Tháng 7 năm 2026, lĩnh vực lập trình AI trải qua sự chuyển biến lớn. Peter Steinberger tuyên bố trên nền tảng X rằng thời đại kỹ thuật vòng lặp đã kết thúc, dẫn dắt ngành công nghiệp chuyển sang kỹ thuật đồ thị (Graph). Kỹ thuật vòng lặp bắt nguồn từ phương pháp Ralph của Geoffrey Huntley, sử dụng việc cho các AI Agent chạy liên tục cho đến khi đạt được mục tiêu để vượt qua giới hạn cửa sổ ngữ cảnh. Từ tháng 4 đến tháng 5 năm 2026, các công cụ như Codex và Claude Code lần lượt ra mắt tính năng Goal, hiện thực hóa sản phẩm hóa vòng lặp. Hiện nay, ngành công nghiệp đang khám phá kỹ thuật đồ thị phức tạp hơn, liên quan đến thiết kế phối hợp giữa đồ thị tổ chức và đồ thị công việc.

Tác giả bài viết, nguồn: Tài khoản WeChat InfoQ (ID: infoqchina)

Chúng ta vẫn đang thảo luận về vòng lặp, hay đã chuyển sang biểu đồ rồi?

Ngày 18 tháng 7 năm 2026, Peter Steinberger đã lặng lẽ tuyên bố sự kết thúc của thời đại circular engineering trên nền tảng X với một câu nói này. Bài đăng đã đạt 2,6 triệu lượt xem trong vòng hai ngày sau khi đăng.

Sáu tuần trước, anh ấy đạt 8,4 triệu lượt xem với chủ đề “Thiết kế chu trình để hướng dẫn Agent”, giúp các nhà phát triển toàn cầu nhận ra rằng thời đại của kỹ thuật nhắc nhở đang qua đi, và kỹ thuật chu trình mới là hướng đi tương lai.

Hai bài đăng đã tích lũy hơn 11 triệu lượt xem, đẩy các cuộc thảo luận sôi nổi nhất trong lĩnh vực lập trình AI lên một bước ngoặt mới.

Sự trỗi dậy của chu kỳ

Trong tháng qua, "Loop Engineering" đã nhanh chóng trở thành khái niệm nóng trong lĩnh vực lập trình AI.

Nhưng nguồn gốc thực sự của nó bắt nguồn từ một năm trước. Tháng 7 năm 2025, kỹ sư phần mềm Geoffrey Huntley đã đề xuất một phương pháp mà ông gọi là “Ralph” – một vòng lặp Bash đơn giản, khiến Claude lặp lại nhiệm vụ cho đến khi đạt được mục tiêu:

while :; do cat PROMPT.md | claude-code ; done

Hạt nhân của phương pháp Ralph là vượt qua giới hạn cửa sổ ngữ cảnh. Vào giữa năm 2025, cửa sổ ngữ cảnh lớn nhất là 200.000 token, điều này hoàn toàn không đủ cho các nhiệm vụ phức tạp hơn, do đó cần chia nhỏ việc chạy Agent thành các đơn vị chạy nhỏ hơn và thực hiện từng cái một.

Trong bối cảnh này, cách hoạt động của phương pháp Ralph như sau:

• Đặt một mục tiêu cho dự án, sau đó chạy hoặc chạy lại Agent liên tục cho đến khi đạt được mục tiêu.
• Lưu các công việc đã hoàn thành vào hệ thống tệp dưới dạng nén, ví dụ: lưu dưới dạng nhật ký hoặc kế hoạch đã cập nhật.
• Khởi động lại Agent với ngữ cảnh hoàn toàn mới để giảm thiểu tối đa “suy thoái ngữ cảnh”.
• Cho phép mỗi Agent thêm hoặc chỉnh sửa “kế hoạch tổng thể” khi cần thiết.

Huntley đã sử dụng phương pháp này để xây dựng một ngôn ngữ lập trình từ con số không, xác minh tính khả thi. Nhưng cho đến khi các mô hình mạnh hơn xuất hiện, nó mới nhanh chóng lan truyền trong cộng đồng nhà phát triển.

Sự bùng nổ của Loop cũng không thể tách rời khỏi một số nhà phát triển cốt lõi của Anthropic và OpenAI. Ban đầu, tại hội nghị nhà phát triển của Anthropic, Boris Cherny, người sáng tạo ra Claude Code, cho biết: “Bây giờ tôi không còn phải nhắc nhở Claude nữa. Tôi đang chạy một số vòng lặp, những vòng lặp này sẽ nhắc nhở Claude và quyết định bước tiếp theo cần làm. Công việc của tôi là viết các vòng lặp.”

Sau đó, Peter Steinberger cũng đăng bài kêu gọi các nhà phát triển ngừng trực tiếp đưa lời nhắc cho các Agent lập trình: “Nhắc nhở hàng tháng: Bạn không nên nữa tự mình đưa lời nhắc cho các Agent lập trình. Bạn nên thiết kế các vòng lặp có thể tự đưa lời nhắc cho Agent.”

