Routing workflows

📖 Nội dung bài học

Tóm tắt

Định tuyến luồng công việc giải quyết một vấn đề phổ biến trong các ứng dụng AI: các loại yêu cầu khác nhau từ người dùng cần các cách xử lý khác nhau. Thay vì dùng một prompt chung, bạn có thể phân loại các yêu cầu đến và định tuyến chúng đến các quy trình xử lý chuyên biệt.

Vấn đề với `prompt` chung

Hãy xem xét một công cụ tiếp thị truyền thông xã hội tạo ra kịch bản video từ các chủ đề của người dùng. Người dùng có thể nhập "lập trình" hoặc "lướt ván" làm chủ đề của họ, nhưng chúng sẽ tạo ra các loại nội dung rất khác nhau:

Các chủ đề lập trình cần nội dung giáo dục với các giải thích và định nghĩa rõ ràng. Các chủ đề lướt ván phù hợp hơn với các kịch bản tập trung vào giải trí, nhấn mạnh sự phấn khích và sức hấp dẫn trực quan. Một prompt chung duy nhất không thể xử lý cả hai một cách hiệu quả.

Thiết lập các danh mục nội dung

Bước đầu tiên là xác định các loại nội dung khác nhau mà ứng dụng của bạn có thể cần tạo. Bạn có thể phân loại các yêu cầu thành các thể loại như:

Giải trí - Nội dung tràn đầy năng lượng, phù hợp về mặt văn hóa với ngôn ngữ thịnh hành
Giáo dục - Giải thích rõ ràng, hấp dẫn với các ví dụ liên quan
Hài - Nội dung sắc sảo, bất ngờ với những quan sát và thời gian thông minh
Vlog cá nhân - Nội dung chân thực, thân mật với cách kể chuyện theo kiểu trò chuyện
Đánh giá - Nội dung dựa trên kinh nghiệm, dứt khoát, làm nổi bật những điểm mạnh và điểm yếu
Kể chuyện - Nội dung nhập vai bằng cách sử dụng các chi tiết sống động và kết nối cảm xúc

Mỗi danh mục có mẫu prompt chuyên biệt riêng. Ví dụ: prompt giáo dục có thể yêu cầu Claude "phát triển một kịch bản rõ ràng, hấp dẫn, chuyển đổi thông tin phức tạp thành những hiểu biết dễ hiểu bằng cách sử dụng các ví dụ liên quan và các câu hỏi kích thích tư duy."

Cách định tuyến hoạt động trong thực tế

Quá trình định tuyến diễn ra trong hai bước:

Phân loại - Gửi chủ đề của người dùng đến Claude với yêu cầu phân loại nó vào một trong các thể loại được xác định trước của bạn
Xử lý chuyên biệt - Sử dụng kết quả phân loại để chọn mẫu prompt thích hợp và tạo nội dung

Ví dụ: nếu người dùng nhập "hàm Python" làm chủ đề của họ, trước tiên bạn sẽ yêu cầu Claude phân loại nó:

Phân loại chủ đề của một video thành một trong các danh mục được liệt kê:
<topic>Hàm Python</topic>

<categories>
- Giáo dục
- Giải trí
- Hài
- Vlog cá nhân
- Đánh giá
- Kể chuyện
</categories>

Claude trả lời bằng "Giáo dục", sau đó bạn dùng mẫu prompt giáo dục để tạo nội dung kịch bản thực tế.

Kiến trúc luồng công việc định tuyến

Một luồng công việc định tuyến tuân theo mẫu này:

Đầu vào của người dùng đi đến một thành phần bộ định tuyến trước tiên
Bộ định tuyến phân loại yêu cầu bằng cách dùng một lệnh gọi Claude ban đầu
Dựa trên danh mục, đầu vào được chuyển tiếp đến một quy trình xử lý cụ thể
Mỗi quy trình có thể có luồng công việc, prompt hoặc tool riêng được tối ưu hóa cho danh mục đó

Điểm mấu chốt là đầu vào của người dùng chỉ đi đến một quy trình chuyên biệt, không phải tất cả chúng. Điều này cho phép mỗi quy trình được tối ưu hóa cao cho trường hợp sử dụng cụ thể của nó.

Khi nào dùng định tuyến

Định tuyến luồng công việc hoạt động tốt khi:

Ứng dụng của bạn xử lý nhiều loại yêu cầu cần các cách tiếp cận khác nhau
Bạn có thể xác định rõ ràng các danh mục bao gồm các trường hợp sử dụng của bạn
Bước phân loại có thể được xử lý một cách đáng tin cậy bởi Claude
Lợi ích về hiệu suất của việc xử lý chuyên biệt lớn hơn chi phí của bước định tuyến

Mô hình này đặc biệt có giá trị cho bot dịch vụ khách hàng, công cụ tạo nội dung và bất kỳ ứng dụng nào mà câu trả lời "đúng" phụ thuộc nhiều vào việc hiểu loại yêu cầu đang được thực hiện.

🔁 Bài học liên quan

Bài tiếp: Agents and tools
Bài trước: Chaining workflows
Cùng section: Making a request · Multi-Turn conversations · Chat exercise
Thuộc lộ trình: Path C
Docs tham khảo: Glossary · Skills atlas · By use-case

📚 Nguồn & ghi nhận

Bài học gốc Anthropic Academy: https://anthropic.skilljar.com/claude-with-the-anthropic-api/287801
Crawl: — · Chuẩn hoá: 2026-05-01