Công Nghệ Thông Tin, 113 Lac Long Quan, Ho Chi Minh City (2026)

27/09/2026

[Mã nguồn mở] paperclipai/paperclip: The open-source app everyone uses to manage agents at work

Điểm đáng chú ý:
- Ngôn ngữ chính: TypeScript
- Stars: 87,819
- Forks: 15,480
- License: MIT
- Chi tiết tính năng và hướng dẫn cài đặt có tại tài liệu của dự án.

25/09/2026

Nhúng Excel hay Word vào SaaS mà không muốn dùng iframe cồng kềnh hay phụ thuộc bên thứ ba là bài toán cực kỳ đau đầu. Univer giải quyết triệt để chuyện này bằng một bộ Office SDK mã nguồn mở mạnh mẽ.

Điểm đắt giá của Univer:
• Engine Canvas hiệu năng cao: Render mượt mà bảng tính, tài liệu lớn ngay trên trình duyệt mà không lo nghẽn UI.
• Kiến trúc Isomorphic & Plugin-first: Chạy nhất quán ở cả Browser lẫn Node.js (headless). Dễ dàng customize hoặc chỉ import đúng plugin cần dùng.
• Thân thiện với AI Agents: Cung cấp Facade API thống nhất để các agent tự động đọc, sửa và kiểm tra dữ liệu.

Giải pháp hoàn hảo cho anh em đang xây dựng SaaS, BI tools hoặc hệ thống tự động hóa tài liệu.

24/09/2026

[Mã nguồn mở] rocketride-org/rocketride-server: High-performance AI pipeline engine with a C++ core and 50+ Python-extensible nodes. Build, debug, and scale LLM workflows with 13+ model providers, 8+ vector databases, and agent orchestration, all from your IDE. Includes VS Code extension, TypeScript/Python SDKs, and Docker deployment.

Điểm đáng chú ý:
- Ngôn ngữ chính: Python
- Stars: 10,576
- Forks: 3,874
- License: MIT
- Chi tiết tính năng và hướng dẫn cài đặt có tại tài liệu của dự án.

23/09/2026

Pipeline phân loại ticket đang tốn 3 lần gọi LLM, 3 lần parse JSON, thêm retry vì model trả lệch format? Kev gom hết vào đúng một request.

Kev là họ model quyết định nhỏ trên nền Qwen3.5 (0.8B/4B/9B), dùng weights có sẵn hoặc train lại ngay trên máy bạn:

• Một request gộp yes/no, chọn phương án và chấm điểm — các câu hỏi cùng đọc input nhưng không đọc chéo câu hỏi của nhau.
• Trả về xác suất đã calibrate, không chỉ nhãn khô — confident error của Kev-9B giảm còn ~4%, đủ tin để route tự động theo ngưỡng.
• Chạy CUDA, ROCm, Apple Silicon (MLX); bản 4B/9B vừa một con Mac 32GB.
• API khớp System One của TypeSafe — trỏ Python SDK về local server là xong, không đụng code.

Hợp với ai đang automate ticket routing, moderation hay mọi luồng quyết định theo rule. Playground còn test luôn việc đổi thứ tự option có lật ngược kết quả không — chi tiết team nào cũng từng bị cắn.

23/09/2026

Anh em nào đang làm AI Agent để auto thao tác web, đi chợ hay cào data chắc cũng từng đau đầu vì cảnh agent chạy rùa bò mà hóa đơn API thì nhảy số chóng mặt đúng không?

Thử nghía qua jev-ultrafast (đến từ nhà browser-use) xem sao. Repo này đang cực kỳ hot với hơn 18k stars trên GitHub, hướng tới mục tiêu trở thành một trong những web agent nhanh và tiết kiệm chi phí nhất hiện nay. Bản demo thực tế của dự án tìm vé Google Flights từ Zürich đi London chỉ mất đúng 7.1 giây từ đầu đến cuối!