Cựu kỹ sư Google Addy Osmani sau đó đã viết một bài viết chuyên sâu có tựa đề “Loop Engineering”, tóm tắt nó như sau: “Loop Engineering là việc tự rời khỏi vị trí phải trực tiếp nhắc nhở Agent, thay vào đó thiết kế một hệ thống thực hiện việc đó thay bạn.”

Đã có khái niệm, đã có tên, và cơ sở hạ tầng cũng nhanh chóng đi theo.

Tháng 4 đến tháng 5 năm 2026, Codex, Claude Code và Hermes lần lượt ra mắt lệnh /goal, biến các sản phẩm vòng lặp được viết thủ công thành một lệnh duy nhất.

Sau khoảng sáu tháng Ralph được áp dụng rộng rãi, Codex đã ra mắt tính năng goal.

Tài liệu Codex ghi: “Mục tiêu là những mục tiêu tồn tại lâu dài trong Codex, giúp một chuỗi hội thoại tiến triển liên tục hướng tới kết quả rõ ràng qua nhiều vòng tương tác. Mục tiêu cung cấp cho Codex một điều kiện hoàn thành: trạng thái nào cần được đảm bảo, cách kiểm tra xem thành công hay không, và những ràng buộc nào phải luôn được duy trì.”

Tài liệu đặc biệt chỉ ra: “Câu lệnh thông thường biểu thị: Hãy thực hiện việc này tiếp theo. Goal biểu thị: Tiếp tục làm việc cho đến khi kết quả này được đảm bảo.”

Trong các yêu cầu thông thường, Codex sẽ xử lý lệnh hiện tại, báo cáo kết quả, sau đó chờ bước tiếp theo. Khi sử dụng Goal, một mục tiêu bền vững sẽ được gắn vào luồng. Sau khi một vòng thực thi kết thúc, nó có thể kiểm tra bằng chứng hiện tại và xác định xem mục tiêu đã hoàn thành chưa. Nếu câu trả lời là không và Goal vẫn còn kích hoạt, ngân sách chưa hết, Codex có thể tiếp tục làm việc từ trạng thái mới nhất.

Ví dụ: “Giảm độ trễ p95 trong bài kiểm tra thanh toán xuống dưới 120 miligiây, đồng thời đảm bảo bộ kiểm tra tính chính xác luôn vượt qua.”

Đây là một “tiêu chí kết thúc” đủ rõ ràng để có thể giao trực tiếp cho Agent. Sau đó, Agent sẽ tự động chia nhỏ nhiệm vụ, tạo các Agent con và tiếp tục chạy cho đến khi hoàn thành công việc. Đội ngũ Codex đã học hỏi ý tưởng từ vòng lặp Ralph để xây dựng cơ sở hạ tầng: phối hợp nhiều Agent, tránh sự can thiệp lẫn nhau; quản lý trạng thái; chạy kiểm thử; khởi động và dừng Agent; sau đó bổ sung thêm các tính năng như thiết lập ngân sách.

Kiến trúc chức năng Goals

Nhà phát triển sử dụng vòng lặp như thế nào

Vậy các nhà phát triển thực sự đang dùng vòng lặp để làm gì? Theo phản hồi từ cộng đồng, kịch bản phổ biến nhất vẫn là xử lý một số công việc định kỳ.

Nhưng khả năng lặp lại còn vượt xa hơn thế. Giá trị thực sự của kỹ thuật lặp lại thể hiện ở những nhiệm vụ dài hạn phức tạp hơn, đòi hỏi sự lặp lại liên tục.

Ví dụ như hoàn thành việc di chuyển mã quy mô lớn. Chủ doanh nghiệp khởi nghiệp Rafel Mendiola cần chuyển đổi một ứng dụng React thành React Native. Cách truyền thống là tạo một Epic lớn, sau đó chia thành 50 đến 100 phiếu công việc, ngay cả việc thiết lập hạ tầng cũng đã khiến người ta nản lòng.

Giải pháp thay thế của anh ấy là tạo một Skill để Agent tự nhận diện các khối mã có thể chuyển đổi, hoàn thành quá trình chuyển đổi và theo dõi tiến độ, sau đó đưa Skill này vào nhiệm vụ Cron chạy mỗi 30 phút. So với việc quản lý một kế hoạch di chuyển lớn lao, cách này dễ dàng hơn rất nhiều về mặt nhận thức.

Chặng tiếp theo: Graph

Vấn đề trong tweet của Peter thực sự chỉ ra một lộ trình phát triển.

Một năm trước, kỹ thuật nhắc nhở vẫn là kỹ năng cốt lõi. Đến năm 2025 đến đầu năm 2026, trọng tâm đã chuyển sang thiết kế vòng lặp. Và hiện tại, Peter đang hướng tới một nơi xa hơn nữa: thiết kế các đồ thị bao gồm nhiều vòng lặp—mỗi Agent chạy vòng lặp riêng của mình, được kết nối với nhau thông qua các mối phụ thuộc.

