Tích hợp AI Chatbot vào ứng dụng: Hành trình biến Sommelier rượu vang thành trợ lý ảo đắc lực!

Lê Lân

22/07/2025

Tích Hợp Chatbot AI Vào Ứng Dụng: Hành Trình Xây Dựng Sommelier Chatbot

Mở Đầu

Chatbot AI đã không còn là điều xa lạ trong các ứng dụng hiện đại, tuy nhiên, nhiều câu hỏi thực tiễn vẫn còn bỏ ngỏ: "Làm thế nào để tích hợp chatbot một cách hiệu quả vào dịch vụ của chúng ta?"

Trong bài viết này, tôi sẽ chia sẻ hành trình thử nghiệm xây dựng một chatbot sommelier – trợ lý AI chuyên về rượu vang – với mục tiêu giúp người dùng dễ dàng lựa chọn và tìm hiểu về các loại rượu phong phú, đa dạng và nhiều thuật ngữ phức tạp. Dự án tập trung vào việc thiết kế trải nghiệm hội thoại thời gian thực, lồng ghép chatbot vào giao diện chat thực tế và khám phá các yếu tố liên quan đến trải nghiệm người dùng khi tương tác với chatbot.

Giới Thiệu Dự Án Sommelier Chatbot

Tại sao chọn lĩnh vực rượu vang?

Rượu vang là một lĩnh vực phong phú với nhiều loại và thuật ngữ khó nắm bắt.

Người dùng thường gặp khó khăn khi tìm kiếm rượu phù hợp với khẩu vị và dịp khác nhau.

Đây là ví dụ lý tưởng để kiểm thử khả năng hỗ trợ điều hướng tự nhiên của AI.

Mục tiêu của dự án

Thiết kế chatbot AI có khả năng đề xuất rượu dựa trên hội thoại thời gian thực.

Tích hợp chatbot trực tiếp vào giao diện chat để người dùng dễ dàng tiếp cận.

Thu thập kiến thức về trải nghiệm người dùng trong việc sử dụng chatbot: luồng tin nhắn, nhận thức ngữ cảnh, khả năng tương tác.

Việc sử dụng Stream Chat SDK giúp tập trung vào thiết kế hành vi AI và UX thay vì xây dựng hạ tầng chat từ đầu.

Phân Tích Hạn Chế Giao Diện Ban Đầu

Các giới hạn của giao diện danh sách rượu truyền thống

Người dùng khi tìm kiếm rượu thường phải:

Duyệt qua danh sách dài với thông tin sơ lược.

Truy cập từng trang chi tiết rượu để xem thêm thông tin về giống nho, giá cả, kết hợp món ăn,...

Tốn nhiều thời gian và công sức khi tùy chỉnh các bộ lọc phức tạp (ví dụ: rượu dưới $20 hợp với thịt).

Điều này làm giảm trải nghiệm người dùng do tính phức tạp và phiền toái trong quá trình tìm kiếm.

Giải pháp: Tích hợp chatbot AI để tìm kiếm nhanh và cá nhân hóa

Thêm một nút truy cập nhanh chatbot thông minh.

Người dùng chỉ cần mô tả nhu cầu bằng ngôn ngữ tự nhiên.

Chatbot đề xuất rượu phù hợp và hỗ trợ dẫn thẳng đến trang chi tiết.

Triển Khai Kỹ Thuật

Công nghệ được sử dụng

Thành phần	Công nghệ / Công cụ
Backend	Node.js
Frontend Android	Kotlin với Jetpack Compose
Chat UI SDK	Stream Chat SDK
AI Agent	Anthropic API (Claude model)

Tại sao chọn Stream Chat SDK?

Cung cấp sẵn các thành phần giao diện chat.

Quản lý logic nhắn tin, đồng bộ trạng thái, rendering UI.

Giúp tập trung xây dựng hành vi AI và trải nghiệm người dùng.

Cấu Trúc Tin Nhắn Chatbot

Để đáp ứng yêu cầu hiển thị thông tin rượu chi tiết, tin nhắn của chatbot không chỉ là văn bản thuần túy mà còn phải chứa dữ liệu có cấu trúc:

Trường dữ liệu	Mô tả	Loại trường
text	Nội dung chatbot gửi	Trường mặc định
attachments	Hình ảnh minh họa rượu	Trường mặc định
wine_id	ID rượu được đề xuất	Trường tùy biến
ai_generated	Cờ nhận biết tin nhắn do AI tạo ra	Trường tùy biến
generating	Cờ nhận biết chatbot đang soạn tin	Trường tùy biến

Ví dụ trong Kotlin, có thể truy cập trường wine_id bằng extension property:

val Message.wineId: String? get() = extraData["wine_id"] as? String

Tùy Biến Giao Diện Chatbot

Sử dụng API ChatComponentFactory của Stream để tùy chỉnh hiển thị từng tin nhắn.

Khi AI đang xử lý, hiển thị placeholder "Finding catalog..."

Nếu có rượu được đề xuất, thêm nút "See Detail" dẫn đến trang sản phẩm.

