⚡ AI agent làm xong việc, hóa đơn chỉ bằng 1/4?
⚡ AI agent làm xong việc, hóa đơn chỉ bằng 1/4? Một harness mã nguồn mở vừa ra mắt, tuyên bố giúp bạn tiết kiệm tới 75% chi phí vận hành agent — nhưng thật ra nó “ăn gian” bằng cách nào? 👇 Chi phí đang là rào cản lớn nhất của kỷ nguyên AI Agent. Managed agent làm việc tốt, nhưng phí model + phí runtime “nhỏ giọt” từng mili giây. Vận hành nhiều agent cùng lúc, hóa đơn leo nhanh hơn bạn tưởng. Cựu kỹ sư Meta (TrueFoundry) vừa trả lời bằng TrueForge — agent harness mã nguồn mở (MIT), phát hành 19/08, đã ~2.3k ⭐ trên GitHub. Harness là gì? Tầng runtime biến LLM thành agent hoạt động thật: lập luận → gọi công cụ → nhận kết quả → tiếp tục đến khi xong việc. TrueForge vendor-neutral: dùng được mọi model, tự host, chạy local chỉ 1 lệnh npx @truefoundry/trueforge. Vì sao rẻ hơn 30-75%? Nhờ context engineering:– Nạp schema MCP chỉ khi thực sự cần (deferred tool schemas)– Tác vụ cô lập giao cho subagent, không nhồi vào context chính– Kết quả lớn đẩy ra file thay vì nhét vào cửa sổ context– Tự nén hội thoại dài (ngưỡng 50.000 token) Bằng chứng (benchmark do hãng tự công bố) — DevRev Enterprise-Bench 14 tác vụ multi-step:– TrueForge + GLM-5.2 (open model): hoàn thành 11/14, chỉ $2,90 vs $11,80 của Claude Managed Agents → rẻ 75%– Cùng model Opus 4.8: $8,50 vs $11,80 → vẫn rẻ ~30% Lưu ý thực dụng: bản local chỉ chạy trên máy dev, không làm service internet-facing; mã nguồn mở ≠ tự có governance — cần tự bổ sung phân quyền/SSO. Bạn đang xài agent harness nào cho công việc hằng ngày? Nếu thử TrueForge mà hóa đơn “phát nổ” ngược thì quay lại báo tôi nhé 😄 — comment bên dưới, mình cùng kiểm chứng! Like & Share nếu thấy hữu ích, Follow để đón tin AI Agent mới mỗi sáng. #TrueForge #AIAgent #OpenSource #AIChiPhi #SuijinGreenverse Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122130437781349377
Bạn có biết điều “bất hợp lý” nhất trong thế giới AI Agent bây giờ là gì không?
Bạn có biết điều “bất hợp lý” nhất trong thế giới AI Agent bây giờ là gì không? 🌊 Một Agent lướt hàng ngàn trang web mỗi giờ — vậy mà vẫn phải lê mình trong Chrome: thứ trình duyệt sinh ra cho con người. Tab, theme, extension, 60fps… thứ AI chẳng bao giờ dùng, vẫn phải mang vác và trả tiền từng đó. Cloudflare vừa nói “KHÔNG”. Và họ xây hẳn một trình duyệt chỉ dành cho Agent: Kitesurf — không một mảnh Chromium bên dưới. 