Bắt đầu với Relevance AI

Định nghĩa

Relevance AI là nền tảng no-code để xây dựng AI Agent — những trợ lý AI tự chủ có khả năng sử dụng công cụ (tools), truy cập kiến thức và tự quyết định chuỗi hành động phức tạp, thay vì chỉ chạy theo kịch bản cứng nhắc "nếu A thì B" như các công cụ automation truyền thống.

Giải thích chi tiết

AI Agent khác gì với Automation thông thường

Nếu Zapier hoạt động như đường ống nước (dữ liệu chảy từ điểm A đến B theo đường ống cố định), thì Relevance AI giống như thuê một nhân viên thông minh. Agent có thể tự suy nghĩ: "Lead này đến từ công ty phần mềm, tôi cần tìm hiểu quy mô trên LinkedIn, sau đó viết email nhấn mạnh vào khả năng tích hợp API thay vì giảm giá."

Sự khác biệt nằm ở khả năng reasoning (suy luận) và tool use (sử dụng công cụ). Agent không chờ con người nói "bước 1 làm gì, bước 2 làm gì", mà tự động chọn công cụ phù hợp để hoàn thành mục tiêu đã giao.

Bộ ba cốt lõi: Agent, Tools và Knowledge Base

Mọi workflow trong Relevance đều xoay quanh ba thành phần:

• Agent: LLM (thường là GPT-4 hoặc Claude) được gán vai trò, tính cách và mục tiêu rõ ràng. Bạn viết system prompt định nghĩa agent là "một chuyên gia sales lịch sự, thích dùng dữ liệu để thuyết phục" hay "kỹ sư support kỹ tính, luôn kiểm tra log trước khi trả lời".

• Tools: Các công cụ bên ngoài agent có thể gọi. Đây có thể là API tìm kiếm Google, truy vấn Notion, gửi email qua SendGrid, hoặc kiểm tra thông tin trong Salesforce. Agent quyết định khi nào dùng tool nào dựa trên ngữ cảnh.

• Knowledge Base: Kho dữ liệu vector chứa tài liệu nội bộ (PDF hướng dẫn, FAQ, báo cáo). Agent truy cập để trả lời câu hỏi dựa trên sự thật có căn cứ, giảm hiện tượng "ảo giác" (hallucination) của LLM.

Xây dựng Agent đầu tiên

Quy trình tạo agent trong Relevance AI gồm 5 bước:

1. Tạo Agent mới: Chọn template (Sales, Research, Support) hoặc bắt đầu từ đầu. Đặt tên và chọn model LLM (khuyên dùng GPT-4 Turbo hoặc Claude 3.5 Sonnet cho task phức tạp).

2. Viết System Prompt: Định nghĩa vai trò, giọng điệu và quy tắc. Ví dụ: "Bạn là SDR tại công ty SaaS B2B. Nhiệm vụ: nhận thông tin lead, research công ty, viết email cá nhân hóa 3-4 câu, không dùng từ 'thân mến' mà dùng 'chào bạn'."

3. Gắn Tools: Kết nối các công cụ cần thiết như Web Search (SerpAPI), LinkedIn Profile Scraper, hoặc Gmail Send. Cấu hình input/output cho mỗi tool để agent biết cách dùng.

4. Upload Knowledge: Nếu agent cần truy cập tài liệu nội bộ (ví dụ: bảng giá, case study), upload file PDF/Doc lên Knowledge Base. Hệ thống tự động chunk và vector hóa.

5. Test và Deploy: Chạy thử với vài scenario. Khi ổn định, lấy API endpoint hoặc kết nối vào Slack/Email để agent hoạt động 24/7.

Hệ thống Multi-Agent (Đội nhóm AI)

Relevance cho phép nhiều agent hợp tác. Ví dụ: Agent A chuyên research (thu thập dữ liệu) → truyền kết quả cho Agent B chuyên viết (soạn nội dung) → Agent C chuyên kiểm tra (review trước khi gửi). Cách này tách biệt trách nhiệm, giúp mỗi agent làm tốt một việc thay vì một agent làm tất cả.

Ví dụ thực tế

Agent nghiên cứu và chấm điểm lead tự động

Trigger: Webhook nhận dữ liệu từ form đăng ký dùng thử trên website.

Action:

• Agent nhận thông tin: tên, email, công ty.
• Dùng tool tìm kiếm LinkedIn để xác định quy mô công ty (số nhân viên, ngành nghề).
• Truy cập website công ty để hiểu sản phẩm.
• So sánh với ICP (Ideal Customer Profile) đã định nghĩa trong prompt: "Công ty phần mềm 50-200 người, thị trường toàn cầu" = 9 điểm; "Doanh nghiệp bán lẻ địa phương" = 3 điểm.
• Nếu điểm trên 7: tự động viết email cá nhân hóa đề cập đến thách thức ngành của họ → gửi qua Gmail API → tạo task trong Salesforce cho sales team follow up sau 2 ngày.
• Nếu điểm dưới 4: gửi email nurture sequence tự động, không báo động cho sales.

