3 cách xây dựng AI Agent trong Lark qua Lark CLI, AnyGen, OpenClaw
Khám phá 3 cách xây dựng AI Agent trong Lark qua Lark CLI, AnyGen và OpenClaw; so sánh mức độ kỹ thuật, khả năng tùy biến và trường hợp sử dụng phù hợp.
Mục lục
AI Agent có thể tìm kiếm thông tin, tổng hợp tài liệu, cập nhật dữ liệu, tạo nhiệm vụ và hỗ trợ điều phối công việc ngay trong Lark. Doanh nghiệp hiện có ba hướng tiếp cận đáng chú ý: kết nối một Agent có sẵn qua Lark CLI (ví dụ: ChatGPT/Codex, Claude Code,...), sử dụng AnyGen như một AI teammate hoặc triển khai Agent tự vận hành bằng OpenClaw.
Mỗi cách xây dựng AI Agent trong Lark có yêu cầu kỹ thuật, mức độ tùy biến và cơ chế kiểm soát khác nhau. Bài viết phân tích cách hoạt động, phạm vi ứng dụng và điều kiện triển khai của từng phương án, giúp doanh nghiệp lựa chọn hướng đi phù hợp với dữ liệu, quy trình và nguồn lực hiện có.
AI Agent làm việc trong Lark khác chatbot thông thường như thế nào?
Chatbot chủ yếu tiếp nhận câu hỏi và tạo câu trả lời. AI Agent có thể được giao một mục tiêu, lựa chọn công cụ phù hợp và thực hiện nhiều bước để hoàn thành công việc.
Khi được kết nối với Lark, Agent có thể tham gia vào những luồng công việc như:
-
Tìm kiếm tin nhắn, tài liệu hoặc tri thức nội bộ liên quan đến một chủ đề.
-
Tổng hợp dữ liệu từ Lark Base và lập báo cáo.
-
Tạo tài liệu, cập nhật nhiệm vụ hoặc chuẩn bị nội dung cuộc họp.
-
Kiểm tra lịch trống và hỗ trợ sắp xếp lịch làm việc.
-
Theo dõi tiến độ, nhắc việc và gửi thông báo đến đúng nhóm phụ trách.
-
Tiếp nhận yêu cầu từ Lark Messenger rồi thực hiện công việc trên các hệ thống được kết nối.
Khả năng hành động tạo nên khác biệt lớn nhất. Một chatbot có thể hướng dẫn cách tạo nhiệm vụ; một Agent được cấp quyền phù hợp có thể tạo nhiệm vụ, giao người phụ trách và cập nhật thời hạn trực tiếp.
Để thực hiện được điều đó, Agent cần một cầu nối tới dữ liệu và công cụ của Lark. Cầu nối có thể là Lark CLI, plugin, API hoặc giao thức tích hợp như Lark OpenAPI MCP. Phương thức kết nối quyết định Agent được phép đọc gì, thực hiện hành động nào và hoạt động dưới danh nghĩa bot hay người dùng.
So sánh nhanh Lark CLI, AnyGen và OpenClaw
Ba lựa chọn trong bài nằm ở các lớp công nghệ khác nhau. Lark CLI cung cấp công cụ để Agent thao tác với Lark. AnyGen là AI teammate hướng đến việc tạo đầu ra công việc. OpenClaw là môi trường vận hành Agent có thể kết nối với Lark và nhiều công cụ khác.
