Vũ Nguyễn✔
Writer
DeepSeek vừa công bố một nghiên cứu có tiêu đề “A Programming Model for Spatiotemporal Composability”, tập trung vào một vấn đề tưởng như rất kỹ thuật nhưng lại có ý nghĩa lớn đối với tương lai của các hệ thống AI Agent: làm thế nào để một hệ thống có thể tự thay đổi, tự lắp ghép công cụ và tự tiến hóa mà không phải khởi động lại toàn bộ.
Nếu chỉ cần nhớ một điều về nghiên cứu này, đó là Cordis.
Hãy hình dung Cordis như một "đế LEGO" dành cho phần mềm. Các thành phần có thể được cắm vào, tháo ra và kết hợp lại một cách linh hoạt. Mỗi thành phần là một plugin, còn hệ thống có thể tự quản lý mối quan hệ giữa chúng. Đây cũng là lý do BlackWhale và DeepSeek Harness hướng tới một kiến trúc mở, trong đó cộng đồng có thể tạo plugin và tùy chỉnh môi trường thực thi. Nghiên cứu mới của DeepSeek được xem là bước phát triển tiếp theo của hướng tiếp cận này. Đáng chú ý, đây là một nghiên cứu có sự tham gia của các nhà nghiên cứu từ DeepSeek và Đại học Bắc Kinh, đồng thời dựa trên kinh nghiệm thực tế từ nền tảng chatbot Koishi.
Nói đơn giản, Cordis là một mô hình quản lý plugin động, cho phép các thành phần phần mềm được tải vào hoặc gỡ bỏ trong khi hệ thống vẫn đang hoạt động. Điểm quan trọng nằm ở chỗ khi một plugin bị gỡ bỏ, hệ thống không chỉ xóa phần mã của plugin đó. Những thay đổi mà plugin đã tạo ra đối với hệ thống cũng có thể được hoàn tác.
Nghiên cứu mô tả Cordis dựa trên một tập hợp các ngữ nghĩa tổng quát cho khả năng kết hợp động. Các thành phần được quản lý bởi một Context có thể được tải và gỡ bỏ trong thời gian chạy, đồng thời những tác động mà chúng tạo ra có thể được thu hồi. Về mặt lý thuyết, nghiên cứu xây dựng trên hai khái niệm quen thuộc trong ngôn ngữ lập trình và lý thuyết hiệu ứng: effects và coeffects. Nhưng Cordis không chỉ tồn tại trên giấy, nó đã được triển khai trong Koishi, một framework chatbot đa nền tảng có khả năng mở rộng. Sau khoảng bốn năm phát triển, hệ sinh thái Koishi đã có hàng nghìn plugin cộng đồng được sử dụng trong thực tế.
Đây chính là điểm đáng chú ý nhất: DeepSeek đang tìm cách đưa những nguyên tắc này vào một bài toán lớn hơn, đó là AI Agent có khả năng tự tiến hóa.
VS Code là một ví dụ dễ hình dung. Một extension có thể được cài đặt như một module độc lập, nhưng khi hệ thống cần vô hiệu hóa hoặc gỡ bỏ một số thành phần, quá trình khởi động lại có thể ảnh hưởng đến toàn bộ môi trường extension.
Với phần mềm thông thường, đây có thể chỉ là một sự bất tiện. Nhưng với AI Agent, vấn đề nghiêm trọng hơn nhiều. Một Agent Harness có thể chứa công cụ, môi trường thực thi, cơ chế kiểm soát quyền truy cập, sandbox, trạng thái phiên, bộ nhớ và nhiều thành phần khác. Nếu mỗi lần thay đổi một công cụ lại phải khởi động lại toàn bộ hệ thống, Agent có thể mất trạng thái, bộ nhớ đệm và ngữ cảnh đã tích lũy.
Hãy tưởng tượng một AI có khả năng tự tạo ra công cụ mới để hoàn thành nhiệm vụ. Nó cài công cụ đó vào môi trường, sử dụng một thời gian rồi phát hiện công cụ có vấn đề và muốn thay thế.
Nếu việc thay thế buộc toàn bộ hệ thống phải khởi động lại, quá trình tự tiến hóa sẽ trở nên rất khó khăn. Đây là vấn đề mà DeepSeek gọi là khả năng kết hợp theo thời gian, hay temporal composability. Nhưng thời gian không phải trở ngại duy nhất. Một hệ thống AI Agent cũng có thể có hàng trăm hoặc hàng nghìn module phụ thuộc lẫn nhau. Plugin A cần plugin B, plugin B cần cơ sở dữ liệu, plugin C lại cần A và B.Nếu các mối quan hệ này không được quản lý tốt, việc thêm hoặc xóa một module có thể tạo ra hàng loạt lỗi phụ thuộc.
