Câu trả lời nhanh: Để tạo hình ảnh cho bài blog bằng các tác vụ AI agent, hãy gom bản tóm tắt yêu cầu (brief), thông số kỹ thuật của hình ảnh và người phê duyệt vào cùng một Task. Agent sẽ soạn thảo bài viết, gọi API hình ảnh như MiniMax H3-Image bằng API key lấy từ biến môi trường của nó, đính kèm cả hai tệp trở lại Task, và dừng lại ở bước chờ phê duyệt. Con người sẽ xem xét để phê duyệt hoặc yêu cầu chỉnh sửa.
Ngày nay, bạn hoàn toàn có thể tạo hình ảnh cho bài blog thông qua các lượt chạy AI agent mà không cần phải xây dựng cả một nền tảng quản trị nội dung phức tạp. Về phía mô hình, mọi thứ vừa trở nên dễ dàng hơn trong tuần này: vào ngày 10/11/2026, MiniMax đã phát hành H3-Image — một mô hình tạo ảnh open-weight (trọng số mở) có khả năng xuất ra hình ảnh 16 megapixel, mà theo MiniMax thì chỉ mất khoảng 10 giây. Khâu khó khăn nhất trước giờ chưa từng nằm ở việc gọi API. Điều cốt lõi là làm sao để giữ bản nháp bài viết, hình ảnh, prompt tạo ảnh và quyết định phê duyệt cho cả hai ở cùng một nơi duy nhất.
Hướng dẫn này sẽ chỉ ra quy trình làm việc đó trên một Task duy nhất. Bạn sẽ nắm được nội dung cần có trong bản brief, nơi cấu hình API key, đoạn script mà Agent sẽ chạy và những điểm người phê duyệt cần kiểm tra. Nếu bạn đã quen với việc giao các tác vụ lập trình cho agent, Sharkly cũng sẽ mang lại cho công việc sáng tạo nội dung một quy trình khép kín tương tự: tạo Task, chạy agent và đánh giá.
Tại sao một agent duy nhất nên đảm nhận cả hai việc
Khi khâu viết bài và tạo ảnh bị tách rời thành các bước riêng biệt, ảnh bìa (header image) sẽ rất dễ bị lệch hướng so với nội dung bài viết. Người viết có thể đổi hướng tiếp cận ở bản nháp thứ ba, nhưng hình ảnh vẫn minh họa cho ý tưởng từ bản thảo đầu tiên. Ai đó copy-paste prompt vào một ứng dụng web, tải tệp xuống, đổi tên rồi thả vào một thư mục chia sẻ. Về sau, chẳng ai còn nhớ nổi prompt nào đã tạo ra hình ảnh nào.
Một Task duy nhất sẽ giải quyết triệt để vấn đề đó bằng cách gắn cả hai kết quả đầu ra vào một đầu mối phụ trách và một bản ghi đồng nhất:
- Agent sẽ đọc bản nháp hoàn thiện trước khi viết prompt tạo ảnh, đảm bảo ảnh bìa khớp hoàn toàn với bài viết sẽ xuất bản.
- Prompt, model ID, kích thước và chi phí đều được lưu lại ngay trong cùng Task chứa bản nháp.
- Người phê duyệt có thể xem đồng thời cả văn bản lẫn hình ảnh và đưa ra quyết định chỉ trong một lần duyệt.
- Yêu cầu chỉnh sửa sẽ được gửi lại cho Agent với đầy đủ ngữ cảnh ban đầu, thay vì phải bắt đầu một phiên chat hoàn toàn mới.
Sự phân công giữa con người và agent vẫn rất rõ ràng: Agent viết nháp, tạo ảnh, đính kèm tệp và báo cáo. Con người sẽ ra quyết định, biên tập và xuất bản.