| Tiêu chí | Lark CLI | AnyGen | OpenClaw |
| Cách tiếp cận | Kết nối Agent hiện có với các công cụ Lark | Sử dụng AI teammate được thiết kế cho công việc tri thức | Tự triển khai một Agent runtime và kết nối với Lark |
| Mức độ kỹ thuật | Trung bình đến cao | Thấp hơn | Cao |
| Thời gian thử nghiệm | Tương đối nhanh nếu đã có Agent | Nhanh | Phụ thuộc hạ tầng và cấu hình |
| Khả năng tùy biến | Cao | Phụ thuộc phạm vi sản phẩm | Rất cao |
| Kiểm soát môi trường chạy | Thuộc Agent được kết nối | Phụ thuộc dịch vụ | Chủ động hơn khi tự vận hành |
| Tình huống phù hợp | Agent cần đọc và thao tác dữ liệu Lark | Tạo báo cáo, tài liệu, slide và đầu ra chuyên môn | Agent hoạt động liên tục, nhiều công cụ, nhiều bước |
| Nguồn lực cần có | Nhân sự kỹ thuật hoặc người quen dùng công cụ AI Agent | Nhóm nghiệp vụ có thể bắt đầu nhanh | Đội ngũ kỹ thuật có khả năng vận hành hệ thống |
| Lưu ý chính | Cần kết hợp với một Agent tương thích | Cần kiểm tra phạm vi dữ liệu và khả năng tích hợp thực tế | Cần quản trị quyền, hạ tầng, phiên bản và bảo mật |
Do có sự giao thoa giữa các công nghệ, doanh nghiệp không nhất thiết phải chọn một trong ba theo cách loại trừ. Chẳng hạn, OpenClaw có thể sử dụng thêm Lark CLI để mở rộng phạm vi thao tác trên Lark.
Cách 1: Kết nối AI Agent với Lark qua Lark CLI
Lark CLI cung cấp gì cho AI Agent?
Lark CLI là công cụ dòng lệnh mã nguồn mở chính thức do đội ngũ Lark duy trì, được xây dựng cho cả con người và AI Agent. Công cụ hỗ trợ nhiều miền nghiệp vụ như Messenger, Docs, Drive, Base, Sheets, Calendar, Mail, Tasks và Meetings. Lark CLI cũng cung cấp các Agent Skills để công cụ AI hiểu cách sử dụng từng nhóm chức năng.
Có thể hình dung AI Agent là bộ phận suy luận, còn Lark CLI cung cấp “đôi tay” để Agent thao tác trong không gian làm việc. Khi nhận yêu cầu tổng hợp tình hình dự án, Agent có thể dùng Lark CLI để tìm tin nhắn, đọc tài liệu, lấy nhiệm vụ liên quan và tạo báo cáo từ dữ liệu thu thập được.
Agent phân tích toàn bộ meeting minutes tháng vừa rồi, đánh giá hiệu quả, và đề xuất cắt bỏ các meeting không đem lại hiệu quả
Lark CLI chưa phải một Agent hoàn chỉnh khi đứng riêng. Doanh nghiệp cần kết hợp công cụ này với một môi trường AI Agent tương thích như Codex, Claude Code, Cursor hoặc một Agent runtime khác có khả năng gọi lệnh và sử dụng Skills.
Quy trình xây dựng AI Agent trong Lark qua Lark CLI
Quá trình triển khai ở mức tổng quan gồm năm bước:
-
Xác định công việc của Agent: Làm rõ nguồn dữ liệu, đầu ra và hành động Agent được phép thực hiện.
-
Cài đặt Lark CLI và Agent Skills: Chuẩn bị công cụ để Agent hiểu và gọi đúng chức năng Lark.
-
Tạo hoặc cấu hình ứng dụng Lark: Thiết lập danh tính ứng dụng, thông tin xác thực và phạm vi hoạt động.
-
Xác thực theo quyền cần thiết: Chỉ cấp các quyền phục vụ đúng công việc đã xác định.
-
Kiểm thử trong phạm vi nhỏ: Chạy Agent trên dữ liệu thử nghiệm hoặc một nhóm người dùng giới hạn trước khi mở rộng.
Ví dụ, một Agent hỗ trợ PMO có thể đọc lịch, tổng hợp nhiệm vụ quá hạn và tạo bản cập nhật tiến độ trong Lark Docs. Agent chưa cần quyền gửi tin nhắn cho toàn bộ tổ chức nếu công việc ban đầu chỉ dừng ở việc chuẩn bị báo cáo.
Doanh nghiệp cần hiểu cấu trúc ứng dụng, bot và API của Lark Open Platform trước khi thiết kế quyền truy cập. Cách này giúp tránh tình trạng Agent được cấp phạm vi dữ liệu rộng hơn nhu cầu thực tế.
