Báo cáo Lớp 5 — gom 87 repo trong AIToEarn knowledge base thành các stack giải pháp triển khai và bán được. Dữ liệu: knowledge-base.json (87 repo, tích lũy 19–30/05/2026).
Kho dữ liệu giữ nguyên so với báo cáo gần nhất (2026-05-30) — chưa có repo mới được thu thập. Vì vậy báo cáo này KHÔNG lặp lại các stack đã có (Document Intelligence, Content Factory, CSKH, RPA, Agent Dev Shop, Private AI on-prem, Growth lead-gen). Thay vào đó, nó khai thác những góc còn bỏ trống của kho: cụm Vibe Coding (26 repo — nhóm lớn nhất nhưng ít được ráp thành sản phẩm), cùng các repo sao cao nhưng chưa dùng tới như openclaw (373k), Vane (33.6k), ruflo (55.1k), TabPFN (6.7k). Giá trị mới tuần này nằm ở TỔ HỢP và GÓC TIẾP CẬN mới, không phải dữ liệu mới.
Stack 1 — Dịch vụ trang bị "AI workspace" + chợ kỹ năng cho đội kỹ thuật
Bài toán: Hàng loạt team dev và doanh nghiệp muốn dùng coding agent hiệu quả nhưng loay hoay ở khâu cấu hình, quản lý ngữ cảnh, kiểm soát chi phí token và chuẩn hoá quy trình. Đây là cụm repo lớn nhất kho (Vibe Coding, 26 repo) nhưng chưa được đóng thành một dịch vụ bán được.
Ráp từ:
- anthropics/skills ⭐79.6k — chuẩn mở đóng gói kỹ năng chuyên ngành cho agent (lõi sản phẩm)
- awesome-claude-skills ⭐61.8k — thư viện skill chọn lọc theo vai trò để lắp nhanh
- wshobson/agents ⭐36k — cấu trúc plugin/marketplace để publish skill premium
- context7 ⭐52.4k — cấp tài liệu thư viện mới nhất, giảm "ảo giác" API khi sinh code
- claude-mem ⭐45.7k — giữ ngữ cảnh dự án xuyên phiên làm việc
- cc-switch ⭐43.4k — chuyển nhanh giữa nhà cung cấp model để tối ưu chi phí
- daytona ⭐71.4k — môi trường chạy code AI sinh ra một cách cách ly, an toàn
Luồng triển khai: khảo sát quy trình team → nạp skill pack từ awesome-claude-skills + chuẩn anthropics/skills → context7 cấp tài liệu, claude-mem giữ ngữ cảnh → cc-switch định tuyến model theo chi phí → code chạy cách ly trong daytona → đóng gói thành "AI Workspace Setup" bàn giao.
Khoảng trống: kho thiếu lớp đo lường năng suất (trước/sau khi áp dụng) và kiểm soát ngân sách token theo team; thiếu công cụ đánh giá chất lượng code do agent sinh.
Hướng kiếm tiền: gói thiết lập workspace tính phí một lần; bán skill pack theo ngành dọc (web, dữ liệu, nội dung) trên marketplace; đào tạo và bảo trì cấu hình theo tháng.
Khả thi: Cao — vốn rất thấp, ra tiền nhanh, nhu cầu rộng và đang nóng; rủi ro chính là dễ bị sao chép, nên giá trị nằm ở skill pack độc quyền và chất lượng triển khai.
Stack 2 — Cỗ máy trả lời (answering engine) self-host cho từng ngành dọc
Bài toán: Nhiều website ngành (pháp lý, sức khoẻ, sản phẩm kỹ thuật) cần một "Perplexity thu nhỏ" hướng người dùng cuối: hỏi đáp có dẫn nguồn, đặt ngay trên site, dữ liệu tự kiểm soát. Khác Document Intelligence ở chỗ đây là sản phẩm public-facing, không phải trợ lý nội bộ.
Ráp từ:
- Vane ⭐33.6k — answering engine self-host, trả lời có trích nguồn (lõi)
- ragflow ⭐81.2k — RAG hiểu tài liệu + suy luận đa bước cấp nền tri thức
- firecrawl ⭐105k — cào và làm mới nguồn web sạch để cập nhật câu trả lời
- CopilotKit ⭐31.7k — nhúng giao diện hỏi đáp (generative UI) thẳng vào web khách
- modelcontextprotocol/servers ⭐55k — nối nguồn dữ liệu riêng/realtime vào engine
Luồng triển khai: firecrawl cào nguồn ngành → ragflow lập tri thức → Vane làm lõi trả lời có dẫn nguồn → MCP servers bổ sung dữ liệu realtime → CopilotKit nhúng widget hỏi đáp lên site.
Khoảng trống: kho thiếu lớp kiểm chứng câu trả lời (fact-check) trước khi hiển thị công khai; thiếu phân tích truy vấn người dùng để tối ưu.
Hướng kiếm tiền: SaaS "search/answer widget" theo lưu lượng cho website ngành; gói thiết lập + duy trì nguồn dữ liệu; bán theo số truy vấn.