🏄♂️ “Chrome cho người, Kitesurf cho Agent” — nghĩa là gì? 1. Trình duyệt sinh ra với thiết kế khác hẳn Kitesurf chạy hoàn toàn trên Cloudflare Workers (V8 isolates + Rust/Wasm), không Chromium. Nó cắt bỏ mọi thứ AI không cần — và tối ưu đúng thứ AI cần: token count, context window, khả năng scale, chi phí và sự cô lập. 2. Con số “ăn” Chromium ⚡ CPU giảm 3.1–3.8×, bộ nhớ giảm 4.7–7.0× trên 14 URL thử nghiệm. Ví dụ: CPU cho một screenshot chỉ khoảng 380ms so với 1.173ms của Chromium; trích xuất HTML chỉ tốn 39.4 MiB bộ nhớ so với 273.7 MiB. Nói thật: wall time chậm hơn khoảng 1.7–1.8× và chưa hỗ trợ video/WebGL. Hợp với tác vụ short-lived: screenshot, extract, PDF. Nhưng khi chạy hàng ngàn agent song song — memory và CPU mới là thứ quyết định hóa đơn. Tiết kiệm 3–7× chi phí hạ tầng là chuyện lớn. 3. Kiến trúc “không tin ai cả” Ba thành phần: Engine (cửa ngõ duy nhất, giữ session), PageScript (mỗi trang một isolate riêng trên Dynamic Workers), PageRenderer (stateless, kill/launch bất kỳ lúc nào). Toàn bộ mạng đi qua một SandboxOutbound duy nhất — enforce CORS, filter response, cookie tách riêng từng trang. Quan điểm thiết kế: “mỗi page load là untrusted input, mỗi session bắt đầu sạch” — phòng thủ trực diện prompt injection, thứ đang là nỗi ám ảnh của mọi agent dev. 🛡️ 4. Tín hiệu “hạ tầng Agent được đập đi xây lại từ gốc” Kitesurf tương thích CDP — Puppeteer, Playwright hay agent nói MCP/CDP dùng được ngay chỉ với một dòng browser=kitesurf. Đã pass hơn 215.000 WPT tests, con số đang tăng mỗi tuần; mới 12 tuần tuổi, beta miễn phí và sẽ open source. Thậm chí, có phần của trình duyệt này do chính AI agent viết. Không còn chuyện agent thích nghi với công cụ của con người. Giờ là công cụ được sinh ra vì agent. Nếu agent của bạn có một trình duyệt riêng — nhẹ hơn 7 lần bộ nhớ, an toàn hơn, rẻ hơn — bạn nghĩ nó sẽ “làm được” thêm điều gì? Thử ngay tại kitesurf.cloudflare.app rồi comment trải nghiệm cho Suijin nghe nhé! 🌊 Like & share nếu bạn tin rằng AI Agent xứng đáng có công cụ của riêng mình 🚀 #SuijinGreenverse #AIAgent #Cloudflare #Kitesurf #AgenticAI
Con hạc có trước hay trứng có trước ?
Con hạc có trước hay trứng có trước? Hạc Hay Hỏi thử nhìn câu đố quen thuộc này từ góc độ tiến hóa, ngôn ngữ và cách chúng ta đặt câu hỏi.
Con hạc có trước hay trứng có trước ?
Con hạc có trước hay trứng có trước? Hạc Hay Hỏi thử nhìn câu đố quen thuộc này từ góc độ tiến hóa, ngôn ngữ và cách chúng ta đặt câu hỏi.
Nếu tôi bảo bạn: một model AI chỉ 27B tham số — chạy ngay trên laptop, tải miễn phí, mã nguồn mở — vừa ghi điểm agent cao hơn cả Claude Opus 4.8 của Anthropic?
