Ngân hàng đề — Google Cloud Generative AI Leader

Đáp án

D — Phản hồi thời gian thực và giảm độ trễ.

Vì sao đúng

Edge computing đưa việc xử lý về gần nơi sinh ra dữ liệu, thay vì gửi lên đám mây rồi chờ kết quả.

⚠ Vì sao độ trễ giảm:

Xử lý trên đám mây:
   thiết bị → ⚠ mạng → máy chủ
   → xử lý → ⚠ mạng → thiết bị

⚠ Xử lý ở biên:
   thiết bị → ⚠ xử lý NGAY TẠI CHỖ
   ⚠ không có vòng đi về mạng
   ⚠ chạy được khi MẤT MẠNG

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14171 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ C sang chữ D.

⚠ Đây là câu thứ MƯỜI MỘT trong lô này bị xáo chữ cái.

Vì sao các phương án khác sai

• A (tăng dung lượng lưu trữ) — ⚠ ngược lại: thiết bị biên thường hạn chế lưu trữ.
• B (giảm chi phí phát triển) — ⚠ ngược lại: phát triển cho biên phức tạp hơn.
• C (giảm nhu cầu tiền xử lý dữ liệu) — ⚠ không liên quan.

Ghi nhớ

⚠ Lợi ích của xử lý ở biên — bảng phải thuộc: | Lợi ích | Nội dung | |---|---| | ⚠ Độ trễ thấp | ⚠ lợi ích chính — đề này | | ⚠ Hoạt động khi mất mạng | | | ⚠ Riêng tư | ⚠ dữ liệu không rời thiết bị | | Tiết kiệm băng thông | |

Từ khoá nhận diện:

"thời gian thực, độ trễ, phản ứng tức thì" → ⚠ edge "dữ liệu không rời thiết bị" → ⚠ edge / on-device "cần mô hình mạnh nhất" → ⚠ đám mây "huấn luyện mô hình lớn" → ⚠ đám mây

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Việc này có thật sự cần độ trễ thấp không | ⚠ không thì đám mây đơn giản hơn | | Mô hình chạy nổi trên phần cứng đích không | | | Cập nhật mô hình bằng cách nào | |

Và câu hỏi quyết định khi chọn giữa biên và đám mây: một vòng đi về mạng có phá hỏng công dụng của hệ thống không? Nếu không thì đám mây gần như luôn đơn giản hơn, rẻ hơn và dễ vận hành hơn.

Đáp án

A — "Bạn là một gia sư hữu ích và khích lệ, chuyên đưa ra phản hồi mang tính xây dựng cho các bài tập học ngôn ngữ."

Vì sao đúng

Đây là role-prompt tốt nhất vì nêu cả ba yếu tố cần thiết:

⚠ Ba yếu tố:

⚠ VAI: "gia sư"
⚠ TÍNH CÁCH: "hữu ích và KHÍCH LỆ"
   → ⚠ quan trọng nhất với người
     học ngôn ngữ
⚠ HÀNH VI: "phản hồi mang tính
   XÂY DỰNG"

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14172 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ B sang chữ A.

⚠ Câu thứ MƯỜI HAI trong lô này bị xáo chữ cái. ⚠ Gần một phần tư số câu trong lô là câu lặp lại với vị trí đáp án khác.

Vì sao các phương án khác sai

• C ("Bạn là một robot được lập trình để đánh giá trình độ ngôn ngữ") — ⚠ bẫy về giọng điệu: đúng chức năng nhưng ⚠ tính cách hoàn toàn sai — lạnh lùng, mang tính chấm điểm.

• D ("Bạn là mô hình ngôn ngữ được xây để giúp học viên học ngoại ngữ") — ⚠ quá chung chung, và ⚠ nhắc mô hình rằng nó là mô hình thì không tạo được vai gì.

• B ("Đưa ra phản hồi cá nhân hoá cho học viên") — ⚠ không phải role-prompt: đây là chỉ dẫn nhiệm vụ, không gán vai nào.

