Kimi K2.5 và Agent Swarm: Hướng dẫn với bốn ví dụ thực tiễn

Tuy nhiên, điểm trừ là một số nhận định trong bản viết cuối có cảm giác thiếu trích dẫn hoặc quá tuyệt đối, và hướng dẫn sẽ vững vàng hơn nếu có liên kết, nguồn và giả định rõ ràng (phần cứng, kích thước mô hình, kích thước batch, độ dài ngữ cảnh), bởi khuyến nghị cho sản xuất phụ thuộc ngữ cảnh rất nhiều. Nhìn chung, nó xử lý một lời nhắc phức tạp nhiều phần và trả về một cẩm nang gọn ghẽ, dùng ngay được, trông sẵn sàng cho sản xuất. 

Tạo và gán nhãn dữ liệu

Tiếp theo, tôi thử Agent Swarm trên nhiệm vụ xây dựng tập dữ liệu bằng cách yêu cầu Kimi K2.5 tạo một bộ chuẩn gồm 100 bài toán đố toán học có lời giải từng bước và nhãn độ khó. Tôi cũng yêu cầu rõ dùng 20 tác tử để xem nó bám sát ràng buộc kích thước swarm đến đâu trong khi vẫn giữ chất lượng.

Prompt: 

Build a small benchmark dataset of 100 math word problems with step-by-step solutions and difficulty labels. Use at least 20 agents to generate problems in parallel, verify solutions independently, and calibrate difficulty.Được hỗ trợ bởi

Kimi K2.5 Agent Swarm xem việc tạo tập dữ liệu là một pipeline ba giai đoạn, gồm tạo sinh, kiểm chứng và hiệu chuẩn. Dù lời nhắc yêu cầu ít nhất 20 tác tử, hệ thống tự động sinh 25 tác tử phụ, ưu tiên tính đúng đắn hơn là bám chặt con số được yêu cầu. Điều thú vị là khoảng năm tác tử hoạt động tích cực cùng lúc trong khi các tác tử khác xếp hàng đợi và tiếp tục khi tiểu nhiệm vụ trước hoàn thành, gợi ý một cơ chế lập lịch nội bộ. 

Mỗi tác tử tạo sinh xử lý một miền toán riêng và tạo năm bài toán kèm lời giải từng bước, sau đó 10 tác tử được phân cho kiểm chứng, và một nhóm nhỏ năm tác tử tập trung hiệu chuẩn độ khó. 

Điểm mạnh nổi bật ở đây là sự tách bạch rõ ràng nhiệm vụ và dự phòng trong bước kiểm chứng, giúp cải thiện thực chất chất lượng tập dữ liệu. Điểm trừ chính là độ trễ và nút thắt tuần tự. 

Toàn bộ lượt chạy mất khoảng 20–25 phút, khiến cách tiếp cận này phù hợp hơn cho tạo chuẩn chất lượng cao thay vì lặp nhanh. Dù có 25 tác tử, một số vẫn phải chờ tác tử khác xong việc, nghĩa là swarm vẫn bị giới hạn bởi logic các bước.

Dù vậy, khả năng điều chỉnh linh hoạt số tác tử cho từng tiểu nhiệm vụ, tái sử dụng tác tử nhàn rỗi và hội tụ về một tập dữ liệu có nhãn là minh chứng mạnh mẽ cho cách Agent Swarm vận hành. 

Hỏi đáp đa phương thức ở quy mô lớn 

Tiếp theo, tôi đẩy Kimi K2.5 vào một quy trình đa phương thức bằng cách cung cấp nhiều hình ảnh nhãn dinh dưỡng và yêu cầu so sánh có cấu trúc. Mục tiêu là xem nó trích xuất, chuẩn hóa và kiểm chứng dữ liệu trực quan tốt đến đâu.

Prompt: 

I’m sharing images of nutrition labels from 7 packaged food items. Analyze them and produce a clear comparison specifically:
Extract fields like: calories, protein, total fat, sugar, sodium,  from each label.Normalize all values to a per-100g basis so items are comparableDouble-check numeric consistency (e.g. serving size vs totals)Rank the products from healthiest to least healthy, explaining the reasoningReturn a comparison table with normalized values for all items. Also include a summary highlighting, best high-protein option, the lowest sugar option, and items to avoid and why.
Assume the labels may vary in format and serving size. Resolve ambiguities where possible and note any missing or unclear values.Được hỗ trợ bởi

Trong thử nghiệm QA đa phương thức này, Kimi K2.5 Agent Swarm phân rã nhiệm vụ theo hướng mỗi nhãn cho một tác tử phụ, khởi tạo bảy tác tử phụ song song để trích xuất trường dinh dưỡng từ mỗi hình ảnh trong khi một tác tử điều phối xử lý chuẩn hóa, đối chiếu và xếp hạng. 

Điều thú vị ở Kimi là các ràng buộc bạn nêu trong lời nhắc (trích xuất, chuẩn hóa, kiểm chứng, xếp hạng) thực chất trở thành bản thiết kế cho cách Kimi khởi tạo và phân công tác tử phụ.

