GPT tùy chỉnh (còn gọi là "GPT" hoặc "Trợ lý Tùy chỉnh") cho phép cá nhân và nhóm tạo các phiên bản ChatGPT được thiết kế riêng, tích hợp hướng dẫn, tệp tham chiếu, công cụ và quy trình làm việc. GPT tùy chỉnh dễ sử dụng nhưng có những hạn chế, rủi ro và lựa chọn quan trọng mà bạn cần biết trước khi thiết kế, xuất bản hoặc tích hợp.
GPT tùy chỉnh là gì?
GPT tùy chỉnh (thường được gọi là "GPT" trong ChatGPT) là các phiên bản ChatGPT được thiết kế riêng mà bạn có thể tạo mà không cần viết mã. Chúng kết hợp các hướng dẫn hệ thống, kiến thức chuyên môn (tệp, URL, nhúng) và tích hợp công cụ tùy chọn để hoạt động như một trợ lý chuyên biệt cho từng lĩnh vực — ví dụ: người tóm tắt pháp lý, đối tác thiết kế sản phẩm, huấn luyện viên phỏng vấn hoặc bot hỗ trợ nội bộ. OpenAI đã thiết kế trải nghiệm tạo GPT để có thể truy cập thông qua trình xây dựng trực quan: bạn cho trình xây dựng biết bạn muốn gì và nó sẽ hỗ trợ trợ lý, trong khi tab Cấu hình cho phép bạn thêm tệp, công cụ và các tiêu chí bảo vệ.
Tại sao phải xây dựng một cái?
GPT tùy chỉnh cho phép các nhóm và cá nhân:
- Ghi lại các quy trình công việc có thể lặp lại (hướng dẫn dự án, mẫu nội dung).
- Thực thi các nguyên tắc về giọng điệu/thương hiệu và chính sách Hỏi & Đáp.
- Trình bày kiến thức độc quyền (tải lên tài liệu sản phẩm, chính sách).
- Giảm thiểu sự bất tiện: người dùng sẽ tương tác với trợ lý có hiểu biết thay vì phải lặp lại hướng dẫn trong mỗi phiên.
Dưới đây tôi sẽ hướng dẫn bạn một cách chuyên nghiệp và thực tế: từng bước tạo, cấu hình và xuất bản, mô hình tích hợp, thử nghiệm và quản trị.
Làm thế nào để tạo GPT tùy chỉnh theo từng bước?
Bước 1: Lên kế hoạch cho mục đích và ràng buộc của trợ lý
Xác định các nhiệm vụ chính, đối tượng người dùng mục tiêu và những việc trợ lý không bao giờ được làm (vì lý do an toàn/tuân thủ). Ví dụ: "Một người tóm tắt hợp đồng cho bộ phận pháp lý không bao giờ đưa ra tư vấn pháp lý và đánh dấu các điều khoản mơ hồ". Làm rõ điều này ngay từ đầu sẽ giúp việc hướng dẫn và kiểm tra của bạn nhanh hơn.
Bước 2: Mở GPT Builder
Từ thanh bên trái của ChatGPT, hãy đi tới GPT → Tạo (hoặc truy cập chatgpt.com/gpts). Trình xây dựng thường hiển thị tab "Tạo" (tạo tác giả), tab "Cấu hình" cho siêu dữ liệu và tài sản, và tab "Xem trước" để thử nghiệm trực tiếp.
Bước 3: Xác định hướng dẫn hệ thống và nhân vật
Trong tab Cấu hình, hãy cung cấp hướng dẫn ngắn gọn nhưng đầy đủ:
- Vai trò: trợ lý là gì is (ví dụ: “Bản tóm tắt hợp đồng cho nhóm mua sắm”).
- Hành vi: giọng điệu, mức độ dài dòng và các ràng buộc (ví dụ: “Luôn hỏi về phạm vi tài liệu trước khi tóm tắt”).
- Những hành động bị cấm: những gì cần từ chối (ví dụ: “Không đưa ra lời khuyên pháp lý; luôn luôn giới thiệu một luật sư”).
Những hướng dẫn này tạo thành nền tảng cho hành vi nhất quán.