Ghi nhớ

⚠ Ba thành phần của role-prompt tốt — bảng phải thuộc: | Thành phần | Ví dụ trong đề | |---|---| | ⚠ Vai | ⚠ "gia sư" | | ⚠ Tính cách / giọng điệu | ⚠ "hữu ích và khích lệ" | | ⚠ Hành vi mong muốn | ⚠ "phản hồi mang tính xây dựng" | | Có thể thêm | ⚠ trình độ người học, ngôn ngữ mẹ đẻ |

Từ khoá nhận diện:

"You are a…" kèm tính cách và hành vi → ⚠ role-prompt tốt "You are a language model…" → ⚠ không tạo được vai chỉ mô tả nhiệm vụ → ⚠ không phải role-prompt giọng lạnh lùng, đánh giá → ⚠ sai với người học

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Phản hồi có đúng ngữ pháp không | ⚠ giáo viên rà mẫu | | Học viên có thấy được khích lệ không | | | Có sửa quá nhiều lỗi một lúc không | |

Và điều đáng nhớ: nêu TÍNH CÁCH thường quan trọng hơn nêu chức năng. Cả bốn phương án đều mô tả cùng một công việc; thứ phân biệt chúng là cách mô hình sẽ nói chuyện với người học.

Đáp án

A — Nó nối đầu ra của Gem với các nguồn thông tin CỤ THỂ và KIỂM CHỨNG ĐƯỢC.

Vì sao đúng

Grounding buộc Gem trả lời dựa trên tài liệu bạn cung cấp, thay vì tri thức chung của mô hình.

⚠ Grounding cho Gem hoạt động thế nào:

⚠ Đính tài liệu tham khảo vào Gem
        ↓
⚠ Gem trả lời DỰA TRÊN tài liệu đó
        ↓
⚠ Có thể chỉ ra nguồn
        ↓
⚠ Người dùng KIỂM CHỨNG được

Vì sao các phương án khác sai

• D (ngăn Gem sinh ra BẤT KỲ câu trả lời nào không chính xác) — ⚠ bẫy mạnh nhất: nghe như grounding giải quyết triệt để. Nhưng ⚠ grounding GIẢM chứ không TRIỆT TIÊU sai sót — truy hồi vẫn có thể nhầm đoạn, nguồn vẫn có thể sai. ⚠ Từ "prevents... any" là dấu hiệu phương án tuyệt đối hoá.

• C (cho phép Gem học từ tương tác và cải thiện theo thời gian) — ⚠ sai kỹ thuật: Gem không tự học từ tương tác; grounding không phải cơ chế học.

• B (cho phép Gem truy cập và xử lý thông tin từ BẤT KỲ website nào trên Internet) — ⚠ mô tả sai: grounding nối với nguồn CỤ THỂ được chỉ định, không phải toàn bộ Internet. ⚠ Chính sự giới hạn có chủ ý đó mới tạo ra độ tin cậy.

Ghi nhớ

⚠ Grounding — bảng phải thuộc: | Khía cạnh | Nội dung | |---|---| | ⚠ Mục đích | ⚠ nối với nguồn kiểm chứng được — đề này | | ⚠ Kết quả | ⚠ GIẢM ảo giác, có trích dẫn | | ⚠ KHÔNG phải | ⚠ đảm bảo không bao giờ sai | | KHÔNG phải | ⚠ cơ chế học từ người dùng | | KHÔNG phải | ⚠ truy cập toàn bộ Internet |

Từ khoá nhận diện:

"nguồn cụ thể, kiểm chứng được" → ⚠ grounding "prevents ANY inaccurate" → ⚠ tuyệt đối hoá, luôn SAI "học từ tương tác" → ⚠ mô tả sai về grounding "bất kỳ website nào" → ⚠ quá rộng

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Hỏi ngoài tài liệu thì Gem nói gì | ⚠ phải nói không biết | | Trích dẫn có trỏ đúng chỗ không | | | Tài liệu đính kèm có mới không | |

Và điều cần cảnh giác với mọi phương án dùng từ tuyệt đối: "prevents any", "guarantees", "100%" — trong lĩnh vực AI, không kỹ thuật nào đảm bảo được điều đó. Grounding làm giảm sai sót rất nhiều, nhưng người dùng vẫn phải kiểm.

