ADLC: vòng đời phát triển AI agent khác SDLC thế nào và cách áp dụng
Tóm tắt
ADLC (Agent Development Lifecycle) mở rộng SDLC cho phần mềm xác suất: eval xuyên suốt, trace mọi bước, release dần và giám sát liên tục sau khi ship. Cốt lõi là vòng lặp biến lỗi thật thành ca test và cổng chất lượng chặn mọi thay đổi chưa được đo, kể cả đổi phiên bản model.
Mục lục
Một team ship chatbot hỗ trợ khách hàng theo đúng quy trình quen thuộc: viết spec, code, test pass 100%, release. Hai tuần sau, agent bắt đầu hứa hoàn tiền sai chính sách cho một nhóm khách. Không có dòng code nào thay đổi. Thứ thay đổi là cách khách đặt câu hỏi, dữ liệu trong kho tri thức, và có thể cả phiên bản model phía nhà cung cấp. Bộ unit test vẫn xanh. Đây là lý do ngày càng nhiều tổ chức (IBM, Salesforce, Arthur…) nói về ADLC, Agent Development Lifecycle: vòng đời phát triển dành riêng cho AI agent, bên cạnh SDLC quen thuộc.
Bài này giải thích ADLC khác SDLC ở đâu, các giai đoạn cụ thể, vòng lặp eval làm “trái tim” của quy trình, và một checklist để team bạn áp dụng ngay. ADLC chưa có một chuẩn chung: mỗi tổ chức đặt tên và số giai đoạn khác nhau. Bài tổng hợp điểm chung từ các nguồn, và ghi rõ chỗ nào là quan điểm riêng của từng bên.
Vì sao SDLC không còn đủ?
SDLC được xây cho phần mềm tất định: cùng input thì cùng output, hành vi chỉ đổi khi có người sửa code. AI agent phá vỡ cả hai giả định đó. IBM tóm gọn: agent mang tính xác suất, cùng một input có thể cho output khác nhau, và hành vi có thể “trôi” dù code không đổi. Thêm vào đó, lỗi của agent khó thấy hơn: câu trả lời nghe rất hợp lý nhưng sai, hoặc chuỗi nhiều bước hỏng ở bước thứ năm mà không tái hiện được.
| Khía cạnh | SDLC (phần mềm truyền thống) | ADLC (AI agent) |
|---|---|---|
| Bản chất | Tất định, logic viết tay | Xác suất, hành vi phụ thuộc model, prompt, context |
| Đầu vào | Được đặc tả chặt (form, API schema) | Câu nói tự do của người dùng, vô số biến thể |
| Kiểm thử | Pass/fail nhị phân | Phân phối điểm số so với ngưỡng chất lượng, chạy nhiều lần |
| Thứ được ship | Code | Code + prompt + cấu hình model + context/dữ liệu + bộ eval |
| Kiểu lỗi | Bug, crash, regression | Ảo giác, drift, gọi sai tool, vi phạm chính sách, chi phí vượt dự kiến |
| Sau release | Bảo trì, sửa lỗi | Release mới là bắt đầu: giám sát, tinh chỉnh liên tục |
| Người tham gia | Team phần mềm | Liên chức năng: engineering, data, AI ops, nghiệp vụ, pháp chế |
Một điểm đáng chú ý: Salesforce và Atlan đều nói ADLC mở rộng chứ không thay thế SDLC. Phần còn lại của hệ thống (API, database, UI) vẫn đi theo SDLC; ADLC quản lý riêng “lớp agent”.
Các giai đoạn của ADLC
IBM chia ADLC thành 6 giai đoạn, trong đó vài giai đoạn tạo thành vòng lặp. Salesforce dùng 5 giai đoạn với hai vòng: inner loop (phát triển: sửa prompt, chạy, chấm) và outer loop (sau triển khai: giám sát và tinh chỉnh bằng dữ liệu thật). Hai cách chia khớp nhau khá tốt:
1. Lập kế hoạch (Plan)
Thống nhất use case, KPI và tiêu chí thành công đo được; mô tả hành vi mong muốn bằng ngôn ngữ tự nhiên. Salesforce bổ sung: xác định persona, guardrail đạo đức, phạm vi context và bộ nhớ, danh sách tool, và kế hoạch chuyển cho người thật khi agent bí. IBM nhấn mạnh một câu hỏi hay bị bỏ qua: bài toán này có thật sự cần agent không? Nhiều khi một workflow tự động hoá thường hoặc một lần gọi LLM là đủ, rẻ hơn và dễ kiểm soát hơn.