Khi nào nên chọn Lark CLI?
Lark CLI phù hợp khi:
-
Doanh nghiệp đã sử dụng một AI Agent có khả năng gọi công cụ.
-
Bộ phận IT muốn chủ động thiết kế luồng làm việc theo nghiệp vụ riêng.
-
Agent cần thao tác trên nhiều dịch vụ Lark.
-
Phạm vi công việc thay đổi thường xuyên và cần khả năng mở rộng.
-
Doanh nghiệp muốn tận dụng các công cụ AI đang có thay vì triển khai thêm một Agent runtime riêng.
Điểm mạnh của hướng này nằm ở khả năng tùy biến và độ phủ chức năng. Đổi lại, đội ngũ triển khai cần hiểu cách Agent hoạt động, cách quản lý thông tin xác thực và cách giới hạn quyền truy cập.
Cách 2: Sử dụng AnyGen như một AI teammate trong Lark
AnyGen tập trung vào đầu ra công việc
AnyGen AI Teammate được thiết kế như một đối tác thực thi tự động, có thể lập kế hoạch và tạo ra các sản phẩm công việc hoàn chỉnh từ yêu cầu ban đầu. Phạm vi đầu ra gồm tài liệu, báo cáo, bài trình bày, website và một số dạng nội dung chuyên môn khác.
So với hướng tự ghép Agent và công cụ qua Lark CLI, AnyGen phù hợp hơn với nhu cầu triển khai nhanh. Người dùng tập trung mô tả mục tiêu, cung cấp bối cảnh và rà soát kết quả. Phần tổ chức công việc và tạo deliverable được AI teammate xử lý trong phạm vi sản phẩm hỗ trợ.
Một số hướng ứng dụng có thể gồm:
-
Tổng hợp thông tin từ tài liệu và trao đổi nội bộ thành báo cáo.
-
Chuẩn bị bài trình bày từ dữ liệu dự án.
-
Xây dựng bản phân tích thị trường hoặc đối thủ.
-
Chuyển ghi chú rời rạc thành tài liệu có cấu trúc.
-
Tạo bản nháp kế hoạch marketing, kế hoạch bán hàng hoặc tài liệu đào tạo.
-
Chuẩn bị nội dung để đội ngũ tiếp tục cộng tác và chỉnh sửa trên Lark.
AnyGen hỗ trợ viết outline nội dung
Hướng tiếp cận này phù hợp với vai trò của Lark như một nền tảng làm việc số hợp nhất, nơi thông tin, giao tiếp và tài liệu cùng tồn tại trong một môi trường làm việc.
Cách bắt đầu với AnyGen
Doanh nghiệp có thể bắt đầu từ một đầu việc có tiêu chuẩn đầu ra rõ ràng:
-
Chọn một nhóm sử dụng thử, chẳng hạn marketing, sales hoặc PMO.
-
Xác định nguồn thông tin được phép dùng.
-
Mô tả yêu cầu, cấu trúc và tiêu chí chất lượng của đầu ra.
-
Để AnyGen lập kế hoạch và tạo bản hoàn chỉnh đầu tiên.
-
Giao người phụ trách kiểm tra dữ kiện, ngữ cảnh và quyền chia sẻ.
-
Chuẩn hóa mẫu yêu cầu sau mỗi lần thử nghiệm.
Ví dụ, thay vì giao nhiệm vụ chung như “làm báo cáo thị trường”, yêu cầu có thể nêu rõ phạm vi ngành, khoảng thời gian, nguồn dữ liệu được phép dùng, cấu trúc báo cáo và đối tượng đọc. Agent sẽ có đủ điều kiện để tạo đầu ra sát nhu cầu hơn.
Khi nào nên chọn AnyGen?
AnyGen phù hợp với:
-
Bộ phận nghiệp vụ muốn thử nghiệm AI Agent mà chưa có đội ngũ phát triển chuyên trách.
-
Nhóm cần tạo tài liệu, báo cáo hoặc bài trình bày thường xuyên.
-
Doanh nghiệp ưu tiên tốc độ đưa vào sử dụng.