Khả thi: Trung bình–Cao — thành phần đã chín, dựng được nhanh; rủi ro chính là trách nhiệm với câu trả lời sai khi hiển thị công khai, nên cần guardrail và dẫn nguồn rõ.
Stack 3 — Nền tảng SEO/Ops dạng "swarm" vận hành nhiều site (managed service)
Bài toán: Agency SEO và chủ nhiều website cần chạy song song hàng loạt tác vụ (nghiên cứu keyword, viết bài, tối ưu, đẩy index) trên nhiều site cùng lúc — quy mô vượt sức làm thủ công. Bắc cầu giữa nhóm AI Agent (swarm) và Marketing.
Ráp từ:
- ruflo ⭐55.1k — điều phối swarm agent chạy song song trên nhiều site (lõi)
- agno ⭐39.2k — framework agent production có theo dõi hiệu năng/chi phí
- open-seo ⭐5.2k — nghiên cứu keyword + rank tracking qua MCP
- brightdata/seo-article-generator ⭐4k — sinh bài dựa trên SERP đối thủ
- claude-seo ⭐3.5k — audit SEO + sinh schema E-E-A-T tự động
- google-indexing-script ⭐7.6k — đẩy index hàng loạt URL lên Google
- citedy-seo-agent ⭐190 — sinh nội dung SEO đa ngôn ngữ (mở rộng quốc tế)
Luồng triển khai: open-seo nghiên cứu keyword → brightdata/seo-article-generator + citedy soạn bài → claude-seo audit + gắn schema → ruflo điều phối swarm chạy đồng loạt trên nhiều site (agno làm khung theo dõi) → google-indexing-script đẩy index.
Khoảng trống: kho thiếu lớp kiểm soát chất lượng nội dung hàng loạt (tránh phạt thuật toán) và quản trị tập trung nhiều site; rủi ro nội dung trùng lặp.
Hướng kiếm tiền: managed SEO service tính theo site/tháng; bán template swarm cho agency; gói "tăng tốc index" cam kết theo số URL.
Khả thi: Trung bình — đòn bẩy quy mô lớn nhưng rủi ro thuật toán Google với nội dung sản xuất hàng loạt cao; cần lớp người biên tập và kiểm chất lượng.
Stack 4 — Trợ lý tự động hoá desktop cho back-office
Bài toán: Nhiều tác vụ văn phòng lặp lại nằm ngoài trình duyệt thuần: mở app, đọc/soạn email, sắp xếp file, tổng hợp báo cáo từ nhiều nguồn trên máy. RPA web không chạm tới được. openclaw là repo sao cao nhất kho (373k) nhưng chưa được ráp vào stack nào.
Ráp từ:
- openclaw ⭐373k — trợ lý desktop điều khiển máy theo lịch (computer-use) (lõi)
- composio ⭐28.5k — kết nối sẵn Gmail/Slack/Notion qua function-calling
- modelcontextprotocol/servers ⭐55k — nối vào hệ thống nội bộ (ERP/CRM/file server)
- agentmemory ⭐17k — nhớ quy trình, thói quen, lỗi đã gặp giữa các phiên
- OpenSandbox ⭐2.5k — chạy thao tác rủi ro trong môi trường cách ly
Luồng triển khai: openclaw làm "shell" điều khiển desktop → composio + MCP servers nối tới email và hệ thống nội bộ → agentmemory giữ quy trình lặp → OpenSandbox cách ly các bước rủi ro → chạy theo lịch và báo cáo kết quả.
Khoảng trống: kho thiếu lớp phê duyệt người cho thao tác nhạy cảm và kiểm soát quyền truy cập máy; thiếu giám sát khi flow gãy.
Hướng kiếm tiền: dịch vụ thiết kế quy trình tự động trên desktop (setup + phí tháng) cho SME; gói "nhân viên ảo back-office".
Khả thi: Trung bình — tiềm năng lớn và khác biệt, nhưng computer-use còn non về độ ổn định và đặt ra rủi ro bảo mật/quyền truy cập; nên định vị dịch vụ có giám sát, không phải tool tự chạy.
Stack 5 — "AI Data Analyst" cho SME: từ bảng tính tới dự báo
Bài toán: Doanh nghiệp vừa và nhỏ có dữ liệu (Excel/CSV, dữ liệu web, dữ liệu công) nhưng không có data scientist để dự báo doanh thu, churn, hay phân tích thị trường. TabPFN là mảnh dự báo mới của kho chưa được ráp.
Ráp từ:
- TabPFN ⭐6.7k — dự đoán doanh thu/churn từ bảng dữ liệu, không cần data scientist (lõi)
- firecrawl ⭐105k — thu thập dữ liệu thị trường/đối thủ làm đầu vào
- TrendRadar ⭐51.5k — giám sát xu hướng, tín hiệu thị trường theo thời gian
- datagouv-mcp ⭐686 — phân tích dữ liệu mở/công khai bằng ngôn ngữ tự nhiên
- CopilotKit ⭐31.7k — giao diện hỏi-đáp trên kết quả phân tích
Luồng triển khai: firecrawl + TrendRadar + datagouv-mcp gom dữ liệu → TabPFN dự báo/chấm điểm trên bảng dữ liệu → CopilotKit cho người dùng hỏi đáp kết quả dạng tự nhiên → xuất báo cáo/dashboard.