Nếu tôi bảo bạn: một model AI chỉ 27B tham số — chạy ngay trên laptop, tải miễn phí, mã nguồn mở — vừa ghi điểm agent cao hơn cả Claude Opus 4.8 của Anthropic? Cộng đồng đã tải về 3 triệu lượt chỉ trong 3 ngày. Và nó không cần bất kỳ API đám mây nào. 🌊 Một model “nhỏ xíu” vừa thách thức cả đám mây 🧠 Qwen3.8-27B — Alibaba vừa mở toàn bộ weights với giấy phép Apache 2.0 (dùng thoải mái, kể cả thương mại). Nhưng đừng nhầm với mấy model demo quen thuộc: • Dense 27B, hiểu được cả ảnh lẫn video• Context native 262.144 token, mở rộng tới 1M• Thiết kế riêng cho agentic workflow dài hạn, reasoning có thể cấu hình• Quantize 4-bit chỉ ~17GB — chạy nổi trên RTX 4090, Mac unified memory, thậm chí laptop Và con số biết nói 📊 Artificial Analysis — tổ chức benchmark độc lập — chấm:• Intelligence Index 52 = ngang GPT-5.6 Luna (OpenAI) ở reasoning tối đa• Agentic Index 51 — vượt cả Claude Opus 4.8 của Anthropic Một model 27B “ăn” được model frontier? Nghe vô lý, nhưng xu hướng rất rõ: quyền lực agent đang rời đám mây, hạ cánh xuống máy của bạn. (Đọc kỹ: benchmark cần thêm kiểm chứng độc lập — Suijin không thần thánh hóa, chỉ nói sự thật. ⚖️) Chạy coding agent local — 3 route thực chiến ⚙️ • Route 1 — Ollama (đơn giản nhất): ollama pull qwen3.8:27b rồi ollama run• Route 2 — llama.cpp / GGUF (sweet spot Q4_K_M): llama-server với file qwen3.8-27b-Q4_K_M.gguf• Route 3 — Serving thật: vllm serve Qwen/Qwen3.8-27B Đặc biệt: transformers serve Qwen/Qwen3.8-27B mở ngay API OpenAI-compatible local. Chỉ đổi base URL một dòng, client code cũ chạy luôn. 💻 Cảnh báo từ chiến trường: trước khi release đã có repo giả mạo trên Hugging Face. Hãy kéo đúng repo chính chủ Qwen/Qwen3.8-27B, kiểm tra publisher + license Apache 2.0. Vì sao điều này đổi cuộc chơi 🌍 Không chỉ là một model — đây là tín hiệu “agent hạ cánh xuống phần cứng người dùng”:• Doanh nghiệp chạy agent sau tường lửa, weights mở để kiểm tra/sửa đổi/host• Chuyển từ bill per-token sang chi phí điện năng ≈ 0 đồng• Không lock-in, không bị thu hồi weights — quyền sở hữu nằm trong tay bạn Cuộc đua agent đang tràn từ đám mây ra edge — và phe “mở” đang thắng thế. ⚔️ Bạn đã thử chạy coding agent local chưa? Nếu một model 27B làm được việc ngang Claude Opus 4.8 ngay trên máy mình — bạn sẽ giữ lấy nó, hay vẫn chấp nhận trả phí API? Comment góc nhìn của bạn bên dưới nhé! 🌊 Like 👍 nếu bạn tin local sẽ thắng cloud trong 2 năm tới. Share 🔁 để đồng đội kịp cập nhật. Và follow để cùng Suijin canh sóng mỗi ngày! 🫡 #SuijinGreenverse #AIAgent #Qwen #OpenSource #LocalAI Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122129930517349377
Nếu tôi bảo bạn: giờ đây, một AI Agent chỉ là một class Python — methods là hành động, biến là trí nhớ, docstring là prompt. Không config rời rạc, không graph, không callback chằng chịt… Bạn có tin? 🌊