Đáp án

B — Gems.

Vì sao đúng

Đề mô tả một người liên tục chuyển giữa nhiều phong cách viết và muốn nhất quán trong từng loại. Gems giải đúng bài toán đó.

⚠ Cách Gems giải:

⚠ Tạo MỘT Gem cho MỖI loại nội dung
   → Gem "bài blog"
   → Gem "caption mạng xã hội"
   → Gem "nội dung website"
        ↓
⚠ Mỗi Gem có chỉ dẫn riêng:
   → giọng điệu, độ dài, cấu trúc
        ↓
⚠ Chọn Gem là vào đúng phong cách
⚠ KHÔNG phải gõ lại chỉ dẫn

Vì sao các phương án khác sai

• C (Gemini Saved info) — ⚠ bẫy gần nhất: lưu thông tin cố định về BẠN (nghề nghiệp, sở thích) áp cho MỌI cuộc trò chuyện. ⚠ Nhưng người này cần NHIỀU phong cách KHÁC NHAU, không phải một thông tin chung — nên Saved info không tách được các phong cách.

• A (Gemini Deep Research) — ⚠ để nghiên cứu đa nguồn, không phải để giữ phong cách viết.

• D (Gemini for Google Cloud) — ⚠ bộ công cụ cho kỹ sư trên Google Cloud, sai đối tượng.

Ghi nhớ

⚠ Gems và Saved info — bảng phải thuộc: | Tính năng | Áp dụng cho | Dùng khi | |---|---|---| | ⚠ Gems | ⚠ TỪNG vai / TỪNG loại việc | ⚠ nhiều phong cách khác nhau — đề này | | ⚠ Saved info | ⚠ MỌI cuộc trò chuyện | ⚠ thông tin cố định về bạn | | Deep Research | ⚠ nghiên cứu đa nguồn | | | Gemini for Cloud | ⚠ kỹ sư | |

Từ khoá nhận diện:

"nhiều phong cách, mỗi loại một kiểu" → ⚠ Gems "thông tin cố định về tôi, áp cho mọi lúc" → ⚠ Saved info "tìm và tổng hợp nguồn" → Deep Research

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Gem có giữ đúng phong cách qua nhiều lần dùng không | | | Chỉ dẫn có mâu thuẫn nhau không | ⚠ gộp quá nhiều luật vào một Gem | | Có dán thông tin khách hàng vào không | ⚠ kiểm điều khoản dịch vụ |

Và ranh giới cần nhớ giữa hai tính năng: Saved info nói "TÔI là ai", Gem nói "LẦN NÀY tôi cần gì". Người có một danh tính nhưng nhiều loại công việc thì cần cả hai.

Đáp án

B — Saved info đảm bảo những thông tin cụ thể — như vai trò của bạn hay chi tiết về công ty — được áp dụng NHẤT QUÁN trong mọi lượt tương tác với Gemini.

Vì sao đúng

Đề so sánh Saved info với việc copy-paste prompt từ tài liệu. Điểm hơn của Saved info là tự động và nhất quán.

⚠ So sánh:

Copy-paste thủ công:
   ⚠ phải nhớ dán mỗi lần
   ⚠ dễ quên, dễ dán thiếu
   ⚠ mỗi lần một kiểu

⚠ Saved info:
   ⚠ TỰ ĐỘNG áp dụng
   ⚠ nhất quán mọi lúc
   ⚠ không phải nhớ gì

⚠ Thông tin nên lưu:

⚠ Vai trò và ngành nghề
⚠ Thông tin công ty
⚠ Đối tượng thường viết cho
⚠ Sở thích về định dạng đầu ra

Vì sao các phương án khác sai

• D (cho phép lưu prompt với định dạng phong phú như in đậm, gạch đầu dòng) — ⚠ bẫy nghe hợp lý: nhưng ⚠ định dạng không phải điểm mạnh của Saved info; giá trị nằm ở tự động áp dụng.