Thay vì bắt LLM gánh hết mọi tác vụ rườm rà, jev-ultrafast sử dụng cơ chế Dynamic Action Space để tối ưu hóa hiệu năng cực mạnh:

⚡ 5 điểm cực kỳ đáng chú ý của repo này:
1. Một request cho mỗi chu kỳ quyết định: Gộp chung việc chọn thao tác (CLICK, TYPE_TEXT,...) và target element trong đúng 1 network round trip duy nhất sang TypeSafe API. Tiết kiệm thời gian chờ phản hồi.
2. Không lạm dụng screenshot: Agent loop mặc định phân tích trạng thái DOM có cấu trúc (structured state) chứ không gửi screenshot liên tục cho LLM. Nhờ đó giảm tải lượng token và tăng tốc độ xử lý rõ rệt.
3. Snapshot DOM nguyên tử (Atomic): Chỉ cần 1 browser call để đọc toàn bộ control đang hiển thị và giữ liên kết trực tiếp với DOM node thực tế, không sợ bị lệch tọa độ.
4. Tránh click hụt: Có bước tự động xác thực lại trạng thái trang và kiểm tra xem element có bị che khuất (occlusion) hay không trước khi thực hiện thao tác.
5. Chạy local cực mượt bằng Python: Quản lý dependency qua `uv`, có sẵn giao diện inspector trực quan tại localhost để anh em debug trực tiếp, xem tỷ lệ xác suất của từng hành động agent chọn.

Anh em đang build AI Agent hay làm automation chất lượng cao thì đây chắc chắn là một case-study tuyệt vời để tham khảo kiến trúc tối ưu hóa!

21/09/2026

Dạo này trào lưu AI Agent đang cực kỳ bùng nổ, nhưng việc quản lý, cô lập và scale hàng loạt Agent sao cho an toàn, tiết kiệm chi phí vẫn là một bài toán hóc búa. Nếu anh em đang tìm kiếm một giải pháp để vận hành các Agent workloads này, hãy thử nghía qua google/ax - một dự án open-source mới từ Google.

Google AX (Agent Executor) là một declarative orchestrator được thiết kế để chạy các autonomous agent workload ở quy mô lớn trên cluster. Nếu anh em đã quen thuộc với Kubernetes, việc sử dụng `ax` sẽ cực kỳ tự nhiên nhờ cơ chế khai báo qua file YAML và bộ CLI có thiết kế rất giống với `kubectl`.

Vì sao anh em phát triển AI Agent nên quan tâm đến dự án này?

Khác với các microservices thông thường, các Agent thường tích lũy trạng thái, gọi model API liên tục và đôi khi tự ý chạy code không đáng tin cậy. AX giải quyết những nỗi đau này thông qua các tính năng cốt lõi:

1. Sandbox cô lập (Task): Chạy các đoạn code agent trong môi trường sandbox an toàn, có giới hạn tài nguyên CPU/RAM rõ ràng.
2. Chuẩn bị sẵn môi trường (Workspace): Cấu hình sẵn Git repo, MCP (Model Context Protocol) servers để mỗi khi agent khởi chạy là đã ở trạng thái sẵn sàng làm việc.
3. Kiểm soát kết nối (Gateway): Giới hạn lưu lượng mạng đi ra ngoài (outbound traffic) của agent theo một danh sách host allowlist nghiêm ngặt, tránh việc agent tự ý kết nối bậy bạ hoặc rò rỉ dữ liệu.
4. Quản lý vòng đời linh hoạt: Anh em có thể dùng lệnh `ax suspend` để tạm dừng một agent đang rảnh rỗi nhằm tiết kiệm tài nguyên, và `ax resume` để nó tiếp tục công việc ngay tại điểm dừng chân trước đó.
5. Debug trực tiếp (ax ssh): Hỗ trợ chui trực tiếp vào bên trong sandbox đang chạy của Agent để kiểm tra hoặc gõ lệnh trực tiếp như một server thực thụ.

*Lưu ý từ repository: Dự án hiện vẫn đang trong giai đoạn phát triển tích cực và định hình các khái niệm cốt lõi, do đó có thể xuất hiện các breaking changes lớn trước khi có bản phát hành ổn định (stable release). Anh em nên cân nhắc và thử nghiệm kỹ trước khi áp dụng.

Chi tiết về mã nguồn và tài liệu hướng dẫn cài đặt, mình sẽ để ở dưới phần bình luận nhé!

20/09/2026

Anh em dùng Claude Code làm trợ lý viết code chắc không lạ gì với cơ chế tự động nén context (compaction summary) khi đoạn chat quá dài. Vấn đề là khi bắt LLM viết tóm tắt các lượt hội thoại cũ, nó rất dễ làm mất các chi tiết cực kỳ quan trọng như đường dẫn file (file path), mã lỗi chính xác (exact error), hay các ràng buộc hệ thống.

