Báo cáo Lớp 5 — gom 133 repo trong AIToEarn knowledge base thành các stack giải pháp có thể triển khai và bán được. Dữ liệu: knowledge-base.json (date_range 2026-05-19 → 2026-06-09, 324 lượt xuất hiện).
So với báo cáo tuần trước (2026-06-07), kho bổ sung 13 repo mới. Điểm nhấn lớn nhất: steipete/openclaw (⭐345k) — agent đa năng viral nhất từ trước đến nay, vượt React để trở thành repo GitHub được star nhanh nhất trong lịch sử; Skyvern (⭐21.5k) — browser automation vision-first không cần CSS selector; và docling (⭐32k) — parse tài liệu cấu trúc sâu. Ba cái này thay đổi đáng kể hai stack: RPA/web automation và document intelligence. Báo cáo ưu tiên nêu tổ hợp MỚI hoặc đã thay đổi so với tuần trước.
Stack 1 — Vision-first RPA: dịch vụ tự động hoá web/mobile "không vỡ" (NÂNG CẤP LỚN)
Bài toán: Browser automation truyền thống (CSS selector, XPath) vỡ khi UI thay đổi — chi phí bảo trì cao. Doanh nghiệp muốn agent thao tác web/app bền bỉ như người dùng thật, không cần cập nhật selector sau mỗi lần frontend deploy.
Ráp từ:
- Skyvern ⭐21.5k — *lớp vision-first (MỚI)*: nhìn screenshot + DOM để hiểu ngữ nghĩa giao diện, không dùng selector cứng — kháng thay đổi UI rất tốt.
- browser-use ⭐63k — *lõi điều khiển trình duyệt*: cho bất kỳ LLM nào điều hướng, click, điền form, trích dữ liệu qua Playwright.
- MobileAgent ⭐7.5k — *mở rộng sang di động*: GUI agent điều khiển Android/iOS, phủ thêm nhánh app mobile không có API.
- n8n ⭐115k — *backbone orchestration*: kết nối automation vào pipeline nghiệp vụ, webhook, lịch chạy, 400+ tích hợp.
- Firecrawl ⭐105k — *dữ liệu web sạch*: chuyển bất kỳ trang nào thành markdown có cấu trúc khi browser-use không cần thao tác mà chỉ cần đọc dữ liệu.
- TrendRadar ⭐51.5k — *giám sát trigger*: theo dõi tín hiệu thị trường để kích hoạt automation đúng lúc (giá thay đổi, đối thủ cập nhật, mention brand).
Luồng triển khai: TrendRadar theo dõi tín hiệu → n8n nhận trigger và lập lịch → Skyvern điều khiển web interface bằng vision (ưu tiên) hoặc browser-use cho luồng phức tạp hơn → Firecrawl thu thập dữ liệu tĩnh song song → MobileAgent xử lý nhánh app mobile → n8n tổng hợp kết quả và đẩy vào hệ thống.
Khoảng trống: Chưa có lớp xử lý CAPTCHA/anti-bot tích hợp sẵn; connector native cho các sàn TMĐT khu vực (Shopee, Lazada API) chưa được phủ — phải tự xây.
Hướng kiếm tiền: Dịch vụ RPA theo tác vụ (giám sát giá, đặt hàng, nhập liệu, QA app) tính phí theo số tác vụ/tháng; gói "maintenance-free automation" cam kết kháng thay đổi UI là điểm khác biệt.
Khả thi: Cao — Skyvern thay đổi hẳn giá trị cam kết (không vỡ khi UI đổi), tạo lợi thế bán được. Rủi ro chính: chi phí inference cho vision-first cao hơn selector truyền thống, cần tính vào giá dịch vụ.
Stack 2 — "OpenClaw Effect": nền tảng trợ lý AI đa năng tự host (HOÀN TOÀN MỚI)
Bài toán: steipete/openclaw (⭐345k) — repo được star nhanh nhất lịch sử GitHub — cho thấy nhu cầu khổng lồ về agent tự host, kết nối mọi nền tảng, có thể viết thêm skill. Đây là tín hiệu thị trường rõ nhất: người dùng muốn agent riêng, không phụ thuộc cloud của bên thứ ba.
Ráp từ:
- OpenClaw / steipete fork ⭐345k — *lõi agent viral*: agent đa năng kết nối 50+ nền tảng (WhatsApp, Slack, Telegram, email…), tự viết thêm skill để mở rộng.
- openclaw/openclaw (community) ⭐250k+ — *cộng đồng gốc*: phiên bản community, bổ sung plugins và use case phong phú.