• A (tự động chia sẻ với TẤT CẢ đồng nghiệp, thúc đẩy cộng tác) — ⚠ sai: Saved info là cá nhân, không tự chia sẻ. ⚠ Nếu nó tự chia sẻ thông tin cá nhân thì đó còn là vấn đề riêng tư.

• C (nơi lưu mật khẩu Gemini) — ⚠ sai hoàn toàn, và ⚠ không bao giờ lưu mật khẩu vào công cụ AI.

Ghi nhớ

⚠ Ba cách tái sử dụng ngữ cảnh — bảng phải thuộc: | Cách | Phạm vi | Ưu điểm | |---|---|---| | ⚠ Saved info | ⚠ MỌI cuộc trò chuyện | ⚠ tự động, nhất quán — đề này | | ⚠ Gem | ⚠ một vai / một loại việc | ⚠ chỉ dẫn chuyên sâu, chia sẻ được | | Copy-paste | ⚠ từng lần | ⚠ linh hoạt nhưng dễ quên |

Từ khoá nhận diện:

"thông tin về tôi, áp dụng mọi lúc, nhất quán" → ⚠ Saved info "vai riêng cho từng loại việc" → ⚠ Gem "tự chia sẻ cho đồng nghiệp" → ⚠ SAI với Saved info "lưu mật khẩu" → ⚠ luôn sai, và nguy hiểm

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Thông tin đã lưu còn đúng không | ⚠ rà lại định kỳ | | Có lưu gì nhạy cảm không | ⚠ mật khẩu, dữ liệu khách | | Có áp nhầm ngữ cảnh không | ⚠ thử một câu hỏi ngoài lĩnh vực |

Và điểm phân biệt hai tính năng dễ nhớ nhất: Saved info trả lời câu hỏi "TÔI là ai", Gem trả lời câu hỏi "LẦN NÀY tôi đang làm gì".

Đáp án

C — Bạn quản lý được quyền truy cập notebook bằng các vai trò IAM định sẵn trong NotebookLM Enterprise.

Vì sao đúng

Điểm khác biệt của bản Enterprise so với bản cá nhân là quản trị cấp doanh nghiệp.

⚠ Bản Enterprise thêm gì:

⚠ Vai trò IAM
   → ⚠ ai xem, ai sửa, ai quản trị

⚠ Kiểm soát dữ liệu trong dự án
  Google Cloud của BẠN

⚠ Nhật ký kiểm toán
⚠ Kiểm soát vị trí dữ liệu

⚠ Đây chính là thứ khiến đội có thể dùng nó cho tài liệu công việc thật.

Vì sao các phương án khác sai

• A (Google có quyền kiểm soát dữ liệu của bạn) và D (Google truy cập được toàn bộ dữ liệu của bạn) — ⚠ cả hai đều mô tả SAI mô hình dữ liệu doanh nghiệp. ⚠ Bản Enterprise đặt dữ liệu trong tầm kiểm soát của khách hàng, và đó là lý do tồn tại của nó.

• B (NotebookLM Enterprise giống hệt bản cá nhân) — ⚠ sai: nếu giống hệt thì không có lý do gì để có bản Enterprise.

⚠ Mẹo chấm: ba phương án sai đều nói bất lợi cho khách hàng — với câu hỏi "lợi thế là gì", chúng bị loại ngay.

Ghi nhớ

⚠ Bản cá nhân và bản doanh nghiệp — bảng phải thuộc: | Tiêu chí | Cá nhân | ⚠ Enterprise | |---|---|---| | ⚠ Kiểm soát truy cập | ⚠ chia sẻ đơn giản | ⚠ vai trò IAM | | ⚠ Nhật ký kiểm toán | ⚠ không | ⚠ có | | ⚠ Điều khoản dữ liệu | ⚠ khác | ⚠ cam kết doanh nghiệp | | Vị trí dữ liệu | ⚠ không chọn được | ⚠ chọn được | | Tích hợp Google Cloud | ⚠ không | ⚠ có |

Từ khoá nhận diện:

"IAM, kiểm soát truy cập, kiểm toán" → ⚠ bản Enterprise "Google kiểm soát dữ liệu của bạn" → ⚠ mô tả SAI "giống hệt bản cá nhân" → ⚠ luôn sai

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đội đang dùng bản nào | ⚠ hỏi thẳng, thường có người dùng bản cá nhân | | Ai xem được notebook nào | ⚠ rà quyền | | Người rời dự án còn quyền không | |

Và lý do bản doanh nghiệp tồn tại không phải vì năng lực AI mạnh hơn: cùng một mô hình, khác nhau ở lớp quản trị bao quanh. Với tài liệu công việc thật, lớp đó mới là thứ quyết định có dùng được hay không.

