Báo cáo Lớp 5 (tổng hợp giải pháp) — gom 33 repo trong kho tri thức (19–25/05/2026) thành các "stack giải pháp" có thể triển khai và bán được. Dữ liệu: `knowledge-base.json` (dựng 25/05/2026).
Cách đọc: mỗi stack là một *bài toán kinh doanh thực tế* + tổ hợp repo ráp lại + luồng triển khai + khoảng trống + hướng kiếm tiền + đánh giá khả thi. Mọi repo đều có thật trong kho, kèm link và số sao.
So với báo cáo 24/05/2026: kho có thêm 3 repo mới (`context7`, `cc-switch`, `openhuman`, đều xuất hiện 25/05) và 2 repo tích lũy đáng chú ý chưa khai thác (`Agent-Skills-for-Context-Engineering`, `hermes-agent`). Thay đổi rõ nhất nằm ở Stack 3 (AI coding workspace) — nay có thêm lớp "docs cho AI" và "switcher đa CLI", và một Stack 6 hoàn toàn mới xoay quanh AI cá nhân riêng tư nhờ `openhuman`. Stack RPA của tuần trước được tạm rút khỏi danh sách ưu tiên vì kho chưa có thêm mảnh ghép mới.
Cách dùng như playbook
Báo cáo này nên được đọc như một danh sách cơ hội có thể hành động, không chỉ là tóm tắt repo. Mỗi stack bên dưới trả lời 5 câu hỏi:
- Bán cho ai: ICP và phân khúc khách hàng đầu tiên nên thử.
- Ai nên làm: founder persona hoặc đội triển khai phù hợp.
- Bán cái gì: gói dịch vụ, SaaS, template, workshop hoặc subscription cụ thể.
- Bắt đầu thế nào: checklist 7 ngày để kiểm chứng nhu cầu và dựng demo.
- Hành động đủ điều kiện: bước tiếp theo cho người đọc nếu muốn biến cơ hội thành dự án thật.
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; câu trả lời phải trích dẫn đúng điều khoản, đúng trang, không ảo giác.
Ráp từ:
- PageIndex ⭐19.4k — RAG "vectorless" theo cây mục lục, trích dẫn chính xác. *Lõi truy xuất.*
- AnythingLLM ⭐57.7k — khung ứng dụng + giao diện chat self-host. *Vỏ sản phẩm.*
- mem0 ⭐52.1k — bộ nhớ ngữ cảnh xuyên phiên.
- Vane ⭐33.6k — mẫu UX "trả lời có nguồn dẫn".
Luồng triển khai: Tài liệu → PageIndex lập chỉ mục cây → AnythingLLM làm app + chat (gọi PageIndex thay retriever vector) → mem0 giữ trí nhớ hội thoại → nhúng widget chat vào web khách.
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; kèm gói "thiết lập riêng" thu phí một lần để có doanh thu sớm.
ICP / khách hàng đầu tiên: văn phòng luật 5–30 người, công ty kế toán dịch vụ, đội thẩm định bảo hiểm, phòng pháp chế SME có kho hợp đồng và quy trình tra cứu lặp lại.
Founder persona phù hợp: solo founder hoặc agency có nền RAG/document AI, hiểu quy trình dữ liệu nhạy cảm và có khả năng bán dịch vụ triển khai B2B.
Gói bán thử: "Document AI Pilot" trong 14 ngày: ingest 200–500 trang tài liệu, dựng chatbot nội bộ có trích dẫn, báo cáo độ chính xác trên 30 câu hỏi mẫu. Giá gợi ý: 15–40 triệu VND cho pilot, sau đó 5–20 triệu VND/tháng tùy số tài liệu/người dùng.
Checklist 7 ngày: chọn một ngành hẹp; xin 50–100 trang tài liệu mẫu không nhạy cảm; dựng demo PageIndex + AnythingLLM; tạo bộ 30 câu hỏi kiểm thử; đo tỷ lệ câu trả lời có trích dẫn đúng; viết proposal pilot; tìm 10 khách hàng qua network luật/kế toán.
Next action: đọc PageIndex và AnythingLLM, sau đó tạo một demo "hỏi đáp hợp đồng có dẫn nguồn" thay vì bán chatbot chung chung.
Khả thi: Cao về kỹ thuật — 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 markdown sạch.
- 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.
