhất và sử dụng cho nghiên cứu trên Canvas [Mistral]

• Nền tảng Web M365 (Microsoft 365 Copilot Chat): Sử dụng kết quả tìm kiếm trên Web để nghiên cứu thông tin mới nhất và thực hiện kiểm tra sự thật an toàn [Microsoft Copilot]

• Câu trả lời AI có trích dẫn (Sonar API): Nghiên cứu thời gian thực kiến thức trên Web và tạo/lấy "câu trả lời AI có trích dẫn" [Perplexity]

• Kiểm tra sự thật và kiểm tra kép (Double-check): Tìm kiếm các nguồn thông tin trên Web để kiểm tra nội dung của câu trả lời được tạo ra [Google/Gemini]

• Hiển thị các nguồn liên quan (View related sources): Tìm kiếm và hiển thị các nguồn Web làm nền tảng cho câu trả lời, cho phép người dùng xác minh trực tiếp [Google/Gemini]

• Tìm kiếm bộ lọc miền (Search Filters / Domain Controls): Lấy kết quả tìm kiếm Web bằng cách giới hạn trong các miền hoặc trang web cụ thể [Perplexity]

• Hỗ trợ tìm kiếm nhiều truy vấn song song (Multi-query support): Thực hiện song song nhiều truy vấn tìm kiếm trong một yêu cầu và lấy kết quả tìm kiếm Web phức hợp [Perplexity]

• Trích xuất dữ liệu thời gian thực (Real-time data extraction): Trích xuất và lấy dữ liệu thời gian thực (tin tức, giá cổ phiếu, v.v.) từ kết quả tìm kiếm [Perplexity]

• Tìm kiếm API Tác nhân (Agent API): Thực hiện nghiên cứu với công cụ tìm kiếm Web được tích hợp và cài đặt trước bằng cách sử dụng nhiều mô hình của bên thứ ba [Perplexity]

• Lấy chỉ mục trình quét tìm kiếm (Perplexity Crawlers): Lấy thông tin dựa trên dữ liệu chỉ mục Web được thu thập bởi trình quét chính thức [Perplexity]

RAG, Tìm kiếm Vector và Nhúng

• Tìm kiếm tệp (File search): Tìm kiếm và trích xuất các phần liên quan đến câu hỏi của người dùng từ nhóm tệp như PDF được tải lên [OpenAI, Anthropic/Claude]

• Truy xuất tìm kiếm nâng cao (Retrieval / RAG): Tìm kiếm thông tin theo ngữ nghĩa từ nhóm tài liệu riêng và sử dụng làm nền tảng cho câu trả lời [OpenAI, Mistral, Meta/Llama, Anthropic/Claude]

• Quản lý kho vector (Vector Stores): Lưu trữ, quản lý và tìm kiếm dữ liệu vector của tài liệu để thực hiện tìm kiếm nhanh và chính xác [OpenAI]

• API nhúng văn bản (Embeddings API): Vector hóa ý nghĩa của văn bản thành dữ liệu số để cải thiện độ chính xác tìm kiếm ngữ nghĩa và RAG tùy chỉnh [OpenAI, Perplexity, Anthropic/Claude]

• Tìm kiếm với bối cảnh được bảo toàn (Contextual retrieval): Bảo toàn bối cảnh toàn bộ khi chia tách tài liệu để cải thiện đáng kể độ chính xác tìm kiếm RAG [Anthropic/Claude]

• Nhúng ngữ cảnh hóa (Contextualized Embeddings): Tạo và lấy dữ liệu vector có tính đến bối cảnh để nâng cao độ chính xác tìm kiếm của hệ thống RAG [Perplexity]

• Tìm kiếm bộ sưu tập (Collections Search): Tìm kiếm ngữ nghĩa thông tin cần thiết trong bộ sưu tập riêng (nhóm tài liệu) được tạo bởi người dùng [xAI/Grok]

• Lấy siêu dữ liệu bộ sưu tập (Collection Metadata): Lấy thông tin siêu dữ liệu hoặc thuộc tính của bộ sưu tập RAG đã tạo [xAI/Grok]

• Tìm kiếm tích hợp API tệp (Files API Retrieval): Tải tệp văn bản hoặc tài liệu được tải lên thông qua API và tìm kiếm thông tin [OpenAI, Anthropic/Claude, xAI/Grok]

• Tìm kiếm tích hợp từ PDF (PDF support): Tìm kiếm và lấy không chỉ văn bản trong PDF mà còn cả thông tin trực quan như biểu đồ và đồ thị [Anthropic/Claude]

• Tìm kiếm trực tiếp bối cảnh siêu dài (Ultra-long Context Retrieval): Sử dụng bối cảnh lên đến 256K để tìm kiếm trực tiếp thông tin từ toàn bộ tài liệu mà không cần RAG [Kimi]

• Tìm kiếm cơ sở kiến thức tác nhân tùy chỉnh (Custom agent knowledge base): Tìm kiếm và lấy thông tin riêng của doanh nghiệp từ cơ sở kiến thức riêng được liên kết với tác nhân tùy chỉnh [Mistral]

• Tìm kiếm tài liệu doanh nghiệp (Vertex AI Search): Tìm kiếm ngay lập tức thông tin từ dữ liệu phi cấu trúc lớn trong doanh nghiệp bằng cách hiểu ý nghĩa [Google/Gemini]

• Cơ sở hạ tầng tìm kiếm vector (Vector Search): Cung cấp tìm kiếm ý nghĩa có thể mở rộng theo kích thước dữ liệu và yêu cầu [Google/Gemini]

• Tích hợp Llama RAG (Llama RAG Integration): Thông qua Cookbook, kết nối mô hình với vector DB để tìm kiếm kiến thức bên ngoài [Meta/Llama]

Tìm kiếm dữ liệu nội bộ và tích hợp SaaS

• Nền tảng dữ liệu công việc M365 (Microsoft 365 Data Grounding): Tìm kiếm toàn diện dữ liệu công việc như tài liệu, email, cuộc trò chuyện Teams trong tổ chức và sử dụng làm nền tảng cho câu trả lời [Microsoft Copilot]

• Tìm kiếm dữ liệu Google Workspace (Connected Apps): Tìm kiếm và lấy tệp hoặc dữ liệu công việc cá nhân từ Gmail, Google Drive, Tài liệu [Google/Gemini]

• Tìm kiếm tài nguyên máy chủ MCP (MCP and Connectors): Lấy dữ liệu từ DB bên ngoài hoặc SaaS trên máy chủ từ xa bằng cách sử dụng Model Context Protocol theo giao thức chuẩn [OpenAI, Anthropic/Claude, Microsoft Copilot]

• Lấy dữ liệu Jira/Slack (MCP SaaS Retrieval): Tìm kiếm và trích xuất trực tiếp thông tin vé Jira hoặc lịch sử tin nhắn Slack qua MCP [Anthropic/Claude, OpenClaw]

• Lấy tài liệu Google Drive (Google Drive Retrieval): Tìm kiếm và tải tài liệu quy cách kỹ thuật hoặc tài liệu thiết kế được lưu trữ trên Google Drive thông qua MCP [Anthropic/Claude]

• Lấy dữ liệu API bên ngoài trực tiếp (Data retrieval): Tìm kiếm và lấy trực tiếp dữ liệu cần thiết từ các điểm cuối cụ thể (như cơ sở dữ liệu nội bộ) thông qua tích hợp với ChatGPT Actions [OpenAI]

• Tìm kiếm Trình kết nối mở rộng (Connectors): Kết nối các hệ thống SaaS bên ngoài hoặc cơ sở dữ liệu riêng để mở rộng phạm vi nghiên cứu và khả năng lấy dữ liệu của tác nhân [Microsoft Copilot].

• Biến trang công khai thành nguồn kiến thức (Knowledge sources - Public website): Chỉ định các trang web công khai cụ thể cho tác nhân để nghiên cứu thông tin từ đó [Microsoft Copilot].

• Tìm kiếm kiến thức SharePoint (Knowledge sources - SharePoint): Kết nối SharePoint trong tổ chức như nguồn kiến thức và tìm kiếm các tài liệu nội bộ trong môi trường an toàn [Microsoft Copilot].

• Trích xuất dữ liệu phi cấu trúc (Document AI): Tìm kiếm và xử lý các tài liệu phi cấu trúc như biểu mẫu, tự động trích xuất và lấy dữ liệu cần thiết [Google/Gemini].

• Tìm kiếm Danh mục dữ liệu thống nhất (Dataplex Universal Catalog): Tìm kiếm, quản lý và lấy tất cả dữ liệu trên cloud một cách liên tục [Google/Gemini].

• Tìm kiếm eDiscovery/Giữ hành động pháp lý (eDiscovery / Legal hold): Tìm kiếm và lấy lịch sử cuộc trò chuyện Copilot và nhật ký hệ thống được lưu giữ để chuẩn bị cho訴訟 hoặc kiểm toán [Microsoft Copilot].

• Lấy Trình kết nối Power Platform (Power Platform Connector Retrieval): Trong các luồng Power Automate và các dịch vụ khác, tìm kiếm dữ liệu từ các trình kết nối được tích hợp và chuyển đến Copilot [Microsoft Copilot].

Mã - Cơ sở dữ liệu - Tìm kiếm nghiên cứu phát triển

• Tìm kiếm kho lưu trữ GitHub (GitHub Repository Search): Nhập và kết nối kho lưu trữ GitHub, tìm kiếm trực tiếp về cơ sở mã và lịch sử [Google/Gemini, Microsoft Copilot].

• Tìm kiếm xuyên cơ sở mã riêng (Custom Codebase Search): Kết nối GitHub/GitLab của công ty và tìm kiếm mã từ cơ sở mã riêng khổng lồ [Google/Gemini].

• Lấy ngữ cảnh đánh giá mã (Code Review Context Retrieval): Trong quá trình đánh giá mã trên GitHub, tìm kiếm và lấy các PR liên quan và ngữ cảnh mã [Google/Gemini, Anthropic/Claude].

• Tìm kiếm cơ sở mã cục bộ (Claude Code File Search): Trong môi trường CLI, tự động đọc toàn bộ cơ sở mã cục bộ và tìm kiếm các tệp và phụ thuộc cần thiết [Anthropic/Claude].

• Lấy dấu vết lỗi (Error Trace Retrieval): Từ nhật ký lỗi hoặc triệu chứng trên terminal, theo dõi và tìm kiếm nguyên nhân gốc rễ của lỗi trong cơ sở mã [Anthropic/Claude].

• Lấy siêu dữ liệu BigQuery (BigQuery Data Insights): Tìm kiếm siêu dữ liệu bảng trong cơ sở dữ liệu và lấy các truy vấn và thông tin hữu ích làm thông tin chi tiết [Google/Gemini].

• Tìm kiếm truy vấn cơ sở dữ liệu (Database Search): Sử dụng hướng dẫn ngôn ngữ tự nhiên để tìm kiếm và lấy thông tin từ cơ sở dữ liệu SQL [Google/Gemini, Microsoft Copilot].

• Lấy dữ liệu Trình thông dịch mã (Code Interpreter Data Retrieval): Tải dữ liệu từ bảng tính và các tệp khác, thực thi mã để tìm kiếm và trích xuất thông tin cần thiết và thông tin chi tiết từ đó [Mistral, OpenAI, Microsoft Copilot].

• Tìm kiếm thông minh thông số kỹ thuật API (Smart Search in API hub): Tính năng được trang bị Vertex AI cho phép các nhà phát triển tìm kiếm và lấy hiệu quả các thông số kỹ thuật API nội bộ [Google/Gemini].

• Lấy nhật ký phản hồi đám mây/Dấu vết (Cloud Logging / Trace Retrieval): Tìm kiếm và lấy nhật ký hệ thống và dấu vết lỗi để có thể hiển thị hiệu suất [Google/Gemini].

• Tìm kiếm công cụ tự chủ (Tool search): Từ nhiều công cụ có sẵn, tìm kiếm và xác định công cụ tối ưu nhất cho tác vụ muốn thực hiện [OpenAI].

• Lấy tệp trong Sandbox (Docker Sandbox File Retrieval): An toàn lấy kết quả thực thi và các tệp được lưu trữ trong môi trường vùng chứa an toàn (sandbox) từ bên ngoài [OpenClaw].

• Lấy Llama Stack (Llama Stack Retrieval): Thông qua lớp API của Llama Stack, tìm kiếm và lấy dữ liệu riêng từ mô hình do công ty tự lưu trữ [Meta/Llama].

Nền tảng - Mạng xã hội - Tìm kiếm chuyên biệt

• Tìm kiếm bài đăng X (X Search): Tìm kiếm các bài đăng X (trước đây là Twitter) theo thời gian thực bằng cách chỉ định từ khóa hoặc người dùng để lấy xu hướng và sự thật [xAI/Grok].

• Tìm kiếm tài khoản X cụ thể (allowed_x_handles): Giới hạn tìm kiếm bài đăng đối với các tài khoản X cụ thể (tối đa 10 tài khoản) [xAI/Grok].

• Tìm kiếm loại trừ tài khoản X (excluded_x_handles): Loại trừ các tài khoản X cụ thể khỏi kết quả tìm kiếm để lấy thông tin [xAI/Grok].

• Tìm kiếm khoảng thời gian X cụ thể (Date Range): Chỉ định phạm vi ngày tháng (ISO8601) để tìm kiếm các bài đăng X trong khoảng thời gian cụ thể [xAI/Grok].

• Lấy luồng X (Thread fetch): Lấy toàn bộ luồng cuộc trò chuyện của một chủ đề hoặc bài đăng cụ thể trên X và sử dụng làm ngữ cảnh [xAI/Grok].

• Tìm kiếm nội dung hình ảnh/video X (Media Understanding): Trong tìm kiếm X, không chỉ tìm kiếm và giải thích nội dung văn bản mà còn cả hình ảnh và video [xAI/Grok].

• Tìm kiếm thông tin tình báo mối đe dọa bảo mật (Security Copilot Threat Retrieval): Từ khối lượng lớn dữ liệu và nhật ký bảo mật, tìm kiếm và lấy các dấu hiệu tấn công mạng và thông tin đe dọa [Microsoft Copilot, Google/Gemini].

• Tìm kiếm dữ liệu tài chính (Copilot for Finance): Từ hệ thống ERP hoặc dữ liệu tài chính, tìm kiếm và lấy thông tin chi tiết tài chính và dữ liệu liên quan cần thiết cho kinh doanh [Microsoft Copilot].

• Tìm kiếm dữ liệu bán hàng CRM (Copilot for Sales): Từ hệ thống CRM như Dynamics 365, tìm kiếm và lấy thông tin khách hàng và lịch sử giao dịch [Microsoft Copilot].

• Tìm kiếm kiến thức hỗ trợ (Copilot for Service): Khi cung cấp hỗ trợ khách hàng, tìm kiếm và lấy các cơ sở kiến thức liên quan hoặc lịch sử trường hợp trước đây [Microsoft Copilot].

• Tìm kiếm tích hợp nền tảng phân tích dữ liệu (Copilot in Microsoft Fabric): Tìm kiếm và lấy dữ liệu cần thiết từ nhiều nguồn dữ liệu không liên quan và tích hợp vào nền tảng phân tích [Microsoft Copilot].

• Tìm kiếm tài nguyên đám mây Azure (Copilot in Azure): Tìm kiếm và lấy trạng thái tài nguyên đám mây trên Azure, lịch sử hoạt động và hướng dẫn khắc phục sự cố [Microsoft Copilot].

• Tìm kiếm sản phẩm cho thương mại điện tử (Vertex AI Search for commerce): Cho ngành bán lẻ, lấy tìm kiếm sản phẩm nâng cao và thông tin đề xuất từ dữ liệu doanh nghiệp [Google/Gemini].

• Lấy dữ liệu người đăng ký viễn thông (Telecom Subscriber Insights): Cho ngành viễn thông, tìm kiếm và tiếp nhận dữ liệu người đăng ký để lấy [Google/Gemini].

