Hướng Dẫn Kimi Claw: Cẩm Nang Kèm Ví Dụ Thực Tiễn

Ví dụ 2: Thiết lập tác vụ theo lịch

Trong ví dụ này, tôi yêu cầu Kimi Claw thực hiện một tác vụ theo lịch gồm tìm kiếm web và tạo tóm tắt. Kimi Claw đã hiểu chỉ dẫn như một quy trình lặp lại và tự động tạo tác vụ theo lịch kiểu cron chạy mỗi ngày.

Lời nhắc:

Search for new papers, model releases, and tools in LLMs and multimodal AI at 9:00 AM daily and provide me 5 key updates.Được hỗ trợ bởi

Tác nhân tiến hành tìm kiếm web các bài báo mới, phát hành mô hình và công cụ trong LLMs và AI đa phương thức, rồi gửi tóm tắt ngắn gọn với năm cập nhật chính mỗi sáng. Như ảnh chụp màn hình cho thấy, Kimi Claw tự động tạo một tác vụ kiểu cron chạy hằng ngày lúc 9:00 sáng chỉ với một lời nhắc ngôn ngữ tự nhiên. Trải nghiệm này giống như biến một chỉ dẫn chat đơn giản thành tác vụ nền bền vững.

Một khía cạnh đáng chú ý khác là quản lý tác vụ. Tôi đã thử thêm một bản tin tương tự thứ hai và sau đó xóa cả hai. Việc tạo, cập nhật và xóa các tác vụ theo lịch đơn giản như đưa ra lệnh chat tiếp theo, giúp quản trị tự động hóa liên tục nhẹ nhàng và mang tính hội thoại.

Khi đã cấu hình, các tác vụ này chạy độc lập với phiên chat và biến Kimi Claw thành hệ thống giám sát liên tục cho các miền thông tin cụ thể. Tuy nhiên, hạn chế hiện tại là khả năng quan sát vận hành. Dù thực thi kiểu cron hoạt động ổn định, nhưng khả năng xem log chạy, lịch sử gửi hay xử lý lỗi còn hạn chế, chỉ cung cấp cho người dùng mức giám sát và kiểm soát tối thiểu với vòng đời tác vụ.

Tổng thể, ví dụ này minh họa một trong những năng lực thực tiễn nhất của Kimi Claw: chuyển một lời nhắc đơn giản thành tác vụ cron bền vững, liên tục thu thập và tóm tắt thông tin với thiết lập tối thiểu.

Ví dụ 3: Thư viện Kỹ năng ClawHub

Trong ví dụ này, Kimi Claw thể hiện khả năng mở rộng chức năng thông qua Thư viện Kỹ năng ClawHub, biến tác nhân thành công cụ phân tích theo nhiệm vụ cụ thể thay vì chỉ dựa vào suy luận tổng quát.

Lời nhắc

Search ClawHub and install the best skill for CSV EDA and insights (charts if supported). After installing, run a step-by-step flow and ask me the minimum questions needed, then analyze the dataset.Được hỗ trợ bởi

Sau lời nhắc, hệ thống tự động tìm kiếm ClawHub, chọn một kỹ năng phân tích CSV phù hợp và khởi chạy một quy trình có cấu trúc. Thay vì lập tức chạy phân tích, nó trước tiên hỏi một số câu hỏi nhắm mục tiêu về mục tiêu và ngữ cảnh của tập dữ liệu. 

Quy trình tiếp nhận theo từng bước này quan trọng vì cho thấy kỹ năng tuân theo một pipeline thực thi được định nghĩa, thay vì tạo một bản EDA chung chung.

Khi đã làm rõ đầu vào, kỹ năng thực hiện phân tích đầu-cuối, gồm tổng quan dữ liệu, kiểm tra chất lượng, thông tin chính và tạo biểu đồ. Tuy nhiên, hạn chế chính xuất hiện ở phần xử lý đầu ra. 

Mặc dù biểu đồ đã được tạo, nhưng không được hiển thị trực tiếp trong giao diện chat. Thay vào đó, hệ thống trả về đường dẫn tệp: /root/.openclaw/workspace/ev_brand_analysis.png. 

Đường dẫn này trỏ tới không gian làm việc nội bộ trên đám mây, không thể truy cập trực tiếp từ trình duyệt. Do đó, không thể xem trước hay dễ dàng tải xuống các trực quan hóa.

Tổng thể, việc thực thi kỹ năng là đáng tin và theo định hướng quy trình, hữu ích cho các tác vụ có cấu trúc như phân tích tập dữ liệu. Tuy nhiên, khả năng quan sát hiện vật và truy cập tệp còn hạn chế, làm giảm tính hữu dụng cho các quy trình tạo đầu ra có thể tải xuống.

Ví dụ 4: Nhiệm vụ nghiên cứu nhiều bước

Trong ví dụ này, tôi thử yêu cầu Kimi Claw xử lý một nhiệm vụ định hướng nghiên cứu đòi hỏi thu thập thông tin từ nhiều nguồn và tổng hợp thành một so sánh có cấu trúc. Sau lời nhắc, tác nhân thực hiện tìm kiếm web và tổ chức phát hiện thành một báo cáo rõ ràng.