Bước 4: Tải lên kiến thức và ví dụ
Đính kèm các tệp tham khảo (PDF, tài liệu), Câu hỏi thường gặp và mẫu Hỏi-Đáp để GPT có thể dựa trên dữ liệu của bạn để trả lời. Hãy đảm bảo mỗi tệp được tập trung và có cấu trúc tốt—các tài liệu lớn, nhiều thông tin có thể làm giảm hiệu suất. Kiến thức được tải lên giúp trợ lý đưa ra các phản hồi nhất quán, chính xác trong suốt phiên làm việc (nhưng lưu ý các lưu ý về trí nhớ sẽ được thảo luận sau).
Bước 5: Thêm Hành động (kết nối API hoặc công cụ) nếu cần
Nếu trợ lý của bạn cần dữ liệu bên ngoài (kiểm tra hàng tồn kho, truy cập lịch, tra cứu CRM), hãy cấu hình Tác vụ tùy chỉnh (còn gọi là công cụ). Hành động là một lệnh gọi API web được xác định mà trợ lý có thể thực hiện trong khi trò chuyện. Sử dụng chúng để lấy dữ liệu trực tiếp, chạy giao dịch hoặc làm phong phú thêm phản hồi. Hành động mở rộng tính hữu ích nhưng làm tăng độ phức tạp và yêu cầu bảo mật.
- bổ sung hoặc API web có thể gọi được cho dữ liệu thời gian thực (hàng tồn kho, lịch).
- Hành động tùy chỉnh thông qua các điểm cuối webhook (xây dựng trình kích hoạt, gửi vé).
- Thực thi mã hoặc các công cụ nâng cao để tính toán, phân tích tệp hoặc tra cứu cơ sở dữ liệu.
Bước 6: Chọn mô hình và sự đánh đổi hiệu suất
OpenAI cho phép người sáng tạo lựa chọn từ nhiều mô hình ChatGPT khác nhau (bao gồm nhiều dòng GPT-5 và các tùy chọn nhỏ gọn hơn) để cân bằng chi phí, tốc độ và khả năng. Chọn mô hình dựa trên độ phức tạp của tác vụ: mô hình lớn để tóm tắt hoặc lập luận chi tiết; mô hình nhỏ hơn/rẻ hơn cho các câu hỏi và trả lời đơn giản. Hỗ trợ mô hình mở rộng cho các GPT tùy chỉnh—hãy chú ý đến những mô hình nào tài khoản của bạn có thể sử dụng.
Bước 7: Xem trước, thử nghiệm và lặp lại
Sử dụng tab Xem trước để mô phỏng lời nhắc của người dùng thực tế. Kiểm tra các trường hợp ngoại lệ, lời nhắc đối nghịch và đường dẫn lỗi (ví dụ: dữ liệu bị thiếu hoặc ý định người dùng mơ hồ). Lặp lại các hướng dẫn, tệp và hành động cho đến khi hành vi trở nên đáng tin cậy.
Theo dõi:
- Độ chính xác của câu trả lời (các sự kiện có dựa trên các tệp đã tải lên không?)
- Giọng điệu và định dạng (nó có tạo ra sản phẩm theo cấu trúc mong đợi không?)
- Phản hồi về an toàn (có từ chối hay tăng cường khi được yêu cầu thực hiện các hành động bị cấm không?)
Bước 8: Xuất bản, chia sẻ hoặc giữ riêng tư
Bạn có thể xuất bản GPT của mình tới:
- Danh mục riêng của tổ chức bạn (Nhóm/Doanh nghiệp),
- Cửa hàng GPT công cộng (nếu bạn muốn khám phá rộng hơn),
- Hoặc giữ riêng tư để sử dụng nội bộ.
Nếu xuất bản công khai, hãy tuân thủ các quy tắc công bố: nêu rõ liệu nội dung có sử dụng API bên ngoài, thu thập dữ liệu hay có giới hạn nào không. Cửa hàng GPT cho phép khám phá và (trong một số giai đoạn) các chương trình doanh thu cho người sáng tạo.
Bạn có thể sử dụng API bên ngoài nào để tích hợp GPT tùy chỉnh?
Có nhiều mẫu tích hợp và nhiều API bạn có thể cắm vào GPT tùy chỉnh (hoặc vào ứng dụng đóng gói GPT). Hãy lựa chọn dựa trên khả năng bạn cần — dữ liệu trực tiếp / hành động, truy xuất (RAG) / kiến thức, tự động hóa / điều phối, hoặc là dịch vụ dành riêng cho ứng dụng.
