Báo cáo Lớp 5 (tổng hợp giải pháp) — gom 30 repo trong kho tri thức thành các "stack giải pháp" có thể triển khai và bán được. Dữ liệu: `knowledge-base.json` (dựng 24/05/2026, 30 repo tích lũy 19–24/05/2026).
Cách đọc: mỗi stack là một *bài toán kinh doanh thực tế* + tổ hợp repo ráp lại + luồng triển khai + khoảng trống năng lực + hướng kiếm tiền + đánh giá khả thi. Mọi repo đều có thật trong kho, gắn link và số sao để tra ngược.
*Đây là báo cáo Lớp 5 đầu tiên — chưa có file synthesis tuần trước để so sánh. Từ tuần sau sẽ ưu tiên nêu cái MỚI.*
Stack 1 — Chatbot hỏi đáp tài liệu doanh nghiệp
Bài toán: Công ty luật, kế toán, bảo hiểm cần hỏi đáp nhanh trên kho tài liệu dài hàng trăm trang; câu trả lời phải trích dẫn đúng điều khoản, đúng trang, không ảo giác.
Ráp từ:
- PageIndex ⭐19.4k — RAG "vectorless", lập chỉ mục cây mục lục, truy hồi và trích dẫn chính xác trên tài liệu dài. *Lõi truy xuất.*
- AnythingLLM ⭐57.7k — khung ứng dụng + giao diện chat, self-host, ưu tiên quyền riêng tư. *Vỏ sản phẩm.*
- mem0 ⭐52.1k — nhớ ngữ cảnh khách hàng xuyên phiên. *Lớp bộ nhớ.*
- Vane ⭐33.6k — mẫu UX "trả lời có nguồn dẫn" để tham chiếu.
Luồng triển khai: Tài liệu → PageIndex lập chỉ mục cây → AnythingLLM làm app + chat, gọi PageIndex thay retriever vector mặc định → mem0 giữ trí nhớ hội thoại → nhúng widget chat vào web khách hàng.
Khoảng trống: Kho tài liệu chuyên ngành (phải tự thu thập), quy trình kiểm định độ chính xác pháp lý, cổng thanh toán.
Hướng kiếm tiền: SaaS gói theo ngành (luật/kế toán/bảo hiểm) tính phí theo số trang xử lý; kèm gói "thiết lập riêng" thu phí một lần để có doanh thu sớm.
Khả thi: Cao về kỹ thuật (các mảnh đều chín, self-host được) — Trung bình nếu tính rủi ro dữ liệu và trách nhiệm pháp lý khi tư vấn sai.
Stack 2 — Agency nội dung & nghiên cứu thị trường tự động
Bài toán: Phòng marketing / agency cần sản xuất báo cáo nghiên cứu và nội dung dài đều đặn với chi phí vận hành thấp.
Ráp từ:
- TrendRadar ⭐51.5k — phát hiện chủ đề, xu hướng nóng đa nền tảng.
- Firecrawl ⭐105k — cào nguồn web thành dữ liệu sạch dạng markdown.
- DeerFlow ⭐58.5k — SuperAgent nghiên cứu sâu + viết nội dung dài.
- n8n ⭐180k — điều phối quy trình, duyệt và đăng đa kênh.
- browser-use ⭐86.2k — đăng bài / thu thập ở kênh không có API.
Luồng triển khai: TrendRadar tìm chủ đề → Firecrawl cào nguồn → DeerFlow nghiên cứu + viết → n8n duyệt và phân phối đa kênh; browser-use lo các kênh không có API.
Khoảng trống: Khâu biên tập / kiểm duyệt của con người, quản lý lịch nội dung dài hạn.
Hướng kiếm tiền: Dịch vụ "deep research" bán cho marketing / quỹ đầu tư; agency nội dung tự động chi phí vận hành thấp; bán bản tin ngành dạng thuê bao.
Khả thi: Cao — pipeline crawl + biên tập + tích lũy KB là mô hình đã được kiểm chứng thực tế, dễ mở rộng quy mô.