Đáp án

A — NotebookLM có thể tóm tắt các phát hiện chính từ tài liệu của bạn, nhận diện thách thức tiềm ẩn và đưa ra các điểm thảo luận, giúp bạn dẫn dắt cuộc họp hiệu quả.

Vì sao đúng

Người quản lý sản phẩm đã có ba loại tài liệu, và cần hiểu chúng nhanh để chuẩn bị họp.

⚠ Ghép từng việc:

"báo cáo nghiên cứu thị trường,
 phân tích đối thủ, khảo sát khách"
    → ⚠ NHIỀU nguồn cần tổng hợp

"chuẩn bị cho cuộc họp"
    → ⚠ cần điểm chính và điểm thảo luận
        ↓
⚠ NotebookLM: tóm tắt theo nguồn,
  liên kết giữa nguồn, kèm trích dẫn

Vì sao các phương án khác sai

Cả ba đều là việc NotebookLM không làm:

• C (tự động tạo bài trình bày với slide và điểm nói) — ⚠ bẫy gần nhất: NotebookLM cho ra nội dung, nhưng ⚠ không tạo file trình chiếu; đó là việc của Gemini trong Slides.

• B (tự gửi lời mời lịch kèm chương trình họp) — ⚠ đó là Google Calendar.

• D (dự đoán câu hỏi của đồng đội dựa trên TÍNH CÁCH của họ) — ⚠ không có năng lực đó, và ⚠ suy đoán về tính cách đồng nghiệp là vấn đề đạo đức.

Ghi nhớ

⚠ NotebookLM làm được gì — bảng phải thuộc: | Việc | Nội dung | |---|---| | ⚠ Tóm tắt từng nguồn | | | ⚠ Liên kết thông tin GIỮA các nguồn | ⚠ điểm mạnh riêng | | ⚠ Trả lời câu hỏi kèm TRÍCH DẪN | | | ⚠ Gợi ý câu hỏi và điểm thảo luận | | | Sinh tài liệu tổng hợp | ⚠ dàn ý, FAQ, tóm tắt âm thanh | | ⚠ KHÔNG làm | ⚠ tạo slide, gửi lịch, dự đoán hành vi người |

Từ khoá nhận diện:

"nhiều tài liệu có sẵn, tổng hợp, trích dẫn" → ⚠ NotebookLM "tạo bài trình chiếu" → ⚠ Gemini trong Slides "lịch, lời mời" → Calendar "tự tìm nguồn mới trên web" → Deep Research

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã đưa đủ nguồn quan trọng chưa | | | Số liệu then chốt có đúng không | ⚠ mở nguồn đối chiếu | | Tài liệu có được phép tải lên không | ⚠ bản Enterprise cho tài liệu công ty |

Và câu hỏi hiệu quả nhất khi dùng NotebookLM để chuẩn bị họp: "các nguồn này mâu thuẫn nhau ở chỗ nào?" Đó thường chính là chỗ cuộc họp sẽ tranh luận, và là chỗ bạn cần chuẩn bị kỹ nhất.

Đáp án

D — Gemini Code Assist.

Vì sao đúng

Đề nói rõ đối tượng là đội lập trình viên, mục tiêu là hiệu suất viết mã và cộng tác.

⚠ Code Assist làm gì:

⚠ Gợi ý và hoàn thành mã trong IDE
⚠ Sinh hàm từ mô tả bằng lời
⚠ Giải thích đoạn mã lạ
⚠ Sinh test
⚠ Rà soát và gợi ý sửa

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14159 (lô 151), đã ĐỔI CHỮ CÁI: từ chữ B sang chữ D.