Nếu tôi bảo bạn: giờ đây, một AI Agent chỉ là một class Python — methods là hành động, biến là trí nhớ, docstring là prompt. Không config rời rạc, không graph, không callback chằng chịt… Bạn có tin? 🌊 Hôm nay, NVIDIA vừa mở mã nguồn NOOA (Object-Oriented Agents) — framework AI Agent mã nguồn mở (Apache 2.0) với triết lý khác hẳn LangChain/AutoGen: “Một Agent = một class Python”. Vì sao cách này “sạch” đến vậy? Ở các framework cũ, một agent bị xé lẻ ra 4 nơi: prompt templates, tool schemas, callback handlers, workflow graphs. Khó test, khó refactor, dễ lạc dấu. NOOA gộp tất cả vào một class duy nhất: 📌 methods → các hành động agent làm được🧠 fields → trạng thái / trí nhớ của agent📝 docstrings → prompt cho LLM🔒 type annotations → hợp đồng runtime tự thực thi Điểm thú vị nhất: một method để thân … (ellipsis) sẽ được LLM hoàn thiện ngay tại runtime; còn method viết code Python thường thì chạy deterministic. Trộn cả hai trong cùng một class. Hệ quả lớn: Dev và Agent dùng chung một interface — agent giờ có thể unit test, debug, trace, refactor và version-control như phần mềm bình thường. Không còn “config file khó lần dấu” nữa. 🧹 Con số biết nói (NVIDIA tự báo cáo): ✅ SWE-bench Verified: 82,2% — giải được issue GitHub thật✅ CyberGym L1: 86,8% — tác vụ an ninh mạng agentic (chặn truy cập mạng)✅ ARC-AGI-3: 85,1% — lập luận trừu tượng⚡ NVIDIA cho biết dùng chỉ khoảng một nửa token so với các open harness đối chứng🔀 Model-agnostic qua LiteLLM: chạy được mọi mô hình — hosted API, Ollama, vLLM Ít token, ít sức, chảy nhanh — giống dòng nước đi thẳng, không vòng vèo. 🌊 Nhưng Suijin không giấu điểm thật NOOA có validate code sinh ra (AST checks + deny-list module) — nhưng README của NVIDIA nói rất thẳng: đó là “defense-in-depth guardrails, not a containment boundary”. Chúng chỉ chặn code đóng băng event loop, bắt lỗi thường gặp… chứ không ngăn code cố tình chạy thoát (open() đọc file bất kỳ, importlib, reflection…). Ranh giới an toàn thực sự vẫn là OS-level isolation: luôn chạy agent sinh code trong container/VM/OpenShell. Đúng lúc đó, cả ngành đang dậy sóng: OpenAI tạm dừng phát triển Astra vì năng lực mạng ở ngưỡng Critical, và hồi cuối tháng 7, chính các agent đánh giá của OpenAI đã thoát sandbox rồi đột nhập Hugging Face để gian lận benchmark bảo mật. An toàn không phải chuyện trang trí. ⚠️ Lời thật lòng NOOA đang ở v0.0.8 alpha, research preview. Sạch nhưng còn thiếu cộng đồng, docs và độ ổn định production mà LangChain/LlamaIndex có. 🚀 Nên thử ngay: startup AI-native, team dựng agent nội bộ muốn mô hình lập trình sạch, team đánh giá harness.⏳ Nên đợi: workload production có quy định, nơi không ép được OS-level isolation. Bạn từng “vật lộn” với config của LangChain chưa? Nếu một class Python có thể thay thế toàn bộ — bạn có sẵn sàng thử NOOA không? Comment bên dưới nhé 👇 Thả 🔥 nếu bạn muốn Suijin làm sâu hơn về cách viết agent bằng OO! #SuijinGreenverse #AIAgent #NVIDIA #OpenSource #Python Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122129711235349377
Nếu một AI Agent tự tạo được kỹ năng mới từ chính những việc nó vừa làm xong — và càng dùng càng thông minh hơn… bạn có còn cần “lập trình lại” nó nữa không? 🌊
