Mọi mô hình, công cụ và kết nối bạn có thể trao cho một agent.

Mô hình suy luận ngữ cảnh dài. Mặc định cho các agent phải lập kế hoạch nhiều bước và đọc trọn tài liệu dài.

Mô hình chat đa dụng, gọi hàm tốt. Phù hợp cho agent dùng nhiều công cụ và bài toán trích xuất có cấu trúc.

Mô hình đa phương thức, đọc được PDF scan, ảnh chụp màn hình và sơ đồ cùng lúc với văn bản trong một hội thoại.

Mô hình embedding đa ngôn ngữ, gộp tiếng Việt và tiếng Anh vào cùng một không gian vector — không cần index riêng theo ngôn ngữ.

Cross-encoder sắp xếp lại các đoạn đã truy hồi theo mức liên quan thật, trước khi đưa vào ngữ cảnh của mô hình.

Dựng agent như một sơ đồ: các bước, nhánh rẽ và vòng lặp bạn nhìn thấy được, chạy được và quay lui được.

Một thẻ script đặt trợ lý có dẫn nguồn lên website của bạn, trả lời từ knowledge base của bạn.

Mô hình trọng số mở, có thể tự chạy trên hạ tầng của bạn. Lựa chọn rẻ cho khối lượng lớn, rủi ro thấp.

Mô hình trọng số mở, tiếng Việt và tiếng Trung tốt. Lựa chọn tiết kiệm cho workspace không dùng tiếng Anh.

Mô hình embedding tối ưu cho truy hồi, dùng với kho tài liệu tiếng Anh dài và nhiều thuật ngữ kỹ thuật.

Chuyển giọng nói thành văn bản cho tin nhắn thoại trong chat và để index các cuộc gọi, cuộc họp đã ghi.

Đọc câu trả lời thành tiếng, trong chat hoặc như một bước giọng nói trong flow.

Mô tả, so sánh hoặc trả lời câu hỏi về một hình ảnh — đính vào lượt chat, hoặc xử lý bằng bước vision.

Biến trang scan và ảnh chụp tài liệu thành văn bản tìm kiếm được, giữ đúng thứ tự đọc.

Giữ bảng vẫn là bảng khi nạp dữ liệu, thay vì làm phẳng thành một dãy số rời rạc.

Cắt tài liệu theo cấu trúc thay vì đếm ký tự, để đoạn được truy hồi là một đoạn đọc hiểu được.

Chạy song song tìm kiếm vector và tìm theo từ khoá rồi hợp nhất — mã sản phẩm chính xác được tìm thấy chắc chắn như một câu diễn giải.

Cho agent tra cứu trên web công khai khi câu trả lời không có trong nguồn dữ liệu của bạn.

Gọi một API HTTP do bạn chỉ định, với thông tin xác thực giữ ở phía server và không bao giờ lộ cho mô hình.

Tải một trang web và đọc nó dưới dạng văn bản — trang tài liệu, changelog, bảng giá của đối thủ.

Trả lời câu hỏi từ chính cơ sở dữ liệu của bạn bằng một truy vấn chỉ đọc do agent viết và bạn xem lại được.

Đọc bảng tính được đưa cho agent, và ghi ra một file để tải về.

Cho agent nhớ lại điều đã học ở lần chạy trước, và tìm lại được ở lần chạy sau.

Gắn bất kỳ máy chủ Model Context Protocol nào và các công cụ của nó xuất hiện cho agent cùng với công cụ có sẵn.

Tìm trong hộp thư đã kết nối và gửi từ chính hộp thư đó, tài khoản do chủ sở hữu kết nối một lần.

Tìm và đọc tài liệu trong Drive đã kết nối, không cần sao chép toàn bộ vào Ragenta.

Đọc một sheet như dữ liệu và ghi thêm dòng vào đó — chỗ đơn giản nhất để lưu thứ agent tạo ra.

Liệt kê sự kiện sắp tới để agent trả lời về tuần tới, hoặc chuẩn bị cho những gì có trên lịch.

Đọc lịch sử kênh và đăng lại vào kênh — câu trả lời xuất hiện đúng nơi câu hỏi được đặt ra.

Tìm issue và mở issue mới, để một cuộc hội thoại hỗ trợ trở thành một bug được theo dõi.

Tìm trong workspace Notion đã kết nối, để tài liệu nội bộ trả lời được câu hỏi mà không cần sao chép trước.

Kết nối cơ sở dữ liệu của bạn như một nguồn dữ liệu chỉ đọc, qua địa chỉ công khai do bạn kiểm soát.

Chạy một câu hỏi qua nhiều phiên bản của agent cùng lúc, để đánh giá một thay đổi thay vì hy vọng vào nó.