ICP / khách hàng đầu tiên: agency marketing nhỏ, team content B2B, quỹ đầu tư thiên thần, founder cần báo cáo đối thủ hằng tuần, doanh nghiệp TMĐT cần theo dõi xu hướng sản phẩm/ngách.
Founder persona phù hợp: marketer kỹ thuật, content strategist biết automation, hoặc agency owner muốn tăng biên lợi nhuận bằng workflow AI thay vì tăng nhân sự.
Gói bán thử: "AI Market Research Sprint" xuất một báo cáo 15–25 trang trong 5 ngày, kèm bảng nguồn, insight chính, ý tưởng content và lịch đăng 2 tuần. Giá gợi ý: 8–25 triệu VND/báo cáo; upsell gói subscription 12–40 triệu VND/tháng cho báo cáo định kỳ.
Checklist 7 ngày: chọn một thị trường hẹp; dùng TrendRadar tìm tín hiệu; dùng Firecrawl thu thập 20–50 nguồn; dùng DeerFlow tạo bản nháp; dựng n8n flow duyệt/đăng; thêm lớp biên tập người thật; bán thử cho 5 agency hoặc founder cần research nhanh.
Next action: bắt đầu với một ngành dễ đo nhu cầu như SaaS B2B, TMĐT, giáo dục hoặc bất động sản; đừng bán "AI content", hãy bán "báo cáo ra quyết định và lịch content từ dữ liệu".
Khả thi: Cao — mô hình crawl + biên tập + tích lũy KB đã được kiểm chứng thực tế, dễ mở rộng quy mô.
Stack 3 — "AI coding workspace" cho team dev *(cập nhật lớn tuần này)*
Bài toán: Team kỹ thuật muốn chuẩn hóa quy trình vibe coding: năng suất cao, không mất ngữ cảnh giữa các phiên, không bị "ảo giác" về API thư viện, kiểm soát được chi phí token và linh hoạt đổi nhà cung cấp mô hình.
Ráp từ:
- CLI coding agent (chọn 1–2): goose ⭐41.4k, gemini-cli ⭐100k, DeepSeek-TUI ⭐2.3k, hoặc mistral-vibe ⭐5k+.
- 🆕 cc-switch ⭐43.4k — *desktop app* quản lý & chuyển đổi cấu hình cho Claude Code, Codex, OpenCode, Gemini CLI. *Lớp "đổi nhà cung cấp" trong một cú click.*
- 🆕 context7 ⭐52.4k — *MCP server* cấp tài liệu thư viện luôn cập nhật cho LLM, giảm "hallucination" API. *Lớp "docs cho AI".*
- 🆕 Agent-Skills-for-Context-Engineering ⭐12.8k (trend ↑) — skill quản lý ngữ cảnh, kiến trúc multi-agent. *Bộ "luật chơi" để agent không tốn token vô ích.*
- 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 mẫu.
- OpenSandbox ⭐2.5k hoặc daytona ⭐71.4k — chạy code AI sinh ra trong môi trường cách ly.
Luồng triển khai: cc-switch cấu hình đa nhà cung cấp → CLI coding agent + skill pack từ Agent-Skills-for-Context-Engineering (chuẩn ngữ cảnh) → context7 (MCP) cấp docs thư viện thật → claude-mem giữ ngữ cảnh dự án → code sinh ra chạy cách ly trong daytona/OpenSandbox.
Khoảng trống: Đánh giá chất lượng code do agent sinh; tích hợp CI/CD; gói "docs cho AI" cho framework nội bộ của khách (phải tự đóng gói).
Hướng kiếm tiền: Dịch vụ "AI Workspace Setup" 10–30 triệu/lần; gói "docs cho AI" cho framework nội bộ doanh nghiệp (dịch vụ duy trì hằng tháng); bán skill pack theo ngành; đào tạo quy trình context engineering.
ICP / khách hàng đầu tiên: team dev 3–30 người, software agency, startup có backlog lớn nhưng thiếu senior engineer, công ty outsource muốn chuẩn hóa cách dùng Claude Code/Codex/Gemini CLI.
Founder persona phù hợp: technical founder, consultant dev productivity, hoặc senior engineer có khả năng đào tạo quy trình và thiết kế workflow an toàn cho team.