Đó là vấn đề của khả năng kết hợp theo không gian, hay spatial composability. Cordis được thiết kế để giải quyết cả hai.
Có thể hình dung giống như chức năng Undo. Bạn đặt nhiều thao tác lên nhau. Thao tác cuối cùng được thực hiện sẽ được hoàn tác trước tiên. Nhờ vậy hệ thống có thể đưa Context trở lại trạng thái trước khi plugin được tải mà không cần khởi động lại toàn bộ tiến trình. Đây là điểm đặc biệt quan trọng đối với AI tự tiến hóa, bởi Agent có thể thử nghiệm, thay đổi công cụ và quay lại trạng thái trước đó khi cần.
Điểm đáng chú ý là nhà phát triển không cần viết thủ công toàn bộ logic điều phối này. Hệ thống có thể suy ra quá trình kích hoạt và vô hiệu hóa từ các khai báo phụ thuộc. Sự kết hợp giữa reversible effects và reactive coeffects chính là nền tảng của Cordis. Và đó cũng là ý nghĩa của cụm từ spatiotemporal composability, hay khả năng kết hợp không gian-thời gian.
Điều này tạo ra một môi trường khá phù hợp để kiểm tra khả năng kết hợp động.
Trong Koishi, quản trị viên có thể vô hiệu hóa một plugin mà không cần dừng toàn bộ hệ thống. Những thay đổi do plugin tạo ra được hoàn tác, trong khi các plugin khác vẫn tiếp tục hoạt động. Trong quá trình phát triển, khi một plugin được chỉnh sửa và tải lại, hệ thống có thể áp dụng phiên bản mới mà không nhất thiết phải làm mất toàn bộ trạng thái và kết nối đang tồn tại. Khả năng kết hợp theo không gian cũng được thể hiện qua hệ thống phụ thuộc.
Một plugin có thể yêu cầu một bộ điều hợp nhắn tin hoặc một hệ thống lưu trữ cụ thể. Khi các thành phần này thay đổi, chỉ những plugin thực sự phụ thuộc vào chúng mới cần phản ứng. Điều này đặc biệt có ý nghĩa trong một hệ sinh thái mở, nơi các plugin có thể được phát triển độc lập bởi nhiều tác giả khác nhau.
Một AI Agent tự tiến hóa trong tương lai có thể không chỉ sử dụng những công cụ do con người cung cấp. Nó có thể tự tạo công cụ mới dựa trên nhiệm vụ, cài đặt chúng vào môi trường thực thi, đánh giá kết quả và thay thế công cụ khi phát hiện vấn đề.
Muốn làm được điều đó, môi trường chạy Agent phải có khả năng thay đổi linh hoạt.
Nếu mỗi thay đổi đều yêu cầu khởi động lại, Agent có thể mất trạng thái và ngữ cảnh.
Nếu các module phụ thuộc lẫn nhau quá chặt chẽ, việc thay đổi một công cụ có thể kéo theo hàng loạt lỗi.
Cordis đưa ra một cách tiếp cận trong đó:
Plugin có thể được thêm vào.
Plugin có thể được tháo ra.
Những thay đổi của plugin có thể được hoàn tác.
Các thành phần phụ thuộc có thể tự phản ứng khi môi trường thay đổi.
Đây chính là cơ sở hạ tầng mà một hệ thống AI có khả năng tự sửa đổi và tự tiến hóa có thể cần đến.
Một tác giả khác là Wei Zhang, phó giáo sư tại Viện Phần mềm, Trường Khoa học Máy tính, Đại học Bắc Kinh. Lĩnh vực nghiên cứu của ông bao gồm kỹ thuật phần mềm và ngôn ngữ lập trình. Người thứ ba là Cui Tianyi, trưởng nhóm DeepSeek Harness. Ông tốt nghiệp Khoa Khoa học Máy tính của Đại học Chiết Giang và từng có thời gian làm việc tại Jane Street ở Hong Kong và New York.
Sự kết hợp giữa nghiên cứu học thuật, kinh nghiệm xây dựng hệ thống plugin và phát triển Agent Harness khiến nghiên cứu về Cordis đáng chú ý hơn một bài báo lý thuyết thông thường.