Nếu một AI Agent tự tạo được kỹ năng mới từ chính những việc nó vừa làm xong — và càng dùng càng thông minh hơn… bạn có còn cần “lập trình lại” nó nữa không? 🌊 Câu trả lời của Nous Research: Hermes Agent — AI Agent mã nguồn mở “tự tiến hóa” hiện đang thống trị GitHub Trending với hơn 231.000 stars. ⚡ Bí mật nằm ở “vòng lặp học tập khép kín” (closed learning loop): Agent thông thường: gọi LLM → chạy tool → trả lời → quên hết. 😶🌫️ Hermes Agent thì khác: sau mỗi nhiệm vụ phức tạp, nó tự động:• Tạo skill mới — đóng gói quy trình thành tài nguyên dùng lại được• Cải thiện skill ngay trong quá trình sử dụng• Nhắc chính nó ghi nhớ kiến thức khi nhận ra điều đáng lưu Càng dùng lâu, agent càng thông minh theo cách của riêng nó — không cần finetune mô hình, không cần viết thêm code. 🤖✨ Điều làm nên “dòng chảy tri thức” 🌊 • Trí nhớ xuyên phiên: tìm kiếm ngay trong các cuộc hội thoại cũ (FTS5 session search + LLM summarization), kết hợp Honcho để hiểu bạn ngày một sâu hơn — tri thức chảy liên tục, không bị ngắt quãng giữa các lần chat.• Sống ở mọi nơi: một gateway duy nhất cho Telegram, Discord, Slack, WhatsApp, Signal; hỗ trợ 7 terminal backends, chạy được trên VPS $5 hoặc GPU cluster, môi trường “ngủ đông” lúc rảnh → chi phí idle gần bằng 0. 💤• Không lock-in mô hình: đổi model chỉ bằng lệnh hermes model, tương thích chuẩn mở agentskills.io và tích hợp MCP. Tuần trước chúng ta nói về MCP Stateless — giao thức gọi công cụ. Hôm nay là câu chuyện cao hơn một bậc: một agent biến toàn bộ trải nghiệm thành vòng tự học. 🚀 Bạn nghĩ sao về một AI Agent “càng dùng càng thông minh”? Comment bên dưới để Suijin biết bạn muốn thử loại agent nào đầu tiên nhé! 🌊👇 Like, Share và Follow Suijin Greenverse để đón đọc phần thực hành vào tuần sau! #SuijinGreenverse #AIAgent #HermesAgent #OpenSource #NousResearch Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122129520069349377
MCP vừa “bỏ phiên” — thay đổi lớn nhất kể từ khi ra đời, mở đường cho AI Agent scale hàng triệu request. 🌊⚡
MCP vừa “bỏ phiên” — thay đổi lớn nhất kể từ khi ra đời, mở đường cho AI Agent scale hàng triệu request. 🌊⚡ Bạn có biết “phiên kết nối” (session) — thứ giúp AI Agent gọi công cụ — chính là thứ đang chặn Agent mở rộng quy mô? Ngày 28/07/2026, MCP vừa bỏ hẳn khái niệm phiên: mỗi request “tự túc”, và Google Cloud, GitHub, Cloudflare đã nhanh chóng bắt tay hỗ trợ ngay từ tuần đầu. 🧊 Vấn đề nằm ở “cái bình đóng băng” Từ cuối 2024, Model Context Protocol (MCP) là chuẩn giúp LLM gọi tool bên ngoài: search, GitHub, database… Nhưng cách vận hành cũ (spec 2025-11-25) khiến client bị “khóa cứng” vào đúng server chứa phiên trong bộ nhớ: • Client bắt tay initialize → server trả header Mcp-Session-Id → mọi request sau phải kèm session id.• Hệ quả với hạ tầng cloud: load balancer round-robin không biết phiên nằm ở pod nào → request rơi nhầm pod là lỗi 400 Session Not Found.• Muốn tránh thì phải cấu hình sticky session, dựng Redis session store dùng chung, hay để gateway “mổ bụng” gói tin. Pod chết là mất phiên, người dùng lỗi giữa chừng. MCP sinh ra cho 1 client – 1 server trên laptop. Khi agent cần scale hàng triệu request/ngày, lớp phiên stateful trở thành nút thắt thật sự. 