Gói bán thử: "AI Coding Workspace Setup" gồm audit repo, cấu hình CLI agent, context rules, docs-for-AI, sandbox chạy thử, training 2 buổi và checklist review code. Giá gợi ý: 10–30 triệu VND/lần setup; 5–15 triệu VND/tháng cho maintenance, cập nhật skill và đo năng suất.
Checklist 7 ngày: chọn một repo thật; cài cc-switch + 1–2 CLI agent; cấu hình context7 cho stack chính; viết rules context engineering; thử 5 task lặp lại; đo thời gian trước/sau; tạo case study nội bộ; gửi offer cho 10 software team.
Next action: đóng gói một bộ "AI coding workspace cho team Laravel/WordPress/React" đầu tiên, vì gói theo stack cụ thể dễ bán hơn gói năng suất AI chung chung.
Khả thi: Cao — bán được ngay, vốn ít, rủi ro thấp, đúng thế mạnh sẵn có. Tuần này stack mạnh hơn rõ rệt nhờ 3 mảnh mới: cc-switch giải bài "đổi nhà cung cấp", context7 giải bài "hallucination API", Agent-Skills-for-Context-Engineering giải bài "context engineering có quy trình". Đây vẫn là stack nên 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 đa kênh, nhớ được từng khách.
Ráp từ:
- CowAgent ⭐43k — "nhân viên số" kết nối nhiều kênh chat.
- mem0 ⭐52.1k — nhớ lịch sử từng khách.
- Dify ⭐137k — dựng luồng low-code.
- FunASR ⭐15k — chuyển giọng nói thành văn bản (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 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.
ICP / khách hàng đầu tiên: trung tâm đào tạo, phòng khám tư, shop online, spa, nha khoa, trung tâm tư vấn có lượng hỏi đáp lặp lại và cần theo dõi khách qua nhiều kênh.
Founder persona phù hợp: agency automation, consultant CRM/CSKH, hoặc founder có quan hệ với SME địa phương và hiểu quy trình bán hàng/chăm sóc khách.
Gói bán thử: "Nhân viên số CSKH 30 ngày" gồm kịch bản tư vấn, knowledge base FAQ, luồng lead qualification, dashboard hội thoại và bàn giao kịch bản vận hành. Giá gợi ý: 8–25 triệu VND setup, 3–12 triệu VND/tháng vận hành.
Checklist 7 ngày: chọn một ngành có FAQ rõ; thu 100 câu hỏi thật; dựng luồng Dify; gắn mem0 cho lịch sử khách; xác định kênh chat khả thi trước khi hứa Zalo; chạy thử với 20 cuộc hội thoại; đo tỷ lệ chuyển lead/giảm thời gian phản hồi.
Next action: bán dưới dạng "giảm tải inbox và lọc lead" thay vì "chatbot AI"; khách SME mua kết quả vận hành, không mua công nghệ.
Khả thi: Trung bình–Cao — kỹ thuật ổn, rủi ro chính ở kênh Zalo và thanh toán. *Không đổi nhiều so với tuần trước.*
Stack 5 — "Xưởng dựng agent theo đơn đặt hàng" *(thêm phương án mở)*
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. *Khung lõi mặc định.*
- 🆕 hermes-agent ⭐1.2k — khung agent mở từ NousResearch (nhóm Hermes model). *Phương án thay thế khi khách yêu cầu stack mở hoàn toàn, tự chủ về model.*
- anthropics/skills ⭐79.6k — chuẩn mở đóng gói skill chuyên ngành.
- 🆕 Agent-Skills-for-Context-Engineering ⭐12.8k — bộ quy chuẩn context cho agent production.
- datagouv-mcp ⭐686 — mẫu MCP server nối agent vào dữ liệu khách.
- hello-agents ⭐23.6k — tài liệu tham chiếu chuẩn để đào tạo nội bộ.
- JeecgBoot ⭐45.8k — nền low-code có sẵn AI để host agent + giao diện quản trị bàn giao.
Luồng triển khai: Chọn khung (agno cho dự án thường, hermes-agent khi khách cần stack mở) → đóng gói nghiệp vụ thành skill theo chuẩn anthropics/skills + quy chuẩn context-engineering → MCP server nối dữ liệu khách (mẫu datagouv-mcp) → 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: Dự án (project-based) dựng agent theo đơn; gói bảo trì hằng tháng; đào tạo đội nội bộ của khách. Thêm "gói tự chủ" (full open-source, không khóa nhà cung cấp) bán riêng cho khách ngành nhạy cảm.