• Lấy dữ liệu địa không gian (Geospatial Data Retrieval): Từ Google Earth Engine và các nguồn khác, tìm kiếm và lấy dữ liệu quan sát trái đất và hình ảnh vệ tinh [Google/Gemini].

Tìm kiếm lịch sử cuộc trò chuyện - Ngữ cảnh - Bộ nhớ

• Tìm kiếm bộ đệm nhắc nhở (Prompt caching): Từ ngữ cảnh dài được lưu vào bộ đệm, nhanh chóng tìm kiếm và lấy các tệp đầu vào và bối cảnh trước đây mà không cần xử lý lại [OpenAI, Anthropic/Claude, xAI/Grok].

• Lấy lịch sử luồng trò chuyện (Conversation History / Threads): Tính năng API để tìm kiếm và lấy bối cảnh và thông tin tin nhắn trước đây từ lịch sử luồng trò chuyện trước [OpenAI].

• Tìm kiếm lịch sử phiên cục bộ (sessions_history): Tác nhân tự động tìm kiếm và lấy bối cảnh cần thiết bằng cách truy cập lịch sử tương tác trước hoặc lịch sử phiên khác [OpenClaw].

• Lấy danh sách phiên cục bộ (sessions_list): Tác nhân tìm kiếm và lấy danh sách tất cả các phiên hoạt động hiện có trong không gian làm việc của nó [OpenClaw].

• Tìm kiếm hướng dẫn tùy chỉnh và bộ nhớ (Personalization retrieval): Từ lịch sử trò chuyện trước hoặc hướng dẫn tùy chỉnh, tìm kiếm và trích xuất sở thích hoặc bối cảnh của người dùng để phản ánh trong phản hồi [Google/Gemini].

• Lấy thông tin màn hình máy tính một cách trực quan (Computer Use Desktop Retrieval): Quan sát môi trường máy tính trực quan, tự động tìm kiếm và lấy thông tin về ứng dụng và trình duyệt trên màn hình [Anthropic/Claude].

• Lấy dữ liệu điều hành (Moderation Retrieval): Sử dụng mô hình an toàn để lấy kết quả xác định và dữ liệu cờ liệu thì văn bản có vi phạm chính sách hay không [OpenAI, Meta/Llama].

Tìm kiếm tệp - Hệ thống cục bộ

• Đọc tệp cục bộ trực tiếp (read tool): Tác nhân đọc trực tiếp các tệp hoặc tài liệu được lưu trữ trên thiết bị cục bộ và lấy thông tin [OpenClaw, Anthropic/Claude].

• Lấy trạng thái quy trình/hệ thống (Process / Bash Retrieval): Thực thi các lệnh shell và tìm kiếm, lấy thông tin trạng thái của hệ thống cục bộ hoặc thông tin quy trình [OpenClaw, Anthropic/Claude].

• Lấy trạng thái nút di động (Mobile Node Retrieval): Tìm kiếm và lấy thông tin cảm biến thiết bị hoặc trạng thái hệ thống từ các nút iOS/Android được ghép nối [OpenClaw].

• Lấy danh sách tệp (List files): Tìm kiếm và lấy danh sách tất cả các tệp được tải lên trên API hoặc không gian làm việc [OpenAI, xAI/Grok, Anthropic/Claude].

• Lấy nội dung tệp (Retrieve file content): Tải xuống hoặc lấy nội dung của một tệp cụ thể được lưu trữ [OpenAI, xAI/Grok].

• Lấy trạng thái tải lên (Files Upload Status): Tìm kiếm và lấy thông tin trạng thái của các tệp đang trong quá trình tải lên dung lượng lớn [OpenAI, xAI/Grok].

• Lấy tệp kho vector (Retrieve vector store file): Tìm kiếm và lấy các tệp hoặc trạng thái cụ thể được lưu trữ trong kho vector [OpenAI].

• Lấy tệp theo lô (Retrieve a file batch): Tìm kiếm và lấy trạng thái xử lý theo lô của các nhóm tệp được thêm cùng lúc vào kho vector [OpenAI].

Lấy siêu dữ liệu, nhật ký quản lý và dữ liệu đánh giá

• Tìm kiếm nhật ký thực thi (Retrieve runs): Tìm kiếm và lấy nhật ký thực thi (Runs) của luồng được thực thi thông qua API Trợ lý, v.v. [OpenAI].

• Lấy kết quả xử lý theo lô (Retrieve a batch): Tìm kiếm và lấy kết quả hoặc thông tin trạng thái của xử lý theo lô không đồng bộ [OpenAI, xAI/Grok].

• Lấy kết quả xử lý theo lô tin nhắn (Message Batches Retrieval): Tìm kiếm và lấy trạng thái hoặc kết quả của các tin nhắn được xử lý hàng loạt [Anthropic/Claude].

• Lấy nhật ký kiểm toán không gian làm việc (Audit Logs Retrieval): Quản trị viên tìm kiếm và lấy nhật ký kiểm toán như lịch sử sử dụng khóa API hoặc các hành động của người dùng [OpenAI, xAI/Grok].

• Lấy dữ liệu dành cho quản trị viên (Admin API Data Retrieval): Quản trị viên tìm kiếm và lấy cài đặt quyền của không gian làm việc hoặc dữ liệu sử dụng khóa API [Anthropic/Claude, OpenAI].

• Lấy dữ liệu phân tích hiệu suất tác nhân (Agent Analytics Retrieval): Tìm kiếm và lấy thông tin để phân tích tính mạnh khỏe của tác nhân, nhật ký cuộc trò chuyện và dữ liệu hiệu suất [Microsoft Copilot].

• Lấy thông tin thanh toán và sử dụng (Billing & Usage Retrieval): Tìm kiếm và lấy lượng sử dụng API, chi phí và thông tin thanh toán theo từng không gian làm việc [Mistral, xAI/Grok, OpenAI].

• Lấy hạn mức sử dụng API và giới hạn tốc độ (Rate Limits Retrieval): Lấy trạng thái hạn mức sử dụng API hiện tại của người dùng hoặc giới hạn tốc độ [Perplexity, OpenAI].

• Lấy trạng thái hệ thống (System Status Retrieval): Lấy tình trạng hoạt động tổng thể của hệ thống API thông qua API [Perplexity, Anthropic/Claude].

• Lấy thông tin sự kiện Webhook (Webhook event retrieval): Lấy và phân tích thông tin sự kiện hoặc tải trọng được gửi từ hệ thống bên ngoài thông qua Webhook [OpenAI, OpenClaw].

• Lấy siêu dữ liệu nguồn trích dẫn hình ảnh được tạo (Citations Retrieval): Lấy siêu dữ liệu nguồn trích dẫn (Citations) của hình ảnh là cơ sở cho câu trả lời kết quả từ tìm kiếm web [Perplexity, xAI/Grok].

• Lấy báo cáo đánh giá mô hình (Vertex AI Model Evaluation Retrieval): Tìm kiếm và lấy kết quả phân tích các chỉ số đánh giá khách quan của mô hình AI sinh tạo (BLEU, ROUGE, v.v.) [Google/Gemini].

• Tìm kiếm dữ liệu đánh giá (Retrieve an eval): Tìm kiếm và lấy các tập kiểm tra hoặc dữ liệu đánh giá (Evals) từ các bài kiểm tra trong quá khứ đánh giá mô hình một cách khách quan [OpenAI].

• Lấy hạn ngạch trên đám mây (Cloud Quotas Retrieval): Tìm kiếm và lấy thông tin phân bổ (hạn ngạch) của tất cả các dịch vụ trên đám mây [Google/Gemini].

• Lấy danh sách mô hình (List models): Tìm kiếm và lấy danh sách các mô hình AI có sẵn hoặc thông tin chi tiết thông qua API [OpenAI, xAI/Grok, DeepSeek].

Chức năng liên quan đến "suy luận"

Chức năng phân tích các tác vụ phức tạp thành các bước nhỏ hơn và thực hiện tư duy logic hoặc lập kế hoạch, chẳng hạn như A dẫn đến B.

Mô hình suy luận và quy trình tư duy

• Mô hình chuyên biệt suy luận (Reasoning models): Giải quyết các tác vụ phức tạp bằng cách sử dụng quy trình tư duy logic từng bước (Chain of Thought) thay vì phản hồi trực quan [OpenAI, DeepSeek, xAI/Grok, Kimi]

• Kiểm soát độ cố gắng suy luận (Reasoning effort): Chỉ định độ sâu của tư duy ("thấp", "trung bình", "cao", v.v.) khi yêu cầu API để kiểm soát tài nguyên tính toán dành cho suy luận [OpenAI, OpenClaw]

• Tư duy mở rộng/suy luận (Extended thinking): Thực hiện suy luận logic sâu sắc cho các vấn đề phức tạp bằng cách dành thời gian và thực hiện quy trình tư duy từng bước [Anthropic/Claude]

• Tư duy thích ứng (Adaptive thinking): Mô hình tự giải thích độ phức tạp hoặc mức độ khó của tác vụ và động thích ứng mức độ suy luận (tư duy) [Anthropic/Claude]

• Quản lý độ cố gắng suy luận và ngân sách tác vụ (Task budgets / Effort): Đặt độ cố gắng hoặc ngân sách tính toán để dành cho suy luận, kiểm soát độ sâu của quy trình phân tích và chi phí [Anthropic/Claude]

• Chế độ tư duy (Thinking Mode / deepseek-reasoner): Triển khai quy trình tư duy rõ ràng cho các lời nhắc phức tạp và thực hiện phân tích logic sâu hơn [DeepSeek]

• Mô hình suy luận nhanh (Fast-reasoning models): Tối ưu hóa sự cân bằng giữa độ chính xác gọi công cụ và tốc độ suy luận, thực hiện phân tích hoặc logic mở rộng với độ trễ thấp [xAI/Grok]

• Sinh ra rõ ràng quy trình tư duy (Reasoning Trace generation): Xuất ra dưới dạng văn bản "cách mô hình logic mở rộng trong đầu" trước khi đưa ra câu trả lời cuối cùng [OpenAI, DeepSeek]

• Mô hình suy luận đa giai đoạn (Thinking Models): Suy luận các bước giải quyết logic cho các vấn đề kinh doanh phức tạp hoặc các tác vụ phân tích dữ liệu theo nhiều giai đoạn [Kimi]

• Kiểm soát lệnh động mức độ tư duy (/think command): Điều chỉnh động độ sâu của suy luận của tác nhân từ môi trường cục bộ bằng cách sử dụng các lệnh trò chuyện, v.v. [OpenClaw]

Phân tích dữ liệu và suy luận tính toán

• Trình biên dịch mã (Code interpreter): AI tự tạo và thực thi mã Python, v.v., thực hiện tính toán toán học, phân tích tập dữ liệu và tạo đồ thị một cách logic [OpenAI, Microsoft Copilot, Mistral]

• Suy luận thực thi mã cục bộ (Code execution tool): AI tự thực thi mã trong môi trường cục bộ hoặc sandbox, suy luận tổng hợp số hoặc phân tích thống kê [Anthropic/Claude, xAI/Grok]

• Suy luận thông tin chi tiết tự động cơ sở dữ liệu (BigQuery Data Insights): Giải thích siêu dữ liệu cơ sở dữ liệu và tự suy luận tạo ra thông tin chi tiết hoặc truy vấn SQL hữu ích cho phân tích dữ liệu [Google/Gemini]

• Phân tích ý định và hiệu suất truy vấn SQL (Database Development Assistance): Suy luận và diễn đạt logic SQL phức tạp, phân tích các đề xuất tối ưu hóa để cải thiện hiệu suất [Google/Gemini]

• Phân tích và suy luận dữ liệu bảng tính (Le Chat Code Interpreter): Đọc dữ liệu bảng tính, thực thi mã để phân tích xu hướng dữ liệu, tạo biểu đồ và suy luận thông tin chi tiết [Mistral]

• Suy luận thông tin chi tiết tích hợp từ nhiều nguồn dữ liệu (Copilot in Microsoft Fabric): Tìm thấy mối liên hệ giữa nhiều nguồn dữ liệu không liên quan và tự động suy luận tạo ra thông tin chi tiết kinh doanh có lợi [Microsoft Copilot]

• Suy luận trực quan hóa dữ liệu tối ưu (Power BI Copilot): Dựa trên kết quả phân tích dữ liệu, suy luận bố cục bảng điều khiển tối ưu hoặc biểu thức đồ thị dễ hiểu cho người dùng [Microsoft Copilot]

• Suy luận thông tin chi tiết từ dữ liệu khách hàng (Dynamics 365 Copilot): Phân tích dữ liệu khách hàng hoặc lịch sử giao dịch trên CRM và suy luận các hành động bán hàng tối ưu hoặc nhu cầu tiềm ẩn của khách hàng [Microsoft Copilot]

• Suy luận trong máy tính xách tay dành cho nhà khoa học dữ liệu (Colab Enterprise): Hỗ trợ liền mạch suy luận và thực thi mã Python trong các khối lượng công việc phân tích dữ liệu hoặc huấn luyện mô hình ML [Google/Gemini]

• Suy luận xử lý hàng loạt dữ liệu lớn (Batch processing reasoning): Xử lý không đồng bộ các tác vụ phân tích và suy luận với lượng dữ liệu khổng lồ theo đợt, giảm chi phí và trích xuất thông tin chi tiết [OpenAI, Anthropic/Claude, xAI/Grok]

Suy luận trong viết mã, phát triển và gỡ lỗi

• Suy luận phát hiện lỗi tiềm ẩn trong toàn bộ codebase (Codebase understanding): Suy luận các lỗi tiềm ẩn và lỗ hổng bảo mật từ bối cảnh của toàn bộ dự án, không chỉ từ một tệp đơn lẻ [Google/Gemini, Anthropic/Claude]

• Suy luận logic còn thiếu (FIM Completion): Hiểu bối cảnh của mã trước và sau (Fill-in-the-Middle), suy luận và tạo ra khối mã logic còn thiếu ở giữa [DeepSeek, OpenAI]

• Suy luận logic tiếp theo từ tiền tố (Chat Prefix Completion): Dựa trên tiền tố (prefix) của mã được cung cấp, diễn giải bối cảnh trước đó và suy luận phát triển logic tiếp theo [DeepSeek]

• Suy luận mối phụ thuộc liên dự án (Cross-file reasoning): Đọc codebase trong môi trường CLI, suy luận mối quan hệ logic giữa nhiều tệp và cấu trúc hệ thống [Anthropic/Claude, Kimi]

• Suy luận và thiết kế kiến trúc (Architecture reasoning): Suy luận kiến trúc hệ thống tối ưu từ yêu cầu của người dùng, thiết kế nền tảng cho mã chương trình phức tạp [OpenAI, Google/Gemini]

• Suy luận nguyên nhân gốc từ dấu vết lỗi (Error trace reasoning): Theo dõi và suy luận nguyên nhân gốc của lỗi trong mã từ nhật ký lỗi hoặc stack trace của terminal [Anthropic/Claude, Google/Gemini, OpenAI]

• Suy luận ý định từ diff commit và PR (PR diff reasoning): Phân tích diff của mã đã thay đổi, suy luận ý định logic tại sao sửa đổi được thực hiện và chuyển thành thông báo [Anthropic/Claude, Google/Gemini]

• Phân tích yếu tố gây lỗi ứng dụng (App crash analysis): Tóm tắt và phân tích nhật ký lỗi từ Firebase, suy luận logic nguyên nhân gốc của lỗi và các bước khắc phục sự cố [Google/Gemini]

• Suy luận cấu trúc từ tổng quan dự án (Scaffolding reasoning): Chỉ cần mô tả tổng quan bằng ngôn ngữ tự nhiên từ terminal, suy luận logic cấu trúc thư mục và tệp ban đầu cần thiết cho dự án [Mistral]

