Không thể xử lý văn bản: Ngôn ngữ không phải tiếng Việt

Lê Lân

29/06/2025

Xây Dựng Nền Tảng Chatbot Đa Nhân Cách với NestJS, Angular và Google Gemini API

Mở Đầu

Trong thời đại trí tuệ nhân tạo (AI) đang phát triển mạnh mẽ, việc xây dựng các ứng dụng chatbot thông minh, cá nhân hóa không còn là chuyện xa vời. Tuy nhiên, để tạo ra một nền tảng đa nhân cách cho phép người dùng tạo và quản lý nhiều "chuyên gia" AI khác nhau, đòi hỏi một kiến trúc tinh vi, đa tầng.

Bài viết này sẽ là một hướng dẫn chi tiết về hành trình phát triển một nền tảng chat đa nhân cách, sử dụng API Google Gemini - một công nghệ AI generative tiên tiến - cùng với các framework mạnh mẽ như NestJS cho backend và Angular cho frontend. Từng bước, chúng ta sẽ đi từ khởi tạo backend, tích hợp API Gemini, quản lý bộ nhớ hội thoại cho đến kiến tạo giao diện người dùng hiện đại, tương tác mượt mà.

Nếu bạn là lập trình viên muốn nâng cao kỹ năng xây dựng ứng dụng AI hay một người đam mê công nghệ muốn hiểu rõ hơn về cách kết hợp các công nghệ hiện đại, đây chính là cẩm nang không thể bỏ qua.

1. Khởi Tạo Backend Với NestJS và Định Tuyến Đầu Tiên Đến Google Gemini API

1.1. Thiết Lập Dự Án NestJS Và Quản Lý Cấu Hình

Tạo dự án mới qua CLI: nest new gemini-nest-backend

Cài đặt @nestjs/config để quản lý biến môi trường

Tạo file .env chứa khóa API cho Gemini:

GEMINI_API_KEY=SUA_CHAVE_SECRETA_DO_GOOGLE_AI_AQUI

Trong app.module.ts , import và cấu hình ConfigModule để biến môi trường có hiệu lực toàn cục.

1.2. Kết Nối Với Google Gemini API: "Hello World" Của AI

Tạo module, controller, service cho tính năng chat:

nest g module chat
nest g controller chat
nest g service chat

Trong service, khởi tạo kết nối Gemini với API key từ biến môi trường.

Viết phương thức gửi prompt đơn giản và trả về câu trả lời.

1.3. Tạo Endpoint API Đơn Giản

Xây dựng DTO để validate dữ liệu nhận từ client.

Controller định nghĩa route và xử lý post request, gọi service và trả dữ liệu về client.

Tầng backend được xây dựng với kiến trúc modular, rõ ràng, dễ bảo trì và mở rộng. API đã có thể giao tiếp với Google Gemini, tạo tiền đề cho các tính năng phức tạp phía sau.

2. Quản Lý Bộ Nhớ Hội Thoại: Từ Bộ Nhớ Ngắn Hạn Đến Cơ Chế Lưu Trữ Lâu Dài

2.1. Bộ Nhớ Ngắn Hạn: Session Chat trên RAM Server

Sử dụng một Map<string, ChatSession> để chứa các phiên chat theo sessionId

Mỗi session chứa lịch sử hội thoại để Gemini giữ ngữ cảnh.

Hỗ trợ đa phiên trò chuyện đồng thời.

2.2. Hạn Chế Của Lưu Bộ Nhớ Trên RAM

Thiếu tính bền vững: khởi động lại server mất toàn bộ data.

Vấn đề về cân bằng tải khi có nhiều instance server.

Điều này làm lưu trữ trên RAM không phù hợp với sản phẩm có quy mô thực tế.

2.3. Lưu Bộ Nhớ Lâu Dài: Tích Hợp MongoDB Với Mongoose

Cài đặt @nestjs/mongoose và mongoose .

Định nghĩa schema Conversation chứa sessionId và history (lịch sử cuộc trò chuyện).

Kết nối database qua biến môi trường:

MongooseModule.forRootAsync({
  imports: [ConfigModule],
  useFactory: async (configService: ConfigService) => ({
    uri: configService.get<string>('DATABASE_URL'),
  }),
  inject: [ConfigService],
});

2.4. Refactor Lại Để Lưu Và Đọc Lịch Sử Từ MongoDB

Service chat khi nhận lượt chat mới:

Truy vấn lịch sử hội thoại từ cơ sở dữ liệu.

Khởi tạo phiên chat trên Gemini với lịch sử đã có.

Gửi tin nhắn mới, cập nhật và lưu lại lịch sử hội thoại mới nhất.

Sự kết hợp NestJS + MongoDB tạo ra nền tảng backend vừa bền vững, vừa dễ dàng mở rộng, loại bỏ lo ngại mất dữ liệu hay đứt quãng hội thoại.

3. Tạo Nhân Cách AI (Persona) Cho Chuyên Gia Đa Dạng

3.1. Thiết Kế Persona: Hướng Dẫn Cách Thức Hoạt Động Của Chatbot

Một Persona là một tập hợp các hướng dẫn xác định:

Danh tính: Ai là người bạn đang nói chuyện? Ví dụ: "Alex, chuyên viên tư vấn ERP"

Mục tiêu: Mục đích cuộc trò chuyện.

Phong cách: Giọng điệu, cá tính.

Nội dung kiến thức: Phạm vi hiểu biết của AI.

Giới hạn: Những điều không được phép làm.

Định dạng trả lời: Markdown, danh sách, nhấn mạnh.