- Mem0 ⭐52.1k — *bộ nhớ dài hạn*: giữ ngữ cảnh và sở thích người dùng qua nhiều phiên — thiết yếu để agent "nhớ" khách hàng.
- MaxKB ⭐21.1k — *knowledge base nghiệp vụ*: cắm dữ liệu nội bộ (SOP, FAQ, sản phẩm) vào agent để trả lời đúng ngữ cảnh.
- anything-llm ⭐57.7k — *giao diện tự host*: all-in-one UI + RAG + đa mô hình, privacy-first, phủ thêm nhánh khách không muốn Docker/CLI.
- n8n ⭐115k — *cầu nối hệ thống*: kết nối agent vào ERP/CRM/email đang dùng của khách.
Luồng triển khai: OpenClaw làm lõi agent điều phối + kết nối kênh → Mem0 gắn lớp nhớ → MaxKB cung cấp knowledge base nghiệp vụ → anything-llm làm giao diện cho user cuối → n8n cầu nối vào hệ thống nội bộ (ERP, CRM, email). Toàn bộ tự host — đây là điểm bán chính.
Khoảng trống: OpenClaw vẫn evolving nhanh (code thay đổi hàng ngày) — rủi ro breaking change khi vận hành cho khách. Cần freeze phiên bản và test kỹ trước khi bàn giao. Chưa có lớp audit log / phân quyền enterprise.
Hướng kiếm tiền: Gói "Managed OpenClaw" cho SME (cài đặt + kết nối hệ thống + bảo trì tháng) — bán vào nhu cầu "không muốn trả phí ChatGPT mãi mãi" và "muốn agent biết nghiệp vụ riêng của mình". Tiềm năng lớn, sóng nhu cầu đang đỉnh.
Khả thi: Cao về nhu cầu, Trung bình về kỹ thuật — repo còn non, cần lớp hardening trước khi vận hành production cho khách.
Stack 3 — Factory nội dung AI: từ trend đến đa kênh (duy trì, bổ sung ALwrity làm não)
Bài toán: Publisher và creator ở mọi vertical cần chuỗi sản xuất nội dung gần như tự động: từ theo dõi trend → viết bài chuẩn SEO/AEO → lên lịch đa kênh → tối ưu hiệu quả. Thị trường trả phí cho "content ops" đã là thực tế.
Ráp từ:
- ALwrity ⭐1.2k — *não chiến lược (vẫn nóng nhất 8x)*: AI-first marketing với research thị trường trước khi draft, grounding nội dung trên data thực (SEO, đối thủ, web).
- TrendRadar ⭐51.5k — *radar xu hướng*: theo dõi tín hiệu đa nền tảng, lọc và tóm tắt hot topic, đẩy thông báo để tạo nội dung đúng lúc.
- claude-seo ⭐3.5k — *bộ máy SEO/AEO*: 13 sub-skill, E-E-A-T, schema, GEO/AEO — tối ưu nội dung cho cả Google và các AI answer engine.
- Social Media Agent ⭐3.6k — *biên tập & lên lịch human-in-the-loop*.
- Postiz ⭐21k — *phân phối đa kênh*: lên lịch và phân tích 10+ nền tảng.
- TryPost ⭐800 — *nhất quán thương hiệu*: Brand Profile giữ giọng điệu đồng bộ khi vận hành nhiều brand.
- Pixelle-Video ⭐9.2k + FunASR ⭐15k — *nhánh video*: text→video hoàn chỉnh + phụ đề tự động.
Luồng triển khai: TrendRadar phát hiện trend → ALwrity lập chiến lược + research dữ liệu thực → claude-seo tối ưu SEO/AEO bài viết → Social Media Agent biên tập lần cuối → Postiz/TryPost lên lịch đa kênh nhất quán brand. Nhánh video: ALwrity viết script → Pixelle-Video dựng clip → FunASR thêm phụ đề.
Khoảng trống: Tiếng Việt tự nhiên trong video/TTS vẫn là điểm yếu (xem Khoảng trống chung). Đo lường "được AI trích dẫn" (AEO) vẫn thiếu công cụ định lượng.
Hướng kiếm tiền: Dịch vụ "Content Ops as a Service" theo retainer cho publisher đa vertical (gaming, edtech, ecom…); hoặc SaaS ngách — content engine cho một vertical cụ thể.
Khả thi: Cao — stack đã chứng minh được qua nhiều triển khai, ALwrity đặc biệt vẫn bền với 8 lần xuất hiện.