-
Công việc có đầu vào và tiêu chuẩn đầu ra tương đối rõ.
-
Nhu cầu hiện tại tập trung vào xử lý thông tin và tạo deliverable hơn là vận hành chuỗi tích hợp phức tạp.
Trước khi mở rộng, doanh nghiệp vẫn cần kiểm tra phạm vi dữ liệu AnyGen có thể truy cập, cơ chế phân quyền, chính sách lưu trữ và khả năng tích hợp thực tế theo phiên bản sản phẩm đang sử dụng.
Cách 3: Xây dựng AI Agent trong Lark bằng OpenClaw
OpenClaw là môi trường vận hành Agent tự chủ
OpenClaw là một gateway AI Agent mã nguồn mở có thể chạy trên thiết bị hoặc máy chủ do người dùng quản lý. Hệ thống kết nối mô hình AI, công cụ, phiên làm việc, bộ nhớ và các kênh giao tiếp để tạo thành một trợ lý có khả năng hoạt động liên tục.
Lark đã cung cấp plugin OpenClaw chính thức. Sau khi được cài đặt và cấp quyền, Agent có thể làm việc với tin nhắn, tài liệu, Lark Base, Sheets, Calendar và Tasks. Agent cũng có thể sử dụng ngữ cảnh từ nhóm chat để tiếp nhận yêu cầu và trả kết quả về đúng nơi đội ngũ đang phối hợp.
Một Agent vận hành qua OpenClaw có thể thực hiện luồng công việc gồm nhiều bước. Ví dụ:
-
Tiếp nhận yêu cầu nghiên cứu từ một nhóm Lark.
-
Tìm các tài liệu nội bộ liên quan.
-
Thu thập thêm thông tin từ nguồn được phê duyệt.
-
Tạo báo cáo trong Lark Docs.
-
Tạo nhiệm vụ rà soát cho người phụ trách.
-
Thông báo lại vào nhóm khi bản nháp đã sẵn sàng.
OpenClaw tích hợp vào Lark và hoạt động dựa trên phân quyền & bảo mật do doanh nghiệp tùy chỉnh
Quy trình triển khai OpenClaw với Lark
Một dự án thử nghiệm thường cần các bước sau:
-
Chuẩn bị máy hoặc máy chủ để chạy OpenClaw.
-
Chọn mô hình AI và cấu hình thông tin xác thực.
-
Cài đặt plugin Lark chính thức.
-
Tạo bot mới hoặc liên kết với bot hiện có.
-
Cấu hình phạm vi quyền và nhóm người dùng được phép tương tác.
-
Kiểm tra khả năng đọc, tạo và cập nhật từng loại dữ liệu.
-
Bật cơ chế xác nhận đối với hành động quan trọng.
-
Thiết lập log, theo dõi lỗi và quy trình cập nhật phiên bản.
Lark lưu ý rằng plugin có thể truy cập dữ liệu như tin nhắn, tài liệu, lịch và danh bạ tùy theo quyền được cấp. Một số hành động gửi hoặc thay đổi dữ liệu có thể khó hoàn tác. Vì vậy, cấu hình “xem trước rồi xác nhận” nên được áp dụng cho các thao tác quan trọng.
Khi nào nên chọn OpenClaw?
OpenClaw phù hợp khi:
-
Doanh nghiệp cần Agent hoạt động liên tục.
-
Một nhiệm vụ phải phối hợp nhiều công cụ hoặc nhiều hệ thống.
-
Đội ngũ kỹ thuật muốn chủ động môi trường vận hành và cấu hình Agent.
-
Agent cần bộ nhớ, lịch chạy định kỳ hoặc khả năng tiếp nhận yêu cầu qua nhiều kênh.
-
Doanh nghiệp có nguồn lực quản lý hạ tầng, phiên bản, nhật ký hoạt động và sự cố.
Khả năng tùy biến cao đi kèm trách nhiệm vận hành lớn hơn. Với tài khoản doanh nghiệp, OpenClaw cần được đánh giá về kiến trúc bảo mật, phạm vi dữ liệu và cơ chế cô lập trước khi kết nối vào môi trường làm việc thật.