Những gì MiniMax H3-Image mang lại
H3-Image là mô hình tạo ảnh từ văn bản (text-to-image) và chỉnh sửa ảnh (image editing) của MiniMax. Chỉ một checkpoint duy nhất có thể xử lý cả hai chế độ, trong đó chế độ chỉnh sửa chấp nhận từ 1 đến 16 hình ảnh tham chiếu. Dưới đây là các thông số do MiniMax công bố trong tài liệu hướng dẫn tạo ảnh và model card của họ:
| Mục | Giá trị (theo MiniMax, cập nhật ngày 11/11/2026) |
|---|---|
| Model IDs | MiniMax-H3-Image, MiniMax-H3-Image-Highspeed |
| Endpoints | POST /v1/images/generations, POST /v1/images/edits |
| Tùy chọn kích thước | aspect_ratio kết hợp area (1K, 2K, 4K), hoặc kích thước chính xác WIDTHxHEIGHT |
16:9 ở mức 2K |
2720 x 1536 |
| Số ảnh mỗi yêu cầu | 1 đến 10 |
| Định dạng đầu ra | jpeg (mặc định), png, webp |
| Chưa hỗ trợ | Chỉnh sửa vùng chọn (masked edits), nền trong suốt (transparent backgrounds) |
| Chi phí mẫu, 2K text-to-image | 0,02333 USD mỗi ảnh |
| Chi phí mẫu, 4K text-to-image | 0,06879 USD mỗi ảnh, 0,03439 USD trong thời gian ưu đãi ra mắt |
Chương trình ưu đãi ra mắt giảm 50% khi hình ảnh xuất ra có độ phân giải từ 16.600.000 pixel trở lên. Trang định giá của MiniMax cho biết chương trình kéo dài đến 16:00 UTC ngày 17/11/2026. Ảnh bìa bài blog hiếm khi cần tới 16 megapixel, vì vậy tỷ lệ 16:9 ở mức 2K là lựa chọn mặc định hợp lý nhất.
Có nên tự host bộ trọng số mở (open weights) không?
Với hầu hết các đội ngũ, câu trả lời là không. Bộ trọng số này đi kèm với Giấy phép Cộng đồng MiniMax-H3-Image (MiniMax-H3-Image Community License), chứ không phải giấy phép mã nguồn mở tiêu chuẩn. Bạn nên tự đọc kỹ giấy phép: nó loại trừ một số khu vực địa lý khỏi phạm vi cấp phép, đồng thời yêu cầu phải có văn bản ủy quyền riêng nếu doanh thu hàng năm vượt 1 triệu USD hoặc khi triển khai bất kỳ dịch vụ lưu trữ (hosted service) nào. Dung lượng tải về cũng rất lớn: 66,28 GB cho diffusion transformer cộng thêm 66,7 GB cho text encoder. Do đó, sử dụng API là giải pháp thực tế hơn nhiều cho quy trình làm blog.
Bước 1: Soạn brief dưới dạng một Task
Phần mô tả Task chính là bản brief. Mọi thứ Agent cần để hoàn thành công việc mà không phải hỏi lại đều được đặt ở đây. Một bản mô tả chuẩn sẽ trông như sau:
**Post:** How we cut CI time by 40% with test sharding
**Audience:** platform engineers
**Length:** 1,400 words
**Header image:** 16:9, 2K, MiniMax-H3-Image
**Image direction:** abstract, no text in the image, brand blues
**Deliver:** article.md + header.jpg + prompt.txt attached to this Task
**Reviewer:** Maria (approves both before anything is published)
Hãy giữ những chi tiết dùng một lần trong Task. Còn những quy tắc lặp lại cho mọi bài viết — chẳng hạn như văn phong, phong cách hình ảnh và quy ước đặt tên tệp — nên được đưa vào một Skill. Trong Sharkly, Skill đóng gói các chỉ dẫn có thể tái sử dụng kèm theo các tệp hỗ trợ, và Agent sẽ tải các Skill được giao trong mỗi lần chạy. Bài viết giải thích của chúng tôi về skill của coding agent là gì sẽ giải thích chi tiết về định dạng này.
Bước 2: Cung cấp API key tạo ảnh cho Agent
Lượt chạy cần có MINIMAX_API_KEY trong biến môi trường của nó. Phần cài đặt Agent của Sharkly cho phép quản lý cả biến môi trường dạng thông thường lẫn bí mật (secret), và phiên chạy gắn với task sẽ nhận các biến cũng như liên kết bí mật đã cấu hình khi khởi động.
Hãy lưu ý ghi chú trong bảng điều khiển đó. Các giá trị dạng thông thường có thể nhìn thấy bởi những Agent manager có thẩm quyền và không phải là nơi lưu trữ bảo mật, vì vậy API key có tính phí vào tài khoản của bạn phải được đặt trong cấu hình bí mật (secret configuration). Tuyệt đối không bao giờ đưa API key vào phần mô tả Task hay phần bình luận. Bản checklist bảo mật thông tin nhạy cảm cho coding agent của chúng tôi sẽ hướng dẫn chi tiết các phần còn lại.