Stack 3 — "AI coding workspace" cho team dev
Bài toán: Team kỹ thuật muốn chuẩn hóa quy trình vibe coding: năng suất cao, ngữ cảnh không mất giữa các phiên, chi phí token kiểm soát được.
Ráp từ:
- Một CLI coding agent: goose ⭐41.4k (linh hoạt, chạy LLM tùy chọn), gemini-cli ⭐100k, DeepSeek-TUI ⭐2.3k hoặc mistral-vibe ⭐5k+ (lựa chọn chi phí thấp).
- claude-mem ⭐45.7k — giữ ngữ cảnh dự án xuyên phiên.
- everything-claude-code ⭐152k + awesome-claude-skills ⭐51.5k + antigravity-awesome-skills ⭐31k — thư viện skill và cấu hình mẫu.
- OpenSandbox ⭐2.5k hoặc daytona ⭐71.4k — chạy code AI sinh ra trong môi trường cách ly.
Luồng triển khai: Chọn coding agent → nạp skill pack + cấu hình "research-first" → claude-mem giữ ngữ cảnh → code AI sinh ra chạy cách ly trong OpenSandbox / daytona.
Khoảng trống: Đánh giá chất lượng code do agent sinh, tích hợp CI/CD cụ thể của từng khách.
Hướng kiếm tiền: Dịch vụ "AI Workspace Setup" 10–30 triệu/lần cho doanh nghiệp; bán skill pack theo ngành; đào tạo quy trình.
Khả thi: Cao — bán được ngay, vốn ít, rủi ro thấp, đúng thế mạnh sẵn có. Đây là stack nên cân nhắc làm trước.
Stack 4 — "Nhân viên số" CSKH & bán hàng đa kênh cho SME
Bài toán: Cửa hàng, phòng khám, trung tâm đào tạo cần bot chăm sóc khách và bán hàng trên kênh chat, nhớ được từng khách.
Ráp từ:
- CowAgent ⭐43k — "nhân viên số" kết nối nhiều kênh chat, có skill và bộ nhớ.
- mem0 ⭐52.1k — nhớ lịch sử từng khách hàng.
- Dify ⭐137k — dựng luồng tư vấn / bán hàng bằng giao diện low-code.
- FunASR ⭐15k — chuyển giọng nói thành văn bản (cho voice bot / tổng đài).
Luồng triển khai: Dify dựng luồng tư vấn → CowAgent làm lớp kết nối kênh chat → mem0 nhớ khách → FunASR khi có kênh thoại.
Khoảng trống: Tích hợp thanh toán; kênh chat phổ biến ở Việt Nam (Zalo) — CowAgent thiên về WeChat / Feishu / DingTalk.
Hướng kiếm tiền: Dịch vụ triển khai chatbot CSKH / bán hàng theo gói; "nhân viên số" chuyên ngành cho cửa hàng, phòng khám.
Khả thi: Trung bình–Cao — kỹ thuật ổn, rủi ro chính nằm ở kênh Zalo và tích hợp thanh toán.
Stack 5 — Dịch vụ RPA: tự động hóa thao tác web & mobile
Bài toán: Doanh nghiệp cần tự động hóa tác vụ lặp trên website và app di động không có API (nhập liệu, theo dõi giá, chốt đơn đa sàn).
Ráp từ:
- browser-use ⭐86.2k — agent thao tác trình duyệt.
- Mobile-Agent ⭐7.6k — agent GUI điều khiển app di động.
- n8n ⭐180k — lên lịch và điều phối luồng.
- OpenSandbox ⭐2.5k — môi trường chạy cách ly (tùy chọn).
Luồng triển khai: n8n lên lịch & điều phối → browser-use chạy tác vụ web, Mobile-Agent chạy tác vụ app → kết quả đẩy về báo cáo / CRM.
Khoảng trống: Độ ổn định khi giao diện đổi, xử lý chống-bot, quản lý phiên đăng nhập.