• Suy luận bước tiếp theo trong lập trình (Code completion reasoning): Khi nhà phát triển viết mã, đọc bối cảnh trong dự án và tự động suy luận logic mã cần thiết tiếp theo [Microsoft Copilot, Google/Gemini]

Suy luận trong nghiên cứu và giải quyết vấn đề phức tạp

• Suy luận tích hợp thông tin từ nghiên cứu sâu (Deep research reasoning): Lặp lại tìm kiếm Web theo nhiều bước, tích hợp logic nhiều thông tin để suy luận và phân tích những hiểu biết sâu sắc hoặc kết luận [OpenAI, Google/Gemini]

• Suy luận sự thật dựa trên tích hợp kết quả tìm kiếm (Web-grounded reasoning): Thu thập kiến thức mới nhất trên Web, suy luận mối liên hệ và mâu thuẫn giữa nhiều nguồn thông tin để đưa ra câu trả lời chính xác [Perplexity, OpenAI]

• Suy luận phân tích độ tin cậy và liên quan của nguồn thông tin (Search API filtering): Không thực hiện tạo text bằng LLM, mà suy luận ghi điểm độ tin cậy cao và liên quan ngữ nghĩa của kết quả tìm kiếm thô [Perplexity]

• Suy luận logic sâu cho các bài toán khoa học và toán học (Scientific/Math reasoning): Suy luận các quá trình chứng minh định lý và phát triển logic chặt chẽ từ các tính toán toán học tiên tiến (chẳng hạn DeepSeek-Math) hoặc văn bản chứa các định luật vật lý [DeepSeek, xAI/Grok, Google/Gemini]

• Suy luận phân tích sâu về bài báo nghiên cứu và dữ liệu học thuật (Analyze research papers): Đọc hiểu các bài báo nghiên cứu và dữ liệu học thuật có định dạng phức tạp, trích xuất và phân tích logic các thông tin chi tiết khoa học [Meta/Llama, Anthropic/Claude]

• Suy luận phân tích toàn cảnh của siêu dài context (Long-context analysis): Phân tích toàn bộ bối cảnh hàng triệu token, thực hiện suy luận từ góc nhìn macro và tóm tắt toàn diện [Meta/Llama, Google/Gemini, Kimi]

• Suy luận lập kế hoạch quy trình agent (Agent API workflow planning): Suy luận và lập kế hoạch các bước thực thi tối ưu cho quy trình nghiên cứu phức tạp kết hợp các mô hình bên ngoài và công cụ tìm kiếm Web [Perplexity, OpenAI, Anthropic/Claude]

• Suy luận phân tích tích hợp nhiều tài liệu và xây dựng báo cáo (Canvas analysis): Phân tích liên tục kết quả tìm kiếm và nhiều tài liệu được tải lên, suy luận cấu trúc logic của báo cáo hoặc tài liệu dự án [Mistral, OpenAI]

• Suy luận tâm lý nhân vật và phân tích mối quan hệ (Character mind map reasoning): Suy luận quá trình tư duy và mối quan hệ nhân vật từ bối cảnh của tiểu thuyết hoặc văn bản dài, sắp xếp thành sơ đồ tư duy [Meta/Llama]

• Suy luận hòa nhập phân tích dự báo và AI sinh tạo (Predictive AI integration): Kết hợp kết quả dự báo số học từ học máy truyền thống với khả năng suy luận logic của AI sinh tạo, thực hiện suy luận kinh doanh tiên tiến [Google/Gemini]

Suy luận thị giác và đa phương thức

• Suy luận logic mối quan hệ đối tượng trong hình ảnh (Visual reasoning): Suy luận và diễn giải mối quan hệ giữa các vật thể và bối cảnh của tình huống trong hình ảnh từ góc nhìn hình ảnh [OpenAI, Anthropic/Claude, Google/Gemini, xAI/Grok, Kimi]

• Suy luận thông tin chi tiết từ biểu đồ và đồ thị (Chart/Graph analysis): Suy luận các thông tin chi tiết số học, xu hướng logic và mối liên hệ tương quan từ dữ liệu đồ thị được hình ảnh hóa [Anthropic/Claude, Meta/Llama, OpenAI]

• Suy luận chuyên gia hỗn hợp đa phương thức (Mixture-of-Experts Vision-Language): Đối với đầu vào hỗn hợp hình ảnh và văn bản, suy luận và lựa chọn chuyên gia tối ưu bên trong mô hình để thực hiện hiểu biết tiên tiến [DeepSeek]

• Suy luận nhân quả hình ảnh và cấu trúc logic (Visual Causal Flow): Suy luận dòng chảy thông tin và mối quan hệ nhân quả logic từ sơ đồ phức tạp, lưu đồ, hoặc kết quả nhận dạng ký tự quang học (OCR) [DeepSeek]

• Suy luận vật lý cấu trúc không gian 3D và điều kiện chiếu sáng (ReLi3D / 3D reasoning): Suy luận và tái cấu trúc hình dạng 3D của đối tượng, điều kiện chiếu sáng môi trường và đặc tính phản xạ của vật liệu từ một hình ảnh 2D đơn lẻ [Stability AI]

• Suy luận hình ảnh chuyển động và không gian (SViM3D / Video generation reasoning): Nhận đầu vào là một hình ảnh tĩnh đơn lẻ, suy luận hình ảnh chuyển động tự nhiên và cấu trúc vật liệu 3D phải tồn tại và tạo thành video [Stability AI]

• Suy luận đa phương thức trong bài đăng mạng xã hội (Social media multimodal reasoning): Trong tìm kiếm X, suy luận logic tích hợp không chỉ văn bản đăng nhập mà còn bối cảnh hình ảnh và video được bao gồm [xAI/Grok]

• Suy luận hình ảnh cấu trúc UI của màn hình desktop (Computer use vision): Hiểu hình ảnh màn hình PC, suy luận các bước của phần tử UI nào cần được thao tác để đạt được mục đích [Anthropic/Claude, OpenAI]

• Suy luận cấu trúc mã từ bản thiết kế UI (UI to HTML reasoning): Diễn giải hình ảnh bản thiết kế UI được viết tay hoặc bản mock-up từ góc nhìn hình ảnh, suy luận cấu trúc mã logic frontend tương ứng [Google/Gemini, OpenAI]

• Suy luận bối cảnh video và mối quan hệ nhân quả theo thời gian (Video analysis reasoning): Phân tích chuyển tiếp khung hình và âm thanh của video được tải lên, suy luận mối quan hệ nhân quả theo thời gian và ý định hành động [Google/Gemini, xAI/Grok]

• Suy luận logic vùng mặt nạ để chỉnh sửa hình ảnh (Masking understanding): Trong chỉnh sửa hình ảnh, so sánh vùng hình ảnh mặt nạ được chỉ định với ý định prompt của người dùng, suy luận nội dung chỉnh sửa tối ưu [OpenAI]

• Suy luận sinh trắc học và tuổi từ ảnh tự sướng (Age assurance vision): Phân tích thông tin sinh trắc học khuôn mặt từ ảnh tự sướng, suy luận và xác định tuổi của người dùng bằng hình ảnh (ví dụ như từ 18 tuổi trở lên) [C.AI, OpenAI]

• Suy luận tích hợp thông tin đa phương thức (Integrated multimodal reasoning): Kết hợp liền mạch các đầu vào của các phương thức khác nhau như văn bản, hình ảnh, video, âm thanh, thực hiện suy luận logic tích hợp [Google/Gemini, Kimi, OpenAI]

Suy luận hệ thống, bảo mật và vận hành

• Suy luận mối đe dọa bảo mật ở tốc độ máy (Security threat reasoning): Phân tích nhanh lượng lớn nhật ký bảo mật, suy luận logic các dấu hiệu của các mối đe dọa như tấn công mạng hoặc các mẫu tấn công [Microsoft Copilot]

• Suy luận chẩn đoán trạng thái vận hành cloud (Cloud infrastructure diagnostics): Phân tích nhật ký và số liệu của hạ tầng cloud, suy luận chẩn đoán trạng thái vận hành hệ thống và các bước giải quyết điểm nghẽn [Microsoft Copilot, Google/Gemini]

• Suy luận có hại của kiểm duyệt nội dung (Content moderation reasoning): Phân tích nội dung văn bản hoặc hình ảnh, suy luận logic và ghi điểm có tồn tại vi phạm chính sách hoặc tiềm ẩn có hại [OpenAI, Meta/Llama]

• Giám sát độ lệch dữ liệu và suy thoái mô hình (MLOps monitoring): Phân tích sự lệch (bias) hoặc drift trong dữ liệu đầu vào đối với mô hình học máy, đánh giá và suy luận một cách khách quan tình trạng suy thoái của mô hình [Google/Gemini]

• Suy luận bối cảnh công việc xuyên suốt dữ liệu tổ chức (Enterprise context reasoning): Đọc xuyên suốt SharePoint, email, chat nội bộ, sắp xếp thông tin một cách logic để suy luận tình trạng công việc hiện tại hoặc các câu trả lời [Microsoft Copilot]

• Suy luận giải thích mã chính sách API (API policy reasoning): Giải thích tài liệu API và mã chính sách bảo mật trong môi trường doanh nghiệp, suy luận ý định của các cài đặt đó [Google/Gemini]

• Suy luận kiến trúc dựa trên bối cảnh trình chỉnh sửa nguồn (Editor context reasoning): Suy luận cấu hình triển khai tối ưu và tài nguyên từ mã được viết trên trình chỉnh sửa nguồn của cơ sở hạ tầng đám mây [Google/Gemini]

• Suy luận tuổi tổng hợp từ tín hiệu hoạt động của người dùng (Age assurance signals): Phân tích tổng hợp các tín hiệu như thông tin đăng nhập và lịch sử hoạt động trên nền tảng để suy luận độ tuổi của người dùng [C.AI]

• Suy luận hành vi an toàn tuân theo các hàng rào bảo vệ (Guardrails reasoning): Khi tác nhân gọi công cụ, tự động kiểm tra so với các chính sách bảo mật và đạo đức được xác định trước để suy luận hành vi an toàn [OpenAI, Microsoft Copilot, Anthropic/Claude]

• Hình dung suy luận gỡ lỗi (Developer mode trace / Trace logs): Xuất các yêu cầu mạng nội bộ và nhật ký suy nghĩ của tác nhân để nhà phát triển suy luận và phân tích các điểm cổ chai của hệ thống [OpenAI, OpenClaw]

Suy luận lựa chọn công cụ và hành vi tác nhân

• Suy luận tự chủ lựa chọn công cụ và tham số (Tool choice reasoning): Phân tích chỉ dẫn của người dùng để tự chủ suy luận công cụ ngoài nào sẽ được gọi, với những đối số (JSON) nào [OpenAI, Anthropic/Claude, Google/Gemini, xAI/Grok, Meta/Llama, Mistral, DeepSeek]

• Suy luận thiết kế logic luồng tác nhân (Agent flow reasoning): Thiết kế và suy luận một cách logic các quy trình xử lý phức tạp hoặc quy trình công việc phân nhánh mà tác nhân sẽ thực thi dựa trên chỉ dẫn ngôn ngữ tự nhiên [Microsoft Copilot]

• Suy luận ủy thác công việc cho tác nhân phụ (Orchestration reasoning): Tác nhân chính chia tác vụ phức tạp thành các bước nhỏ hơn và lập kế hoạch, suy luận tác nhân chuyên biệt nào sẽ nhận được ủy thác [OpenAI, Anthropic/Claude]

• Suy luận định tuyến động của tác nhân (Multi-agent routing): Dựa trên kênh nhận hoặc từng người dùng, suy luận bối cảnh không gian làm việc hoặc tác nhân nào sẽ được áp dụng để phân bổ lưu lượng [OpenClaw]

• Suy luận tự chủ nhân vật và kế hoạch hành động (Persona/Workspace reasoning): Đọc tệp cấu hình trong không gian làm việc (AGENTS.md v.v.), phân tích yêu cầu dự án và sở thích của người dùng để suy luận kế hoạch hành động [OpenClaw, Anthropic/Claude]

• Suy luận schema cho xuất dữ liệu có cấu trúc (Structured output reasoning): Ánh xạ kết quả suy luận từ dữ liệu không có cấu trúc vào cấu trúc schema JSON nghiêm ngặt để xuất chắc chắn và chuyển cho nền tảng phân tích dữ liệu [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, DeepSeek]

• Suy luận ý định từ bối cảnh và lịch sử cuộc hội thoại (Context management reasoning): Xem xét một cách logic bối cảnh của các tương tác trong quá khứ hoặc nội dung đầu ra được tạo trước đó để suy luận câu trả lời hoặc hành động tiếp theo [OpenAI, Anthropic/Claude, Google/Gemini]

• Suy luận giải thích kết quả lấy dữ liệu và câu trả lời cuối cùng (Action retrieval reasoning): Giải thích thông tin cơ sở dữ liệu thô được lấy từ API bên ngoài để suy luận câu trả lời cuối cùng cho câu hỏi của người dùng [OpenAI, Microsoft Copilot]

• Suy luận kích hoạt chủ đề từ phát biểu của người dùng (Topic trigger reasoning): Suy luận ý định thực sự (chủ đề) từ phát biểu mơ hồ của người dùng để kích hoạt quy trình công việc tác nhân thích hợp [Microsoft Copilot, Google/Gemini]

• Suy luận truy cập lịch sử phiên (Session history reasoning): Tác nhân tự chủ truy cập ngược lại các tương tác trong quá khứ hoặc lịch sử phiên khác để suy luận và trích xuất thông tin cần thiết cho công việc hiện tại [OpenClaw]

• Suy luận học tập chỉ dẫn và sở thích riêng của người dùng (Personalization reasoning): Suy luận sở thích của người dùng và bối cảnh công việc từ lịch sử chat hoặc chỉ dẫn tùy chỉnh để tạo ra phản hồi được cá nhân hóa [Google/Gemini, OpenClaw]

• Suy luận cảm xúc và bối cảnh từ âm thanh thời gian thực (Voice/Emotion reasoning): Suy luận trực tiếp không chỉ ý nghĩa của lời nói mà cả cảm xúc, giọng điệu của người dùng và bối cảnh cuộc hội thoại từ đầu vào âm thanh độ trễ cực thấp để phản hồi [OpenAI, xAI/Grok, Microsoft Copilot]

Tối ưu hóa, đánh giá và tự cải thiện suy luận

• Tinh chỉnh của mô hình mở (Fine-tuning recipes): Điều chỉnh các mô hình như Llama cho các trường hợp sử dụng cụ thể [Meta/Llama]

• Lưu trữ đệm nhắc (Prompt caching): Lưu trữ các nhắc dài để giảm độ trễ API và chi phí [OpenAI, Anthropic, grok]

• Suy luận tự động tối ưu hóa nhắc (Prompt optimizer reasoning): Mô hình phân tích một cách khách quan quy trình suy luận của chính mình để tự chủ suy luận và xây dựng lại cấu trúc nhắc có hiệu suất cao nhất cho giải quyết tác vụ [OpenAI, Anthropic/Claude]

• Suy luận tự động biến nhắc (Prompt templating): Tự động xác định và trích xuất biến từ văn bản đầu vào của người dùng, suy luận và chuyển đổi thành cấu trúc mẫu nhắc dễ tích hợp với hệ thống [Anthropic/Claude]

• Đánh giá khách quan suy luận mô hình (Model evaluation / Evals): Sử dụng tập dữ liệu kiểm tra được xác định để phân tích và ghi điểm chính xác hoặc tính logic của suy luận mô hình AI dựa trên dữ liệu [OpenAI, Google/Gemini, Anthropic/Claude]

• Suy luận phân tích hiệu suất tác nhân (Agent analytics reasoning): Phân tích nhật ký cuộc hội thoại hoặc tình trạng của tác nhân tự chủ để suy luận các gợi ý cải thiện nhằm giảm tỷ lệ lỗi hoặc nâng cao sự hài lòng của người dùng [Microsoft Copilot]