1) Plugin OpenAI / ChatGPT (OpenAPI + manifest) — dành cho các lệnh gọi API do mô hình khởi tạo
Nó là gì: một cách chuẩn hóa để đưa REST API của bạn tới ChatGPT thông qua ai-plugin.json manifest + một thông số kỹ thuật OpenAPI để mô hình có thể cuộc gọi điểm cuối của bạn trong suốt cuộc trò chuyện. Sử dụng tùy chọn này khi bạn muốn GPT lấy thông tin trực tiếp hoặc thực hiện hành động (đặt chuyến bay, truy vấn kho hàng, chạy tìm kiếm).
Khi nào sử dụng: bạn muốn GPT yêu cầu dữ liệu hoặc thực hiện một hành động suốt trong lượt trò chuyện (mô hình chọn API để gọi). Ví dụ điển hình: hệ thống bán vé, danh mục sản phẩm, công cụ định giá, điểm cuối tìm kiếm tùy chỉnh.
Ưu điểm:
- Luồng LLM→API tự nhiên (mô hình lựa chọn và lý do thực hiện lệnh gọi nào).
- Sử dụng OpenAPI, do đó nó tích hợp với các công cụ API chuẩn.
Nhược điểm: - Yêu cầu xây dựng API, manifest và luồng xác thực an toàn (OAuth hoặc API-key).
- Diện tích bề mặt bảo mật — tuân theo các biện pháp tốt nhất để có ít đặc quyền nhất.
2) Trợ lý OpenAI / API phản hồi & gọi hàm
Tính năng này là gì: Các tính năng Trợ lý/Phản hồi/Gọi hàm của OpenAI cho phép bạn xây dựng trợ lý bên trong ứng dụng của riêng mình bằng cách lập trình các lệnh, công cụ và định nghĩa hàm. Hãy sử dụng tính năng này khi ứng dụng của bạn cần sự phối hợp xác định — ứng dụng của bạn gọi mô hình, mô hình trả về một lệnh gọi hàm, ứng dụng của bạn thực thi lệnh đó và bạn phản hồi kết quả.
Khi nào nên sử dụng: bạn cần kiểm soát chặt chẽ hơn quy trình làm việc, muốn làm trung gian cho các cuộc gọi công cụ ở phần phụ trợ hoặc muốn tích hợp các mô hình với API hiện có trong khi ghi nhật ký và xác thực mọi cuộc gọi bên ngoài.
Ưu điểm:
- Kiểm soát hoàn toàn và dễ dàng thực thi xác thực và kiểm tra.
- Hoạt động tốt với hệ thống điều phối phía máy chủ và kiểm soát bảo mật.
Nhược điểm: - Ứng dụng của bạn phải triển khai lớp phối hợp (nhiều công việc phát triển hơn).
- để điều khiển theo chương trình
3) API truy xuất/RAG (cơ sở dữ liệu vector + dịch vụ nhúng)
Công nghệ này là gì: Thế hệ tăng cường truy xuất (RAG) sử dụng công cụ nhúng + cơ sở dữ liệu vectơ để cung cấp ngữ cảnh cho mô hình. Các lựa chọn phổ biến: trái tùng, Làm suy yếu, Chroma, Milvus — chúng được sử dụng để lập chỉ mục cho các tệp PDF, tài liệu của bạn và trả về các đoạn văn liên quan nhất cho mô hình tại thời điểm yêu cầu. Đây là cách tiêu chuẩn để cung cấp cho GPT kiến thức riêng tư, đáng tin cậy ở quy mô lớn.
Khi nào nên sử dụng: bạn cần GPT để trả lời từ các tập hợp lớn tài liệu nội bộ, hướng dẫn sử dụng sản phẩm, hợp đồng hoặc để lưu trữ "bộ nhớ" bên ngoài.
Ưu điểm:
- Giảm đáng kể ảo giác bằng cách đưa ra câu trả lời có căn cứ.
- Có thể mở rộng thành các tập đoàn lớn.
Nhược điểm: - Yêu cầu ETL (phân đoạn, nhúng, lập chỉ mục) và một lớp truy xuất.
- Cân nhắc về độ trễ và chi phí cho các tập dữ liệu rất lớn.