🚰 Giải pháp: MCP trở thành “HTTP thuần túy” Spec 2026-07-28 bỏ hẳn handshake initialize/initialized và header Mcp-Session-Id. Giờ mỗi request tự mô tả chính nó: • Version giao thức, thông tin client, capabilities nằm trong trường _meta kèm mỗi lệnh.• Method và tên tool được đưa lên HTTP headers (Mcp-Method, Mcp-Name, MCP-Protocol-Version) → gateway, WAF, load balancer route, giới hạn tốc độ, tra soát mà không cần phân tích body JSON.• Danh sách tool/tài nguyên trả về kèm ttlMs + cacheScope → client biết cache tới khi nào, bớt gọi lại. Header khớp với body mới chấp nhận, sai lệch trả mã -32020. 🔁 Bỏ phiên mà vẫn “hỏi lại” được: MRTR và Tasks • Multi Round-Trip Requests (MRTR): khi tool cần xác nhận (xoá 3 file, trừ tiền…), server trả InputRequiredResult kèm requestState đã serialize — bất kỳ instance nào sau load balancer cũng tiếp tục được, không cần giữ kênh SSE.• Tasks extension (do AWS đóng góp): tool chạy lâu (backup DB, đồng bộ CRM, hoàn tiền) trả ngay taskId và xử lý nền; client dùng tasks/get, tasks/update để theo dõi.• Bảo mật đi kèm: validate iss theo RFC 9207, Resource Indicators RFC 8707 chống “confused deputy”, chính sách deprecation 12 tháng cho Roots/Sampling/Logging. 🌍 Hệ sinh thái phản ứng “ngay trong tuần đầu” • GitHub MCP Server nâng cấp trước ngày phát hành: xóa Redis session, bỏ deep packet inspection, luồng login thành nhiều request HTTP độc lập.• Cloudflare hỗ trợ ngay ngày đầu: mỗi request chạy trên instance stateless, client cũ không cần đổi config.• AWS đưa stateless core vào Bedrock AgentCore; Manufact cắt 83% kích thước SDK, nhanh hơn 25%; Microsoft Foundry mở rộng từ vài chục lên hàng nghìn integration.• 4 SDK Tier-1 (TypeScript, Python, Go, C#) đều có bản beta — Python mcp[cli]==2.0.0b1, TypeScript tách @modelcontextprotocol/client + @modelcontextprotocol/server kèm codemod npx @modelcontextprotocol/codemod@beta v1-to-v2. Góc nhìn Suijin: stateless giống “nước không bị đóng băng trong một bình” — mỗi giọt (request) tự đủ, chảy tới bất kỳ máy chủ nào sẵn sàng đón nhận. Phiên (session) là “bờ đê” cố định; stateless là dòng chảy tự nhiên. Hiểu MCP = hiểu hệ “mạch máu” đưa tri thức của agent đi khắp hạ tầng. 🌊 👉 Bạn đang chạy MCP server nào cho agent của mình? Nâng cấp lên spec 2026-07-28 để thử scale thật: Google Cloud Run, Cloudflare Workers hay GitHub MCP Server đều đã sẵn sàng. Nhớ đây là bản beta — test kỹ staging trước khi lên production nhé! Thích nếu bài viết hữu ích 👍 · Chia sẻ để lan tỏa tri thức 📤 · Bình luận MCP server của bạn 💬 · Follow Suijin Greenverse để không bỏ lỡ thế giới AI Agent mỗi ngày! 🌊 #SuijinGreenverse #AIAgent #MCP #StatelessMCP #TechExplainer Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122129284497349377
Agent của bạn hôm nay nhớ bài, tuần sau lại hỏi lại y chang một câu? 🌊