• Phân tích so sánh thay đổi suy luận qua điều chỉnh tham số (Playground analysis): Điều chỉnh nhắc hoặc tham số suy luận trên sân chơi để so sánh và phân tích các thay đổi logic trong đầu ra mô hình [Mistral, OpenAI]

• Học tập và thích ứng mẫu suy luận (Reasoning fine-tuning / SFT): Thông qua học tập có giám sát (tinh chỉnh) để dạy mô hình các mẫu suy luận độc đáo chuyên biệt cho dữ liệu công việc cụ thể [OpenAI, Google/Gemini]

• Suy luận khoảng cách ngữ nghĩa văn bản (Embeddings reasoning): Vectơ hóa ý nghĩa văn bản vào nhiều chiều, suy luận và phân tích một cách toán học độ tương tự hoặc khoảng cách ngữ nghĩa giữa các thông tin để áp dụng cho RAG [OpenAI, Anthropic/Claude, Perplexity, Google/Gemini]

• Suy luận liên kết ngữ cảnh trong tìm kiếm bối cảnh dài (Contextual retrieval reasoning): Khi chia tài liệu thành các đoạn để tìm kiếm, suy luận và trích xuất trong khi duy trì bối cảnh tổng thể tài liệu hoặc liên kết thông tin [Anthropic/Claude, Perplexity]

• Bỏ qua suy luận lại bằng lưu trữ đệm bối cảnh (Context Caching): Lưu trữ đệm bối cảnh đầu vào quy mô lớn phía hệ thống để tránh các phép tính logic không cần thiết và triển khai suy luận tiếp theo một cách hiệu quả [DeepSeek]

• Suy luận tìm kiếm nhanh bằng đầu ra dự đoán (Predicted Outputs reasoning): Sử dụng lưu trữ đệm hoặc nội dung đầu ra đã biết để cho mô hình dự đoán, tối ưu hóa độ trễ suy luận và dẫn tới kết quả [OpenAI]

• Suy luận tiêu chuẩn câu trả lời đúng của kết quả kiểm tra (Evaluations grading): LLM tự động đọc các câu trả lời của bài kiểm tra tự động để giải thích bối cảnh đúng hoặc sai theo tiêu chuẩn do con người đặt ra [OpenAI, Anthropic/Claude]

Tối ưu hóa suy luận hạ tầng và phần cứng

• Suy luận lượng tử hóa và tối ưu hóa bộ nhớ (Quantization reasoning): Thực thi suy luận cao cấp thậm chí trên các thiết bị có hạn chế bộ nhớ bằng cách sử dụng mô hình được tối ưu hóa thông qua lượng tử hóa hoặc offload [Stability AI/Diffusers]

• Tăng tốc độ suy luận bằng biên dịch PyTorch (torch.compile reasoning): Biên dịch tối ưu hóa biểu đồ suy luận của mô hình để nâng cao tốc độ thực thi một cách ngoạn mục ở mức phần mềm [Stability AI/Diffusers]

• Suy luận tối ưu hóa NVIDIA TensorRT (TensorRT optimized reasoning): Tối ưu hóa tốc độ suy luận của mô hình tạo hình ảnh hoặc ngôn ngữ đến cực hạn cho kiến trúc GPU NVIDIA để thực thi tính toán [Stability AI/Diffusers]

• Tối ưu hóa GPU AMD để suy luận (AMD Optimized reasoning): Áp dụng điều chỉnh mô hình chuyên biệt cho xử lý suy luận trong môi trường AMD, tối đa hóa hiệu suất phần cứng [Stability AI/Diffusers]

• Loại bỏ tắc nghẽn dải phổ lưu trữ trong suy luận tác nhân (DualPath inference): Kỹ thuật tính toán suy luận nâng cao để loại bỏ tắc nghẽn dải phổ lưu trữ trong quá trình suy luận của Agentic LLM [DeepSeek]

• Tối ưu hóa hạt nhân FP8 và chú ý tiềm ẩn để suy luận (DeepGEMM / FlashMLA): Tăng tốc độ xử lý suy luận của mô hình bằng cách sử dụng hạt nhân GEMM độ chính xác FP8 và chú ý đa đầu tiềm ẩn hiệu quả [DeepSeek]

Suy luận về lĩnh vực chuyên biệt, tìm kiếm và thông tin

• Suy luận xu hướng dữ liệu xã hội theo thời gian thực (Social trend reasoning): Suy luận và trích xuất các xu hướng chủ đề và thông tin chi sâu xã hội theo thời gian thực từ các bài đăng mới nhất trên các phương tiện truyền thông xã hội như X (Twitter) [xAI/Grok]

• Suy luận yếu tố thành công tiếp thị (Campaign summarization reasoning): Phân tích dữ liệu thành quả của các chiến dịch nhắn tin, đưa ra suy luận về yếu tố thành công/thất bại và các hành động cụ thể để cải thiện [Google/Gemini]

• Suy luận ngữ nghĩa từ bộ sưu tập riêng (RAG data reasoning): Trích xuất siêu dữ liệu từ các tài liệu riêng được tải lên (bộ sưu tập) và suy luận các thông tin chi sâu ngữ nghĩa [xAI/Grok, Mistral]

• Suy luận chuyên môn về dữ liệu lĩnh vực (Domain controls reasoning): Suy luận ngữ cảnh yêu cầu chuyên môn cao từ kết quả tìm kiếm tập trung vào các lĩnh vực cụ thể như y tế hoặc tài chính, trích xuất thông tin [Perplexity]

• Suy luận độ tin cậy của nguồn trích dẫn (Citation reliability reasoning): Khi tạo câu trả lời bằng kết quả tìm kiếm, suy luận nguồn thông tin nào đáng tin cậy và phù hợp nhất để sử dụng làm trích dẫn [Perplexity, xAI/Grok, OpenAI]

• Suy luận luồng hội thoại toàn bộ luồng (Thread fetch reasoning): Truy cập ngược và suy luận toàn bộ ngữ cảnh luồng hội thoại từ các luồng hoặc bài đăng cụ thể trên mạng xã hội [xAI/Grok]

• Suy luận ngữ nghĩa của tài liệu doanh nghiệp (Enterprise Search reasoning): Suy luận mối liên hệ ngữ cảnh và ngữ nghĩa từ lượng lớn dữ liệu phi cấu trúc nội bộ, tìm kiếm và tóm tắt ngay lập tức [Google/Gemini, Microsoft Copilot]

• Suy luận lưu lượng mạng viễn thông (Telecom Data Fabric reasoning): Phân tích dữ liệu lưu lượng và thông tin người đăng ký của nhà cung cấp viễn thông, suy luận các mẫu hành vi và điểm tối ưu hóa mạng [Google/Gemini]

• Suy luận không gian của dữ liệu địa lý không gian (Geospatial Analytics reasoning): Suy luận và trích xuất những thay đổi địa hình cũng như thông tin chi sâu không gian từ hình ảnh vệ tinh và dữ liệu bản đồ như Google Earth Engine [Google/Gemini]

Các chức năng liên quan đến "tạo sinh"

Dựa trên kết quả tìm kiếm và suy luận, chức năng này tạo ra các đầu ra có giá trị cho con người như văn bản, hình ảnh, mã code, v.v.

Tạo sinh văn bản, tài liệu và nội dung

• Tạo sinh văn bản ngôn ngữ tự nhiên (Text Generation): Tạo sinh văn bản như bài viết, bài báo, báo cáo dựa trên lời nhắc [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, xAI/Grok, Mistral, DeepSeek, Kimi, Perplexity]

• Tạo sinh báo cáo nghiên cứu có kèm trích dẫn (Citation-backed Generation): Tạo sinh báo cáo dựa trên kết quả tìm kiếm web mới nhất, bao gồm trích dẫn chính xác dựa trên sự kiện (Citations) [Perplexity, OpenAI, Google/Gemini]

• Tạo sinh tóm tắt từ nhiều tệp (Summary Generation): Đọc xuyên suốt lượng lớn tài liệu hoặc tệp được tải lên, trích xuất ý chính và tạo sinh văn bản tóm tắt [OpenAI, Anthropic/Claude, Google/Gemini, Mistral, Kimi]

• Tạo sinh hội thoại nhiều lượt (Multi-round Conversation): Ghi nhớ lịch sử trước đó, duy trì ngữ cảnh và tạo sinh hội thoại tự nhiên nhất quán [OpenAI, Anthropic/Claude, Google/Gemini, xAI/Grok, DeepSeek, Kimi]

• Tạo sinh câu hỏi trắc nghiệm và tài liệu học tập (Quiz/Flashcards Generation): Tự động tạo sinh câu hỏi trắc nghiệm hoặc thẻ ghi nhớ từ nội dung tài liệu hoặc sổ tay [Google/Gemini]

• Tạo sinh sách tranh minh họa (Illustrated Storybook): Tạo sinh nội dung sách tranh bằng cách kết hợp văn bản câu chuyện với hình ảnh minh họa phù hợp [Google/Gemini]

• Tạo sinh bản sao tiếp thị (Campaign generation): Tạo sinh bản sao quảng cáo hấp dẫn và hiệu quả dựa trên dữ liệu chiến dịch hoặc thông tin sản phẩm [Google/Gemini, Microsoft Copilot]

• Tạo sinh thông tin chi sâu và khuyến nghị (Actionable Recommendations): Phân tích nhật ký sự cố hoặc thành quả chiến dịch, tạo sinh các chiến lược cải thiện cụ thể hoặc quy trình khắc phục sự cố [Google/Gemini]

• Tạo sinh văn bản giải thích mã (Code Explanation): Hiểu logic và mục đích của mã chương trình phức tạp, tạo sinh văn bản giải thích dễ hiểu bằng ngôn ngữ tự nhiên [Google/Gemini, Anthropic/Claude, OpenAI, Microsoft Copilot]

• Tạo sinh văn bản dịch đa ngôn ngữ (Translation Generation): Hiểu văn bản đầu vào và dịch chính xác sang các ngôn ngữ khác nhau được chỉ định [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama, DeepSeek]

• Tạo sinh văn bản phù hợp với nhân vật và tông điệu (Persona generation): Tạo sinh văn bản bắt chước tông điệu hoặc nhân cách cụ thể được chỉ định (như hải tặc, chuyên gia) [OpenAI, Anthropic/Claude, OpenClaw]

• Tạo sinh biên bản họp và danh sách hành động (Meeting summaries): Tạo sinh biên bản họp từ âm thanh hoặc bản chép, tổ chức các quyết định và danh sách việc cần làm [Microsoft Copilot, OpenAI, Anthropic/Claude]

• Tạo sinh phản hồi dịch vụ khách hàng (Customer support reply): Tạo sinh email phản hồi hỗ trợ tối ưu dựa trên nội dung câu hỏi và cơ sở kiến thức [Microsoft Copilot, Anthropic/Claude]

• Tạo sinh rõ ràng quy trình suy luận (Reasoning Trace generation): Trước khi đưa ra câu trả lời cuối cùng, tạo sinh quá trình tư duy "cách logic được triển khai trong đầu" như văn bản [OpenAI, DeepSeek]

• Tạo sinh hồ sơ cá nhân và thư xin việc (Resume/Cover letter generation): Tạo sinh hồ sơ cá nhân và thư xin việc tùy chỉnh dựa trên dữ liệu kinh nghiệm công việc và thông tin công ty ứng tuyển [OpenAI, Anthropic/Claude]

• Tạo sinh ý tưởng và suy nghĩ tập trung (Ideation): Tạo sinh danh sách các ý tưởng đa dạng cho kế hoạch dự án hoặc giải quyết vấn đề từ yêu cầu trừu tượng của người dùng [OpenAI, Google/Gemini, Anthropic/Claude, Meta/Llama]

• Tạo sinh câu trả lời chuyên môn lĩnh vực (Domain-controlled Generation): Tạo sinh câu trả lời chuyên môn cao dựa trên kết quả tìm kiếm giới hạn trong các lĩnh vực cụ thể như y tế hoặc tài chính [Perplexity]

Tạo sinh hình ảnh, thiết kế và chỉnh sửa

• Tạo sinh hình ảnh mới từ văn bản (Text-to-Image): Tạo sinh hình ảnh chất lượng cao từ đầu dựa trên lời nhắc ngôn ngữ tự nhiên [OpenAI, Google/Gemini, xAI/Grok, Stability AI, Midjourney]

• Tạo sinh hình ảnh từ hình ảnh (Image-to-Image): Kết hợp hình ảnh gốc và chỉ dẫn văn bản để thay đổi phong cách hoặc sửa đổi nội dung hình ảnh [Stability AI/Diffusers, OpenAI]

• Chỉnh sửa và tô màu một phần hình ảnh (Inpainting / Masking): Chỉ định hình ảnh mặt nạ và tạo sinh lại hoặc chỉnh sửa một phần cụ thể của hình ảnh theo lời nhắc mới [OpenAI, Stability AI/Diffusers]

• Tạo sinh biến thể hình ảnh (Create Variation): Tạo sinh nhiều hình ảnh với các mẫu khác nhau trong khi duy trì bố cục và phong cách của hình ảnh gốc [OpenAI, Stability AI]

• Mở rộng hình ảnh (Outpainting / Extend): Dự đoán nền hoặc cảnh ngoài khung của hình ảnh hiện tại và tạo sinh mở rộng tự nhiên [OpenAI, Stability AI]

• Siêu phân giải - Phóng to (Super Resolution): Dự đoán chi tiết của hình ảnh thô hoặc tạo sinh, phóng to lên độ phân giải cao [Stability AI/Diffusers]

• Phóng to không gian tiềm ẩn (Latent Upscale): Xử lý tạo sinh nâng cao độ phân giải hình ảnh trên không gian tiềm ẩn [Stability AI/Diffusers]

• Tính toán lại và tạo sinh chiếu sáng (ReLi3D): Tính toán lại chiếu sáng (ánh sáng) của mô hình 3D hoặc hình ảnh, tạo sinh lại hình ảnh với cách chiếu sáng khác nhau [Stability AI]

• Sửa chữa màu sắc và tạo hướng dẫn màu (ReSWD): Tái tạo sửa chữa màu sắc hoặc tông màu của hình ảnh bằng cách sử dụng kỹ thuật khớp phân phối [Stability AI]

• Tạo hình ảnh có kiểm soát đường viền và bộ xương (ControlNet): Tạo hình ảnh với bố cục cố định bằng cách sử dụng hình ảnh kiểm soát như đường viền hoặc tư thế của con người [Stability AI/Diffusers]

• Tạo hình ảnh không điều kiện (Unconditional Image Generation): Tạo hình ảnh ngẫu nhiên mà không cần các điều kiện như lời nhắc văn bản [Stability AI/Diffusers]

• Tạo nhân vật với tính nhất quán (Character Reference): Tạo hình ảnh của các cảnh khác nhau trong khi duy trì các đặc điểm giống nhau bằng cách sử dụng hình ảnh tham chiếu của một nhân vật cụ thể [Midjourney, OpenAI]

• Tạo tham chiếu phong cách (Style Reference): Tạo hình ảnh mới bằng cách bắt chước phong cách hình ảnh của hình ảnh tham chiếu [Midjourney]

• Tạo tham chiếu toàn phần (Omni Reference): Tạo cùng một nhân vật hoặc đối tượng một cách nhất quán trên các hình ảnh [Midjourney]

• Tạo đối thoại đa lượt của hình ảnh (Multi-turn image generation): Sửa đổi và tạo hình ảnh một cách tương tác bằng cách kế thừa bối cảnh từ lịch sử tạo hình ảnh trước đó (ID phản hồi trước đó) [OpenAI]

• Tạo với định dạng hình ảnh và tỷ lệ nén (Image formatting): Tạo tệp hình ảnh với định dạng được chỉ định như PNG, JPEG, WebP hoặc áp dụng tỷ lệ nén [OpenAI]