- để nối đất GPT trong tài liệu của bạn
4) Nền tảng không cần mã/tự động hóa (Zapier, Make/Integromat, n8n, Power Automate)
Công dụng: Sử dụng các nền tảng tự động hóa để kết nối ChatGPT (hoặc hệ thống phụ trợ của bạn gọi ChatGPT) với hàng trăm API của bên thứ ba (Sheets, Slack, CRM, email). Các dịch vụ này cho phép bạn kích hoạt quy trình công việc (ví dụ: trên kết quả trò chuyện, gọi Zap để đăng lên Slack, cập nhật Google Sheets hoặc tạo sự cố GitHub).
Khi nào nên sử dụng: bạn muốn tích hợp dễ dàng, tạo nguyên mẫu nhanh hoặc kết nối nhiều điểm cuối SaaS mà không cần xây dựng mã liên kết.
Ưu điểm:
- Kết nối nhanh chóng; không cần phần cuối nặng nề.
- Thích hợp cho việc tự động hóa và thông báo nội bộ.
Nhược điểm: - Ít linh hoạt hơn và đôi khi chậm hơn so với các chương trình phụ trợ tùy chỉnh.
- Phải quản lý thông tin xác thực và nơi lưu trữ dữ liệu một cách cẩn thận.
5) API và webhook dành riêng cho ứng dụng (Slack, GitHub, Google Workspace, CRM)
Định nghĩa: Nhiều tích hợp sản phẩm chỉ đơn giản là các API nền tảng mà bạn đã biết — API Slack cho các cuộc trò chuyện, API GitHub cho các vấn đề/yêu cầu hỗ trợ (PR), API Google Trang tính, API Salesforce, API lịch, v.v. GPT hoặc lớp điều phối của bạn có thể gọi trực tiếp các API đó (hoặc thông qua plugin/zaps) để đọc/ghi dữ liệu. Ví dụ: một GPT phân loại các vấn đề và mở các yêu cầu hỗ trợ (PR) thông qua API GitHub.
Khi nào nên sử dụng: bạn cần trợ lý tương tác với một SaaS cụ thể (đăng tin nhắn, mở phiếu, đọc hồ sơ).
Ưu điểm:
- Khả năng hành động trực tiếp bằng các công cụ của bạn.
Nhược điểm: - Mỗi tích hợp bên ngoài đều làm tăng yêu cầu về xác thực và bảo mật.
6) Thư viện phần mềm trung gian/điều phối và khung tác nhân (LangChain, Semantic Kernel, LangGraph, v.v.)
Định nghĩa: Các thư viện giúp đơn giản hóa việc xây dựng ứng dụng LLM bằng cách cung cấp các trình kết nối với các cơ sở dữ liệu vector, công cụ và API. Chúng giúp cấu trúc lời nhắc, xử lý truy xuất, gọi chuỗi và cung cấp khả năng quan sát. LangChain (và các khung liên quan) thường được sử dụng để kết nối các mô hình với các API bên ngoài và các đường ống RAG.
Khi nào nên sử dụng: bạn đang xây dựng ứng dụng sản xuất, cần các thành phần có thể tái sử dụng hoặc muốn quản lý việc sử dụng công cụ, thử lại và lưu vào bộ nhớ đệm ở một nơi.
Ưu điểm:
- Tăng tốc độ phát triển; nhiều kết nối tích hợp sẵn.
Nhược điểm: - Thêm một lớp phụ thuộc mà bạn phải duy trì.
Các mẫu tích hợp được đề xuất (công thức nhanh)
- Plugin-first (tốt nhất cho quy trình làm việc theo mô hình): Triển khai REST API an toàn → công bố thông số kỹ thuật OpenAPI + ai-plugin.json → cho phép GPT (hỗ trợ plugin) gọi API này trong khi trò chuyện. Thuận tiện cho việc tra cứu và thực hiện hành động với sản phẩm.
- Được điều phối bởi ứng dụng (tốt nhất để kiểm soát chặt chẽ): Ứng dụng của bạn thu thập thông tin đầu vào của người dùng → gọi API Trợ lý/Phản hồi OpenAI bằng các công cụ/định nghĩa hàm → nếu mô hình yêu cầu một hàm, ứng dụng của bạn sẽ xác thực và thực thi dựa trên các API nội bộ (hoặc gọi các dịch vụ khác) và trả về kết quả cho mô hình. Điều này tốt cho khả năng kiểm tra và an toàn.
