Learner Agent Workflows: State Machine Lifecycle
Tài liệu này chi tiết hóa cách phân chia nhiệm vụ vận hành và sơ đồ trạng thái (State Machine Lifecycle) điều phối hành vi của Learner Agent.
1. Role Division: Learner Agent vs. Cloudflare Workflow
Sự phối hợp chặt chẽ giữa trạng thái thời gian thực và xử lý nền bền vững được phân định rõ ràng như sau:
| Tác vụ / Quy trình | Learner Agent (Agents SDK) | Cloudflare Workflows |
|---|---|---|
| Tiếp nhận & điều phối sự kiện ban đầu | Chính (Duy trì WebSocket, phản hồi tức thì) | Phụ (Lưu trữ log lâu dài) |
| Chấm điểm tự luận bằng AI | Theo dõi trạng thái nộp bài | Chính (Durable, cần retry nếu gọi LLM lỗi) |
| Chấm bài thực hành bằng Verifier Scripts | Nhận kết quả cuối cùng | Chính (Chạy sandbox dài hơi) |
| Cập nhật trạng thái Learner Model | Lưu trữ bản tóm tắt nhanh (Summary State) | Chính (Đảm bảo ACID, chống tranh chấp version) |
| Lập lịch nhắc nhở người học | Chính (Hỗ trợ định giờ chạy method chính xác) | Phụ (Gọi api gửi tin nhắn) |
| Phát hiện người học bị kẹt (Stuck) | Kích hoạt bộ đếm giờ không hoạt động | Chính (Truy vấn phân tích sâu lịch sử) |
| Tự động khôi phục khi có lỗi hệ thống | Tự khôi phục trạng thái bộ nhớ từ SQLite | Chính (Tự động retry các bước bị crash) |
2. State Machine Lifecycle Diagram
Mỗi Learner Agent được quản lý vòng đời chặt chẽ thông qua các trạng thái (States) lưu trữ bền vững trong SQLite của Agents SDK:
INITIALIZING (Đang khởi tạo)
│
▼
READY (Sẵn sàng)
│
▼
TASK_ASSIGNED (Đã giao bài)
│
▼
TASK_IN_PROGRESS (Đang làm bài)
├── BLOCKED (Bị kẹt bài)
├── INACTIVE (Không hoạt động)
└── SUBMITTED (Đã nộp bài)
│
▼
EVALUATING (Đang chấm điểm)
│
┌──────────────┼──────────────┐
▼ ▼ ▼
PASSED REVISION REMEDIATION
(Vượt qua) (Yêu cầu sửa) (Bổ túc kiến thức)
│ │ │
└──────────────┼──────────────┘
│
▼
SELECTING_NEXT_ACTION (Đang chọn hành động mới)
│
▼
TASK_ASSIGNED (Quay lại vòng lặp)Ví dụ cấu hình bước chuyển đổi trạng thái (State Transition Record):
typescript
{
fromState: "TASK_IN_PROGRESS",
event: "TASK_SUBMITTED",
guardConditions: [
"submissionExists",
"requiredDeliverablesPresent"
],
actions: [
"saveSubmissionMetadata",
"triggerEvaluationWorkflow"
],
toState: "EVALUATING"
}3. Hackathon Deployment Phases
Để tối ưu hóa thời gian phát triển và chứng minh năng lực công nghệ thuyết phục nhất với Ban giám khảo tại Hackathon 2026, chúng tôi quy hoạch lộ trình triển khai theo 3 giai đoạn:
Phase 1: Basic Demo Loop (Bắt buộc)
- Quy trình tập trung: Learner Initialization, Quiz Evaluation, Evidence Processing, Learner Model Update, Next Best Action.
- Kịch bản Trình diễn: Học viên hoàn thành quiz -> Hệ thống tự động phân tích phát hiện lỗ hổng năng lực -> Cập nhật Learner Model -> Agent tự động gợi ý bài tập tiếp theo phù hợp ngay lập tức.
Phase 2: Adaptive AI Integration
- Quy trình tập trung: Task Submission Evaluation, Feedback and Revision, Misconception Management, Stuck Learner Detection.
- Kịch bản Trình diễn: Học viên làm sai bài thực hành nhiều lần với độ tự tin cao -> AI nhận diện ngộ nhận cốt lõi -> Đưa ra tài liệu bổ túc (Remediation) và kiểm tra lại bằng câu hỏi chuyển đổi ngữ cảnh.
Phase 3: Autonomous Operations
- Quy trình tập trung: Progress Review, Recommendation Outcome Evaluation, Notification, Failure Recovery.
- Kịch bản Trình diễn: Hệ thống tự động theo dõi, tự lập lịch đánh giá tiến độ cuối tuần, tự phát hiện khi nào các gợi ý của AI không hiệu quả để điều chỉnh chiến lược tương tác, tự động chạy lại các bước bị lỗi mạng mà không cần can thiệp từ quản trị viên.