Result: Sales team chỉ nhận lead đã được research kỹ, còn lead yếu tự động nuôi dưỡng qua email. Tiết kiệm 2-3 giờ mỗi ngày cho mỗi SDR.

Agent hỗ trợ khách hàng có truy cập kiến thức nội bộ

Trigger: Email gửi đến support@company.com hoặc tin nhắn trong Slack #support.

Action:

• Agent đọc nội dung câu hỏi.
• Truy vấn Knowledge Base chứa 500 bài FAQ và tài liệu kỹ thuật để tìm câu trả lời chính xác.
• Nếu độ tin cậy cao (trên 0.8): tự động trả lời email với nội dung từ tài liệu, kèm link nguồn.
• Nếu độ tin cậy thấp: tóm tắt vấn đề, đề xuất 3 giải pháp có thể, chuyển tiếp cho agent con chuyên xử lý phức tạp hoặc báo cho nhân viên người thật qua Slack.

Result: 60-70% ticket đơn giản được xử lý trong vòng 30 giây, 24/7. Khách hàng không phải chờ qua đêm để hỏi "làm sao reset password".

Agent tóm tắt báo cáo và cập nhật Notion

Trigger: Lịch chạy mỗi sáng thứ Hai (scheduled job) hoặc khi có file PDF mới trong thư mục Google Drive.

Action:

• Agent đọc báo cáo đối thủ cạnh tranh hoặc nghiên cứu thị trường (20-30 trang).
• Tách thành 3 phần: Insights chính, Dữ liệu số quan trọng, Hành động đề xuất.
• Tạo trang mới trong Notion database "Market Intelligence" với tag phù hợp.
• Gửi thông báo vào Slack channel #marketing tóm tắt 3 điểm chính trong 3 câu.

Result: Team marketing nhận thông tin đã tinh chế thay vì phải đọc hàng chục trang báo cáo.

Ứng dụng thực tế

Cho đội ngũ Sales và Marketing

Xây dựng "Virtual SDR" — agent tự động research lead trước khi họ nhận cuộc gọi. Hoặc agent monitoring đối thủ cạnh tranh: mỗi khi đối thủ ra thông báo mới, agent tóm tắt và gửi vào Slack #competitor-intel.

Cho bộ phận CSKH và Operations

Thay thế FAQ chatbot cứng nhắc bằng agent hiểu ngữ cảnh. Agent có thể tra cứu đơn hàng trong Shopify, kiểm tra trạng thái giao hàng qua API đối tác vận chuyển, và trả lời "Đơn hàng #12345 của bạn đang ở khu vực Q.3, dự kiến giao chiều mai" thay vì "Vui lòng cung cấp mã đơn hàng".

Cho nhà phát triển và kỹ sư dữ liệu

Dùng Relevance để prototype agent trước khi code bằng LangChain hay LlamaIndex. Test các prompt và tool combinations nhanh chóng, sau đó export logic sang Python nếu cần tùy biến sâu. Hoặc dùng agent tự động review code: nhận pull request mới → scan tìm lỗi bảo mật phổ biến → comment vào GitHub.

Cho founder và startup nhỏ

Tạo "Chief of Staff" AI — một agent đa nhiệm: đọc email CEO mỗi sáng, phân loại urgency, tóm tắt báo cáo, và nhắc lịch họp. Giúp founder có thêm 1-2 giờ tập trung vào chiến lược thay vì administrative tasks.

So sánh với các nền tảng khác

Khi nào chọn Relevance AI? Chọn khi bạn cần AI tự đưa ra quyết định logic phức tạp, ví dụ: "Có nên gửi email này không?" phụ thuộc vào 5 yếu tố động. Chọn Zapier/Make cho workflow đơn giản kiểu "Mỗi khi có form mới → Gửi Telegram → Lưu Sheets". Chọn Gumloop nếu thích giao diện kéo-thả flowchart trực quan hơn giao diện chat-based của Relevance.

Bài viết liên quan

Cùng cụm Automation

• Bắt đầu với Zapier AI — Nền tảng automation cơ bản với trigger-action đơn giản, phù hợp workflow tuyến tính.
• Bắt đầu với Make.com — Tạo scenario phức tạp với nhiều nhánh điều kiện và xử lý dữ liệu trung gian.
• Bắt đầu với Gumloop — Nền tảng agent-based khác với giao diện flowchart trực quan.
• So sánh các nền tảng automation — Bảng phân tích chi tiết khi nào dùng Zapier, Make, n8n hay Relevance AI.

Đọc tiếp

• Bắt đầu với Cursor — Tự động hóa việc viết code với AI, khi bạn cần tạo tools riêng thay vì dùng nền tảng no-code.
• Bắt đầu với Losan AI — Xây dựng AI companion cá nhân với memory dài hạn, nền tảng để hiểu cách tạo agent trước khi nâng cấp lên automation doanh nghiệp.