2. Xây dựng (Code & build)
Chọn model (IBM gợi ý dùng một “danh mục” gồm model lớn, model chuyên ngành và model nhỏ), thiết kế prompt, orchestration, kết nối tool qua MCP, RAG. Hai thực hành quan trọng: version control cho prompt và cấu hình orchestration giống như code, và sandbox với quyền tối thiểu cho mọi tool. IBM còn đề xuất gán cho mỗi agent một định danh riêng để audit được nó đã làm gì.
3. Kiểm thử & phát hành (Test & release)
Đây là chỗ khác SDLC nhiều nhất. Unit test vẫn cần cho các tool tất định, nhưng không thay được eval theo kịch bản: so hành vi của agent với các “quỹ đạo chuẩn” (ground-truth trajectory), chấm bằng LLM-as-a-judge kết hợp người duyệt, cộng thêm red team để thử prompt injection và jailbreak. Salesforce liệt kê thêm: test end-to-end theo mục tiêu, test đối kháng, người chấm giọng văn và mạch hội thoại, test hiệu năng và tải.
4. Triển khai (Deploy)
Triển khai dần: canary, blue-green hoặc rolling, kèm khả năng rollback về phiên bản agent trước. Salesforce tách bạch hai việc: deploy (đưa phiên bản mới lên) và activate (bật cho người dùng), để có thể rút lại nhanh.
5–6. Vận hành & giám sát (Operate & Monitor)
Theo dõi chất lượng, độ trễ, chi phí, mức hài lòng; phát hiện drift; tinh chỉnh prompt, tool, model, bộ nhớ. Ở tầng quản trị: audit định kỳ về công bằng, minh bạch, bảo mật, tuân thủ, và một danh mục agent và tool ghi rõ chủ sở hữu, phiên bản, mức rủi ro. Salesforce gợi ý gắn nhãn log hội thoại (bởi người hoặc LLM) để làm dữ liệu tinh chỉnh về sau.
Trái tim của ADLC: vòng lặp eval
Arthur, một trong những bên phổ biến thuật ngữ ADLC, cho rằng phần lớn công sức nằm ở quãng đường từ “chạy được” đến “đáng tin”. Họ gọi vòng lặp chính là Agent Development Flywheel gồm 4 bước, và coi bộ eval là yếu tố thành công quan trọng nhất.
- Dùng thật và mô phỏng: mở rộng dần từ tester nội bộ → nhóm pilot → production; chạy song song các phiên mô phỏng quy mô lớn.
- Tìm lỗi và điểm nóng: trace từng quyết định, từng lần gọi tool, so với benchmark và KPI.
- Đưa lỗi vào eval suite: mỗi ca lỗi thật trở thành một ca test, để regression không quay lại.
- Thử nghiệm và ship: chỉ đưa thay đổi về prompt, retrieval hay tool lên khi đã đo được chất lượng, KPI và không có regression.
Trong thực tế, vòng lặp này thường được hiện thực hoá thành một cổng chất lượng trong CI/CD. Mọi thay đổi (kể cả chỉ đổi phiên bản model) phải chạy qua eval suite trước khi tới người dùng. IBM nhấn mạnh chính điều này: đổi phiên bản model cũng có thể làm hành vi thay đổi.