Stack 4 — Document Intelligence nâng cấp: pipeline parse → hiểu → hành động (NÂNG CẤP)
Bài toán: Tài liệu phức tạp (PDF bảng biểu, hợp đồng, báo cáo, slide) vẫn là nút thắt khi đưa dữ liệu vào AI. Kho vừa bổ sung docling ⭐32k — parse layout sâu — làm pipeline document trở nên hoàn chỉnh hơn đáng kể.
Ráp từ:
- docling ⭐32k — *parse cấu trúc sâu (MỚI)*: hiểu layout PDF/DOCX/slide, trích bảng + hình + công thức thành cấu trúc có ngữ nghĩa — bước tiền xử lý tốt nhất hiện tại.
- MinerU ⭐38k — *parse song song*: biến PDF và Office thành markdown/JSON, multi-deployment, phủ bổ sung cho docling.
- PageIndex ⭐32.1k — *reasoning-based retrieval*: index theo lý luận thay vì embedding, giảm sai số ở tài liệu pháp lý/tài chính.
- RAGFlow ⭐70k — *engine RAG doanh nghiệp*: retrieval nâng cao, trích dẫn nguồn, khả năng agentic.
- financial-services ⭐10.8k — *bộ tài sản ngành (Anthropic)*: skills + agent workflows + reference architecture cho banking, compliance.
- docuseal ⭐15.4k — *ký số*: khép vòng soạn → ký hợp đồng mà không cần DocuSign.
Luồng triển khai: docling + MinerU chuẩn hoá tài liệu đầu vào → PageIndex / RAGFlow xây lớp tra cứu chính xác → financial-services cung cấp khung workflow ngành → docuseal khép vòng ký số. Chạy on-prem cho khách coi trọng bảo mật.
Khoảng trống: Tài liệu pháp lý/kế toán tiếng Việt và quy định bản địa chưa phủ; vẫn cần xây eval set riêng để chứng minh độ chính xác.
Hướng kiếm tiền: Dự án on-prem cho tổ chức tài chính, luật, kiểm toán — phí dự án cao + bảo trì. Thêm docling vào stack làm mạnh lớp chuẩn hoá, giảm lỗi ngay từ đầu pipeline.
Khả thi: Trung bình–Cao — pipeline hoàn chỉnh hơn hẳn nhờ docling, nhưng chu kỳ bán ngành tài chính/pháp lý dài.
Stack 5 — "AI Agency Engine": xây và vận hành agency tự động hoá (tổ hợp mới)
Bài toán: Một agency nhỏ muốn nhận nhiều dự án tự động hoá khác nhau từ khách hàng SME mà không cần scale nhân sự tuyến tính. Cần bộ công cụ để: nhận brief → nghiên cứu → prototype → deliver → báo cáo — tất cả với ít kỹ sư nhất có thể.
Ráp từ:
- DeerFlow ⭐58.5k — *super-agent dài hơi*: tự nghiên cứu, sinh báo cáo 20-50 trang, tự động hoá quy trình phân tích phức tạp.
- Dify ⭐139k — *platform prototype & delivery*: dựng và vận hành ứng dụng AI có giao diện cho khách dùng, RAG tích hợp, 100+ LLM provider.
- n8n ⭐115k — *backbone kết nối*: nối Dify với hệ thống khách, webhook, lịch chạy.
- Firecrawl ⭐105k — *dữ liệu web sạch*: thu thập dữ liệu thị trường, đối thủ cho mỗi dự án.
- ai-marketing-claude ⭐376 — *bộ 15 skill agency*: audit website, viết copy, chuỗi email, phân tích cạnh tranh, xuất báo cáo PDF — 15 skill chạy subagent song song.
- hiclaw ⭐8.9k — *điều phối đa agent (MỚI)*: hệ điều hành đa agent cộng tác minh bạch với human-in-the-loop — phù hợp khi cần kiểm soát giữa các bước.
- agno ⭐39.2k — *orchestration nhẹ production*.
Luồng triển khai: Khách gửi brief → DeerFlow nghiên cứu sơ bộ + lập kế hoạch → hiclaw điều phối các agent chuyên biệt (marketing, SEO, data, content) → Dify cung cấp giao diện khách dùng và quản lý workflow → n8n kết nối deliverable vào hệ thống khách → ai-marketing-claude xuất báo cáo PDF tự động.
Khoảng trống: Quản lý nhiều dự án song song (project management layer) chưa được phủ; billing theo tác vụ cũng phải tự xây.
Hướng kiếm tiền: Retainer "AI agency as a service" cho SME — khách trả phí tháng, nhận deliverable (báo cáo, nội dung, workflow) mà không cần hiểu công cụ. Biên lợi nhuận tốt vì cost of delivery thấp.