Tạo video, 3D và đa phương thức

• Tạo video từ văn bản (Text-to-Video): Tạo video chất lượng cao với chuyển động từ lời nhắc văn bản [OpenAI, Google/Gemini, xAI/Grok]

• Tạo video từ hình ảnh (Image-to-Video): Nhập một hình ảnh tĩnh và tạo video với chuyển động tự nhiên [Stability AI, OpenAI]

• Tạo video với âm thanh đồng bộ (Video with Synced Audio): Tạo video từ văn bản không chỉ có chuyển động mà còn có âm thanh được đồng bộ hóa với video [OpenAI]

• Remix và chỉnh sửa video (Remix / Edit Video): Thay đổi phong cách hoặc các yếu tố của nội dung video hiện có và tạo lại thành video mới [OpenAI]

• Tạo hình ảnh 3D (Stable Virtual Camera): Tạo hình ảnh 3D với chuyển động kỹ thuật quay phim từ một hình ảnh đầu vào duy nhất [Stability AI]

• Tạo vật liệu 3D (SViM3D): Tạo vật liệu cho đối tượng 3D và chuyển động tự nhiên bằng mô hình khuếch tán từ một hình ảnh duy nhất [Stability AI]

• Tạo nhân vật chèn vào video (Create Character / Video): Tạo nhân vật trong video dựa trên thông tin nhân vật được chỉ định [OpenAI]

• Tạo đầu ra hỗn hợp đa phương thức (Mixture of Modalities / Janus): Tạo đầu ra trong đó hình ảnh và văn bản trộn lẫn một cách liền mạch trong một mô hình duy nhất [DeepSeek]

Tạo giọng nói và âm thanh

• Đọc văn bản và tổng hợp giọng nói (Text-to-Speech / TTS): Chuyển đổi văn bản thành giọng nói con người tự nhiên và đầy biểu cảm [OpenAI, Google/Gemini, xAI/Grok]

• Tạo cuộc trò chuyện giọng nói thời gian thực (Realtime Audio Generation): Nhận đầu vào văn bản và giọng nói với độ trễ cực kỳ thấp và tạo phản hồi giọng nói tự nhiên theo thời gian thực [OpenAI, xAI/Grok, Microsoft Copilot]

• Tạo giọng nói theo phong cách podcast (Audio Overviews): Tạo giọng nói dạng podcast với nhiều người dẫn chương trình trò chuyện từ tài liệu như tài liệu [Google/Gemini]

• Tạo hiệu ứng âm thanh khớp với video (Foley Control): Phân tích chuyển động và cảnh trong video và tạo hiệu ứng âm thanh tự nhiên được đồng bộ hóa hoàn hảo [Stability AI]

• Tạo đầu ra dịch thuật giọng nói (Speech Translation): Dịch giọng nói đầu vào sang ngôn ngữ khác và tổng hợp kết quả dưới dạng giọng nói [OpenAI]

• Tạo âm nhạc và âm thanh (Audio generation): Tạo âm nhạc, giai điệu, âm thanh xung quanh và hơn thế nữa từ văn bản [Google/Gemini, Stability AI/Diffusers]

• Tạo dấu thời gian phân tách người nói (Diarize Output): Tạo ghi chép dấu thời gian "ai nói và lúc nào" từ dữ liệu giọng nói của cuộc trò chuyện [OpenAI]

• Tạo phản hồi tác nhân giọng nói tương tác (IVR Generation): Tạo lời nói cho tác nhân tương tác với khách hàng qua kênh giọng nói như điện thoại [Microsoft Copilot]

• Tạo ghi chép sự đồng ý giọng nói (Voice Consents): Tạo dữ liệu ghi chép sự đồng ý của người dùng cần thiết khi sử dụng các API tổng hợp giọng nói cụ thể [OpenAI]

Lập trình và tạo mã

• Tạo mã từ ngôn ngữ tự nhiên (Code Generation): Tạo mã chương trình như hàm hoặc lớp dựa trên lời nhắc của nhà phát triển [OpenAI, Google/Gemini, Anthropic/Claude, Mistral, Microsoft Copilot]

• Chỉnh sửa và tạo tệp trên các dự án (Multi-file Code Generation): Đọc toàn bộ cơ sở mã và tạo mã triển khai tính năng mới trên nhiều tệp [Anthropic/Claude, Google/Gemini]

• Hoàn thành mã thời gian thực (Code Completion): Tự động hoàn thành và tạo bước tiếp theo bằng cách đọc bối cảnh trong khi nhà phát triển viết mã trên trình soạn thảo [Microsoft Copilot, Google/Gemini]

• Hoàn thành FIM (Fill-in-the-Middle Completion): Hiểu bối cảnh của mã trước và sau, suy luận và tạo logic giữa bị thiếu [DeepSeek, OpenAI]

• Hoàn thành tiền tố trò chuyện (Chat Prefix Completion): Kế thừa tiền tố của mã hoặc văn bản mà người dùng đã viết một phần và tạo mã tiếp theo [DeepSeek, OpenAI]

• Tạo giàn giáo dự án (Project Scaffolding): Tạo cấu trúc thư mục và nhóm tệp ban đầu hàng loạt chỉ bằng cách cung cấp tổng quan bằng ngôn ngữ tự nhiên [Mistral]

• Tạo truy vấn SQL (SQL Generation): Tạo truy vấn SQL phức tạp hiểu được lược đồ cơ sở dữ liệu từ các hướng dẫn bằng ngôn ngữ tự nhiên [Google/Gemini, Microsoft Copilot]

• Tạo lược đồ GraphQL và đột biến (Firebase Data Connect): Tạo lược đồ dữ liệu hoặc truy vấn GraphQL cho ứng dụng [Google/Gemini]

• Tạo tự động thông báo commit (Commit message generation): Hiểu sự khác biệt của mã đã thay đổi và tạo thông báo commit Git phù hợp [Anthropic/Claude, Google/Gemini]

• Tạo mô tả yêu cầu kéo (PR) (PR description generation): Tóm tắt tính năng được triển khai hoặc nội dung sửa chữa và tự động tạo tiêu đề và mô tả PR [Anthropic/Claude, Google/Gemini]

• Tạo tập lệnh Python để phân tích mã (Code Interpreter generation): AI tự tạo và thực thi mã Python để thực hiện phân tích dữ liệu và xử lý tính toán [OpenAI, Microsoft Copilot, Mistral]

• Tạo bản vá (Apply Patch): Tác nhân tạo bản vá sửa chữa cho các phần cụ thể của cơ sở mã và tự động áp dụng [OpenAI, Google/Gemini]

• Tạo lệnh shell (Shell Command Generation): Tạo lệnh bash hoặc shell thích hợp để thực thi trên terminal dựa trên mục tiêu của người dùng [Anthropic/Claude, OpenClaw, OpenAI]

• Tạo bài kiểm tra đơn vị (Unit Test Generation): Tạo mã kiểm tra thích hợp bao gồm mock và khẳng định cho mã nguồn chưa được kiểm tra [Anthropic/Claude, Google/Gemini]

• Tạo đặc tả API (OpenAPI/Swagger) (API specification generation): Tạo đặc tả API từ mã backend hiện có [Google/Gemini]

• Tạo tệp cục bộ trực tiếp (File Write / Create): Tác nhân tự động sử dụng công cụ ghi hoặc chỉnh sửa để tạo tập lệnh hoặc tài liệu trực tiếp trên thiết bị của người dùng [OpenClaw, Anthropic/Claude]

Tạo dữ liệu có cấu trúc, vectơ và siêu dữ liệu

• Tạo đầu ra có cấu trúc JSON (Structured Output): Tạo định dạng dữ liệu chính xác từ văn bản không có cấu trúc theo lược đồ JSON nghiêm ngặt được định nghĩa [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, DeepSeek, xAI/Grok]

• Tạo nhúng văn bản (Embeddings Generation): Tạo vector số học đa chiều biểu thị ý nghĩa của văn bản làm cơ sở cho RAG và tìm kiếm ngữ nghĩa [OpenAI, Anthropic/Claude, Perplexity, Google/Gemini]

• Tạo Embedding có xem xét ngữ cảnh (Contextualized Embeddings): Vector hóa các đoạn văn bản trong khi giữ nguyên ngữ cảnh của toàn bộ tài liệu, tạo ra embedding với độ chính xác cao [Perplexity, Anthropic/Claude]

• Tạo dữ liệu lớn thông qua xử lý theo lô (Batch Generation): Sử dụng API batch không đồng bộ để tạo hàng loạt văn bản hoặc trích xuất dữ liệu có cấu trúc một lần [OpenAI, Anthropic/Claude, xAI/Grok]

• Tạo các tham số gọi công cụ (Tool / Function Calling Generation): Diễn giải logic hướng dẫn của người dùng và tạo các tham số cần thiết (như dữ liệu JSON) để thực thi API hoặc công cụ bên ngoài [OpenAI, Anthropic/Claude, Google/Gemini, Meta/Llama, xAI/Grok, DeepSeek, Mistral]

• Tạo Vector Store và Index (Vector Store Indexing): Tự động tạo các đoạn văn bản và vector từ các tệp được tải lên, xây dựng index để tìm kiếm [OpenAI]

• Tạo nhanh thông qua Dự đoán đầu ra (Predicted Outputs): Cho phép mô hình dự đoán nội dung đầu ra đã biết (như phần lớn mã nguồn), giảm đáng kể độ trễ và tạo phản hồi nhanh hơn [OpenAI]

• Tạo Cờ An toàn và Kết quả Kiểm duyệt (Moderation Output): Đánh giá nội dung đầu vào hoặc đầu ra của mô hình, tạo điểm số hoặc dữ liệu cờ cho biết vi phạm chính sách hoặc tính có hại [OpenAI, Meta/Llama, Google/Gemini]

• Tạo Dữ liệu Tổng hợp Mã thông báo và Chi phí (Usage/Tokens Output): Tạo dữ liệu sử dụng như số mã thông báo đầu vào/đầu ra, tỷ lệ bộ nhớ cache trong các yêu cầu API [OpenAI, Anthropic/Claude, DeepSeek, xAI/Grok]

• Tạo Tọa độ Hộp giới hạn (Bounding box generation): Phát hiện vị trí các đối tượng hoặc người cụ thể trong hình ảnh và tạo dữ liệu tọa độ dưới dạng văn bản hoặc JSON [OpenAI, Google/Gemini]

Tạo UI, Thiết kế và Không gian làm việc

• Tạo HTML từ Hình ảnh Mockup (Image Mock up to HTML): Tạo mã HTML/CSS tương ứng từ các bản vẽ tay hoặc hình ảnh thiết kế giao diện [Google/Gemini, OpenAI, Anthropic/Claude]

• Tạo Thành phần UI trong Chat (Artifacts / Claude Cowork): Tạo các thành phần React, SVG, HTML trong màn hình trò chuyện và hiển thị dưới dạng bản xem trước động [Anthropic/Claude, OpenAI]

• Kết xuất UI động theo thời gian thực (Live Canvas / A2UI): Tác nhân tự động tạo và sắp xếp giao diện có thể hoạt động được trên màn hình dựa trên hướng dẫn của người dùng [OpenClaw]

• Tạo Tài liệu và Bản mẫu (Canvas): Tạo các tài liệu kế hoạch hoặc bản vẽ ứng dụng trên không gian làm việc hợp tác chuyên dụng (Canvas) [Mistral, OpenAI]

• Tạo Trực quan hóa dữ liệu và Biểu đồ tương tác (Visualizations): Tự động tạo biểu đồ và bảng từ dữ liệu đã phân tích để người dùng dễ hiểu [Microsoft Copilot, Mistral]

• Tạo Dashboard kinh doanh (Power BI dashboards): Tích hợp thông tin từ kho dữ liệu doanh nghiệp, tạo thiết kế và cấu trúc dashboard [Microsoft Copilot]

• Tạo Bản đồ tư duy nhân vật (Character Mind Map): Diễn giải các suy nghĩ và mối quan hệ của các nhân vật từ câu chuyện dài và tạo cấu trúc bản đồ tư duy trực quan [Meta/Llama]

Tạo Tác nhân, Tự động hóa và Prompt

• Tinh chỉnh Mô hình mở (Fine-tuning recipes): Điều chỉnh các mô hình Llama cho những trường hợp sử dụng cụ thể [Meta/Llama]

• Bộ nhớ cache Prompt (Prompt caching): Lưu trữ prompt dài để giảm độ trễ API và chi phí [OpenAI, Anthropic, grok]

• Tự động tạo Prompt tối ưu (Prompt Generator): Từ các yêu cầu ngắn của người dùng, mô hình AI tạo ra "prompt có cấu trúc" để đạt hiệu suất tốt nhất [OpenAI, Anthropic/Claude]

• Tạo Mẫu Prompt (Templatize a Prompt): Tự động nhận dạng và trích xuất biến từ văn bản, tạo mẫu prompt dễ tích hợp vào hệ thống [Anthropic/Claude]

• Tạo Tác nhân tự trị (Create / Build an Agent): Từ hướng dẫn ngôn ngữ tự nhiên, tạo và xây dựng từ đầu cách hoạt động của bot và cấu hình kiến thức [Microsoft Copilot, OpenAI, Google/Gemini, Mistral]

• Tạo Lưu đồ Tác nhân (Build an Agent Flow): Tự động tạo lưu đồ hành động tác nhân từ hướng dẫn ngôn ngữ tự nhiên, hỗ trợ quy trình kinh doanh phức tạp và nhánh có điều kiện [Microsoft Copilot]

• Tạo Quy trình tự động hóa (Automation Flow Generation): AI tạo và lập tài liệu quy trình tích hợp API giữa nhiều hệ thống trên trình chỉnh sửa trực quan [Google/Gemini]

• Tạo Tác nhân phụ động (Subagent Spawning): Tác nhân chính chia tách tác vụ phức tạp và gọi động hay tạo tác nhân con để xử lý công việc cụ thể [OpenAI, Anthropic/Claude, OpenClaw]

• Tạo Kiến thức tác nhân tùy chỉnh (Custom agent knowledge base): Tạo cơ sở kiến thức hoặc index chuyên dụng cho tác nhân sử dụng từ nhóm tài liệu cụ thể [Mistral]

Tạo Cơ sở hạ tầng, Cấu hình Hệ thống và Kiểm tra

• Tạo Bộ kiểm tra Đánh giá (Evaluation Test Sets): Tự động tạo các trường hợp kiểm tra đa dạng và giá trị tham chiếu để đánh giá khách quan hiệu suất mô hình [Microsoft Copilot, OpenAI]

• Tạo Cấu hình tự động hóa CI/CD (CI/CD integration generation): Tạo tệp cấu hình CI/CD như GitHub Actions cho kiểm tra mã và kiểm tra tự động [Anthropic/Claude, GitHub]

• Tạo Tệp định nghĩa Không gian làm việc (Workspace config generation): Tạo các tệp cấu hình như AGENTS.md hoặc SOUL.md để định nghĩa tính cách tác nhân và quyền truy cập công cụ [OpenClaw]

• Tạo Nhật ký thực thi Shell (Shell execution logs): Thực thi mã hoặc tập lệnh shell trong môi trường hộp cát và tạo kết quả văn bản của đầu ra tiêu chuẩn hoặc nhật ký lỗi [OpenAI, OpenClaw]

• Tạo Payload Webhook động (Webhook payload generation): Tạo payload JSON động cho thông báo sự kiện đối với hệ thống bên ngoài hoặc điều khiển máy chủ [OpenAI, OpenClaw]

• Tạo Cấu hình Lịch trình và Cron Job (Cron Configuration): Tạo cấu hình lịch trình Cron để tác nhân thực thi định kỳ [Google/Gemini, Anthropic/Claude, OpenClaw]

Tạo Streaming và các chức năng khác

• Tạo Sự kiện Streaming (Streaming Events): Phát trực tuyến các mã thông báo văn bản hoặc dữ liệu một phần của hình ảnh theo thời gian thực thông qua SSE [OpenAI, Anthropic/Claude, Perplexity]

• Tạo Phản hồi Dự phòng tự động (Fallback response generation): Khi API chính gặp lỗi, gọi mô hình hoặc chức năng cục bộ thay thế để tạo phản hồi dự phòng an toàn [OpenClaw]

Chức năng liên quan đến "Hành động"

Chức năng gọi công cụ bên ngoài (API, trình duyệt, máy tính, hệ thống nội bộ, v.v.) và thực sự can thiệp vào thế giới thực hoặc hệ thống.

