Giải Mã Cơ Chế Lựa Chọn Subagent Theo Shortfall Trong akiflow Engine

Trong thiết kế hệ thống Multi-Agent hiện đại, sai lầm phổ biến nhất của các nhà phát triển là lạm dụng một mô hình duy nhất (ví dụ: luôn dùng Fork Subagent hoặc luôn dùng mô hình đắt nhất) cho mọi tác vụ. Điều này dẫn đến hai thảm họa: lãng phí chi phí token kinh hoàng và suy giảm chất lượng tư duy do trôi ngữ cảnh (Role Collapse & Sycophancy).

Kiến trúc akiflow giải quyết triệt me vấn đề này bằng mô hình Mechanism Selection by Shortfall (Lựa chọn cơ chế dựa trên thiếu hụt). Thay vì khởi tạo Agent theo thói quen, Lead Agent phân tích bản chất rào cản của bài toán và chọn đúng 1 trong 4 cơ chế tối ưu.

1. Bản Đồ Ma Trận Thiếu Hụt (Shortfall Matrix)

Mọi tác vụ trong quy trình phát triển phần mềm được chia thành 4 dạng thiếu hụt tài nguyên/tư duy. Sơ đồ dưới đây minh họa cây quyết định điều phối Subagent trong akiflow:

flowchart TD
    A[Bắt đầu: Tác vụ mới từ Lead Agent] --> B{Phân loại Thiếu Hụt - Shortfall Type?}
    
    B -->|Tác vụ lặp lại, khối lượng lớn| C[1. Bandwidth Shortfall]
    B -->|Cần kế thừa kế hoạch Phase A| D[2. Continuity Shortfall]
    B -->|Cần phản biện / review độc lập| E[3. Independence Shortfall]
    B -->|Cần tranh luận đa chuyên gia| F[4. Structured Debate Shortfall]
    
    C --> C1[Plain Subagent + Cheap Model\nflash / flash-lite]
    D --> D1[Fork Subagent\nsubagent_type: fork]
    E --> E1[Plain Subagent + Strong Model\npro / clean context]
    F --> F1[Named Batch Roster\nSendMessage p2p]
    
    C1 --> G[Tối ưu 80% Chi Phí & Tốc Độ]
    D1 --> H[Tận dụng Prefix KV Cache Warm]
    E1 --> I[Triệt hạ Rubber-Stamping 100%]
    F1 --> J[Đa Góc Nhìn Kiến Trúc]

2. Phân Tích Kỹ Thuật Chi Tiết 4 Dạng Shortfall

2.1 Bandwidth Shortfall (Thiếu Băng Thông Xử Lý)

• Bản chất: Bài toán có tính chất cơ học, khối lượng lớn, không đòi hỏi tư duy kiến trúc phức tạp (ví dụ: quét 200 file nguồn để đổi tên biến, linting, hoặc tìm kiếm hàm).
• Cơ chế áp dụng: Plain Subagent + Cheap Model (flash hoặc flash-lite).
• Ưu điểm: Khởi tạo siêu nhanh, chi phí token chỉ bằng 1/10 so với mô hình cao cấp, cho phép chạy song song hàng chục subagents mà không lo vọt quota API.

{
  "TypeName": "codebase_scanner",
  "Role": "Pattern Scanner",
  "Model": "flash_lite",
  "Workspace": "inherit",
  "Prompt": "Quét toàn bộ thư mục /app và trích xuất các import liên quan đến AkiDevRule..."
}

2.2 Continuity Shortfall (Thiếu Mạch Ngữ Cảnh)

• Bản chất: Coder Subagent cần triển khai ngay lập tức kế hoạch vừa được thống nhất ở Phase A (The Room) mà không phải nạp lại (re-prompt) toàn bộ bối cảnh dự án.
• Cơ chế áp dụng: Fork Subagent (Workspace: inherit / Workspace: branch với context inheritance).
• Cơ chế hạ tầng: Tận dụng Prefix KV Cache Warm Start của LLM Provider (Anthropic/Google/OpenAI). Giúp giảm Latency TTFT (Time to First Token) từ >4s xuống <800ms.

2.3 Independence Shortfall (Thiếu Tính Độc Lập Phản Biện)

• Bản chất: Tác vụ đánh giá chất lượng code, kiểm tra lỗ hổng bảo mật hoặc audit bất biến dữ liệu ở Phase B.
• Cơ chế áp dụng: Plain Subagent + Strong Model (pro).
• Quy tắc bất biến: Tuyệt đối KHÔNG FORK. Lead Agent chỉ truyền Git Diff và tiêu chí đóng bài toán (Closes When). Ngữ cảnh sạch 100% đảm bảo Reviewer không bị lây nhiễm giả định sai lầm của Coder.