Nếu anh em cũng từng bực mình vì Claude bỗng dưng "quên" mất lỗi vừa sửa xong do bị tóm tắt sai, thì hãy thử qua tamaratran/fast-jev-compaction. Đây là một plugin cho Claude Code (đồng thời là thư viện npm viết bằng TypeScript) giúp thay thế hoàn toàn cơ chế tóm tắt mặc định bằng một giải pháp thông minh hơn nhiều.

Thay vì viết lại và làm mất chi tiết, repo này hoạt động theo cơ chế:

- Giữ nguyên văn (Verbatim): Tuyệt đối không viết lại lịch sử chat của user và assistant. Mọi thứ được giữ nguyên thứ tự và nguyên văn.
- Chấm điểm và lọc thông minh: Sử dụng mô hình Jev để chấm điểm từng tool call và tool result trong một request nhanh. Những tool call đã cũ hoặc không còn giá trị (stale) sẽ bị xóa hoặc thu gọn (truncate), những gì quan trọng vẫn được giữ lại nguyên vẹn.
- Tự động tối ưu hóa Token: Tự động tính toán và điều chỉnh dung lượng state để vừa khít giới hạn token (mặc định là 25k tokens) qua nhiều giai đoạn nén (như thu ngắn bớt tool input, ẩn bớt các tin nhắn quá cũ không liên quan).
- Tích hợp sâu vào Claude Code: Hoạt động như một function hook trên các phiên bản Claude Code mới (từ 2.1.274 trở lên). Nếu có lỗi hoặc không tối ưu được đủ dung lượng, tool sẽ tự động fallback về cơ chế summary mặc định của Claude Code để không làm gián đoạn công việc.

Anh em nào đang build agent hoặc dùng Claude Code cường độ cao rất nên tham khảo cách tối ưu ngữ cảnh kiểu này để đỡ hao token mà vẫn giữ được độ chính xác cho AI nhé!

19/09/2026

Anh em đã bao giờ nghĩ đến việc biến AI Coding Agent của mình thành một chuyên gia bảo mật thực thụ chưa?

Hôm nay mình muốn chia sẻ với anh em một repo cực chất từ chính đội ngũ Cloudflare: cloudflare/security-audit-skill. Đây chính là gốc rễ của hệ thống phát hiện lỗ hổng tự động quy mô lớn mà Cloudflare đang sử dụng, nay đã được đóng gói thành một "skill" mã nguồn mở chạy bằng JavaScript.

Công cụ này giúp nâng cấp AI Agent của anh em từ một trợ lý viết code thông thường thành một auditor bảo mật có quy trình rà soát độc lập và xuất báo cáo cực kỳ bài bản.

Những điểm đáng chú ý của repo này:

1. Quy trình audit 6 pha chuyên nghiệp: Đi từ trinh sát (Reconnaissance) để map kiến trúc hệ thống, săn lỗi dựa trên độ phủ (Coverage-led hunting), xác thực ứng viên lỗi, xuất dữ liệu cấu trúc cho đến đối soát độc lập và tạo báo cáo trung lập.
2. Nguyên tắc đối nghịch (Adversarial Validation): Điểm hay nhất ở đây là AI Agent tìm ra lỗ hổng không bao giờ là AI Agent đi xác thực nó. Cơ chế xác minh chéo này giúp giảm thiểu tối đa tình trạng báo cáo sai (false positives) hoặc AI tự ảo tưởng.
3. Thư viện Prompt tấn công cực kỳ chi tiết: Repo đi kèm hàng loạt file markdown chứa prompt mẫu cho đủ mọi kịch bản tấn công thực tế từ Memory Safety, Web Protocol, Client-side, Cloud & Deployment cho đến cả bảo mật cho các hệ thống AI/LLM.
4. Chạy cộng dồn thông minh (Additive runs): Khi quét nhiều lần trên cùng một repo, công cụ sẽ tự động nhận diện các phần chưa quét hoặc các file nguồn vừa thay đổi để tập trung xử lý, không tốn tài nguyên chạy lại từ đầu.

Nếu anh em đang tự xây dựng AI Agent hỗ trợ viết code hoặc làm DevSecOps muốn tối ưu quy trình kiểm thử bảo mật tự động thì rất nên tham khảo repo này nhé.

Lưu ý nhỏ là để chạy an toàn nhất thì hệ thống yêu cầu một môi trường sandbox được cô lập tốt nhằm tránh rủi ro khi AI thực thi các đoạn code kiểm thử của target.

Link chi tiết dự án mình để dưới phần bình luận nhé anh em!