Nền tảng xây dựng và điều phối Tác nhân

• Xây dựng Tác nhân tự trị (Create / Build agents): Chức năng xây dựng cấu trúc và cách hoạt động của tác nhân một cách tự trị từ hướng dẫn ngôn ngữ tự nhiên [OpenAI, Google/Gemini, Microsoft Copilot, Mistral]

• Xây dựng cơ sở mã thông qua Agent SDK (Agents SDK / Agent API): Chức năng xây dựng điều phối tác nhân, chuyển giao và thực thi công cụ ở cấp độ mã [OpenAI, Anthropic/Claude, Perplexity]

• Môi trường Tác nhân được quản lý hoàn toàn (Managed Agents): Chức năng quản lý và triển khai tác nhân trên cơ sở hạ tầng với phiên bản lưu giữ trạng thái và lịch sử sự kiện lâu dài [Anthropic/Claude, Google/Gemini]

• Liên kết Tác nhân phụ và Đa tác nhân (Subagents / Child agents): Chức năng tác nhân chính chia tách tác vụ và gọi tác nhân con để xử lý công việc cụ thể nhằm thực hiện song song [OpenAI, Anthropic/Claude, Microsoft Copilot, OpenClaw]

• Thực thi tự trị Quy trình tùy chỉnh (Custom workflows / Gems): Chức năng tự động hóa các tác vụ cụ thể bằng cách tác nhân hóa các ứng dụng mini hoặc quy trình độc quyền để thực thi [Google/Gemini, Mistral]

• Chạy nền của Agent (Background mode / Routines): Khả năng cho phép Agent tiếp tục thực hiện các tác vụ một cách tự chủ trên đám mây hoặc nền khi người dùng không hiện diện [OpenAI, Anthropic/Claude]

• Tự động thực hiện theo lịch trình / Cron job (Schedule actions / Cron): Khả năng cho phép Agent tự động thực hiện các hành động theo thời gian được chỉ định hoặc lịch định kỳ (như xem xét PR vào sáng sớm) [Google/Gemini, Anthropic/Claude, OpenClaw]

Gọi công cụ và tích hợp API 

• Nền tảng gọi hàm / công cụ (Function / Tool calling): Nền tảng chức năng chung cho phép AI tự động tạo và yêu cầu thực hiện các lệnh gọi công cụ bên ngoài (như JSON, v.v.) dựa trên chỉ dẫn của người dùng [OpenAI, Google/Gemini, Anthropic/Claude, xAI, Meta/Llama, Mistral, DeepSeek] 

• Tích hợp Model Context Protocol (MCP and Connectors): Khả năng tích hợp và vận hành với các nguồn dữ liệu và công cụ bên ngoài (cục bộ hoặc từ xa) bằng cách sử dụng giao thức được chuẩn hóa (MCP) [OpenAI, Anthropic/Claude, Microsoft Copilot, GitHub] 

• Thực hiện các hành động tùy chỉnh (Custom Actions): Khả năng gọi trực tiếp các API bên ngoài (cơ sở dữ liệu hoặc SaaS) từ cuộc trò chuyện AI và tự động thực hiện gửi dữ liệu hoặc cập nhật hệ thống [OpenAI, Microsoft Copilot, Google/Gemini] 

• Tự động kích hoạt lệnh thông qua Hook (Hooks): Khả năng tự động kích hoạt và thực hiện các lệnh shell tùy ý như định dạng hoặc Lint sau khi chỉnh sửa tệp hoặc trước khi commit [Anthropic/Claude] 

• Chức năng mở rộng nền tảng (Extensions / Plugins): Khả năng bổ sung khả năng thực hiện hành động với các công cụ bên ngoài cho môi trường nền tảng hiện có [Google/Gemini, Microsoft Copilot]

Vận hành máy tính để bàn và hệ thống cục bộ 

• Vận hành tự chủ hình ảnh trên màn hình máy tính (Computer use tool): Khả năng thực hành cho phép AI hiểu trực quan màn hình máy tính và tự động thực hiện các hành động như di chuyển chuột, nhấp chuột và nhập từ bàn phím [Anthropic/Claude, OpenAI] 

• Thực hiện lệnh trong môi trường shell cục bộ (Local shell / Bash tool): Khả năng cho phép Agent tự động thực hiện các lệnh trong môi trường terminal/shell trên hệ thống [OpenAI, Anthropic/Claude, OpenClaw] 

• Công cụ chỉnh sửa tệp văn bản trực tiếp (Text editor / Edit tools): Khả năng cho phép Agent mở trực tiếp các tệp văn bản cục bộ và chỉnh sửa/ghi đè nội dung [Anthropic/Claude, OpenClaw] 

• Đọc và ghi tệp tự chủ vào hệ thống tệp (read / write tools): Khả năng cho phép Agent khám phá và đọc/ghi trực tiếp các tệp trên thiết bị của người dùng [OpenClaw, Anthropic/Claude] 

• Thực hiện quản lý quy trình tự chủ (Process tool): Khả năng cho phép Agent quản lý các quy trình đang chạy trên hệ thống cục bộ (khởi động, dừng, v.v.) [OpenClaw] 

• Quản lý tự chủ cây công việc cục bộ (Worktrees): Khả năng tạo các môi trường cục bộ độc lập và cho phép Agent thực hiện các tác vụ riêng biệt mà không làm ô nhiễm môi trường làm việc chính [Anthropic/Claude] 

• Khắc phục sự cố tự chủ trong terminal (CLI Agents): Khả năng đọc lỗi hoặc trạng thái hệ thống trong môi trường CLI, suy luận giải pháp một cách tự chủ và thực hiện/sửa chữa [Google/Gemini, Anthropic/Claude, OpenClaw]

Tự động hóa mã hóa và phát triển

• Thực hiện bằng trình thông dịch mã (Code interpreter): Khả năng cho phép Agent tự viết và thực hiện mã như Python trong môi trường hộp cát an toàn để hoàn thành các tác vụ xử lý dữ liệu [OpenAI, Microsoft Copilot, Mistral] 

• Chỉnh sửa mã tự chủ trên nhiều tệp (Agent Mode): Khả năng cho phép Agent tự động thực hiện triển khai tính năng mới hoặc sửa lỗi trên nhiều tệp trong IDE hoặc CLI [Google/Gemini, Anthropic/Claude] 

• Tự động tạo và áp dụng bản vá (Apply Patch): Công cụ khả năng cho phép Agent tạo ra bản vá sửa chữa cho các vị trí cụ thể trong cơ sở mã và áp dụng chúng một cách tự chủ [OpenAI] 

• Tự động tạo giàn giáo dự án (Scaffolding): Khả năng tự động tạo cấu trúc thư mục và nhóm tệp ban đầu cần thiết cho dự án từ mô tả ngôn ngữ tự nhiên [Mistral] 

• Tự động hóa vận hành kho Git (Git automation): Khả năng kết nối trực tiếp với git và tự động thực hiện staging các thay đổi, tạo thông điệp commit, tạo nhánh đến mở PR [Anthropic/Claude] 

• Xem xét mã Pull Request tự chủ (PR Review): Khả năng cho phép AI tự động xem xét PR được gửi trên GitHub, v.v. và đề xuất/thực hiện các hành động sửa mã [Google/Gemini, Anthropic/Claude, Microsoft Copilot] 

• Thực hiện tự động AI trong đường ống CI/CD (CI/CD integration): Khả năng kích hoạt AI trong đường ống như GitHub Actions hoặc GitLab để tự động hóa phân loại issue hoặc xem xét [Anthropic/Claude, GitHub] 

• Tự động hóa quy trình làm việc quản lý GitHub Issue (GitHub Actions): Khả năng cho phép AI tự động thực hiện phân loại Issue và quy trình làm việc đối phó trong kho lưu trữ [Microsoft Copilot, GitHub] 

• Tự động tạo và cập nhật schema cơ sở dữ liệu và truy vấn (Firebase Data Connect): Khả năng tạo schema như GraphQL hoặc mutation từ chỉ dẫn ngôn ngữ tự nhiên và tự động hóa hoạt động cơ sở dữ liệu [Google/Gemini] 

• Hỗ trợ tự chủ tạo thông số kỹ thuật API (Apigee / API Management): Khả năng hỗ trợ hoặc tạo các hành động trong tạo thông số kỹ thuật API và cấu hình chính sách bằng cách sử dụng bối cảnh doanh nghiệp [Google/Gemini]

Tích hợp ứng dụng và dịch vụ bên ngoài

• Vận hành ứng dụng Google Workspace (Connected Apps): Khả năng cho phép AI truy cập Gmail hoặc Google Drive của người dùng và thay mặt người dùng soạn email hoặc tạo tệp [Google/Gemini] 

• Tự động tạo sự kiện Lịch Google (Calendar control): Khả năng giải thích lịch từ chỉ dẫn của người dùng và trực tiếp tạo/điều chỉnh các sự kiện trên lịch [Google/Gemini] 

• Điều khiển giọng nói thiết bị nhà thông minh (Smart home control): Khả năng trực tiếp điều khiển nguồn điện hoặc cài đặt của các thiết bị nhà thông minh được kết nối thông qua ứng dụng AI [Google/Gemini] 

• Cập nhật bản ghi hệ thống CRM tự chủ (Dynamics 365 actions): Khả năng cho phép AI tự động cập nhật dữ liệu trong hệ thống CRM (như Salesforce) dựa trên nội dung cuộc hội thoại kinh doanh hoặc hỗ trợ [Microsoft Copilot] 

• Tự động hóa thông qua tích hợp Power Platform (Power Platform AI actions): Khả năng kết hợp AI vào quy trình làm việc tự động hóa (như Power Automate) và hành động dẫn đầu bởi AI giữa các hệ thống [Microsoft Copilot] 

• Tạo quy trình làm việc tích hợp SaaS một cách trực quan (Application Integration): Khả năng xây dựng và tạo các luồng tự động hóa kết nối nhiều ứng dụng bên thứ ba và API một cách trực quan với sự hỗ trợ của AI [Google/Gemini] 

• Tích hợp và cập nhật tác vụ như Jira / Slack (MCP SaaS tools): Khả năng tự động cập nhật vé Jira hoặc gửi thông báo đến Slack thông qua MCP, v.v. [Anthropic/Claude, OpenClaw] 

• Tự động gửi cuộc gọi và tin nhắn từ WhatsApp (WhatsApp actions): Khả năng thay mặt người dùng gọi điện hoặc gửi tin nhắn thông qua WhatsApp từ ứng dụng AI di động [Google/Gemini, OpenClaw]

Bảo mật, hộp cát và quản trị

• Hạn chế hành động bằng tường lửa (Guardrails): Khả năng giới hạn phạm vi hành động và quyền hạn của Agent một cách an toàn và ngăn chặn các hành động vi phạm chính sách [OpenAI, Microsoft Copilot] 

• Thực hiện công cụ an toàn trong hộp cát (Sandbox execution): Khả năng thực hiện công cụ trong môi trường cách ly như Docker để ngăn chặn hư hại hệ thống do các hành động của Agent gây ra [OpenAI, OpenClaw] 

• Hành động từ xa thông qua SSH/OpenShell (Remote Sandbox): Khả năng truy cập an toàn vào hệ thống trong môi trường từ xa hoặc khác thông qua SSH, v.v. và cho phép Agent thực hiện các hành động [OpenClaw] 

• Kiểm soát quyền truy cập của Hành động (Data policies / Allowlist): Chức năng cho phép quản trị viên kiểm soát và hạn chế các hành động mà tác nhân có thể thực hiện hoặc dữ liệu mà tác nhân có thể truy cập [Microsoft Copilot, OpenClaw] 

• Hành động phòng chống tự động đối với Sự cố bảo mật (Security Copilot Plugins): Chức năng cho phép AI tự động thực hiện các hành động phòng chống và ngăn chặn khi phát hiện mối đe dọa mạng [Microsoft Copilot] 

• Chẩn đoán tự trị và tối ưu hóa Cơ sở hạ tầng đám mây (Cloud Assist): Chức năng phân tích trạng thái vận hành của môi trường đám mây và tự động đề xuất, thực hiện các hành động tối ưu hóa cơ sở hạ tầng cũng như giảm chi phí [Google/Gemini] 

• Tổ chức phối hợp tự động Đường ống MLOps (MLOps automation): Chức năng tự động thực hiện và quản lý các xử lý đường ống như giám sát, đánh giá và tái huấn luyện mô hình AI [Google/Gemini] 

• Kiểm soát phê duyệt Truy cập từ DM không xác định (DM pairing): Chức năng yêu cầu mã ghép nối để hạn chế hành động đối với tin nhắn từ người dùng không xác định nhằm bảo vệ bảo mật [OpenClaw]

Tích hợp nền tảng Nhắn tin và trò chuyện

• Phản hồi tự trị Hộp thư đa kênh (Multi-channel gateway): Chức năng kết nối đồng thời với nhiều nền tảng như WhatsApp, Slack, Discord, Telegram và cho phép tác nhân phản hồi tự trị [OpenClaw] 

• Định tuyến động Tác nhân theo từng tin nhắn (Multi-agent routing): Chức năng định tuyến tự động chuyển các yêu cầu đến từ các kênh hoặc người dùng khác nhau đến các tác nhân (không gian làm việc) khác nhau để xử lý [OpenClaw] 

• Thực hiện Hành động riêng Discord / Slack (Platform native actions): Chức năng thực hiện các hành động hệ thống chuyên biệt cho API Discord hoặc Slack, như tạo kênh hoặc quản lý quyền [OpenClaw] 

• Kích hoạt Tác vụ trực tiếp từ Slack (AI for Slack): Chức năng tích hợp cho phép tác nhân thực hiện trực tiếp các tác vụ (ví dụ: tạo PR sửa lỗi) từ việc được nhắc đến trên Slack và trả về kết quả [Anthropic/Claude, OpenClaw] 

• Khởi động Hành động tự trị từ Sự kiện Webhook (Webhooks): Chức năng nhận webhook từ các hệ thống bên ngoài và sử dụng nó làm kích hoạt để bắt đầu các hành động tự trị của tác nhân [OpenAI, OpenClaw] 

• Hành động được kích hoạt bởi Tiếp nhận email (Gmail Pub/Sub): Chức năng sử dụng việc tiếp nhận email cụ thể trong Gmail làm móc để khiến tác nhân thực hiện các hành động tự trị [OpenClaw] 

• Tích hợp Hành động Tiện ích trò chuyện tùy chỉnh (ChatKit / UI Actions): Chức năng nhúng các tiện ích tùy chỉnh vào giao diện trò chuyện và thực hiện các hành động hệ thống thông qua thao tác nút bấm, v.v. [OpenAI] 

• Khởi tạo tự trị Phiên mới (sessions_spawn): Chức năng cho phép chính tác nhân khởi tạo các phiên mới khi cần thiết để xử lý các tác vụ phụ song song [OpenClaw] 

• Gửi tin nhắn đến Phiên khác (sessions_send): Chức năng cho phép tác nhân tự động gửi tin nhắn đến các phiên thực hiện khác để phối hợp công việc [OpenClaw] 