Một Agent thực sự có khả năng tự cải thiện sẽ cần một môi trường mà nó có thể tự do thử nghiệm, thêm công cụ, loại bỏ công cụ, thay đổi cấu trúc và quay lại trạng thái an toàn khi cần.
Đó chính là bài toán mà DeepSeek đang cố giải quyết ở tầng hạ tầng. Nói một cách đơn giản, Cordis giống như một hệ thống LEGO có thể tự tháo lắp mà không cần tắt cả căn phòng mỗi khi thay một mảnh ghép.
Và nếu AI Agent trong tương lai thực sự có khả năng tự xây dựng và thay đổi chính môi trường của mình, những nền tảng như Cordis có thể trở thành một trong những lớp hạ tầng quan trọng phía sau quá trình đó.
AI hỗ trợ dịch nội dung này.
Nếu chỉ cần nhớ một điều về nghiên cứu này, đó là Cordis.
Hãy hình dung Cordis như một "đế LEGO" dành cho phần mềm. Các thành phần có thể được cắm vào, tháo ra và kết hợp lại một cách linh hoạt. Mỗi thành phần là một plugin, còn hệ thống có thể tự quản lý mối quan hệ giữa chúng. Đây cũng là lý do BlackWhale và DeepSeek Harness hướng tới một kiến trúc mở, trong đó cộng đồng có thể tạo plugin và tùy chỉnh môi trường thực thi. Nghiên cứu mới của DeepSeek được xem là bước phát triển tiếp theo của hướng tiếp cận này. Đáng chú ý, đây là một nghiên cứu có sự tham gia của các nhà nghiên cứu từ DeepSeek và Đại học Bắc Kinh, đồng thời dựa trên kinh nghiệm thực tế từ nền tảng chatbot Koishi.
Cordis là gì?
Nói đơn giản, Cordis là một mô hình quản lý plugin động, cho phép các thành phần phần mềm được tải vào hoặc gỡ bỏ trong khi hệ thống vẫn đang hoạt động. Điểm quan trọng nằm ở chỗ khi một plugin bị gỡ bỏ, hệ thống không chỉ xóa phần mã của plugin đó. Những thay đổi mà plugin đã tạo ra đối với hệ thống cũng có thể được hoàn tác.
Nghiên cứu mô tả Cordis dựa trên một tập hợp các ngữ nghĩa tổng quát cho khả năng kết hợp động. Các thành phần được quản lý bởi một Context có thể được tải và gỡ bỏ trong thời gian chạy, đồng thời những tác động mà chúng tạo ra có thể được thu hồi. Về mặt lý thuyết, nghiên cứu xây dựng trên hai khái niệm quen thuộc trong ngôn ngữ lập trình và lý thuyết hiệu ứng: effects và coeffects. Nhưng Cordis không chỉ tồn tại trên giấy, nó đã được triển khai trong Koishi, một framework chatbot đa nền tảng có khả năng mở rộng. Sau khoảng bốn năm phát triển, hệ sinh thái Koishi đã có hàng nghìn plugin cộng đồng được sử dụng trong thực tế.
Đây chính là điểm đáng chú ý nhất: DeepSeek đang tìm cách đưa những nguyên tắc này vào một bài toán lớn hơn, đó là AI Agent có khả năng tự tiến hóa.
Vì sao AI Agent cần khả năng tự thay đổi?
Có một hạn chế khá phổ biến trong các hệ thống plugin hiện nay: sau khi một plugin được kích hoạt, việc gỡ bỏ nó đôi khi vẫn đòi hỏi phải khởi động lại toàn bộ tiến trình hoặc môi trường chạy.VS Code là một ví dụ dễ hình dung. Một extension có thể được cài đặt như một module độc lập, nhưng khi hệ thống cần vô hiệu hóa hoặc gỡ bỏ một số thành phần, quá trình khởi động lại có thể ảnh hưởng đến toàn bộ môi trường extension.
Với phần mềm thông thường, đây có thể chỉ là một sự bất tiện. Nhưng với AI Agent, vấn đề nghiêm trọng hơn nhiều. Một Agent Harness có thể chứa công cụ, môi trường thực thi, cơ chế kiểm soát quyền truy cập, sandbox, trạng thái phiên, bộ nhớ và nhiều thành phần khác. Nếu mỗi lần thay đổi một công cụ lại phải khởi động lại toàn bộ hệ thống, Agent có thể mất trạng thái, bộ nhớ đệm và ngữ cảnh đã tích lũy.