Điều gây ấn tượng với tôi là swarm coi trọng bước kiểm chứng; tức là sau khi trích xuất, bộ điều phối chủ động hòa giải kích cỡ khẩu phần, chuẩn hóa giá trị và gắn cờ các điểm mơ hồ thay vì đoán mò trong im lặng. Bước tổng hợp cuối, nơi xếp hạng sản phẩm và chỉ ra lựa chọn giàu đạm nhất và ít đường nhất, thể hiện logic tổng hợp mạnh trên đầu vào trực quan.

Ở chiều ngược lại, phân tích 7 ảnh độ phân giải cao bằng swarm tốn tài nguyên tính toán, khiến đây là tính năng cao cấp hơn là công cụ trò chuyện nhanh. 

Ví dụ này cũng bộc lộ một hạn chế hiện tại; trong khi phân tích đa phương thức dựa trên hình ảnh hoạt động tốt, đầu vào video trực tiếp chưa được hỗ trợ, nên lần thử tiếp theo để tạo công thức nấu ăn từ video nấu ăn không thể thực thi. 

Tổng thể, bản demo này nêu bật sức mạnh của Agent Swarm trong trích xuất hình ảnh song song và hòa giải có cấu trúc.

Lập trình một trò chơi

Cuối cùng, tôi thử khả năng lập trình của Kimi K2.5 bằng cách yêu cầu xây dựng từ đầu một trò Bubble Shooter tương tác đầy đủ. Thử nghiệm này nêu bật cách mô hình xử lý việc tạo mã đầu-cuối có trạng thái, nơi tính mạch lạc quan trọng hơn song song hóa.

Prompt: 

```markdown

Xây dựng một trò chơi Bubble Shooter có thể chơi hoàn chỉnh chạy cục bộ trong trình duyệt web. Trò chơi hỗ trợ ngắm bằng chuột và chạm, hiển thị đường ngắm trực tiếp, bắn bong bóng màu từ giữa cạnh dưới, bật tường hai bên và gắn bong bóng vào lưới phía trên khi va chạm. 

Triển khai logic chơi cốt lõi bao gồm nổ nhóm từ ba bong bóng trở lên cùng màu kết nối, thả các cụm rời rạc, theo dõi và hiển thị điểm số, hiển thị bong bóng tiếp theo, và kết thúc trò khi bong bóng vượt qua vạch nguy hiểm gần đáy.

Giữ đồ họa đơn giản nhưng phản hồi tốt, bao gồm nút chơi lại, và kết thúc bằng hướng dẫn ngắn gọn cách chạy và kiểm thử trò chơi cục bộ.

```

Trong thử nghiệm xây dựng trò chơi này, Kimi K2.5 Agent Swarm đưa ra lựa chọn thận trọng đáng chú ý khi chỉ phân bổ một tác tử phụ để xử lý toàn bộ nhiệm vụ. 

Quyết định đó tự thân đã là một quan sát thú vị vì hệ thống nhận diện đúng đây là vấn đề lập trình có trạng thái, liên kết chặt, nơi song song hóa mạnh sẽ tăng chi phí điều phối mà không mang lại lợi ích. 

Tác tử đã tạo một bản triển khai Bubble Shooter hoàn chỉnh có thể chạy cục bộ với tính năng ngắm, bật tường, gắn lưới, nổ nhóm ba, theo dõi điểm và logic chơi lại, thể hiện cả cơ chế chơi và luồng giao diện. 

Điều tôi đặc biệt thích là đầu ra có cảm giác mạch lạc và tích hợp, nhưng đánh đổi là tinh chỉnh và đánh bóng có lẽ cần lặp nhắc nhiều lần, vì mọi thứ chạy qua một tác tử duy nhất. 

Tổng thể, ví dụ này cho thấy Agent Swarm trong Kimi K2.5 không phải lúc nào cũng sinh thêm tác tử, mà là chỉ dùng song song hóa khi nó thực sự cải thiện kết quả.

Kết luận

Trong hướng dẫn này, Kimi K2.5 thể hiện khả năng phân rã nhiệm vụ phức tạp, phân bổ tác tử linh hoạt và tạo đầu ra có cấu trúc, sẵn sàng ra quyết định mà trước đây thường cần một nhóm nhỏ chứ không chỉ một mô hình.

Đồng thời, các ví dụ cũng làm rõ các giới hạn của nó. 

Agent Swarm vượt trội ở các quy trình rộng, nặng công cụ như nghiên cứu, xây dựng tập dữ liệu và trích xuất đa phương thức, nhưng ít mang lại lợi thế cho các nhiệm vụ liên kết chặt, có trạng thái như phát triển trò chơi tương tác. 

Nó cũng đem đến những đánh đổi thực sự về độ trễ, chi phí và tốc độ lặp, đặc biệt khi ưu tiên kiểm chứng và hòa giải hơn là thông lượng thô.

Tổng thể, Kimi K2.5 đưa ra một bản phác thảo hấp dẫn về hướng đi của các hệ thống agentic. Với những nhà phát triển và nhà nghiên cứu sẵn sàng thử nghiệm quy trình dựa trên tác tử, đây là một trong những mô hình thú vị nhất để khám phá hiện nay.

Nếu bạn muốn tìm hiểu thêm về cách AI kiểu tác tử hoạt động, tôi khuyên bạn xem lộ trình kỹ năng AI Agent Fundamentals.