Nên chọn Lark CLI, AnyGen hay OpenClaw?
Lựa chọn phù hợp phụ thuộc vào bài toán vận hành và năng lực triển khai:
-
Chọn Lark CLI khi doanh nghiệp đã có Agent và cần bổ sung khả năng đọc, tạo hoặc cập nhật dữ liệu trên Lark.
-
Chọn AnyGen khi ưu tiên đưa AI vào công việc nhanh, nhất là các đầu việc tạo báo cáo, tài liệu và bài trình bày.
-
Chọn OpenClaw khi cần một Agent tự vận hành, có thể phối hợp nhiều công cụ và được tùy chỉnh sâu.
-
Kết hợp OpenClaw với Lark CLI khi Agent cần cả môi trường vận hành liên tục lẫn phạm vi thao tác rộng trên hệ sinh thái Lark.
Có thể đánh giá theo ba câu hỏi:
-
Agent cần tạo nội dung hay thực hiện hành động trong quy trình?
-
Doanh nghiệp muốn dùng một dịch vụ có sẵn hay tự quản lý môi trường vận hành?
-
Bộ phận kỹ thuật có đủ nguồn lực theo dõi quyền, phiên bản, log và sự cố hay không?
Nếu câu trả lời còn chưa rõ, nên bắt đầu từ một phạm vi nhỏ thay vì thiết kế ngay một Agent bao phủ nhiều phòng ban.
5 điều cần chuẩn bị trước khi đưa AI Agent vào Lark
Chọn bài toán có đầu vào và đầu ra rõ ràng
Một Agent thử nghiệm nên xử lý công việc lặp lại, có thể đo lường và có người chịu trách nhiệm kiểm tra. Tổng hợp báo cáo tuần, chuẩn bị biên bản họp hoặc phân loại yêu cầu nội bộ thường dễ kiểm soát hơn các quyết định có ảnh hưởng lớn đến tài chính và nhân sự.
Chuẩn hóa dữ liệu và quy trình trước
Agent khó tạo kết quả ổn định nếu dữ liệu nằm rải rác, tên trường thiếu nhất quán hoặc mỗi bộ phận vận hành theo một cách khác nhau. Doanh nghiệp có thể bắt đầu bằng việc tập trung thông tin trên Lark Docs, Wiki hoặc Base, sau đó sử dụng quy trình làm việc tự động trong Lark Base để chuẩn hóa các bước có logic cố định.
Cấp quyền theo nguyên tắc tối thiểu
Agent chỉ nên được đọc hoặc thay đổi dữ liệu cần thiết cho nhiệm vụ. Quyền gửi tin nhắn, sửa tài liệu, quản lý lịch hoặc đọc lịch sử trao đổi cần được tách riêng và đánh giá theo mức độ rủi ro.
Giữ con người trong vòng kiểm soát
Các hành động như gửi thông báo diện rộng, sửa dữ liệu nguồn, thay đổi lịch hoặc tạo phê duyệt nên có bước xem trước. Người phụ trách cần kiểm tra đầu ra trước khi Agent được phép tiếp tục.
Đo chất lượng trước khi mở rộng
Doanh nghiệp nên theo dõi:
-
Tỷ lệ công việc Agent hoàn thành đúng.
-
Số lần con người phải chỉnh sửa.
-
Những loại lỗi thường gặp.
-
Thời gian xử lý trước và sau thử nghiệm.
-
Phạm vi dữ liệu Agent đã truy cập.
-
Phản hồi của nhóm sử dụng.
Cách tiếp cận này phù hợp với kinh nghiệm triển khai thực tế được Rikkei Digital chia sẻ trong chương trình ứng dụng AI vào quản trị mục tiêu và tiến độ: hệ thống vận hành và dữ liệu cần đủ vững trước khi mở rộng AI.
Rikkei Digital đồng hành triển khai AI Agent trên Lark như thế nào?
Việc lựa chọn công cụ mới chỉ là một phần của dự án. Giá trị thực tế phụ thuộc vào cách Agent được đặt trong quy trình, được cấp quyền và phối hợp với con người.