Hãy tưởng tượng một AI có khả năng tự tạo ra công cụ mới để hoàn thành nhiệm vụ. Nó cài công cụ đó vào môi trường, sử dụng một thời gian rồi phát hiện công cụ có vấn đề và muốn thay thế.
Nếu việc thay thế buộc toàn bộ hệ thống phải khởi động lại, quá trình tự tiến hóa sẽ trở nên rất khó khăn. Đây là vấn đề mà DeepSeek gọi là khả năng kết hợp theo thời gian, hay temporal composability. Nhưng thời gian không phải trở ngại duy nhất. Một hệ thống AI Agent cũng có thể có hàng trăm hoặc hàng nghìn module phụ thuộc lẫn nhau. Plugin A cần plugin B, plugin B cần cơ sở dữ liệu, plugin C lại cần A và B.Nếu các mối quan hệ này không được quản lý tốt, việc thêm hoặc xóa một module có thể tạo ra hàng loạt lỗi phụ thuộc.
Đó là vấn đề của khả năng kết hợp theo không gian, hay spatial composability. Cordis được thiết kế để giải quyết cả hai.
DeepSeek giải quyết bài toán bằng cách nào?
Hai khái niệm quan trọng nhất trong thiết kế của Cordis là reversible effects và reactive coeffects.Reversible effects: Có thể hoàn tác mọi thay đổi
Reversible effects tập trung vào chiều thời gian. Nguyên tắc khá đơn giản: mỗi thay đổi mà một plugin tạo ra đối với Context phải đi kèm một thao tác đảo ngược tương ứng. Khi plugin được tải vào hệ thống, các thay đổi được ghi nhận theo thứ tự. Khi plugin bị gỡ bỏ, hệ thống thực hiện các thao tác đảo ngược theo thứ tự ngược lại.Có thể hình dung giống như chức năng Undo. Bạn đặt nhiều thao tác lên nhau. Thao tác cuối cùng được thực hiện sẽ được hoàn tác trước tiên. Nhờ vậy hệ thống có thể đưa Context trở lại trạng thái trước khi plugin được tải mà không cần khởi động lại toàn bộ tiến trình. Đây là điểm đặc biệt quan trọng đối với AI tự tiến hóa, bởi Agent có thể thử nghiệm, thay đổi công cụ và quay lại trạng thái trước đó khi cần.
Reactive coeffects: Tự quản lý quan hệ phụ thuộc
Nếu reversible effects giải quyết chiều thời gian thì reactive coeffects giải quyết chiều không gian. Trong Cordis, một thành phần có thể khai báo những thành phần khác mà nó cần. Ví dụ, một plugin chatbot có thể khai báo:Nếu cả hai thành phần đều tồn tại, plugin có thể hoạt động. Nếu một thành phần biến mất, plugin phụ thuộc vào nó sẽ tự động dừng hoạt động trước. Sau khi các tác động của plugin phụ thuộc được thu hồi, thành phần cung cấp mới có thể được gỡ bỏ. Khi thành phần phụ thuộc xuất hiện trở lại, plugin có thể tự động được kích hoạt lại.
Điểm đáng chú ý là nhà phát triển không cần viết thủ công toàn bộ logic điều phối này. Hệ thống có thể suy ra quá trình kích hoạt và vô hiệu hóa từ các khai báo phụ thuộc. Sự kết hợp giữa reversible effects và reactive coeffects chính là nền tảng của Cordis. Và đó cũng là ý nghĩa của cụm từ spatiotemporal composability, hay khả năng kết hợp không gian-thời gian.
Koishi: Cordis đã được kiểm chứng trong thực tế
Một trong những phần đáng chú ý nhất của nghiên cứu là Cordis không chỉ được thử nghiệm trong một môi trường giả lập. Nó đã được sử dụng trong Koishi, một framework chatbot mã nguồn mở. Koishi được xây dựng trên Cordis và đã phát triển hệ sinh thái hàng nghìn plugin cộng đồng trong nhiều năm. Các plugin này bao gồm bộ điều hợp cho nền tảng nhắn tin, driver cơ sở dữ liệu, công cụ quản trị và nhiều chức năng khác.Điều này tạo ra một môi trường khá phù hợp để kiểm tra khả năng kết hợp động.
Trong Koishi, quản trị viên có thể vô hiệu hóa một plugin mà không cần dừng toàn bộ hệ thống. Những thay đổi do plugin tạo ra được hoàn tác, trong khi các plugin khác vẫn tiếp tục hoạt động. Trong quá trình phát triển, khi một plugin được chỉnh sửa và tải lại, hệ thống có thể áp dụng phiên bản mới mà không nhất thiết phải làm mất toàn bộ trạng thái và kết nối đang tồn tại. Khả năng kết hợp theo không gian cũng được thể hiện qua hệ thống phụ thuộc.