Hướng kiếm tiền: Dịch vụ RPA theo yêu cầu; SaaS bot ngách (theo dõi giá đối thủ, chốt đơn đa sàn TikTok / Shopee).
Khả thi: Trung bình — kỹ thuật khả thi nhưng chi phí bảo trì cao mỗi khi UI thay đổi.
Stack 6 — "Xưởng dựng agent theo đơn đặt hàng" (agent dev shop)
Bài toán: Doanh nghiệp muốn có agent AI riêng cho nghiệp vụ của mình nhưng không có đội kỹ thuật — cần một bên nhận dựng trọn gói, chạy được trên hạ tầng doanh nghiệp.
Ráp từ:
- agno ⭐39.2k — framework dựng agent đa năng, làm khung lõi cho mỗi đơn hàng.
- anthropics/skills ⭐79.6k — chuẩn mở đóng gói kỹ năng chuyên ngành cho agent.
- datagouv-mcp ⭐686 — mẫu MCP server để nối agent vào dữ liệu / hệ thống nội bộ của khách.
- hello-agents ⭐23.6k — tài liệu tham chiếu chuẩn để đào tạo nội bộ và rút ngắn thời gian dựng.
- JeecgBoot ⭐45.8k — nền low-code có sẵn AI để host agent + dựng giao diện quản trị bàn giao cho khách.
Luồng triển khai: agno dựng khung agent → đóng gói nghiệp vụ khách thành skill theo chuẩn anthropics/skills → viết MCP server (theo mẫu datagouv-mcp) nối vào dữ liệu khách → bọc giao diện quản trị bằng JeecgBoot và bàn giao.
Khoảng trống: Quy trình bàn giao / bảo trì sau dự án, SLA, đánh giá chất lượng agent trước khi giao.
Hướng kiếm tiền: Dịch vụ dự án (project-based) dựng agent theo đơn; gói bảo trì hằng tháng; đào tạo đội nội bộ của khách.
Khả thi: Trung bình — biên lợi nhuận tốt và nhu cầu thật, nhưng phụ thuộc nhiều vào năng lực kỹ thuật và quản lý dự án; khó chuẩn hóa, mỗi đơn hàng gần như làm lại.
Khoảng trống chung của kho
Những năng lực mà cả 30 repo đều chưa phủ — cần tìm thêm hoặc dùng dịch vụ ngoài:
- Thanh toán / quản lý thuê bao — không repo nào lo; phải dùng Stripe hoặc cổng nội địa (VNPay, MoMo).
- Kết nối Zalo — kênh chat lớn nhất Việt Nam; CowAgent và các repo khác đều không hỗ trợ sẵn.
- Đánh giá chất lượng (eval / QA) đầu ra agent — chưa có công cụ kiểm định; phải tự xây bộ kiểm thử trước khi giao sản phẩm.
- Fine-tune / huấn luyện model riêng — kho thiên về ứng dụng, không có công cụ huấn luyện model nền.
- Bảo mật & tuân thủ (compliance) — chưa có repo lo kiểm soát truy cập, nhật ký, dữ liệu cá nhân — quan trọng khi bán cho ngành luật / y tế / tài chính.
Nên làm gì trước
Xét vốn, rủi ro và tốc độ ra tiền: Stack 3 (AI coding workspace) đáng làm trước — bán được ngay dưới dạng dịch vụ setup, vốn ít, rủi ro thấp, dễ tận dụng năng lực dev sẵn có. Stack 2 (agency nội dung) là bước nối tự nhiên vì pipeline crawl-biên tập-publish đã có template thực chiến. Stack 6 (xưởng dựng agent) có biên lợi nhuận hấp dẫn nhưng khó chuẩn hóa, nên để sau khi đã có quy trình ổn. Stack 1 và 4 cần đầu tư dữ liệu và tích hợp (thanh toán, Zalo) nhiều hơn — ưu tiên sau khi có dòng tiền.
*Báo cáo Tổng hợp giải pháp. Nguồn: AIToEarn knowledge base — 30 repo, 19–24/05/2026.*