3.2. Triển Khai Persona Trên Backend

Tạo file persona.ts export chuỗi persona.

Khi bắt đầu một phiên chat mới (lịch sử rỗng), chèn persona vào đầu lịch sử hội thoại.

Gemini sẽ "biết" vai trò để phản hồi chính xác hơn.

3.3. Kết Quả Thực Tiễn

Trước Persona	Sau Persona
"Chào bạn, tôi có thể giúp gì?"	"Tôi là Alex, chuyên viên ERP. Tôi có thể giúp bạn thế nào về quản lý doanh nghiệp?"

Persona giúp AI đi từ phản ứng đơn giản sang định hướng mục tiêu, tăng tính chuyên môn và gắn kết hơn với người dùng.

3.4. Tính Năng Nâng Cao: Function Calling

Gemini có thể ra lệnh cho backend thực thi các hàm cụ thể.

Ví dụ: Tìm giá sản phẩm, kiểm tra tồn kho.

Biến chatbot thành công cụ thực thi, không chỉ giao tiếp.

Persona là chìa khóa biến chatbot trở thành chuyên gia thực thụ, áp dụng linh hoạt cho nhiều lĩnh vực & mục đích.

4. Phát Triển Frontend Với Angular: Giao Diện Chatbot Hiện Đại

4.1. Khởi Tạo Dự Án Angular và Cấu Hình CORS

Tạo project Angular standalone components: ng new gemini-angular-chat --standalone

Cấu hình HttpClient toàn cục.

Kích hoạt CORS trên backend để đồng bộ frontend - backend.

4.2. Xây Dựng ChatService

Đơn giản hóa HTTP POST gửi prompt và sessionId đến backend.

Trả về observable chứa phản hồi và sessionId.

4.3. Tạo ChatComponent Quản Lý Giao Diện Và Đối Thoại

Biến messages lưu nhật ký hội thoại theo cặp người dùng - AI.

Biến sessionId giữ trạng thái phiên chat.

sendMessage() gửi truy vấn, cập nhật giao diện ngay và chờ phản hồi, hiển thị loading...

4.4. Tích Hợp Markdown Để Hiển Thị Phản Hồi Đa Dạng

Cài đặt ngx-markdown để render câu trả lời với định dạng:

Danh sách

Code snippet

Highlighted text

Cải thiện trải nghiệm đọc, giúp chatbot vừa hữu ích vừa sinh động.

Mẫu Tin Nhắn Trong ChatComponent HTML

<div *ngFor="let message of messages" class="message-wrapper" [class.justify-content-end]="message.sender === 'user'">
  <div class="card p-3" [ngClass]="{ responseAgent: message.sender === 'bot' }">
    <markdown [data]="message.text" class="m-0"></markdown>
  </div>
</div>

Lợi Ích

Phản hồi dễ đọc, trực quan.

Hỗ trợ nhiều định dạng nâng cao.

Tương tác gần gũi hơn với người dùng.

5. Mở Rộng Đa Nhân Cách: Cho Phép Tạo, Quản Lý Và Chọn Agent AI

5.1. Backend: Tạo Module Quản Lý Agents

Tạo AgentsModule trong NestJS với schema, service, controller riêng biệt.

Schema đơn giản chứa name và persona .

API hỗ trợ CRUD cơ bản: tạo mới, lấy danh sách agents.

5.2. Tích Hợp Agents Vào ChatService

ChatService nhận thêm agentId từ frontend.

Khi bắt đầu chat mới, tìm persona tương ứng trong db bằng agentId .

Inject persona động vào lịch sử trò chuyện.

5.3. Frontend: Giao Diện Quản Lý Và Chọn Agent

Tải danh sách agents từ backend.

Hiển thị danh sách dưới dạng card trực quan với tên và mô tả ngắn.

Người dùng chọn agent là bắt đầu phiên trò chuyện với persona tương ứng.

Tạo tính năng thêm mới agent thông qua form.

Nền tảng chatbot trở thành hệ sinh thái đa dạng, linh hoạt, phù hợp nhiều mục đích và cá nhân hóa tối đa.

Kết Luận

Qua trải nghiệm thực tế, chúng ta thấy được cách kiến tạo một nền tảng chatbot đa nhân cách chuyên nghiệp không chỉ đòi hỏi kiến thức lập trình chuyên sâu mà còn cần sự hiểu biết về thiết kế UX, quản lý trạng thái và tích hợp API AI tiên tiến.

Từ việc thiết lập backend NestJS kết nối Google Gemini API, xử lý bộ nhớ hội thoại linh hoạt với MongoDB, cho đến xây dựng frontend hiện đại với Angular và tận dụng Markdown để tạo chiều sâu cho câu trả lời, mỗi bước đều góp phần tạo nên một hệ thống hoàn chỉnh, mạnh mẽ và dễ mở rộng.

Việc mở rộng để hỗ trợ đa nhân cách làm nền tảng có thể phục vụ nhiều kịch bản và khách hàng, trở thành sản phẩm thực tế giá trị.

Bạn đã sẵn sàng áp dụng kiến thức này để tạo ra giải pháp AI tương tác của riêng mình chưa?

Tham Khảo

NestJS Official Documentation: https://docs.nestjs.com

Google Gemini API - AI Studio: https://aistudio.google.com

Mongoose ODM Guide: https://mongoosejs.com/docs/guide.html

Angular Standalone Components: https://angular.io/guide/standalone-components

ngx-markdown Library: https://github.com/jfcere/ngx-markdown

Ghabryel Henrique GitHub: https://github.com/GhabryelHenrique