Thiết Lập Backend

Khởi tạo agent AI chuyên biệt cho từng người dùng khi bắt đầu chat.

Lắng nghe sự kiện message.new từ Stream SDK để bắt tín hiệu trả lời AI.

Lọc bỏ tin nhắn do chatbot tạo (dựa trên ai_generated ) để tránh phản hồi lặp.

if (!e.message || e.message.ai_generated) {
  console.log('Skip handling ai generated message');
  return;
}

Quy trình xử lý tin nhắn AI

Thu thập tin nhắn gần nhất để xây dựng ngữ cảnh hội thoại.

Gửi tin nhắn tạm thời thông báo AI đang "đang gõ".

Gửi yêu cầu đến API AI (model Claude).

Khi nhận câu trả lời, cập nhật lại tin nhắn tạm thời bằng câu trả lời thực.

await this.chatClient.partialUpdateMessage(channelMessage.id, {
  set: {
    text: aiAgentMessage.content,
    generating: false,
  },
});

Kỹ Thuật Prompt Engineering: Định Hướng AI

Định nghĩa vai trò: Sommelier AI thân thiện

Bạn là một trợ lý rượu vang thân thiện, giúp người dùng chọn và giải đáp mọi thắc mắc về rượu vang.

Cung cấp dữ liệu tham chiếu: Danh mục rượu dạng JSON

Cho phép AI chỉ chọn những rượu có trong kho.

${JSON.stringify(wines, null, 2)}

Hướng dẫn hành vi chi tiết

Trả lời mọi câu hỏi về rượu vang.

Đề xuất rượu dựa trên sở thích, dịp, kết hợp món ăn với giọng điệu lịch sự, trang nhã.

Chỉ giới thiệu sản phẩm đang có sẵn.

Giải thích đơn giản nếu người dùng hỏi kiến thức chuyên sâu.

Từ chối trả lời nếu câu hỏi quá khó hoặc không phù hợp.

Định dạng đầu ra bắt buộc (JSON)

Phải trả lời đúng định dạng JSON, không kèm markdown hay lời giải thích.

Trường bắt buộc: text, attachments (ảnh), wine_id (nếu có).

Ví dụ kết cấu JSON:

{
  "text": "Chuỗi hội thoại kèm câu hỏi phụ",
  "attachments": [
     {
       "type": "image",
       "image_url": "(url hình ảnh rượu)"
     }
  ],
  "wine_id": "id_san_pham"
}

Ví Dụ Thực Tế Và Kết Quả

Mô phỏng tương tác

Hỏi kiến thức chung về rượu vang.

Đề xuất rượu theo mức giá.

Gợi ý kết hợp món ăn.

Yêu cầu nhiều tiêu chí kết hợp.

Hỗ trợ theo dõi ngữ cảnh hội thoại.

Kết quả đặc biệt

Chatbot ghi nhớ câu hỏi trước đó và điều chỉnh đề xuất trong những lượt truy vấn tiếp theo, tạo nên trải nghiệm hội thoại tự nhiên và mạch lạc.

Hướng Phát Triển Tương Lai

Phát triển tính năng Streaming Response

Triển khai tính năng trả lời theo từng token giúp trải nghiệm mượt mà, gần gũi hơn.

Thách thức là phải đồng bộ với định dạng JSON nghiêm ngặt.

Mở rộng khả năng sử dụng công cụ AI

Tích hợp API tìm kiếm sản phẩm động dựa theo yêu cầu người dùng.

Tự động tương tác và điều khiển hệ thống chat qua các hàm gọi.

Nâng cao chatbot từ trạng thái trả lời tĩnh sang thực hiện hành động thông minh.

Việc này mở ra khả năng chatbot không chỉ trò chuyện mà còn thực thi các tác vụ thực tế, nâng cao tính tương tác và hữu ích.

Kết Luận

Bài toán tích hợp chatbot AI không đơn thuần là tạo ra một trợ lý ảo mà còn đòi hỏi sự kết hợp khéo léo giữa dữ liệu, giao diện, và hành vi AI để tạo nên trải nghiệm người dùng tốt nhất.

Dự án Sommelier Chatbot cho thấy rằng:

Chatbot AI có thể được thiết kế để hỗ trợ người dùng một cách tự nhiên và hiệu quả.

Sử dụng SDK như Stream Chat giúp giảm thiểu gánh nặng về hạ tầng và tăng tốc phát triển.

Prompt engineering và quản lý định dạng dữ liệu là chìa khóa để chatbot hoạt động đúng mục tiêu.

Nếu bạn đang cân nhắc thêm chatbot vào sản phẩm của mình, hy vọng bài viết này là một tài liệu tham khảo thiết thực, từ ý tưởng đến triển khai kỹ thuật.

Tham Khảo

Stream Blog – Build an AI Assistant for Android Using Compose

Stream Chat SDK Documentation – https://getstream.io/chat/sdk/

GitHub - chat-ai-sample Project – https://github.com/GetStream/chat-ai-samples

Anthropic API Documentation – https://docs.anthropic.com/

GetStream – AI Integration Solutions