18/09/2026

Anh em đang muốn tự build một app AI SaaS để kiếm thêm thu nhập nhưng lại ngại setup từ đầu đống tính năng lằng nhằng?

Repo 'Anil-matcha/awesome-generative-ai-apps' chính là kho báu cực chất dành cho anh em. Đây không phải là danh sách chứa mấy cái UI template hay demo đơn giản, mà là tuyển tập hơn 50 ứng dụng Generative AI hoàn chỉnh, sẵn sàng để anh em clone, deploy và kiếm tiền thực tế.

Những điểm cực kỳ đáng giá của repo này:
- Sẵn sàng thương mại hóa: Tất cả các app đều dùng giấy phép MIT. Anh em thoải mái clone, đổi logo/thương hiệu cá nhân (white-label), tự định giá bán và giữ trọn 100% doanh thu.
- Tích hợp sẵn "tận răng": Khỏi lo code lại tính năng thanh toán Stripe, đăng nhập Google OAuth, hay quản lý database (đã setup sẵn Prisma + PostgreSQL để quản lý credit và lưu lịch sử người dùng).
- Đa dạng chủ đề thực tế: Tổng hợp đủ loại từ công cụ tạo ảnh, video, thử đồ ảo (virtual try-on) cho đến các hệ thống AI Agent hay chatbot thông minh.
- Deploy siêu tốc: Mỗi template đều có sẵn nút "Deploy to Vercel" 1-click. Anh em chỉ cần clone về, điền các key cấu hình trong file .env là chạy mượt mà.

Phần core backend, luồng thanh toán và quản lý credit phức tạp đã được giải quyết xong. Việc còn lại của anh em chỉ là chọn một ngách thị trường tiềm năng, tập trung làm marketing để kéo user về trải nghiệm.

Chi tiết link repo mình để dưới phần bình luận nhé!

17/09/2026

Anh em hay dùng các AI Agent như Cursor, Claude Code, hay các agent chạy terminal mà gặp khó khăn khi muốn chúng tương tác trực tiếp với trình duyệt chưa? Thường thì chúng ta phải setup tài khoản test, hoặc bị chiếm mất màn hình rất khó chịu.

Tencent vừa open-source một công cụ cực hay tên là BrowserSkill (3.3k stars). Repo này cung cấp một CLI kết hợp với Browser Extension, giúp các AI Agent có thể truy cập và điều khiển chính trình duyệt thật của anh em một cách an toàn và không gây gián đoạn công việc.

Một số điểm cực kỳ thực tế của BrowserSkill:

1. Tận dụng session đăng nhập thật: Agent có thể làm việc trực tiếp trên các trang web mà anh em đã đăng nhập sẵn (như GitHub, các tool nội bộ...) mà không cần tạo tài khoản test hay cấu hình cookie phức tạp.
2. Không lo bị gián đoạn: Các tác vụ của Agent sẽ chạy trên một cửa sổ riêng biệt (Agent Window). Anh em vẫn có thể lướt web, làm việc trên cửa sổ chính của mình bình thường.
3. Hỗ trợ mọi Agent chạy được Shell: Chỉ cần Agent có khả năng gọi lệnh shell là có thể dùng BrowserSkill thông qua CLI `bsk`. Tương thích tốt với Cursor, Claude Code, Codex, OpenClaw, v.v.
4. Cơ chế Human-in-the-loop thông minh: Khi Agent gặp các bước yêu cầu con người như giải Captcha, xác thực OTP hoặc xác nhận thanh toán, nó sẽ tạm dừng để anh em nhảy vào xử lý, sau đó tiếp tục chạy tiếp.

Hiện tại tool hỗ trợ tốt trên macOS, Linux, Windows và hoạt động ổn định trên Chrome, Microsoft Edge (Firefox đang được lên kế hoạch phát triển thêm).

Cách setup cũng khá đơn giản, anh em có thể cài qua CLI và cài thêm extension từ Chrome Web Store/Edge Add-ons để trải nghiệm thử xem năng suất tăng được bao nhiêu nhé! Chi tiết link repo mình để dưới phần bình luận.

Công Nghệ Thông Tin

27/09/2026

25/09/2026

24/09/2026

23/09/2026

23/09/2026

21/09/2026

20/09/2026

19/09/2026

18/09/2026

17/09/2026

Address

Website

Alerts

Contact The Business

Shortcuts

Share

Category

Listing takedown request