Một plugin có thể yêu cầu một bộ điều hợp nhắn tin hoặc một hệ thống lưu trữ cụ thể. Khi các thành phần này thay đổi, chỉ những plugin thực sự phụ thuộc vào chúng mới cần phản ứng. Điều này đặc biệt có ý nghĩa trong một hệ sinh thái mở, nơi các plugin có thể được phát triển độc lập bởi nhiều tác giả khác nhau.
Cordis có ý nghĩa gì với AI Agent?
Đây mới là phần đáng chú ý nhất của nghiên cứu DeepSeek.Một AI Agent tự tiến hóa trong tương lai có thể không chỉ sử dụng những công cụ do con người cung cấp. Nó có thể tự tạo công cụ mới dựa trên nhiệm vụ, cài đặt chúng vào môi trường thực thi, đánh giá kết quả và thay thế công cụ khi phát hiện vấn đề.
Muốn làm được điều đó, môi trường chạy Agent phải có khả năng thay đổi linh hoạt.
Nếu mỗi thay đổi đều yêu cầu khởi động lại, Agent có thể mất trạng thái và ngữ cảnh.
Nếu các module phụ thuộc lẫn nhau quá chặt chẽ, việc thay đổi một công cụ có thể kéo theo hàng loạt lỗi.
Cordis đưa ra một cách tiếp cận trong đó:
Plugin có thể được thêm vào.
Plugin có thể được tháo ra.
Những thay đổi của plugin có thể được hoàn tác.
Các thành phần phụ thuộc có thể tự phản ứng khi môi trường thay đổi.
Đây chính là cơ sở hạ tầng mà một hệ thống AI có khả năng tự sửa đổi và tự tiến hóa có thể cần đến.
Những người đứng sau nghiên cứu
Nghiên cứu có sự tham gia của các nhà nghiên cứu đến từ DeepSeek và Đại học Bắc Kinh. Một trong những cái tên đáng chú ý là Yifan Shi, người có liên quan đến dự án Koishi và từng xuất hiện trong các nghiên cứu trước đây của DeepSeek. Koishi đã tồn tại khoảng bốn năm và trở thành nền tảng thực tế để phát triển Cordis. Khái niệm về reversible plugin system cũng từng được trình bày trong tài liệu thiết kế của Koishi từ trước khi nghiên cứu mới được công bố.Một tác giả khác là Wei Zhang, phó giáo sư tại Viện Phần mềm, Trường Khoa học Máy tính, Đại học Bắc Kinh. Lĩnh vực nghiên cứu của ông bao gồm kỹ thuật phần mềm và ngôn ngữ lập trình. Người thứ ba là Cui Tianyi, trưởng nhóm DeepSeek Harness. Ông tốt nghiệp Khoa Khoa học Máy tính của Đại học Chiết Giang và từng có thời gian làm việc tại Jane Street ở Hong Kong và New York.
Sự kết hợp giữa nghiên cứu học thuật, kinh nghiệm xây dựng hệ thống plugin và phát triển Agent Harness khiến nghiên cứu về Cordis đáng chú ý hơn một bài báo lý thuyết thông thường.
DeepSeek đang hướng đến điều gì?
Nếu nhìn riêng Cordis, đây có thể chỉ là một kiến trúc plugin linh hoạt hơn. Nhưng nếu đặt nó trong bối cảnh AI Agent và AI tự tiến hóa, ý nghĩa lại khác.Một Agent thực sự có khả năng tự cải thiện sẽ cần một môi trường mà nó có thể tự do thử nghiệm, thêm công cụ, loại bỏ công cụ, thay đổi cấu trúc và quay lại trạng thái an toàn khi cần.
Đó chính là bài toán mà DeepSeek đang cố giải quyết ở tầng hạ tầng. Nói một cách đơn giản, Cordis giống như một hệ thống LEGO có thể tự tháo lắp mà không cần tắt cả căn phòng mỗi khi thay một mảnh ghép.
Và nếu AI Agent trong tương lai thực sự có khả năng tự xây dựng và thay đổi chính môi trường của mình, những nền tảng như Cordis có thể trở thành một trong những lớp hạ tầng quan trọng phía sau quá trình đó.
AI hỗ trợ dịch nội dung này.