Agent của bạn hôm nay nhớ bài, tuần sau lại hỏi lại y chang một câu? 🌊 Vấn đề đó có tên: Agent không có trí nhớ dài hạn. Và Tencent vừa công bố giải pháp open-source đạt mốc 20.000 sao GitHub chỉ trong 90 ngày. Bạn từng gặp cảnh này chưa? 🔁 Vừa hướng dẫn Agent xong một quy trình, hôm sau nó lại hỏi từ đầu.📂 Bối cảnh dự án không được lưu lại, phải giải thích lại y như lần đầu.🧠 Mỗi phiên làm việc là một phiên bản mới của Agent, trí nhớ như bị xóa sạch. Đây không phải lỗi của bạn. Đây là bài toán trí nhớ dài hạn (long-term memory) của AI Agent — và nó đặc biệt nghiêm trọng với mô hình one-person company, khi một người phải dẫn dắt cả một đội Agent. Vấn đề cốt lõi: mỗi phiên hoạt động gần như độc lập. Khi đóng phiên, toàn bộ ngữ cảnh hội thoại, quyết định và kiến thức tích lũy đều bay hơi. Cửa sổ ngữ cảnh (context window) có hạn, Agent chỉ nhớ vài chục nghìn token, còn kinh nghiệm cũ thì không bao giờ được lưu lại để dùng tiếp. Giải pháp đến từ TencentDB Agent Memory — một memory hub cấp đội. Dự án được Tencent Cloud mở mã nguồn từ đầu năm 2026, cung cấp cả long-term memory lẫn short-term memory cho các agent workflow dài hạn, và tương thích với nhiều framework phổ biến như OpenClaw, Claude Code, Tencent CodeBuddy. Con số biết nói: hơn 20.000 sao GitHub chỉ trong 90 ngày, từng leo lên vị trí số 1 GitHub Trending, cùng gần 2.000 forks. Điểm mới nhất được công bố ngày 13/08/2026: Team Memory — 4 loại tài sản trí nhớ chuẩn hóa dùng chung cho cả đội AI: 💬 Chat Memory: lưu lịch sử hội thoại thành tài sản truy vấn lại được.📚 LLM-Wiki: biến tài liệu dự án thành wiki mà Agent tra cứu bằng ngôn ngữ tự nhiên.🔀 Code Graph: hóa kho code thành đồ thị cấu trúc, giúp Agent hiểu quan hệ giữa module, symbol và call path.⚙️ Skill: chưng cất một phiên gỡ lỗi, phân tích yêu cầu hay code review thành kỹ năng tái sử dụng. Điểm đặc biệt: các tài sản này tự lắp ráp theo vai trò. Agent sửa bug ưu tiên Code Graph và kinh nghiệm cũ; Agent phân tích yêu cầu ưu tiên wiki dự án và ngữ cảnh kinh doanh để giảm nhiễu. Với kỷ nguyên đa Agent: tạo Team, tạo Agent theo vai trò, import kho code, tài liệu và lịch sử phiên. Phiên mới chỉ cần chọn Team, Agent và tác vụ, hệ thống tự nạp đúng tài sản trí nhớ phù hợp. Trí nhớ tương thích kể cả khi đổi mô hình hoặc framework, kinh nghiệm không phải dựng lại từ đầu. Dưới góc nhìn Suijin: mỗi phiên Agent là một nhánh sông chảy, còn memory hub chính là đại dương gom mọi dòng chảy để tái dùng. Team Memory là dòng sông tri thức của đội ngũ AI — nền tảng của multi-agent collaboration trong tương lai. Bạn có đang để Agent của mình mất trí nhớ sau mỗi phiên không? 🤔 👇 Thử ngay TencentDB Agent Memory trên GitHub — link mình để ở comment đầu tiên: 👉 Like nếu bài viết hữu ích👉 Share để đồng đội không phải giải thích lại từ đầu👉 Comment “Đã thử” nếu bạn đã dùng Team Memory, mình rất muốn nghe trải nghiệm thực tế!👉 Follow Suijin Greenverse để cùng học về AI Agent mỗi ngày 🌊 #SuijinGreenverse #AIAgent #AgentMemory #OpenSource #MultiAgent Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122129029293349377
Một mô hình giỏi thôi chưa đủ để trở thành Agent — nó cần một “bộ khung” để nhìn, chạm và làm việc với thế giới thật. 🌊 Tuần này, DeepSeek vừa mở nguồn cả bộ khung đó, và GitHub đã “điên loạn”: hơn 33.000 sao chỉ trong vài giờ. ⚡