Sharkly không có sẵn connector tích hợp riêng cho hình ảnh của MiniMax. Agent gọi API này tương tự như cách nó gọi bất kỳ dịch vụ HTTP nào khác: thông qua một đoạn script chạy trên Computer nơi nó hoạt động. Tuy nhiên, Sharkly có hỗ trợ MiniMax Code (mcode) như một Runtime kể từ bản changelog ngày 26/10/2026, do đó các đội ngũ đang sử dụng MiniMax Code có thể chạy Agent ngay tại đó. Hãy kiểm thử quy trình tạo ảnh từ một lượt chạy headless trước khi đưa vào áp dụng chính thức.
Bước 3: Đoạn script Agent sẽ thực thi
Hãy đóng gói đoạn script này vào Skill để mọi lượt chạy đều sử dụng cùng một cấu trúc request chuẩn. Đoạn mã tuân theo đúng định dạng request trong tài liệu của MiniMax:
# make_header.py: generate one 16:9 header with MiniMax H3-Image
import os, sys, json, requests
prompt = open(sys.argv[1]).read().strip() # prompt.txt written by the Agent
resp = requests.post(
"https://api.minimax.io/v1/images/generations",
headers={"Authorization": f"Bearer {os.environ['MINIMAX_API_KEY']}"},
json={
"model": "MiniMax-H3-Image",
"prompt": prompt,
"aspect_ratio": "16:9",
"area": "2K",
"n": 1,
"response_format": "url",
},
timeout=600,
)
resp.raise_for_status()
result = resp.json()
item = result["data"][0]
if "error" in item:
sys.exit(f"Image failed: {item['error']['message']}")
with open(f"header.{result['output_format']}", "wb") as f:
f.write(requests.get(item["url"], timeout=120).content)
json.dump({"size": item["size"], "revised_prompt": item["revised_prompt"]},
open("image-meta.json", "w"), indent=2)
Có ba điểm cần đặc biệt lưu ý khi làm việc nhóm:
- Không tự động thử lại (retry). Tài liệu của MiniMax cảnh báo rằng lệnh gọi API không có tính idempotent (không thể thực hiện lại mà không đổi trạng thái), vì vậy việc thử lại có thể khiến bạn bị tính tiền cho một ảnh mới. Hãy để Agent báo cáo lỗi thay vì lặp lại yêu cầu.
- Lưu lại
revised_prompt. Tính năng tự động tối ưu hóa prompt (prompt enhancement) được bật theo mặc định, và phản hồi API sẽ trả về prompt thực tế đã dùng. Hãy lưu lại giá trị này để người duyệt có thể yêu cầu tinh chỉnh chính xác mà không phải phỏng đoán. - Tải tệp về máy. Hướng dẫn yêu cầu bạn phải tự tải hình ảnh về và lưu trữ, do đó đừng chỉ gửi URL tạm thời trả về cho người kiểm duyệt.
Bước 4: Đính kèm cả hai tệp và dừng lại ở bước chờ duyệt
Khi bản nháp và hình ảnh đã sẵn sàng, Agent sẽ đính kèm chúng vào Task và báo cáo tóm tắt những việc đã thực hiện. Sharkly CLI có thể xử lý cả hai việc này chỉ bằng một dòng lệnh:
sharkly task comment "$TASK_ID" \
--body-file run-summary.md \
--attachment article.md \
--attachment header.jpg \
--attachment image-meta.json
Bản tóm tắt sẽ liệt kê số lượng từ, model ID, kích thước ảnh, block usage từ phản hồi API, và bất kỳ điểm nào chưa thể xác minh. Sau đó, Agent sẽ chuyển phiên làm việc sang trạng thái chờ phê duyệt. Thông báo bàn giao này sẽ xuất hiện ngay trong mục Task Chats ở thanh điều hướng bên (sidebar), đảm bảo không bị bỏ sót.
Mọi kết quả đều được gom về lại Task. Người phê duyệt không cần phải lục tìm qua terminal, thư mục tải về hay lịch sử chat.
Bước 5: Phê duyệt đồng thời cả bài viết lẫn hình ảnh
Người kiểm duyệt chỉ cần mở một Task duy nhất và đối chiếu cả hai kết quả đầu ra với bản brief:
- Ảnh bìa có ăn khớp với góc nhìn cuối cùng của bài viết hay vẫn mang hơi hướng của bản thảo cũ?
- Có chữ nào xuất hiện trong ảnh do AI tạo ra không? Các mô hình tạo ảnh hiện vẫn hay viết sai chính tả, vì vậy bản brief yêu cầu không chứa text.
- Hình ảnh có hiển thị giao diện sản phẩm thật không? Nếu có, hãy thay bằng ảnh chụp màn hình thực tế. Giao diện do AI tạo ra chỉ là bản dựng (mockup).