Khoảng trống: kho thiếu lớp làm sạch/chuẩn hoá dữ liệu đầu vào và trực quan hoá (biểu đồ); thiếu kiểm định độ tin cậy dự báo.
Hướng kiếm tiền: dịch vụ "upload Excel → nhận dự báo" theo gói; add-on cho bảng tính tính theo seat; báo cáo phân tích thị trường theo yêu cầu.
Khả thi: Trung bình–Cao — vốn thấp, ngách rõ, ít cạnh tranh ở phân khúc SME; rủi ro là chất lượng dự báo phụ thuộc dữ liệu đầu vào, cần truyền đạt giới hạn cho khách.
Stack 6 — Xưởng nội dung & tăng trưởng cho creator/KOL đa ngôn ngữ
Bài toán: Nhà sáng tạo và KOL cần sản xuất video ngắn, caption và quản lý nhiều kênh với giọng thương hiệu nhất quán, vươn ra thị trường đa ngôn ngữ — khác với Content Factory hướng publisher SEO và Growth hướng B2B.
Ráp từ:
- openreel-video ⭐1.4k — biên tập video + tự động caption/dịch sub trên trình duyệt (lõi)
- Content-Automation-Agents ⭐1.2k — phân tích kênh đối thủ, sinh kịch bản Reels/Shorts
- trypost ⭐1.9k — giữ giọng thương hiệu nhất quán đa kênh, đa persona
- citedy-seo-agent ⭐190 — chuyển nội dung sang nhiều ngôn ngữ cho thị trường quốc tế
- postiz-app ⭐22k — lên lịch và đăng đa kênh tự host
- MiloAgent ⭐11 — A/B test caption, quản lý nhiều account
Luồng triển khai: Content-Automation-Agents tìm góc nội dung từ đối thủ → openreel-video dựng + caption video → trypost chuẩn hoá giọng thương hiệu, citedy dịch đa ngôn ngữ → postiz lên lịch đăng → MiloAgent A/B test và quản nhiều kênh.
Khoảng trống: kho thiếu công cụ tạo hình ảnh/video gốc chất lượng cao (chỉ có biên tập); thiếu phân tích hiệu suất sâu theo kênh; nhiều repo còn sao thấp, độ chín thấp.
Hướng kiếm tiền: "managed growth" cho creator theo kênh/tháng; gói thiết lập brand voice + lịch nội dung; dịch vụ bản địa hoá đa ngôn ngữ.
Khả thi: Thấp–Trung bình — nhu cầu thật nhưng các repo lõi (openreel, MiloAgent, Content-Automation-Agents) còn rất non (sao thấp, ít kiểm chứng); nên thử nghiệm nhỏ trước khi cam kết dịch vụ.
Khoảng trống chung của kho
Năng lực chưa repo nào phủ — cần dịch vụ ngoài hoặc tự xây (nhiều mục tồn đọng nhiều tuần):
- Thanh toán/thuê bao (Stripe, VNPay, MoMo) — không repo nào lo.
- Eval/QA & fact-check đầu ra agent/model — thiếu ở mọi stack hướng sản phẩm (1, 2, 3, 5).
- Đo lường năng suất & kiểm soát chi phí token — thiếu cho stack vibe-coding và agent.
- Phê duyệt người + kiểm soát quyền truy cập cho computer-use/desktop (Stack 4).
- Tạo hình ảnh/video gốc — kho chỉ có biên tập, thiếu sinh nội dung gốc (Stack 6).
- Trực quan hoá dữ liệu (biểu đồ/dashboard) cho phân tích (Stack 5).
- Bảo mật & compliance — quan trọng cho mọi stack chạm dữ liệu nhạy cảm.
Nên làm gì trước
Xét vốn, rủi ro và tốc độ ra tiền, Stack 1 (AI workspace + chợ kỹ năng) đáng làm trước nhất tuần này: khai thác cụm repo lớn nhất kho, vốn gần như bằng không, ra tiền nhanh dưới dạng dịch vụ thiết lập và bán skill pack — phần khó là tạo skill pack độc quyền để khỏi bị sao chép. Stack 5 (AI Data Analyst cho SME) là ngách thứ hai đáng đặt cược: ít cạnh tranh, vốn thấp, nhu cầu rõ. Stack 2 (answering engine ngành dọc) là bước nối sản phẩm hoá tốt khi đã có dòng tiền. Để dành Stack 4 (desktop automation) cho tới khi computer-use ổn định hơn, và Stack 6 (creator growth) chỉ nên thử nghiệm nhỏ vì repo lõi còn non. Stack 3 (swarm SEO) có đòn bẩy quy mô nhưng rủi ro thuật toán cao — chỉ làm với lớp kiểm soát chất lượng nghiêm túc.