ICP / khách hàng đầu tiên: doanh nghiệp có quy trình nội bộ rõ nhưng thiếu đội AI, ví dụ phòng vận hành, logistics, bảo hiểm, tài chính nội bộ, pháp chế, HR, hoặc đơn vị có dữ liệu riêng cần kết nối qua MCP.
Founder persona phù hợp: technical agency có năng lực tích hợp hệ thống, quản lý dự án B2B và xây quy trình bàn giao/bảo trì; không phù hợp với maker muốn ship micro-SaaS một mình quá nhanh.
Gói bán thử: "Custom Agent Discovery + Prototype" trong 2 tuần: map 1 quy trình nghiệp vụ, dựng 1 agent thao tác được với dữ liệu mẫu, demo giao diện quản trị và đề xuất roadmap 60 ngày. Giá gợi ý: 30–80 triệu VND discovery/prototype; dự án triển khai 150–500 triệu VND tùy tích hợp.
Checklist 7 ngày: chọn một nghiệp vụ hẹp; viết sơ đồ input/output; xác định dữ liệu cần đọc/ghi; dựng MCP mock; tạo agent bằng agno hoặc hermes-agent; viết 10 tiêu chí eval; demo bằng JeecgBoot; chỉ chốt triển khai khi có người chịu trách nhiệm vận hành phía khách.
Next action: tạo template "Agent Discovery Questionnaire" và "Agent Acceptance Checklist" trước khi đi bán, vì rủi ro lớn nhất của stack này là scope creep.
Khả thi: Trung bình — biên lợi nhuận tốt, nhu cầu thật, nhưng phụ thuộc nhiều vào năng lực kỹ thuật & quản lý dự án; khó chuẩn hóa.
Stack 6 — "AI cá nhân riêng tư" cho freelancer & chuyên gia *(stack hoàn toàn mới tuần này)*
Bài toán: Freelancer, luật sư, bác sĩ tư, tư vấn viên, nhà nghiên cứu cần một trợ lý AI ngay trên máy mình — đọc tài liệu, ghi chú, lịch, tóm tắt — *không gửi dữ liệu lên cloud*. Đây là một thị trường mà các stack trên (chủ yếu cho doanh nghiệp) chưa phục vụ.
Ráp từ:
- 🆕 openhuman ⭐26k — agent AI cá nhân chạy desktop với *Memory Tree* lưu cục bộ, #1 GitHub Trending 7 ngày liền tháng 5/2026. *Lõi sản phẩm.*
- claude-mem ⭐45.7k — bổ sung lớp ngữ cảnh xuyên phiên.
- AnythingLLM ⭐57.7k — giao diện hỏi đáp self-host cho tài liệu cá nhân.
- PageIndex ⭐19.4k — khi khách có nhiều tài liệu dài (hồ sơ vụ án, bài nghiên cứu).
- FunASR ⭐15k — ghi âm cuộc gặp / khám bệnh, tóm tắt ngay trên máy.
Luồng triển khai: Cài đặt openhuman trên máy khách → cấu hình Memory Tree theo nghề (template luật sư / bác sĩ / nhà nghiên cứu) → kết nối AnythingLLM + PageIndex cho kho tài liệu cá nhân → FunASR cho ghi âm offline → tất cả dữ liệu nằm cục bộ.
Khoảng trống: Đồng bộ giữa nhiều thiết bị mà vẫn riêng tư (chưa có repo nào trong kho lo); template Memory Tree theo nghề (phải tự xây).
Hướng kiếm tiền: Gói cài đặt + cấu hình *AI cá nhân riêng tư* theo nghề (5–15 triệu/khách); bán template Memory Tree theo ngành nghề (luật/y/nghiên cứu) — dòng tiền lặp lại; gói bảo trì/cập nhật hằng quý.
ICP / khách hàng đầu tiên: luật sư độc lập, bác sĩ tư, chuyên gia tư vấn, nhà nghiên cứu, coach, freelancer cao cấp có dữ liệu cá nhân/nghề nghiệp nhạy cảm và không muốn dùng cloud AI cho mọi thứ.
Founder persona phù hợp: maker/consultant có khả năng cài đặt desktop/local AI, viết template nghiệp vụ và hỗ trợ khách không quá kỹ thuật.