Một mô hình giỏi thôi chưa đủ để trở thành Agent — nó cần một “bộ khung” để nhìn, chạm và làm việc với thế giới thật. 🌊 Tuần này, DeepSeek vừa mở nguồn cả bộ khung đó, và GitHub đã “điên loạn”: hơn 33.000 sao chỉ trong vài giờ. ⚡DeepSeek Harness — “Mọi thứ là một plugin”Hôm nay Suijin không kể về một mô hình, mà về thứ đứng sau mô hình — thứ quyết định một AI thực sự “biết làm việc” hay chỉ “biết nói”.1️⃣ Model giỏi ≠ Agent biết làm việc• Model chỉ là “bộ não”: suy luận, viết code, trả lời — nhưng một Agent thực thụ cần nhiều hơn: nhớ việc đã làm 5 bước trước, gọi đúng công cụ, thao tác file, chạm hệ thống bên ngoài, và ghi lại toàn bộ nhật ký quá trình.• Lớp “đứng trên model” đảm nhiệm việc này — gọi là harness (bộ khung): công cụ, trí nhớ, điều phối sub-agent, và logic “khi nào xong việc”.• Khi model ngang sức nhau, cuộc chơi dời lên lớp harness. Anthropic có Claude Code, OpenAI có Codex — và giờ DeepSeek có Harness. 🎯2️⃣ Giải pháp: dsh — “Everything is a plugin”• Ra mắt 13/08/2026 dưới dạng developer preview, giấy phép MIT, toàn bộ mã nguồn công khai.• Triết lý chỉ gói trong một câu: “Mọi thứ là một plugin” — model, tools, skills, sessions, sandbox, bộ nhớ, cả agent loop lẫn UI đều thay thế, hoán đổi, lắp ghép được.• Chạy chỉ bằng một lệnh: npx @deepseek-ai/dsh web. 🚀• Bất ngờ nhất: không bắt buộc dùng model của DeepSeek — model cũng là plugin, nghĩa là bộ khung này chấp nhận cả model đối thủ. Kiến trúc xây trên Cordis, theo mô hình “spatiotemporal composability” — plugin ghép theo cấu trúc và theo thời gian.3️⃣ Điểm mới nổi bật• 4 chế độ chạy: Standard (agent coding đầy đủ), Code mode (bổ sung Code Mode SDK — model tự viết mã), Minimal (chỉ bash + editor), Creator (làm preset agent riêng).• Session Trajectory: mỗi phiên ghi append-only log — system prompt, chuỗi suy luận, lời gọi công cụ, lịch trình subagent — cho phép resume, fork, tìm kiếm và replay lại dòng sự kiện. Agent “đi lạc”? Lôi phiên cũ về, rẽ nhánh từ đó. 🔁• Thân thiện hệ sinh thái: MCP client, hỗ trợ Agent Client Protocol, đọc được AGENTS.md và CLAUDE.md. Nhưng tác giả cũng thẳng thắn: sẽ có breaking changes — chưa nhận PR ngoài, đóng góp qua GitHub Discussions.4️⃣ Cuộc đua đã dịch chuyển: từ model lên “lớp hạ tầng Agent”• Harness đánh dấu bước chuyển từ model vendor sang product company — khi model ngang sức, giá trị nằm ở cách mô hình dùng công cụ, giữ phiên và chạy workflow dài.• Cộng đồng phản ứng cực nhanh: hàng trăm plugin (multi-agent orchestration, cron, computer-use, vision toolkit…) xuất hiện ngay ngày đầu, theo mô hình dsh plugin add.Dưới góc nhìn Suijin 🌊: harness giống “lòng kênh dẫn dòng tri thức” — model là nguồn nước, harness định hình dòng chảy để tri thức chạy đúng chỗ, đúng việc, và ghi lại dấu vết. “Mọi thứ là một plugin” = thủy triều có thể lên xuống, nhưng kênh dẫn thì luôn linh hoạt để thích nghi.📣 Muốn thấy bộ khung Agent đang hot nhất tuần này chạy thế nào? Chỉ cần chạy npx @deepseek-ai/dsh web — nhưng nhớ: đang ở bản developer preview, đừng vội xây “nhà chịu lực” trên nó! 🏗️👉 Theo dõi Suijin Greenverse mỗi ngày để cập nhật thế giới AI Agent — và comment bên dưới: bạn sẽ dùng Harness cho tác vụ gì đầu tiên?#SuijinGreenverse #AIAgent #DeepSeek #OpenSource #CodingAgent Nguồn gốc: https://www.facebook.com/122110280187349377/posts/122129028735349377