Khả thi: Trung bình–Cao — mô hình agency phù hợp giai đoạn công cụ còn cần human QA; rủi ro chính là scale quản lý nhiều khách đồng thời.
Stack 6 — Vibe Coding Workspace: môi trường coding agent đa CLI cho team dev (duy trì, thêm Superset)
Bài toán: Team dev đang dùng nhiều coding agent (Claude Code, Codex, Gemini CLI, OpenCode) song song — loạn context, tốn token, khó kiểm soát chi phí. Cần một workspace thống nhất, tối ưu, bền qua nhiều phiên.
Ráp từ:
- superset-sh/superset ⭐6.2k — *IDE điều phối agent (MỚI)*: code editor dành riêng cho kỷ nguyên agent, chạy nhiều agent CLI song song trên các git worktree tách biệt.
- cc-switch ⭐43.4k — *quản lý tập trung provider*: đổi LLM provider tức thì, kiểm soát chi phí.
- claude-mem ⭐45.7k — *ngữ cảnh liên phiên*: nén + bơm ngữ cảnh relevant giữa các session.
- Context7 ⭐52.4k — *tài liệu chính xác*: cấp API docs mới nhất cho agent qua MCP, giảm hallucination.
- awesome-claude-skills ⭐61.8k — *kho skill production-ready*.
- daytona ⭐71.4k — *sandbox code AI*: chạy code agent sinh ra an toàn.
- 9router ⭐4.3k — *tối ưu chi phí*: router 40+ provider, auto-fallback.
Luồng triển khai: superset làm IDE trung tâm → cc-switch + 9router điều phối provider/chi phí → các coding agent (Claude Code, Codex, Gemini CLI) thực thi trong worktree riêng → claude-mem + Context7 cấp ngữ cảnh + docs chính xác → daytona chạy code sinh ra trong sandbox an toàn.
Khoảng trống: Superset còn mới (6.2k sao), cần đánh giá độ ổn định production. Lớp SSO/audit enterprise vẫn thiếu.
Hướng kiếm tiền: Tư vấn + triển khai "AI coding workspace" cho team dev agency/startup theo seat; đào tạo quy trình agentic engineering; tối ưu chi phí token là usp rõ ràng.
Khả thi: Cao về nhu cầu — Superset làm rõ một vị trí sản phẩm mới (IDE cho agent) chưa ai chiếm rõ ràng. Cạnh tranh từ các cloud IDE lớn là rủi ro trung hạn.
Khoảng trống chung của kho
- TTS tiếng Việt tự nhiên: FunASR phủ tốt phần nhận dạng; nhưng tổng hợp giọng nói chất lượng cao cho tiếng Việt vẫn không có repo mã nguồn mở nào tốt trong kho — điểm nghẽn cho stack video/audio.
- Connector bản địa: Zalo OA, sàn TMĐT khu vực (Shopee, Lazada), cổng thanh toán, hệ kế toán địa phương — hoàn toàn trắng, luôn phải tự viết.
- Đo lường AEO/citation: aeo-god-mode chỉ ở mức cơ bản; chưa có công cụ đo định lượng đáng tin "đã được AI answer engine trích dẫn bao nhiêu lần".
- Lớp kiểm soát rủi ro agent: với OpenClaw và DeerFlow đang được triển khai rộng, chưa có công cụ audit log / policy enforcement đáng tin trong kho.
- Eval / benchmarking nội bộ: thiếu công cụ đánh giá chất lượng output của từng stack (RAG accuracy, automation success rate…) — cần tự xây để thuyết phục khách enterprise.
Nên làm gì trước
Tuần này có hai tín hiệu rõ cần phản ứng nhanh: (1) OpenClaw viral — nhu cầu "agent tự host đa kênh" đang ở đỉnh, đây là thời điểm vàng để xây gói "Managed OpenClaw" (Stack 2) vì cầu vượt cung dịch vụ chuyên nghiệp; chu kỳ ra tiền ngắn nhất hiện tại. (2) Skyvern làm cho RPA/web automation (Stack 1) có thể được bán với cam kết "không vỡ khi UI thay đổi" — một điểm khác biệt thực sự, nên thêm vào mọi đề xuất RPA ngay. Stack 3 (content factory) tiếp tục ổn định và có thể vận hành song song. Stack 4 (document intelligence) vào chu kỳ bán dài — nên bắt đầu xây eval set và một case study pilot ngay nếu muốn ra tiền trong Q3/2026.