• Kiểm soát động trạng thái bằng Lệnh của Nhà điều hành (Operator commands): Chức năng cho phép nhập các lệnh (/reset, /think, v.v.) từ trò chuyện để thay đổi ngay lập tức mức tư duy hoặc chế độ hành động của tác nhân [OpenClaw]

Âm thanh, Thời gian thực, Giao diện người dùng và Điều khiển thiết bị

• Phản hồi tự trị Tác nhân âm thanh thời gian thực (Voice agents / Realtime API): Chức năng xử lý đầu vào âm thanh theo thời gian thực, tương tác bằng giọng nói tự nhiên và đồng thời thực hiện các hành động hệ thống [OpenAI, xAI, Microsoft Copilot] 

• Kiểm soát Chuyển giao IVR (Tương tác âm thanh tự động) (Interactive voice response): Chức năng phản hồi tự trị trên kênh âm thanh như điện thoại và chuyển giao ngữ cảnh đến nhân viên con người khi cần thiết [Microsoft Copilot] 

• Kích hoạt Tác nhân bằng Từ khóa gợi động (Voice Wake): Chức năng chờ từ khóa gợi động trên thiết bị và kích hoạt ngay các hành động của tác nhân từ các lệnh giọng nói [OpenClaw] 

• Hiển thị và Điều khiển UI động theo thời gian thực (Live Canvas / A2UI): Chức năng cho phép tác nhân tự động tạo và đặt các thành phần giao diện người dùng có thể tương tác trên màn hình ứng dụng di động dựa trên chỉ dẫn của người dùng [OpenClaw] 

• Điều khiển từ xa tự trị Thiết bị di động (Mobile nodes): Chức năng ghép nối với ứng dụng di động để tác nhân có thể điều khiển từ xa camera, chụp ảnh màn hình và các lệnh thiết bị trên điện thoại thông minh [OpenClaw]

Hành động tự trị Tìm kiếm và Thu thập thông tin

• Tìm kiếm dữ liệu thời gian thực tự trị X (Twitter) (X Search tool): Chức năng cho phép tác nhân tự động tìm kiếm bài đăng X dựa trên từ khóa được chỉ định để thu thập dữ liệu [xAI] 

• Hành động Tìm kiếm Chỉ định tài khoản (X Search - handles): Chức năng thực hiện các hành động tìm kiếm mà không có tiếng ồn bằng cách cho phép hoặc loại trừ các tay cầm X cụ thể (tối đa 10 tay cầm) [xAI] 

• Tự động hóa Quy trình làm việc Tìm kiếm đa nhà cung cấp (Agent API): Chức năng thực hiện tự động các quy trình làm việc nghiên cứu tự trị bằng cách kết hợp nhiều mô hình của bên thứ ba và công cụ tìm kiếm web [Perplexity] 

• Điều khiển tự trị Công cụ trình duyệt web chính thức (Web Search / Browser tool): Chức năng cho phép tác nhân tự động điều khiển trình duyệt web, truy cập các trang cần thiết và thu thập thông tin [OpenAI, Anthropic/Claude, DeepSeek, Kimi, OpenClaw]

Hành động Mạng, Triển khai và Vận hành khác 

• Triển khai tích hợp Một lần nhấp chuột Tác nhân (Teams / M365 deployment): Hành động triển khai tác nhân được xây dựng trực tiếp vào môi trường công việc Teams hoặc Microsoft 365 để toàn bộ tổ chức có thể sử dụng [Microsoft Copilot] 

• Kiểm soát Hành động từ xa An toàn bằng Tích hợp Tailscale (Tailnet integration): Chức năng sử dụng VPN (Tailnet) để kiểm soát an toàn các hành động và cổng gateways của tác nhân trong môi trường từ xa [OpenClaw] 67. Thiết lập tự trị bằng Onboarding CLI (CLI Onboarding): Chức năng tự động thực hiện và hướng dẫn cài đặt ban đầu tác nhân, tích hợp kênh và cài đặt daemon trên dòng lệnh [OpenClaw] 

• Tổ chức phối hợp Cơ sở hạ tầng đám mây tự động cho Tác nhân (Enterprise Agent Platform): Chức năng tự động thực hiện một cách tập trung việc triển khai, mở rộng quy mô và quản lý các tác nhân AI cho các doanh nghiệp [Google/Gemini, Microsoft Copilot] 

• Hiển thị Hiển thị tự trị Trình duyệt trong ứng dụng (In-app browser): Chức năng cho phép tác nhân hiển thị trực tiếp các trang web trong CLI hoặc IDE để hiển thị kết quả nghiên cứu [Anthropic/Claude] 

• Xây dựng API Tự lưu trữ Mô hình AI cho Cơ sở hạ tầng của công ty (Llama Stack): Chức năng sử dụng mô hình Llama để tự động xây dựng từ đầu đến cuối các API và hệ thống tích hợp tác nhân trên cơ sở hạ tầng của công ty [Meta/Llama]

Tối ưu hóa Tác vụ và Xử lý Lỗi

• Phân phối Sự kiện bằng Truyền phát thời gian thực (Streaming events): Chức năng phân phát các quy trình mà tác nhân gọi các công cụ hoặc thực hiện hành động dưới dạng các sự kiện thời gian thực đến bên ngoài [OpenAI] 

• Quản lý Duy trì trạng thái Cuộc trò chuyện và thực hiện (Conversation state): Chức năng lưu lữu trữ lịch sử cuộc trò chuyện và trạng thái thực hiện của tác nhân để tiếp tục các hành động phức tạp kéo dài trong thời gian dài [OpenAI] 

• Kiểm tra và đánh giá tự động Quy trình làm việc Tác nhân (Evaluate workflows): Chức năng tự động kiểm tra và đánh giá xem các quy trình hành động của tác nhân được xây dựng có hoạt động chính xác hay không [OpenAI] 

• Mở rộng khả năng từ Đăng ký Kỹ năng (Skills / ClawHub): Chức năng động thêm "kỹ năng" gồm các quy trình hành động và khả năng độc quyền vào không gian làm việc để mở rộng phạm vi hành động của tác nhân [Anthropic/Claude, OpenClaw] 

• Chẩn đoán tự thân và Sửa chữa Trạng thái Điểm cuối (Self-diagnostics / Doctor): Chức năng tự động phát hiện lỗi cấu hình hoặc sự cố môi trường và thực hiện các hành động khắc phục sự cố [OpenClaw] 

• Kiểm soát Cuộc gọi từ phía máy chủ (Server-side controls): Chức năng cho phép can thiệp từ phía máy chủ để kiểm soát lời nói giọng và hành động của tác nhân khi Realtime API và các công cụ tương tự đang chạy [OpenAI] 

• Khắc phục sự cố tự trị Sự cố Ứng dụng (Firebase error analysis): Chức năng xác định nguyên nhân gốc rễ từ nhật ký sự cố ứng dụng và tự động đề xuất các hành động sửa lỗi mã (như bản vá) [Google/Gemini] 

• Hiện đại hóa mã ứng dụng tự động (Code modernization): Đọc các cơ sở mã trong các ngôn ngữ hoặc framework cũ và tự động viết lại thành kiến trúc hiện đại [Anthropic/Claude] 

• Định dạng mã tự động trong môi trường CI/CD (Auto-formatting in CI): Sử dụng hook để agent tự động chạy trình định dạng (như Prettier) ngay sau khi chỉnh sửa mã [Anthropic/Claude] 

• Thực hiện kiểm tra Lint tự động (Auto-linting): Trước khi commit hoặc tạo PR, agent tự động chạy công cụ Lint và sửa các lỗi [Anthropic/Claude]

Tích hợp hệ thống và tự động hóa

• Cập nhật tự động các phụ thuộc bằng công cụ quản lý gói (Dependency update): Agent tự động điều khiển trình quản lý gói như npm hoặc pip để cập nhật các thư viện [Anthropic/Claude] 

• Tự động chạy quy trình biên dịch và xây dựng (Build automation): Agent tự động chạy các lệnh xây dựng hệ thống (make, build, v.v.) và giải quyết các lỗi [Anthropic/Claude] 

• Gắn tự động vào container đang chạy (Container manipulation): Agent gắn vào Docker container đang hoạt động và thực hiện các lệnh bên trong [OpenClaw] 

• Tự động tạo công cụ từ prompt tùy chỉnh (Prompt as a tool): Gói prompt tùy chỉnh được viết bởi người dùng thành một công cụ có thể được gọi từ các agent khác [Microsoft Copilot] 

• Kiểm thử mô phỏng đối thoại agent thoại (Test voice-enabled agents): Tự động kiểm thử các hành động và phản hồi của agent gọi thoại đã xây dựng trên bộ mô phỏng [Microsoft Copilot] 

• Tự động hóa hành động tích hợp Đăng nhập một lần (SSO Integration): Khi sử dụng agent trong Teams, tự động xử lý các hành động xác thực bằng Entra ID [Microsoft Copilot] 

• Xử lý dữ liệu tự động bằng tải tệp lên (File inputs processing): Agent nhận các tệp do người dùng tải lên và tự động thực hiện phân tích và xử lý chuyển đổi [OpenAI] 

• Hành động tổng hợp giọng nói từ văn bản (TTS execution): Agent gửi văn bản được tạo ra tới API để xuất và phát dữ liệu âm thanh [OpenAI, xAI, OpenClaw] 

• Hành động chuyển văn bản từ âm thanh (STT execution): Agent nhận dữ liệu âm thanh và gọi công cụ chuyên đổi ngoài để chuyển thành văn bản [OpenAI, xAI] 

• Tự động điều phối đường ống RAG (RAG integrations): Agent nhận câu hỏi từ người dùng, tự động tìm kiếm trong cơ sở dữ liệu vector, và tạo câu trả lời bằng cách tích hợp thông tin [Anthropic/Claude, Mistral] 

• Tích hợp trò chuyện với nền tảng phát trực tiếp (Twitch integration): Agent kết nối với trò chuyện của các nền tảng phát trực tiếp như Twitch và tương tác tự động với người xem [OpenClaw] 

• Thực hiện nhiệm vụ tự động ở chế độ không tương tác (Non-interactive Mode): Chế độ chạy agent CLI hoàn toàn tự động mà không có sự can thiệp của con người trong các đường ống CI/CD [Anthropic/Claude] 

• Áp dụng tự động mã hóa cơ sở hạ tầng đám mây (Terraform/IaC execution): Agent tạo mã công cụ quản lý cơ sở hạ tầng (như Terraform) và tự động áp dụng để xây dựng môi trường [Google/Gemini] 

• Hành động dự phòng khi xảy ra lỗi hệ thống (Fallback routing): Khi agent chính hoặc API gặp sự cố, tự động định tuyến sang hệ thống phụ hoặc mô hình nhẹ hơn để tiếp tục nhiệm vụ [OpenClaw] 

• Tự động chuyển đổi quyền phiên chính và phụ (Permission switching): Tự động chuyển đổi quyền thực thi công cụ và yêu cầu sandbox dựa trên hoạt động của người dùng và truy cập từ bên ngoài [OpenClaw] 

• Hành động nội tuyến trong môi trường phát triển tùy chỉnh (IDE integrations): Agent trực tiếp thực hiện các hành động chèn mã và tái cấu trúc trong các trình soạn thảo như VS Code hoặc JetBrains [Anthropic/Claude, Google/Gemini] 

• Tìm kiếm Web tự động và trích xuất dữ liệu trong trình duyệt (Web fetch / scraping): Agent được chỉ định URL tự động tìm nạp trang web, phân tích DOM và trích xuất dữ liệu cần thiết [Anthropic/Claude] 

• Thực hiện song song nhiều truy vấn tự động (Multi-query support): Agent chia tác vụ phức tạp thành nhiều truy vấn tìm kiếm và thực hiện API đồng thời để thu thập thông tin [Perplexity] 

• Tìm nạp toàn bộ luồng X tự động (Thread fetch): Agent tìm nạp lại một luồng cụ thể trên X và tự động thu thập toàn bộ ngữ cảnh cuộc trò chuyện [xAI] 

• Tích hợp đầu cuối với các nền tảng bên thứ ba (WhatsApp/Cloud Provider integration): Sử dụng mô hình Llama để tự động liên kết một loạt hành động từ các ứng dụng như WhatsApp đến cơ sở hạ tầng đám mây [Meta/Llama]

Các chức năng khác

Các chức năng ngoài hiểu biết, tìm kiếm, lập luận, tạo nội dung và hành động ở trên. Bao gồm các chức năng liên quan đến học tập và tối ưu hóa, đánh giá và giám sát, quản lý và vận hành, bảo mật và quản trị, cơ sở hạ tầng và triển khai, công cụ cho nhà phát triển, v.v.

Học tập, tùy chỉnh và tối ưu hóa hiệu suất

• Tinh chỉnh (Supervised fine-tuning): Tinh chỉnh mô hình bằng tập dữ liệu độc quyền để cải thiện độ chính xác của các tác vụ cụ thể [OpenAI]

• Tinh chỉnh chức năng trực quan (Vision fine-tuning): Tinh chỉnh đa phương tiện bao gồm dữ liệu hình ảnh [OpenAI]

• Tối ưu hóa tùy chọn trực tiếp (Direct preference optimization / DPO): Tối ưu hóa đầu ra mô hình để phù hợp với sở thích của con người [OpenAI]

• Tinh chỉnh học tập củng cố (Reinforcement fine-tuning): Tối ưu hóa hành vi mô hình dựa trên phần thưởng cụ thể [OpenAI]

• Học tập độc quyền mô hình tùy chỉnh (Custom training): Huấn luyện các mô hình mở độc quyền trong môi trường công ty [Google/Vertex AI]

• Tinh chỉnh mô hình mở (Fine-tuning recipes): Tinh chỉnh các mô hình như Llama cho các trường hợp sử dụng cụ thể [Meta/Llama]

• Lưu trữ prompt (Prompt caching): Lưu trữ các prompt dài để giảm độ trễ API và chi phí [OpenAI, Anthropic, xAI]

• Lưu trữ ngữ cảnh (Context Caching): Hệ thống lưu trữ bộ đệm cho các ngữ cảnh đầu vào quy mô lớn [DeepSeek]

• API xử lý theo lô (Batch API): Xử lý hàng loạt yêu cầu API không đồng bộ để giảm chi phí một nửa [OpenAI, Anthropic, xAI]

• Tối ưu hóa độ trễ / Đầu ra dự báo (Predicted Outputs): Dự báo đầu ra đã biết để cải thiện đáng kể tốc độ tạo [OpenAI]

• Xử lý ưu tiên / linh hoạt (Priority / Flex processing): Giảm mức ưu tiên xử lý yêu cầu API để tối ưu hóa chi phí [OpenAI]

• Thông lượng được cấp phát (Provisioned Throughput): Dự trữ tài nguyên tính toán chuyên dụng để đảm bảo thông lượng ổn định [xAI]

• Lượng tử hóa suy luận và lưu trữ ngoài bộ nhớ (Quantization & Offloading): Tối ưu hóa để chạy các mô hình quy mô lớn trên các thiết bị có tài nguyên hạn chế [Diffusers]

• Mô hình được tối ưu hóa NVIDIA TensorRT (NVIDIA TensorRT optimized): Tối ưu hóa tốc độ suy luận cho GPU NVIDIA [Stability AI]

• Mô hình được tối ưu hóa AMD (AMD Optimized): Tinh chỉnh mô hình chuyên biệt cho tạo hình ảnh trong môi trường AMD [Stability AI]

• Tối ưu hóa biên dịch PyTorch (torch.compile): Biên dịch mã để tăng tốc độ suy luận [Diffusers]

• Tự tối ưu hóa prompt (Prompt optimizer): Mô hình phân tích prompt của chính nó và tự động sửa thành cấu trúc hiệu quả nhất [OpenAI]

• Điều chỉnh Microsoft 365 Copilot (bản xem trước): Tinh chỉnh Copilot để phù hợp với dữ liệu và thuật ngữ riêng của tổ chức [Microsoft]