Rikkei Digital là công ty thành viên của Rikkeisoft, đồng thời là đối tác chính thức đầu tiên và Platinum Partner của Lark Suite tại Việt Nam. Phạm vi dịch vụ gồm tư vấn, triển khai, tích hợp, đào tạo và hỗ trợ doanh nghiệp ứng dụng Lark Suite vào vận hành.
Với nhu cầu xây dựng AI Agent trong Lark, quá trình triển khai có thể đi qua các bước:
-
Khảo sát quy trình và nguồn dữ liệu hiện tại.
-
Chọn phạm vi thử nghiệm có giá trị và rủi ro phù hợp.
-
Thiết kế danh tính, quyền truy cập và bước xác nhận.
-
Kết nối Lark với Agent hoặc hệ thống liên quan.
-
Kiểm thử trên dữ liệu và nhóm người dùng giới hạn.
-
Đào tạo người sử dụng và chuẩn hóa cách giao việc cho Agent.
-
Theo dõi, điều chỉnh và mở rộng theo kết quả thực tế.
Cách làm này kế thừa quy trình tư vấn Lark Suite tại Rikkei Digital, bắt đầu từ khảo sát nghiệp vụ rồi mới lựa chọn và thiết kế giải pháp. Với yêu cầu đặc thù, đội ngũ kỹ thuật có thể hỗ trợ tích hợp hệ thống, phát triển ứng dụng tùy chỉnh hoặc triển khai giải pháp tại chỗ thông qua dịch vụ triển khai Lark chuyên nghiệp.
Câu hỏi thường gặp về xây dựng AI Agent trong Lark
AI Agent có thể tự động đọc toàn bộ dữ liệu Lark không?
Agent chỉ có thể truy cập dữ liệu nằm trong phạm vi quyền được cấp và phạm vi tài nguyên mà danh tính tương ứng (user/tenant scope) được phép sử dụng. Doanh nghiệp cần giới hạn quyền theo nhiệm vụ, tách môi trường thử nghiệm và thường xuyên rà soát nhật ký truy cập.
Doanh nghiệp nên bắt đầu xây AI Agent từ công việc nào?
Nên bắt đầu từ công việc lặp lại, có đầu vào rõ, đầu ra dễ kiểm tra và mức độ ảnh hưởng thấp. Ví dụ gồm tổng hợp báo cáo tuần, chuẩn bị tài liệu họp, phân loại yêu cầu hoặc nhắc việc từ dữ liệu đã được chuẩn hóa.
Có nên cho AI Agent tự gửi tin nhắn hoặc sửa dữ liệu trên Lark?
Chỉ nên bật quyền này sau giai đoạn kiểm thử. Với thông báo diện rộng, dữ liệu nguồn và các hành động khó hoàn tác, Agent cần tạo bản xem trước và chờ người có trách nhiệm xác nhận.
Kết luận
Lark CLI, AnyGen và OpenClaw mở ra ba cách xây dựng AI Agent trong Lark với mức độ kỹ thuật và khả năng kiểm soát khác nhau. Lark CLI phù hợp khi đã có Agent và cần mở rộng khả năng thao tác trên Lark. AnyGen giúp nhóm nghiệp vụ nhanh chóng tiếp cận mô hình AI teammate. OpenClaw đáp ứng nhu cầu tự vận hành và tùy chỉnh sâu hơn.
Điểm khởi đầu phù hợp thường là một công việc nhỏ, dữ liệu rõ, quyền giới hạn và có người kiểm tra kết quả. Khi luồng thử nghiệm hoạt động ổn định, doanh nghiệp mới nên mở rộng sang nhiều nguồn dữ liệu, công cụ và phòng ban.
Rikkei Digital hỗ trợ doanh nghiệp đánh giá bài toán, lựa chọn kiến trúc và xây dựng lộ trình triển khai AI Agent phù hợp với hệ thống Lark hiện tại. Đăng ký tư vấn qua biểu mẫu bên dưới để bắt đầu từ một phạm vi thử nghiệm có thể kiểm soát và mở rộng.