Một báo cáo eval tốt không chỉ có một con số “accuracy”. Nó so sánh phiên bản mới với phiên bản đang chạy trên nhiều nhóm chỉ số, và có quyền chặn release khi một chỉ số an toàn xấu đi, kể cả khi các chỉ số khác đẹp hơn:
Đo gì? Bốn nhóm chỉ số
| Nhóm | Chỉ số ví dụ | Đo bằng |
|---|---|---|
| Chất lượng | Tỷ lệ hoàn thành task, gọi tool đúng, độ liên quan của context | Eval suite, LLM-as-a-judge, người chấm mẫu |
| An toàn | Vi phạm chính sách, rò rỉ dữ liệu, bị prompt injection | Red team, guardrail, bộ test đối kháng |
| Vận hành | Độ trễ, số token, chi phí mỗi task, tỷ lệ lỗi | Trace (ví dụ OpenTelemetry), dashboard chi phí |
| Kinh doanh | Mức hài lòng, tỷ lệ chuyển cho người thật, chi phí mỗi kết quả | Phản hồi người dùng, số liệu nghiệp vụ |
Bốn nhóm này theo cách phân loại của IBM. Salesforce thêm hai tín hiệu rất thực dụng: số lần hội thoại rơi vào “ngõ cụt”, và tần suất phải chuyển cho người thật.
Bối cảnh: vì sao nên quan tâm ngay bây giờ
Atlan dẫn lại một số dự báo của Gartner: đến cuối 2026 khoảng 40% ứng dụng doanh nghiệp sẽ có agent chuyên tác vụ (từ dưới 5% năm 2025). Nhưng hơn 40% dự án agentic AI có thể bị huỷ trước cuối 2027. Dù là dự báo, chúng cho thấy cùng một thông điệp với các nguồn khác: làm demo agent thì dễ, vận hành agent đáng tin trong production mới khó. Phần khó đó chính là thứ ADLC cố gắng hệ thống hoá.
Rủi ro và lưu ý khi áp dụng
- Chưa có chuẩn chung: IBM 6 giai đoạn, Salesforce 5, Arthur 3 pha lớn, các bên khác lại khác. Đừng sa vào tranh luận tên gọi; hãy lấy phần chung: eval xuyên suốt, trace đầy đủ, release dần, giám sát liên tục.
- Nhiều nguồn là nội dung của nhà cung cấp: IBM, Salesforce, Arthur, Atlan đều bán sản phẩm liên quan. Khung lý thuyết hữu ích, nhưng không nhất thiết phải mua công cụ của họ để áp dụng.
- LLM-as-a-judge cũng có thể sai: judge cần rubric rõ ràng và được đối chiếu định kỳ với người chấm, nếu không bạn chỉ đang tự động hoá một ý kiến chủ quan.
- Eval tốn chi phí: chạy hàng trăm kịch bản, mỗi kịch bản vài lần, sau mỗi thay đổi là tiền thật. Hãy chia bộ eval nhanh (mỗi PR) và bộ eval đầy đủ (trước release).
- Đừng bỏ SDLC: tool, API, phân quyền quanh agent vẫn cần unit test, code review, bảo mật như mọi phần mềm khác.
Áp dụng thế nào?
- Dev: bắt đầu với 30–50 kịch bản thật lấy từ log hoặc từ nghiệp vụ, chấm bằng một rubric đơn giản, chạy trong CI mỗi khi đổi prompt hay model. Version prompt trong Git như code. Bật trace cho mọi lần gọi tool ngay từ ngày đầu.
- Tech Lead: định nghĩa cổng chất lượng với ngưỡng cụ thể cho từng nhóm chỉ số. Chỉ số an toàn có quyền chặn release. Triển khai canary và chuẩn bị sẵn rollback. Gán chủ sở hữu và mức rủi ro cho từng agent.
- PM: viết KPI và “hành vi mong muốn” bằng ngôn ngữ tự nhiên trước khi team build; định nghĩa khi nào agent phải chuyển cho người thật. Coi bộ eval là tài sản sản phẩm: mỗi phàn nàn của khách là một ca test mới. Và hỏi câu đầu tiên của IBM: có thật cần agent không?
Nguồn & tham khảo
- What is the agent development lifecycle (ADLC)? — Dave Bergmann, IBM Think
- Agent Development Lifecycle — Salesforce Architects
- Introducing the Agent Development Lifecycle (ADLC) — Adam Wenchel, Arthur
- ADLC vs SDLC: How the Agent Development Lifecycle Differs — Emily Winks, Atlan