Câu trả lời ấn tượng nhất trong chuỗi bình luận về bài đăng này đến từ Luis Catacora: “Vòng lặp có rất nhiều khoảng dung sai. Biểu đồ sẽ buộc bạn phải thừa nhận rằng còn bao nhiêu phần trong quy trình làm việc chưa được mô hình hóa thực sự.”

Câu này thể hiện sự khác biệt giữa hai mô hình này. Vòng lặp cho phép bạn hoãn lại thiết kế kiến trúc: bắt đầu bằng việc để một Agent đảm nhận tất cả công việc, cho đến khi nó không còn xử lý nổi nữa. Trong khi đó, đồ thị yêu cầu bạn phải khai báo trước toàn bộ cấu trúc — ai phụ trách gì, các nhiệm vụ nào phụ thuộc vào nhau, và nên xử lý thế nào khi một nhánh bị thất bại. Vòng lặp là quyết định hoãn lại, đồ thị là quyết định trước.

Shubham Saboo, sản phẩm quản lý AI cấp cao của Google và tác giả của kho mã Awesome LLM Apps (với hơn 124.000 sao trên GitHub), đã đưa ra một cách phân tích khác, trong đó ông phân biệt hai cấp độ: “Sơ đồ tổ chức lâu dài xác định ai chịu trách nhiệm cho lĩnh vực nào và duy trì ngữ cảnh; sơ đồ công việc xác định những việc cần làm trong hiện tại, có thể được chia nhỏ, hợp nhất, sắp xếp lại hoặc biến mất hoàn toàn dựa trên bằng chứng.”

Graph là cái gì vậy?

Loop giúp lập trình hóa hành vi của Agent. Graph giúp lập trình hóa tổ chức của Agent.

Bước tiếp theo là tổ chức Agent động: trong quá trình thực hiện nhiệm vụ, Graph sẽ tự sửa đổi cấu trúc của chính nó.

Preston Holmes: Có ít nhất hai loại Graph rất quan trọng. Loại đầu tiên là Graph mà bạn đã hiển thị trong hình, được tạo thành từ các Agent tồn tại lâu dài, mỗi cái chịu trách nhiệm cho một khu vực riêng, giống như chiến thuật phòng thủ vùng. Loại thứ hai là Graph được tạo ra bởi công việc cần hoàn thành. Nó mang tính động và liên tục thay đổi.

Shubham Saboo: Bản đồ tổ chức lâu đời xác định ai chịu trách nhiệm cho từng khu vực và duy trì ngữ cảnh. Bản đồ công việc xác định những nhiệm vụ nào cần được hoàn thành hiện tại. Khi có bằng chứng mới, nó có thể được chia nhỏ, hợp nhất, sắp xếp lại hoặc biến mất hoàn toàn.

Đây là yếu tố then chốt của hệ thống đa Agent cấp sản xuất: thực tế có hai biểu đồ đang chạy đồng thời.

Sơ đồ tổ chức (Org Graph): Định nghĩa “ai chịu trách nhiệm gì”. Nó bao gồm các Agent tồn tại lâu dài, mỗi Agent phụ trách một lĩnh vực cố định, lưu giữ ngữ cảnh, năng lực chuyên môn và quyền truy cập công cụ của lĩnh vực đó. Sơ đồ tổ chức tương đối ổn định, giống như cơ cấu tổ chức của một công ty.

Biểu đồ công việc (Work Graph): Định nghĩa “hiện tại cần làm gì và nhiệm vụ sẽ được chuyển đổi như thế nào”. Nó sẽ thay đổi liên tục theo các nhiệm vụ và bằng chứng mới, có thể chia nhỏ, hợp nhất, điều chỉnh thứ tự hoặc hủy bỏ trực tiếp. Biểu đồ công việc giống như một kế hoạch dự án được tạo ra theo thời gian thực.

Preston Holmes cũng cho rằng cả hai biểu đồ đều quan trọng và chúng hoạt động trên các thang thời gian khác nhau. Biểu đồ tổ chức sẽ được thiết kế trước và triển khai; biểu đồ công việc thì được tạo động cho từng nhiệm vụ và bị xóa sau khi hoàn thành nhiệm vụ.

Nếu vòng lặp làm cho hành vi của Agent có thể lập trình, thì đồ thị làm cho tổ chức của Agent có thể lập trình. Bước tiến tiếp theo là tổ chức Agent động—trong quá trình thực hiện nhiệm vụ, đồ thị sẽ tự sửa đổi cấu trúc của chính nó.

Từ việc viết Prompt tốt, thiết kế Loop, đến xây dựng Graph, trọng tâm năng lực lập trình AI đang liên tục được nâng cao. Các nhà phát triển ngày càng ít cần quan tâm đến cách giao tiếp với từng Agent riêng lẻ, mà cần tập trung vào việc thiết kế cấu trúc hợp tác giữa các Agent.