⚠ Đây là câu thứ MƯỜI BA trong lô này bị xáo chữ cái — con số cuối cùng của lô. ⚠ Hơn một phần tư số câu trong lô là câu lặp lại với vị trí đáp án khác.

⚠ Kết luận cho toàn bộ chuỗi lô 151–153: bộ đề tái sử dụng câu hỏi rất nhiều và gần như luôn xáo lại thứ tự phương án. ⚠ Người ôn nhớ theo nội dung thì lần nào cũng đúng; nhớ theo chữ cái thì càng ôn càng sai.

Vì sao các phương án khác sai

Cả ba đều là Gemini cho Google Cloud nhưng phục vụ vai trò khác:

• A (Gemini Cloud Assist) — ⚠ bẫy mạnh nhất vì tên rất giống. Nó hỗ trợ vận hành hạ tầng đám mây: thiết kế kiến trúc, chẩn đoán sự cố, tối ưu chi phí. ⚠ Dành cho kỹ sư hạ tầng/SRE.

• C (Gemini in Databases) — ⚠ hỗ trợ quản trị viên CSDL.

• B (Gemini in Security Command Center) — ⚠ hỗ trợ đội bảo mật.

Ghi nhớ

⚠ Gemini cho từng vai trò — bảng phải thuộc: | Công cụ | Ai dùng | |---|---| | ⚠ Code Assist | ⚠ lập trình viên — đề này | | ⚠ Cloud Assist | ⚠ kỹ sư hạ tầng, vận hành | | Gemini in Databases | ⚠ quản trị CSDL | | Gemini in SCC | ⚠ đội bảo mật | | Gemini for Workspace | ⚠ nhân viên văn phòng |

Từ khoá nhận diện:

"viết mã, IDE, hiệu suất lập trình" → ⚠ Code Assist "kiến trúc, chi phí, sự cố hạ tầng" → ⚠ Cloud Assist "SQL, tối ưu truy vấn" → Gemini in Databases "cảnh báo bảo mật" → Gemini in SCC

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Mã sinh ra có được rà soát như mã người viết không | | | Có quét bảo mật tự động không | | | Mã nguồn có bị gửi ra ngoài không | ⚠ dùng bản doanh nghiệp |

Và điều thực tế nhất về AI hỗ trợ lập trình: nó tăng tốc phần GÕ, không thay phần HIỂU. Người hiểu bài toán sẽ nhanh hơn nhiều nhờ nó; người chưa hiểu thì chỉ tạo ra mã hỏng nhanh hơn.

Đáp án

C — Dữ liệu khách hàng được mã hoá và có các kiểm soát truy cập.

Vì sao đúng

Đây là mô tả đúng mô hình bảo mật doanh nghiệp: mã hoá cộng với kiểm soát truy cập.

⚠ Hai lớp cơ bản:

⚠ MÃ HOÁ
   → ⚠ khi lưu và khi truyền
   → ⚠ có thể dùng khoá của khách (CMEK)

⚠ KIỂM SOÁT TRUY CẬP
   → ⚠ IAM: ai được làm gì
   → ⚠ VPC-SC: dữ liệu không rời ranh giới
   → ⚠ audit log: ai đã làm gì

Vì sao các phương án khác sai

Cả ba đều mô tả điều ngược với cam kết doanh nghiệp:

• B (Google kiểm soát quyền truy cập và phân quyền cho dữ liệu khách hàng) — ⚠ bẫy tinh vi nhất: nghe như "nhà cung cấp lo hộ". Nhưng ⚠ trong mô hình doanh nghiệp, ⚠ KHÁCH HÀNG kiểm soát quyền truy cập dữ liệu của mình qua IAM.

• A (dữ liệu khách được chia sẻ với nhà phát triển bên thứ ba) — ⚠ vi phạm cam kết dữ liệu rõ ràng.

• D (dữ liệu khách nằm trong các tập dữ liệu công khai) — ⚠ sai nghiêm trọng nhất.