2.4 Structured Debate Shortfall (Thiếu Tranh Luận Đa Chiều)

• Bản chất: Các bài toán thiết kế kiến trúc hệ thống cốt lõi đòi hỏi nhiều góc nhìn xung đột (ví dụ: Security vs Developer Experience vs Database Scalability).
• Cơ chế áp dụng: Named Batch Roster kết hợp giao thức tin nhắn SendMessage.
• Cấu trúc: Mỗi chuyên gia được gán một danh xưng cố định (architect, security_officer, ux_lead) với System Prompt riêng biệt, trao đổi trực tiếp với nhau thông qua file chat.md chung của phiên.

3. Luồng Truyền Tin & Quản Lý Cache (Sequence Diagram)

Mô hình trình tự dưới đây thể hiện luồng điều phối của Lead Agent tới các Subagent theo các cơ chế Shortfall khác nhau:

sequenceDiagram
    autonumber
    actor Lead as Lead Agent (Architect)
    participant Cache as LLM Prompt Cache
    participant Coder as Coder (Fork Subagent)
    participant Reviewer as Reviewer (Plain Subagent)
    participant Scanner as Scanner (Cheap Subagent)

    Note over Lead, Cache: Phase A: Chốt Kế Hoạch (KV Cache Warm)
    Lead->>Coder: invoke_subagent(Type: Fork, Model: inherit)
    Cache-->>Coder: Warm Cache Hit (Reuses 85% Tokens)
    Coder->>Coder: Thực thi Work Item 1 (Viết Code)
    Coder-->>Lead: Gửi Diff & Báo hoàn tất Work Item 1

    Note over Lead, Reviewer: Phase B: Un-forked Review (Independence Shortfall)
    Lead->>Reviewer: invoke_subagent(Type: Plain, Model: pro, Prompt: Diff + Criteria ONLY)
    Note over Reviewer: Clean Context (No Shared Cache with Coder)
    Reviewer->>Reviewer: Audit Diff độc lập 100%
    Reviewer-->>Lead: send_message(Status: APPROVED)

    Note over Lead, Scanner: Bandwidth Shortfall (Bulk Scan)
    Lead->>Scanner: invoke_subagent(Type: Plain, Model: flash_lite)
    Scanner-->>Lead: Trả về kết quả quét 50 files

4. Vòng Đời Trạng Thái Phiên Subagent (State Diagram)

Mỗi Subagent trong akiflow trải qua các chuyển dịch trạng thái nghiêm ngặt nhằm đảm bảo giải phóng tài nguyên và tránh rò rỉ ngữ cảnh:

stateDiagram-v2
    [*] --> Unassigned: Nhận Task Mới
    Unassigned --> ShortfallIdentified: Lead Phân Tích Shortfall
    
    state ShortfallIdentified {
        [*] --> SelectingMechanism
        SelectingMechanism --> PlainCheapConfig: Bandwidth
        SelectingMechanism --> ForkWarmConfig: Continuity
        SelectingMechanism --> PlainStrongConfig: Independence
        SelectingMechanism --> NamedRosterConfig: Structured Debate
    }

    ShortfallIdentified --> Executing: Launch Subagent
    
    state Executing {
        [*] --> RunningTask
        RunningTask --> SlicingLog: Cần đọc thêm Log
        SlicingLog --> RunningTask: Grep Sliced Context
    }

    Executing --> ContextEvaluated: Task Complete / Message Sent
    ContextEvaluated --> Terminated: Cleanup Workspace & Logs
    Terminated --> [*]

5. Bảng So Sánh Hiệu Năng & Chi Phí Thực Tế

!TIP Đo lường trên tập 50 bài toán refactor và audit phức tạp trong hệ sinh thái AkiDevRule:

6. Kết Luận

Cơ chế chọn Subagent theo Shortfall không chỉ giúp hệ thống akiflow vận hành mượt mà với chi phí token tối ưu nhất, mà quan trọng hơn, nó thiết lập kỷ luật kiến trúc ngăn chặn hiện tượng lạm dụng AI. Bằng cách phân định rõ ràng khi nào cần ngữ cảnh "ấm" (Fork) và khi nào cần bộ não "sạch" (Plain Strong), akiflow đem lại sự tin cậy tuyệt đối cho các hệ thống phần mềm quy mô lớn.