Gói bán thử: Private AI Assistant Setup gồm cài đặt openhuman, cấu trúc Memory Tree theo nghề, kết nối tài liệu cá nhân, template ghi chú/cuộc họp và hướng dẫn sử dụng 90 phút. Giá gợi ý: 5–15 triệu VND/khách; template ngành 500k–2 triệu VND; bảo trì 1–3 triệu VND/tháng hoặc theo quý.
Checklist 7 ngày: chọn một persona hẹp; viết Memory Tree mẫu; chuẩn bị bộ tài liệu demo; cài openhuman trên máy test; kết nối AnythingLLM/PageIndex nếu cần; quay video demo 3 phút; mời 5 chuyên gia dùng thử có trả phí thấp.
Next action: mở offer Private AI Assistant Setup, chọn một template nghề trước, ví dụ "luật sư tư vấn hợp đồng" hoặc "coach/consultant lưu tri thức khách hàng"; không mở nhiều ngành cùng lúc.
Khả thi: Trung bình–Cao — kỹ thuật khả thi nhờ openhuman đã trưởng thành (26k sao, #1 trending); rủi ro chính là độ trưởng thành của repo còn mới và bài toán đồng bộ đa thiết bị. Có lợi thế "story" rõ ràng (privacy-first) để bán cho ngành nhạy cảm dữ liệu.
Khoảng trống chung của kho
Sau khi nạp thêm 3 repo mới, các *gap* còn lại của tuần trước vẫn chưa được lấp:
- Thanh toán / quản lý thuê bao — không repo nào lo; phải dùng Stripe hoặc VNPay/MoMo.
- Kết nối Zalo — kênh chat lớn nhất Việt Nam vẫn trống.
- Đánh giá chất lượng (eval / QA) đầu ra agent — chưa có công cụ kiểm định; phải tự xây.
- Fine-tune / huấn luyện model riêng — kho thiên về ứng dụng.
- Bảo mật & tuân thủ (compliance) — chưa có repo lo kiểm soát truy cập, nhật ký, dữ liệu cá nhân.
- Đồng bộ đa thiết bị riêng tư *(gap mới phát sinh từ Stack 6)* — openhuman lưu cục bộ, nhưng nhiều khách dùng laptop + điện thoại; chưa có mảnh ghép.
Nên làm gì trước
Xét vốn, rủi ro, tốc độ ra tiền: Stack 3 (AI coding workspace) tiếp tục là ưu tiên số 1 — tuần này còn mạnh hơn nhờ `context7` (docs cho AI) và `cc-switch` (switcher đa CLI), đủ để gói thành dịch vụ setup 10–30 triệu/lần ngay. Stack 6 (AI cá nhân riêng tư) là cơ hội mới đáng thử nghiệm sớm — chi phí thấp, có thể bán template Memory Tree theo nghề ngay khi xây xong 1 mẫu chuẩn (luật sư hoặc bác sĩ tư). Stack 2 (agency nội dung) vẫn là dòng tiền nền, mở rộng tự nhiên từ pipeline curation đã có sẵn template thực chiến. Stack 1, 4, 5 cần thêm đầu tư về dữ liệu / tích hợp / quản lý dự án — ưu tiên sau khi có dòng tiền ổn định.
Hành động ưu tiên tuần này
1. Chọn Stack 3 làm pilot thương mại hóa đầu tiên. Lý do: bán được bằng dịch vụ setup, không cần chờ sản phẩm SaaS hoàn chỉnh, khớp năng lực dev sẵn có của nhiều studio.
2. Tạo 1 landing/brief riêng cho gói AI Coding Workspace Setup. Brief cần có ICP, vấn đề, deliverables, pricing, demo flow, repo stack và checklist triển khai.
3. Dùng Stack 6 làm thử nghiệm song song qua Private AI Assistant Setup. Chỉ cần một template nghề thật tốt để kiểm chứng nhu cầu privacy-first AI cá nhân.
4. Giữ Stack 2 làm dòng tiền nội dung/research. Pipeline curation/distribution là case study sống cho cách biến tín hiệu thành báo cáo và offer có thể kiểm chứng.
5. Chưa vội làm Stack 5 full service. Chỉ chuẩn hóa questionnaire/eval checklist trước, vì mỗi dự án agent custom dễ phình scope.
*Báo cáo Tổng hợp giải pháp. Nguồn: AIToEarn knowledge base — 33 repo, 19–25/05/2026.*