Ghi nhớ

⚠ Cam kết dữ liệu doanh nghiệp — bảng phải thuộc: | Cam kết | Nội dung | |---|---| | ⚠ Mã hoá | ⚠ khi lưu và khi truyền — đề này | | ⚠ Kiểm soát truy cập | ⚠ IAM do KHÁCH quản — đề này | | ⚠ Không dùng dữ liệu khách huấn luyện mô hình chung | | | Cô lập dữ liệu giữa các khách | | | ⚠ Nhật ký kiểm toán | | | Chọn được vùng lưu trữ | |

Từ khoá nhận diện:

"mã hoá + kiểm soát truy cập" → ⚠ mô hình bảo mật doanh nghiệp "Google kiểm soát quyền của bạn" → ⚠ mô tả SAI "chia sẻ bên thứ ba" → ⚠ luôn sai "tập dữ liệu công khai" → ⚠ luôn sai

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã đọc điều khoản của đúng dịch vụ chưa | ⚠ đừng suy đoán | | IAM có cấu hình đúng chưa | ⚠ phần này là trách nhiệm của BẠN | | Nhân viên có dùng công cụ ngoài không | ⚠ rủi ro thực tế lớn nhất |

Và điểm hay bị hiểu sai nhất về bảo mật đám mây: nhà cung cấp lo phần hạ tầng, nhưng cấu hình sai là lỗi của khách hàng. Phần lớn sự cố rò rỉ dữ liệu trên đám mây đến từ quyền truy cập đặt sai, không đến từ hạ tầng bị chọc thủng.

Đáp án

A — Các hàm để tương tác với API bên ngoài, và một cơ sở dữ liệu để lưu dữ liệu cuộc họp cùng sở thích người dùng.

Vì sao đúng

Đề nêu ba việc agent phải làm, và mỗi việc cần một trong hai loại công cụ:

⚠ Ghép từng việc:

"truy cập LỊCH của thành viên"
    → ⚠ gọi API Calendar

"đề xuất khung giờ phù hợp"
    → ⚠ cần dữ liệu lịch + sở thích

"GỬI lời mời"
    → ⚠ gọi API Calendar/Gmail
        ↓
⚠ Hàm gọi API = TAY CHÂN
⚠ CSDL = BỘ NHỚ

Vì sao các phương án khác sai

• D (mô hình ML tối ưu thời gian và bộ nhớ đệm nội bộ) — ⚠ bẫy nghe kỹ thuật: nghe như giải pháp thông minh, nhưng ⚠ agent KHÔNG cần mô hình ML riêng để chọn giờ — mô hình nền đã đủ suy luận; cái nó thiếu là quyền truy cập lịch thật.

• B (bộ công cụ giao diện và dịch vụ thông báo thời gian thực) — ⚠ đó là tầng Applications, không phải công cụ của agent.

• C (triển khai tại chỗ với tích hợp đám mây và middleware) — ⚠ đó là quyết định hạ tầng, không phải công cụ agent.

Ghi nhớ

⚠ Bốn thành phần của agent — bảng phải thuộc: | Thành phần | Vai trò | |---|---| | ⚠ Mô hình | ⚠ bộ não suy luận | | ⚠ Công cụ (hàm gọi API) | ⚠ tay chân — đề này | | ⚠ Bộ nhớ (CSDL) | ⚠ nhớ sở thích, trạng thái — đề này | | Vòng lặp điều phối | ⚠ quyết bước tiếp theo |

Từ khoá nhận diện:

"truy cập hệ thống ngoài, thực hiện hành động" → ⚠ hàm gọi API "nhớ sở thích, lưu trạng thái" → ⚠ CSDL / bộ nhớ "giao diện người dùng" → ⚠ tầng Applications "tại chỗ hay đám mây" → ⚠ quyết định hạ tầng

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Agent chỉ đọc bận/rảnh hay đọc cả nội dung lịch | ⚠ quyền tối thiểu | | Có xác nhận trước khi gửi lời mời không | | | Múi giờ xử lý đúng chưa | ⚠ thử với người ở múi giờ khác |

Và điều phân biệt agent với chatbot vẫn là: nó có tay chân để chạm vào hệ thống thật. Không có hàm gọi API thì agent chỉ nói về việc đặt lịch, không đặt được.