Đánh giá, giám sát và khả năng quan sát

• Công cụ đánh giá mô hình tự động (Evals / Graders): Đánh giá và xếp hạng hiệu suất và độ chính xác của mô hình dựa trên dữ liệu [OpenAI]

• Tạo bộ dữ liệu thử nghiệm để đánh giá (Create test sets): Tạo dữ liệu thử nghiệm tùy chỉnh để đánh giá agent [Copilot Studio]

• Công cụ đánh giá UI (Evaluation Tool): So sánh trực quan đầu ra của prompt cạnh nhau trên giao diện bảng điều khiển [Anthropic]

• Đánh giá tự động quy trình làm việc của agent (Evaluate workflows): Kiểm tra xem quy trình hành động phức tạp của agent có hoạt động chính xác không [OpenAI]

• Sân chơi mô hình (Studio playground): So sánh và kiểm tra đầu ra mô hình trong thời gian thực trong khi điều chỉnh các tham số [Mistral AI]

• Dịch vụ đánh giá mô hình AI sinh ra (Gen AI Evaluation): Nền tảng đánh giá mô hình khách quan chất lượng doanh nghiệp [Google/Vertex AI]

• Nền tảng MLOps (MLOps): Tự động hóa giám sát, đánh giá mô hình và điều phối pipeline [Google Cloud]

• Giám sát độ lệch đầu vào mô hình và drift (Model Monitoring): Giám sát sự thay đổi xu hướng dữ liệu hoặc suy giảm mô hình trong quá trình vận hành [Google/Vertex AI]

• Phân tích hiệu suất agent (Analytics): Phân tích các chỉ số như tỷ lệ thành công cuộc hội thoại và sự hài lòng của người dùng [Copilot Studio]

• Phân tích sức khỏe của agent tự chủ (Agent health): Giám sát tỷ lệ lỗi và trạng thái hoạt động của agent tự chủ [Copilot Studio]

• Khả năng quan sát hệ thống đám mây (Cloud Logging / Monitoring): Giám sát tích hợp nhật ký, số liệu của cơ sở hạ tầng và API [Google Cloud]

• Theo dõi ứng dụng (Error Reporting / Trace): Theo dõi và xác định nguồn gốc của độ trễ gọi API và lỗi [Google Cloud]

• API Trạng thái Hệ thống (System Status API): Giám sát trạng thái hoạt động của dịch vụ từ chương trình [Perplexity]

• Theo dõi sử dụng token chi tiết (Counting tokens / Usage): Giám sát chính xác số lượng token được tiêu thụ trong prompt hoặc bộ nhớ cache [OpenAI, Anthropic]

Quản lý, vận hành và thanh toán

• Quản lý tổ chức và không gian làm việc (Manage workspaces): Tạo và quản lý không gian làm việc hoặc môi trường độc lập cho từng nhóm [Mistral AI, Anthropic]

• Quản lý dự án (Projects): Chức năng dự án để phân chia khóa API và cấu hình theo từng ứng dụng [OpenAI]

• Mời người dùng và quản lý (User Management / Invites): Mời thành viên vào tổ chức và quản lý vòng đời tài khoản [OpenAI, Mistral AI]

• Phân bổ vai trò (Roles / Permissions): Cấp quyền xem, chỉnh sửa, quản trị viên, v.v. cho từng người dùng [OpenAI, Mistral AI]

• Tạo và xoay khóa API (API Key Management): Phát hành và vô hiệu hóa khóa API cho từng không gian làm việc [Toàn bộ]

• API dành cho quản trị viên (Admin API): Tự động hóa quản lý không gian làm việc và khóa từ chương trình [OpenAI, Anthropic]

• Khóa API theo dõi quản trị viên (Admin API Keys): Khóa API đặc biệt để theo dõi tình hình sử dụng toàn bộ tổ chức [OpenAI]

• Bảng điều khiển thanh toán và FinOps (Billing Management): Trực quan hóa và quản lý chi phí sử dụng API theo nhóm [Mistral AI, xAI]

• Quản lý hạn mức sử dụng và giới hạn tốc độ (Rate limits & Tiers): Xem xét và quản lý giới hạn tốc độ API hiện tại (RPM/TPM) và tầng [OpenAI, Perplexity]

• Công cụ quản lý chi phí đám mây (Cost Management): Tối ưu hóa chi phí toàn bộ cơ sở hạ tầng và đặt cảnh báo ngân sách [Google Cloud]

• Chức năng nhật ký kiểm toán (Audit Logs): Ghi lại lịch sử ai thực hiện những thay đổi nào đối với hệ thống khi nào, dùng cho kiểm toán bảo mật [OpenAI, xAI, Microsoft]

• Phân bổ giấy phép (Assign licenses): Cấp giấy phép sử dụng Copilot hoặc agent cho người dùng [Copilot Studio]

• Kho đăng ký mô hình (Model Registry): Quản lý tập trung phiên bản và siêu dữ liệu của các mô hình đã được huấn luyện [Google/Vertex AI]

• Kho tính năng (Feature Store): Chia sẻ và quản lý các tính năng (Feature) được sử dụng lại trong mô hình ML [Google/Vertex AI]

• Quản lý tự động gia hạn đăng ký (Managing Subscription): Quản lý nâng cấp/hạ cấp gói trả phí và tự động gia hạn [Midjourney]

• Thiết lập trạng thái thuế của tổ chức (Tax / VAT): Cấu hình miễn thuế VAT cho doanh nghiệp và thông tin thuế [Midjourney]

• Quản lý tiêu thụ tín dụng (Credits management): Theo dõi tiêu thụ tín dụng (tiền tệ) như trong việc tạo hình ảnh [Stability AI]

Bảo mật, quản trị và kiểm soát truy cập

• Tích hợp Đăng nhập một lần (SSO / SAML): Tích hợp đăng nhập an toàn bằng IdP của doanh nghiệp (như Okta) [Mistral AI, xAI]

• Tích hợp SSO bằng Microsoft Entra ID: Xác thực liền mạch khi sử dụng agent trong Teams, v.v. [Microsoft]

• Kiểm soát truy cập dựa trên vai trò (RBAC): Kiểm soát truy cập chi tiết vào API và tài nguyên thông qua cấu hình quyền hạn [xAI]

• Cấu hình chính sách dữ liệu của agent (Data policies): Giới hạn dữ liệu nội bộ mà agent có thể truy cập và các hành động có thể thực hiện [Copilot Studio]

• Bộ lọc an toàn và kiểm duyệt (Moderation): API để chặn và đánh giá prompt có hại hoặc đầu ra [OpenAI, Meta]

• Kiểm tra an ninh mạng (Cybersecurity checks): Kiểm tra xem ứng dụng có đáp ứng các tiêu chuẩn bảo mật không [OpenAI]

• Xác minh độ tuổi và bảo vệ trẻ vị thành niên (Under 18 API / Age Assurance): Xác định từ thông tin sinh trắc học hoặc tín hiệu sử dụng xem người dùng có từ 18 tuổi trở lên không [OpenAI, C.AI]

• Quản lý tuân thủ (Compliance): Chức năng tuân thủ các tiêu chuẩn quy định nghiêm ngặt như SOC 2, GDPR, CCPA [xAI]

• Kiểm soát vị trí dữ liệu (Data residency): Chỉ định chính xác vùng địa lý (quốc gia) để lưu trữ và xử lý dữ liệu [xAI]

• Mã hóa dữ liệu và tách biệt (Encryption / Separation): Lưu trữ tách biệt dữ liệu không được sử dụng để huấn luyện, và mã hóa trong quá trình gửi/nhận cũng như lưu trữ [Meta]

• Xác thực mTLS (mTLS Authentication): Xác thực API nghiêm ngặt theo hai chiều sử dụng chứng chỉ cho cả máy khách và máy chủ [xAI]

• Trung tâm Lệnh Bảo mật (Security Command Center): Giám sát tích hợp các mối đe dọa và lỗ hổng trên đám mây [Google Cloud]

• Bảo vệ dữ liệu nhạy cảm (Sensitive Data Protection): Tự động phát hiện dữ liệu nhạy cảm như PII (thông tin cá nhân) và che khuất, bảo vệ [Google Cloud]

• VPC Service Controls (VPC-SC): Ngăn chặn dữ liệu bị rò rỉ từ mạng doanh nghiệp ra ngoài [Google Cloud]

• eDiscovery và Lưu giữ dữ liệu (eDiscovery / Legal hold): Lưu giữ và tìm kiếm lịch sử cuộc hội thoại của Copilot để chuẩn bị cho các vụ kiện hoặc kiểm toán [Microsoft 365]

• Quản lý dấu vân tay API (Fingerprint): Quản lý định danh để theo dõi các thay đổi mô hình phía máy chủ [xAI]

• Ghép nối DM và kiểm soát truy cập (DM pairing / Allowlist): Chức năng chặn tin nhắn riêng từ những người dùng không xác định và yêu cầu phê duyệt [OpenClaw]

• Môi trường hộp cát an toàn (Docker/SSH Sandbox): Khi cho phép agent thực hiện các hoạt động hệ thống, hạn chế nó trong môi trường container cô lập [OpenClaw]

Cơ sở hạ tầng, triển khai và mở rộng quy mô

• Llama Stack (Tự lưu trữ lớp API): Nền tảng để lưu trữ mô hình Llama như API trên cơ sở hạ tầng của riêng bạn [Meta]

• Llama Everywhere (Triển khai cạnh): Triển khai trực tiếp mô hình trên máy tính để bàn hoặc môi trường tại chỗ dựa trên Linux [Meta]

• Triển khai AI cạnh (Google AI Edge): Triển khai mô hình AI nhẹ cho các thiết bị di động và thiết bị nhúng [Google]

• Triển khai mô hình đám mây (Prediction / Serving): Công khai mô hình đã huấn luyện như API cho suy luận hàng loạt hoặc dự đoán trực tuyến [Google/Vertex AI]

• Triển khai container không máy chủ (Cloud Run / Cloud Functions): Tự động mở rộng triển khai backend ứng dụng AI mà không cần quản lý cơ sở hạ tầng [Google Cloud]

• Tích hợp cụm Kubernetes (Google Kubernetes Engine): Điều phối các khối lượng công việc AI được container hóa quy mô lớn [Google Cloud]

• Triển khai Tác nhân Enterprise (Enterprise Agent Platform): Triển khai các tác nhân được xây dựng lên môi trường sản xuất một cách có thể mở rộng [Google Cloud]

• Triển khai sang các đám mây của bên thứ ba: Vận hành các mô hình Claude trên cơ sở hạ tầng của Amazon Bedrock hoặc Vertex AI [Anthropic]

• Triển khai trên Microsoft Foundry: Triển khai các mô hình AI và tác nhân trong môi trường PaaS dành cho doanh nghiệp [Microsoft]

• Tích hợp với API Gateway (Apigee / Application Integration): Nền tảng định tuyến để công khai các API của riêng mình một cách an toàn và kết nối với AI [Google Cloud]

• Tích hợp Tailscale Networking: Sử dụng Tailnet để truy cập an toàn vào trợ lý AI cục bộ từ môi trường từ xa [OpenClaw]

• Triển khai không kết nối mạng / On-premises (Google Distributed Cloud): Triển khai cơ sở hạ tầng AI trong môi trường mạng kín được cách ly khỏi Internet [Google Cloud]

• Đường ống CI/CD (Cloud Build / Cloud Deploy): Tự động hóa việc xây dựng và triển khai các ứng dụng AI [Google Cloud]

• Cơ sở hạ tầng dưới dạng mã (Infrastructure Manager): Quản lý và xây dựng cơ sở hạ tầng đám mây AI bằng mã sử dụng Terraform và các công cụ tương tự [Google Cloud]

• Lịch trình hàng loạt và tác vụ (Cloud Scheduler / Batch): Lên lịch và thực thi các tác vụ xử lý dữ liệu nặng hoặc suy luận không đồng bộ [Google Cloud]

• Điểm cuối suy luận chuyên dụng (Inference Endpoints): Triển khai các mô hình tùy chỉnh trên Hugging Face như cơ sở hạ tầng API chuyên dụng [Hugging Face]

Trải nghiệm nhà phát triển · Giao diện · Hệ sinh thái

• Bảng điều khiển Web Control UI: Quản lý trò chuyện, cấu hình và phiên của tác nhân cục bộ từ trình duyệt [OpenClaw]

• CLI Onboarding (openclaw onboard): Tự động thực thi cài đặt và cấu hình tác nhân một cách tương tác trên terminal [OpenClaw]

• Ứng dụng quản lý hệ thống cho macOS (OpenClaw.app): Quản lý khởi động gateway và trạng thái từ menu bar [OpenClaw]

• Chức năng tự chẩn đoán hệ thống (openclaw doctor): Tự động phát hiện lỗi cấu hình và sự cố môi trường để khắc phục sự cố [OpenClaw]

• Chuyển đổi kênh phát triển (Update channels): Chuyển đổi giữa các kênh phát hành như Stable, Beta, Dev bằng lệnh [OpenClaw]

• Tiện ích mở rộng tích hợp IDE (VS Code / JetBrains extension): Tích hợp trực tiếp trợ lý AI vào trình soạn thảo môi trường phát triển [Anthropic, Google]

• Môi trường Worktree cục bộ (Worktrees): Tạo nhánh làm việc độc lập cho tác nhân mà không làm ô nhiễm môi trường làm việc chính [Anthropic]

• Tệp hướng dẫn dành riêng cho dự án (CLAUDE.md / AGENTS.md): Chức năng đặt tại gốc kho lưu trữ để tác nhân tự động đọc các quy tắc của dự án [Anthropic, OpenClaw]

• Chế độ tự động hóa không tương tác (Non-interactive Mode): Chế độ thực thi tác nhân CLI tự động mà không can thiệp của con người trong CI/CD [Anthropic]

• Chế độ nhà phát triển / Trace (/trace): Xuất chi tiết nhật ký về xử lý nội bộ của tác nhân và các yêu cầu mạng [OpenAI, OpenClaw]

• Điểm cuối API tương thích với OpenAI (OpenAI Compatibility): Sử dụng SDK OpenAI hiện tại để gọi các mô hình của công ty khác (Llama, DeepSeek, v.v.) [Meta, Perplexity, DeepSeek]

• Hệ sinh thái Model Context Protocol (MCP): Nền tảng giao thức chuẩn hóa ngữ cảnh giữa các mô hình AI và công cụ khác nhau để kết nối [Anthropic, OpenAI, Microsoft]

• Nhúng tiện ích tùy chỉnh (ChatKit Widgets): Chức năng phát triển để nhúng tiện ích tùy chỉnh của bên thứ ba trong UI của ChatGPT [OpenAI]

• So sánh và quản lý Prompt (GitHub Models): Công cụ dành cho nhà phát triển để so sánh và quản lý kết quả của nhiều prompt trong một bảng [GitHub]

• Liên kết tự động hóa GitHub Actions: Thực thi các mô hình AI trong quy trình làm việc CI/CD được kích hoạt bởi các sự kiện kho lưu trữ [GitHub]

• Tích hợp môi trường Notebook (Colab Enterprise): Tích hợp phát triển mô hình AI và khoa học dữ liệu trong môi trường giống như Jupyter Notebook [Google Cloud]

• Tích hợp trình duyệt trong ứng dụng (In-app browser): Tác nhân hiển thị trực tiếp các trang web trong CLI hoặc IDE và hiển thị kết quả điều tra [Anthropic]

Kết luận

Những gì có thể thực hiện được bằng AI ngày càng tăng và chúng tôi sẽ cập nhật liên tục trong tương lai. Với tư cách là một cá nhân, tôi đang phát triển các tác nhân AI chuyên biệt cho ngành bất động sản và xây dựng, và tôi muốn tập trung vào các phần mà sẽ khó khăn để xử lý thậm chí với AI tổng quát trong tương lai và tiếp tục nghiên cứu và phát triển.