Tại sao n8n “chết”: Trong một chuỗi LLM tuyến tính (kiểu n8n), bước tiếp theo chủ yếu chỉ thấy đầu ra của các bước trước đó. Đầu ra đó bị giới hạn. Trong một vòng lặp tác nhân, mỗi lần gọi công cụ đều được đi kèm bởi bản ghi đầu vào đang tăng dần (mục tiêu, các lần gọi trước đó, kết quả), có thể nằm trong một cửa sổ lớn hơn nhiều và thường được lưu trong bộ nhớ đệm. Các chuỗi kiểu n8n được xây dựng cho một thế giới nơi bạn không tin tưởng mô hình và mô hình không thể giữ nhiều ngữ cảnh. Bạn chia nhỏ công việc thành các nút để mỗi bước đều nhỏ, xác định và có thể kiểm tra được. Giả định đó đã lỗi thời. Các mô hình hiện đại có thể đọc lên tới khoảng 1 triệu token, nhưng chúng vẫn chỉ tạo ra ít đầu ra hơn nhiều mỗi lần (thường từ ~64k–128k). Do đó, một chuỗi nút liên tục loại bỏ trạng thái: nút N+1 kế thừa chỉ những gì nút N đã phát ra, chứ không phải toàn bộ tập làm việc. Một vòng lặp tác nhân cho phép mô hình giữ một ngữ cảnh chung, sau đó thêm các lần gọi công cụ và kết quả vào đó. Mỗi lần gọi có thể được điều kiện hóa dựa trên tiền tố đã được lưu trong bộ nhớ đệm, chứ không phải thông qua sự chuyển giao hẹp. Khả năng truy vết không cứu vãn được mô hình cũ. Câu hỏi “Nút nào đã ghi giá trị sai?” cũng giống hệt câu hỏi “Lần gọi công cụ nào đã ghi giá trị sai?” Cả hai đều là vấn đề về truy nguyên nguồn gốc. Một đồ thị làm cho Bước trở nên rõ ràng, nhưng nó không làm cho Sự thật trở nên đáng tin cậy hơn nếu tải trọng sai đã tồn tại sẵn trong luồng dữ liệu. So sánh: Một chuỗi nút giống như một hệ thống email. Người viết gửi một bản tóm tắt ngắn. Nghệ sĩ chỉ thấy bản tóm tắt đó. Biên tập viên chỉ thấy những gì đã đến. Không ai chia sẻ cùng một bàn làm việc. Một tác nhân giống như một bảng đen. Người viết, nghệ sĩ và biên tập viên đều đọc và ghi trên cùng một bảng. Bảng chính là trạng thái. Các công cụ là những bàn tay trên bảng đó, chứ không phải những phong bì kín. --- Để rõ ràng: n8n với tư cách là một sản phẩm không “chết”. Điều đã chết là chuỗi LLM tuyến tính. n8n có thể đóng gói một tác nhân và xử lý các quy trình như các công cụ. Nhưng đó không phải là cách người dùng thường sử dụng nó. Hầu hết những người từng ca ngợi n8n đều dùng nó như một chuỗi LLM tuyến tính. Khi các mô hình trở nên mạnh mẽ hơn và các công cụ như opencode ra đời, người dùng ngừng thấy cần thiết phải dùng n8n cho hầu hết các mẫu của họ.