- Được RAG hỗ trợ (tốt nhất cho GPT có nhiều kiến thức): Lập chỉ mục tài liệu vào một DB vectơ (Pinecone/Weaviate/Chroma) → khi người dùng yêu cầu, truy xuất các đoạn văn bản hàng đầu → truyền văn bản đã truy xuất đến mô hình dưới dạng ngữ cảnh (hoặc sử dụng plugin truy xuất) để làm cơ sở cho câu trả lời.
- Cầu tự động hóa (tốt nhất để kết nối SaaS): Sử dụng Zapier / Make / n8n để kết nối đầu ra GPT với API SaaS (đăng lên Slack, tạo phiếu, thêm hàng). Phù hợp cho các tích hợp không đòi hỏi kỹ sư và tự động hóa nhanh chóng.
Làm thế nào để thiết kế lệnh gọi công cụ an toàn?
- Sử dụng thông tin xác thực có đặc quyền tối thiểu (chỉ đọc nếu có thể).
- Xác thực tất cả các phản hồi bên ngoài trước khi tin tưởng đưa ra quyết định quan trọng.
- Giới hạn tốc độ và giám sát việc sử dụng công cụ, đồng thời ghi lại các cuộc gọi API để kiểm tra.
GPT so với plugin: GPT tùy chỉnh là một trợ lý được cấu hình bên trong ChatGPT (không cần mã), trong khi plugin là một tích hợp cho phép ChatGPT gọi các API bên ngoài. Bạn có thể kết hợp cả hai: một GPT với hướng dẫn tích hợp + các hook plugin đi kèm để lấy dữ liệu theo thời gian thực hoặc thực hiện hành động.
Tôi nên kiểm tra, đo lường và quản lý GPT đã triển khai như thế nào?
Tôi nên chạy thử nghiệm nào trước khi triển khai?
- Kiểm tra chức năng: liệu kết quả có đáp ứng được kỳ vọng trong 50–100 câu hỏi gợi ý tiêu biểu không?
- Kiểm tra căng thẳng: cung cấp dữ liệu đầu vào bất thường hoặc không hợp lệ để kiểm tra chế độ lỗi.
- Kiểm tra quyền riêng tư: đảm bảo trợ lý không tiết lộ các đoạn trích tài liệu nội bộ cho người dùng trái phép.
Những số liệu nào quan trọng?
- Độ chính xác/độ chính xác so với một tập hợp được dán nhãn.
- Tỷ lệ thành công nhanh chóng (phần trăm truy vấn trả về kết quả có thể thực hiện được).
- Tỷ lệ leo thang (tần suất thất bại và cần sự can thiệp của con người).
- Sự hài lòng của người dùng thông qua lời nhắc đánh giá ngắn trong phần trò chuyện.
Làm thế nào để duy trì quyền quản trị?
- Duy trì nhật ký thay đổi để biết các thay đổi về hướng dẫn và cập nhật tệp.
- Sử dụng quyền truy cập dựa trên vai trò để chỉnh sửa/xuất bản GPT.
- Lên lịch kiểm tra lại định kỳ để đảm bảo tính nhạy cảm của dữ liệu và sự phù hợp với chính sách.
Những hạn chế và lưu ý quan trọng bạn phải biết
- GPT tùy chỉnh có thể gọi API trong một phiên (thông qua plugin/hành động), nhưng có những hạn chế khi đẩy dữ liệu vào GPT tùy chỉnh "ở trạng thái nghỉ". Trên thực tế, điều này có nghĩa là bạn có thể có các lệnh gọi do GPT khởi tạo (plugin hoặc hàm) hoặc ứng dụng của bạn có thể gọi mô hình thông qua API, nhưng nhìn chung bạn không thể đẩy dữ liệu bất đồng bộ vào một phiên bản GPT tùy chỉnh được lưu trữ, chẳng hạn như kích hoạt các webhook bên ngoài mà GPT sẽ tự động sử dụng sau đó. Hãy kiểm tra tài liệu sản phẩm và các chủ đề cộng đồng để biết thông tin cập nhật.
- Bảo mật và quyền riêng tư: Các plugin và tích hợp API làm tăng nguy cơ tấn công (luồng OAuth, nguy cơ rò rỉ dữ liệu). Hãy coi các điểm cuối của plugin và công cụ của bên thứ ba là không đáng tin cậy cho đến khi được xác thực, và tuân thủ quy trình xác thực + ghi nhật ký với đặc quyền tối thiểu. Các báo cáo và kiểm toán trong ngành đã nêu bật các rủi ro bảo mật của plugin; hãy coi trọng vấn đề này.