Research the top 5 open-source agent frameworks.
Compare:
- Architecture
- Memory model
- Tool support
- Production readiness
Return a structured report.Được hỗ trợ bởi

Tôi nhận thấy thay vì liệt kê thông tin theo trình tự, phản hồi được cấu trúc để so sánh, giúp dễ đánh giá điểm mạnh yếu giữa các framework. Điều này cho thấy Kimi Claw áp dụng một quy trình phong cách lập kế hoạch cho các nhiệm vụ nghiên cứu rộng, nơi truy xuất và tổng hợp thông tin diễn ra song hành thay vì tách rời.

Một khía cạnh đáng chú ý khác là hiệu quả. Nhiệm vụ hoàn thành trong thời gian hợp lý và không cần làm rõ bổ sung, cho thấy Kimi Claw xử lý tốt các lời nhắc được xác định rõ ràng, có nhiều ràng buộc ngay cả khi không có hướng dẫn chi tiết từng bước.

Tuy nhiên, các hạn chế bản beta hiện tại vẫn hiện rõ. Dù chất lượng đầu ra tốt, một số phần thiếu trích dẫn nguồn hoặc giả định rõ ràng, điều quan trọng cho quyết định kỹ thuật. Với các quy trình nghiên cứu sâu hơn, xác minh bổ sung hoặc kiểm chứng thủ công có thể vẫn cần thiết.

Dẫu vậy, dù đang ở giai đoạn beta và có vài ràng buộc vận hành, nó vẫn hiệu quả trong việc biến một lời nhắc thành một bản tóm lược nghiên cứu có cấu trúc — vốn dĩ cần nhiều lượt tìm kiếm và bước thủ công.

Ví dụ 5: Nhà phân tích AI trên Telegram

Trong ví dụ này, tôi kiểm thử khả năng của Kimi Claw hoạt động như một tác nhân giao tiếp bên ngoài bằng cách tích hợp với Telegram sử dụng token từ BotFather (một bot tạo bot).

Lời nhắc

Configure Telegram channel and test:
Team Q&AMeeting summariesResearch bot for groupĐược hỗ trợ bởi

Kimi Claw tạo hướng dẫn từng bước, xử lý quá trình ghép nối và xác nhận kết nối mà không cần bất kỳ cấu hình thủ công nào ngoài giao diện chat. Điều này cho thấy Kimi Claw có thể xử lý tích hợp bên ngoài thông qua chỉ dẫn ngôn ngữ tự nhiên có hướng dẫn thay vì quy trình cấu hình thủ công truyền thống.

Tuy nhiên, hành vi vận hành sau khi kết nối không nhất quán. Bot không phản hồi ổn định trong môi trường Telegram, và các tương tác theo nhóm như Hỏi đáp nhóm hay trợ lý nghiên cứu không hoạt động như mong đợi. 

Điều này phù hợp với tài liệu hiện tại, cho biết tích hợp kênh vẫn đang ở bản beta và có thể không hoạt động ổn định trong mọi tình huống.

Điều rút ra là tuy quy trình tích hợp đã hoạt động, độ tin cậy thời gian chạy cho các kênh bên ngoài vẫn chưa sẵn sàng cho sản xuất. Tính năng này có tiềm năng biến Kimi Claw thành trợ lý nhóm trên các nền tảng giao tiếp, nhưng hiện tại nên coi là mang tính thử nghiệm.

Kết luận

Trong hướng dẫn này, Kimi Claw cho thấy cách một mô hình hội thoại có thể hoạt động như một tác nhân xử lý công việc liên tục thay vì truy vấn một lần. Qua các ví dụ, nó có thể biến chỉ dẫn ngôn ngữ tự nhiên đơn giản thành công việc theo lịch, nghiên cứu có cấu trúc, phân tích dựa trên kỹ năng và tích hợp bên ngoài mà không cần nhiều can thiệp từ con người.

Đồng thời, các thử nghiệm thực hành cũng nêu bật ranh giới hiện tại. Trong khi lập lịch và quy trình nghiên cứu hoạt động ổn định, các mảng như quan sát hiện vật, truy cập tệp, kiểm soát giám sát và tích hợp kênh bên ngoài vẫn còn hạn chế. 

Nhìn chung, Kimi Claw phát huy tốt nhất cho các quy trình rộng, bất đồng bộ như giám sát hằng ngày, nghiên cứu nhiều bước và tự động hóa gọn nhẹ. Với nhà phát triển, nhà nghiên cứu và người làm tri thức muốn khám phá quy trình tác nhân (đặc biệt là không cần thiết lập OpenClaw trên thiết bị và không phải quản lý hạ tầng), đây là một môi trường đơn giản và hứa hẹn để bắt đầu thử nghiệm.

Nếu bạn muốn tìm hiểu thêm về xây dựng quy trình tác nhân, tôi khuyến nghị xem khóa học Multi-Agent Systems With LangGraph.