- Các số liệu và sự thật trong bài viết có khớp với nguồn trích dẫn không?
Nếu muốn yêu cầu chỉnh sửa, chỉ cần để lại bình luận trên Task. Agent sẽ tiếp tục mạch trao đổi với đầy đủ ngữ cảnh về bản nháp, hình ảnh và prompt đã lưu trước đó. Để tìm hiểu thêm về thời điểm con người nên tham gia vào quy trình, hãy xem bài hướng dẫn của chúng tôi về cơ chế can thiệp của con người (human-in-the-loop) đối với coding agent.
Khi nào không nên sử dụng quy trình này
Hãy bỏ qua quy trình này nếu bạn chỉ cần tạo một hình ảnh đơn lẻ. Khi bạn chỉ cần một tấm ảnh cho slide thuyết trình, việc mở ứng dụng web sẽ nhanh hơn nhiều so với việc soạn một bản brief.
Cũng nên tránh hoàn toàn việc dùng AI tạo ảnh đối với ảnh chụp màn hình sản phẩm, biểu đồ dữ liệu thực tế và ảnh chụp người thật hay sự kiện thực. Những trường hợp đó bắt buộc phải dùng nguồn tư liệu thật. AI tạo ảnh phù hợp nhất với concept art, ảnh bìa mang tính trừu tượng và các sơ đồ minh họa mà đằng nào bạn cũng phải vẽ lại. Để duy trì tính nhất quán về mặt nhận diện hình ảnh qua nhiều bài viết, hãy đọc bài cách duy trì hình ảnh thương hiệu nhất quán với AI agent.
Kết luận
Mô hình tạo ảnh chỉ là phần đơn giản. Theo bảng giá của MiniMax, H3-Image tạo một ảnh bìa 2K chỉ tốn khoảng 2 xu Mỹ (0,02 USD). Thứ thực sự giúp bạn tiết kiệm thời gian chính là quy trình có cấu trúc bao quanh nó: một Task, một bản brief, một lượt chạy Agent và một bước phê duyệt duy nhất.
Hãy thiết lập một lần: Kết nối một Computer, tạo một Agent với image key trong cấu hình bí mật, trang bị cho nó Skill và đoạn script ở trên, rồi giao bài viết tuần tới cho nó. Bạn có thể bắt đầu sử dụng Sharkly miễn phí; xem sharkly.ai để biết chi tiết về các gói dịch vụ hiện tại.
Câu hỏi thường gặp (FAQ)
AI agent có thể tự tạo hình ảnh cho bài blog không?
Có, miễn là phiên chạy được cấp API key tạo ảnh cùng một script hoặc công cụ gọi API đó. Agent sẽ tự viết prompt dựa trên bản nháp, gọi endpoint, lưu tệp và đính kèm vào Task để chờ phê duyệt.
MiniMax H3-Image là gì?
H3-Image là mô hình open-weight (trọng số mở) của MiniMax phục vụ việc tạo ảnh từ văn bản và chỉnh sửa hình ảnh, được phát hành vào ngày 10/11/2026. Mô hình này xuất ra ảnh có độ phân giải khoảng 16 megapixel và hỗ trợ tới 16 hình ảnh tham chiếu trong chế độ chỉnh sửa.
Chi phí tạo một ảnh bìa bằng H3-Image là bao nhiêu?
Trang định giá của MiniMax niêm yết mức 0,02333 USD cho ảnh mẫu 2K tạo từ văn bản và 0,06879 USD cho ảnh 4K. Chi phí thực tế sẽ thay đổi theo độ dài của prompt, do các token trong prompt được tối ưu hóa (enhanced prompt) cũng bị tính phí.
Sharkly có tích hợp sẵn tính năng tạo ảnh của MiniMax không?
Không. Sharkly chạy Agent trên Computer của bạn, và Agent sẽ gọi MiniMax API bằng API key của bạn. MiniMax Code hiện có sẵn dưới dạng một Runtime trên Sharkly, nhưng đây không phải là một connector tạo hình ảnh.
API key nên được lưu trữ ở đâu?
Trong phần cấu hình bí mật (secret configuration) của Agent. Các biến môi trường thông thường trên Sharkly có thể bị nhìn thấy bởi các Agent manager, còn mô tả Task và bình luận thì bất kỳ ai có quyền mở Task đều xem được.
Agent có nên tự động xuất bản bài viết luôn không?
Không. Khâu xuất bản vẫn nên do con người đảm nhiệm. Agent chỉ soạn nháp và đính kèm tệp; người phê duyệt sẽ duyệt và tiến hành xuất bản.