- Độ trễ và chi phí: Các lệnh gọi API trực tiếp và truy xuất sẽ thêm độ trễ và mã thông báo (nếu bạn đưa văn bản đã truy xuất vào lời nhắc). Thiết kế bộ nhớ đệm và giới hạn phạm vi ngữ cảnh đã truy xuất.
- Quản trị: đối với GPT nội bộ, kiểm soát những ai có thể thêm plugin, API nào có thể được gọi và duy trì quy trình phê duyệt/kiểm tra.
Làm thế nào tôi có thể tối ưu hóa lời nhắc, giảm ảo giác và cải thiện độ tin cậy?
Kỹ thuật thực tế
- Trả lời các nguồn tin: yêu cầu GPT trích dẫn tên tài liệu và số đoạn khi trích dẫn thông tin từ các tệp đã tải lên.
- Yêu cầu lý luận từng bước: đối với những quyết định phức tạp, hãy yêu cầu một chuỗi suy nghĩ ngắn hoặc các bước được đánh số (sau đó tóm tắt).
- Sử dụng các bước xác minh: sau khi GPT trả lời, hãy hướng dẫn nó chạy một lần xác minh ngắn với các tệp đính kèm và trả về điểm tin cậy.
- Hạn chế sự sáng tạo: thêm hướng dẫn như “Nếu trợ lý không chắc chắn, hãy trả lời: 'Tôi không có đủ thông tin — vui lòng tải lên X hoặc hỏi Y.'”
Sử dụng các bài kiểm tra tự động và vòng lặp đánh giá của con người
- Xây dựng một tập hợp nhỏ các “lời nhắc vàng” và các đầu ra dự kiến sẽ chạy sau bất kỳ thay đổi hướng dẫn nào.
- Sử dụng mô hình tương tác trực tiếp (HITL) cho các truy vấn có rủi ro cao trong giai đoạn triển khai ban đầu.
Khuyến nghị cuối cùng
Nếu bạn mới bắt đầu, hãy chọn một trường hợp sử dụng hẹp (ví dụ: trợ lý hướng dẫn nội bộ hoặc người đánh giá mã) và lặp lại nhanh chóng bằng cách sử dụng luồng Tạo hội thoại của GPT Builder. Giữ cho các nguồn kiến thức ngắn gọn và được phân phiên bản, xây dựng một bộ kiểm thử nhỏ và thực thi quyền hạn nghiêm ngặt. Hãy lưu ý đến giới hạn bộ nhớ cho các GPT tùy chỉnh hiện nay — hãy sử dụng Dự án và các tham chiếu được tải lên để đảm bảo tính liên tục cho đến khi các tùy chọn bộ nhớ cố định phát triển.
Bắt đầu
CometAPI là một nền tảng API hợp nhất, tổng hợp hơn 500 mô hình AI từ các nhà cung cấp hàng đầu—chẳng hạn như dòng sản phẩm của OpenAI, Gemini của Google, Claude của Anthropic, Midjourney, Suno, v.v.—vào một giao diện duy nhất, thân thiện với nhà phát triển. Bằng cách cung cấp khả năng xác thực, định dạng yêu cầu và xử lý phản hồi nhất quán, CometAPI đơn giản hóa đáng kể việc tích hợp các chức năng AI vào ứng dụng của bạn. Cho dù bạn đang xây dựng chatbot, trình tạo hình ảnh, trình soạn nhạc hay quy trình phân tích dựa trên dữ liệu, CometAPI cho phép bạn lặp lại nhanh hơn, kiểm soát chi phí và không phụ thuộc vào nhà cung cấp—tất cả trong khi vẫn khai thác những đột phá mới nhất trong hệ sinh thái AI.
Để bắt đầu, hãy khám phá khả năng của mô hình chatgpt trong Sân chơi và tham khảo ý kiến Hướng dẫn API để biết hướng dẫn chi tiết. Trước khi truy cập, vui lòng đảm bảo bạn đã đăng nhập vào CometAPI và lấy được khóa API. Sao chổiAPI cung cấp mức giá thấp hơn nhiều so với giá chính thức để giúp bạn tích hợp.
Sẵn sàng chưa?→ Đăng ký CometAPI ngay hôm nay !