Tác giả: Đ.V.Trường

Post Views: 8

1. Kiến trúc tổng thể AI trong Odoo 19

1.1. Pattern tích hợp AI

Trong Odoo, AI KHÔNG phải là 1 module standalone mà thường đi theo pattern:

Odoo Module (CRM / HR / Accounting)

       ↓

Service Layer (Python)

       ↓

AI Provider (OpenAI / Local Model / API)

       ↓

Return → write vào model / UI suggestion

👉 Điểm quan trọng:

  • AI call thường nằm ở service layer, không đặt trực tiếp trong model core
  • Kết quả AI được:
    • hiển thị (suggestion)
    • hoặc persist (write vào field)

1.2. Kiến trúc chuẩn nên dùng

class AiService(models.AbstractModel):

   _name = ‘ai.service’

 

   def call_llm(self, prompt):

       # wrapper để dễ swap provider

       response = self._call_openai(prompt)

       return response

 

   def _call_openai(self, prompt):

       # call external API

       pass

👉 Tại sao cần wrapper:

  • Dễ đổi OpenAI → local LLM (Llama, Mistral…)
  • Control timeout / retry / logging

2. AI Assistant trong Odoo (Chatter / CRM)

2.1. Use case: generate email reply

Flow:

mail.message → lấy context

       ↓

build prompt

       ↓

AI generate content

       ↓

show suggestion (không auto send)

Code sample:

def generate_reply(self, message_id):

   message = self.env[‘mail.message’].browse(message_id)

 

   prompt = f”””

   Customer message:

   {message.body}

 

   Generate a professional reply:

   “””

 

   result = self.env[‘ai.service’].call_llm(prompt)

 

   return {

       ‘suggested_reply’: result

   }

👉 Best practice:

  • Không auto gửi email → luôn require user confirm
  • Prompt cần include:
    • tone (formal / friendly)
    • language

2.2. Hook vào UI (OWL)

Trong Odoo 17+ (và dự kiến Odoo 19):

  • Extend component:

patch(Chatter.prototype, ‘ai_suggestion’, {

   async onClickGenerateReply() {

       const result = await this.rpc({

           route: ‘/ai/generate_reply’,

           params: { message_id: this.message.id }

       });

       this.state.suggestion = result.suggested_reply;

   }

});

3. AI Lead Scoring (CRM)

3.1. Approach phổ biến

Cách 1: Rule-based + AI hybrid

score = 0

 

if lead.expected_revenue > 10000:

   score += 20

 

ai_score = self.env[‘ai.service’].predict_lead(lead)

score += ai_score

Cách 2: Full AI scoring

def predict_lead(self, lead):

   prompt = f”””

   Lead info:

   – Industry: {lead.industry_id.name}

   – Revenue: {lead.expected_revenue}

   – Country: {lead.country_id.name}

 

   Predict conversion probability (0-100)

   “””

 

   return int(self.call_llm(prompt))

3.2. Performance issue

⚠️ Không được gọi AI trực tiếp trong create/write

❌ Sai:

@api.model

def create(self, vals):

   record = super().create(vals)

   record.ai_score = self.env[‘ai.service’].predict_lead(record)

👉 Sẽ:

  • chậm UI
  • dễ timeout

✅ Đúng:

  • dùng queue job / cron

def cron_compute_ai_score(self):

   leads = self.search([(‘ai_score’, ‘=’, False)])

 

   for lead in leads:

       lead.ai_score = self.env[‘ai.service’].predict_lead(lead)

4. AI OCR (Accounting)

4.1. Flow xử lý hóa đơn

4

attachment → AI OCR → JSON

       ↓

mapping → account.move

       ↓

auto-fill fields

4.2. Code mapping

def process_invoice(self, attachment):

   ocr_data = self.env[‘ai.service’].extract_invoice(attachment)

 

   vals = {

       ‘partner_id’: self._find_partner(ocr_data[‘vendor’]),

       ‘invoice_date’: ocr_data[‘date’],

       ‘amount_total’: ocr_data[‘total’],

   }

 

   move = self.env[‘account.move’].create(vals)

   return move

4.3. Vấn đề thực tế

  • OCR sai format → cần validation layer
  • Không nên auto-post invoice
  • Luôn cần user review step

5. AI trong HR (CV Matching)

5.1. Matching JD ↔ CV

def match_candidate(self, candidate, job):

   prompt = f”””

   Job:

   {job.description}

 

   Candidate:

   {candidate.resume_text}

 

   Score match from 0-100

   “””

 

   return int(self.env[‘ai.service’].call_llm(prompt))

5.2. Optimization

👉 Không nên:

  • call AI mỗi lần mở form

👉 Nên:

  • compute + store

match_score = fields.Integer(store=True)

  • recompute khi:
  • CV change
  • JD change

6. AI Automation Workflow

6.1. Example: approve OT

def ai_check_ot(self, ot):

   prompt = f”””

   OT hours: {ot.hours}

   Employee history: {ot.employee_id.ot_history}

 

   Is this abnormal? (yes/no)

   “””

 

   return self.call_llm(prompt)

6.2. Combine rule + AI

if ot.hours > 4:

   if ai_result == ‘yes’:

       ot.state = ‘to_review’

👉 Không nên trust AI 100%

7. Logging, Retry, Timeout (rất quan trọng)

7.1. Wrapper chuẩn

def call_llm(self, prompt):

   try:

       return self._call(prompt)

   except Exception as e:

       _logger.error(“AI error: %s”, e)

       return False

7.2. Retry strategy

  • retry 2–3 lần
  • exponential backoff

8. Security & Cost

8.1. Data leak

⚠️ Không gửi:

  • salary
  • personal data nhạy cảm

👉 cần:

  • anonymize data trước khi gửi AI

8.2. Cost control

  • cache result
  • batch request
  • limit usage per user

9. Best Practices (rút ra từ thực tế)

✅ Nên làm

  • Tách AI service layer
  • Dùng async (cron / queue)
  • Luôn có human review step
  • Cache kết quả

❌ Không nên

  • Call AI trong loop lớn
  • Call AI trong onchange
  • Tin AI 100%
  • Không logging

10. Kết luận

Với Odoo + AI:

👉 Dev không chỉ code business logic nữa, mà phải:

  • Thiết kế flow AI hợp lý
  • Control performance + cost
  • Đảm bảo data & UX  
ERP & Odoo
Guest