Báo cáo Lớp 5 — gom 187 repo trong AIToEarn knowledge base thành các stack giải pháp có thể triển khai và bán được. Dữ liệu: knowledge-base.json (dải 2026-05-19 → 2026-07-31, 544 lượt xuất hiện, 4 nhóm: AI ứng dụng công việc, AI Agent, Vibe Coding, Marketing & Growth).
Tuần này ưu tiên các tổ hợp bắc cầu giữa nhóm khác nhau, và đánh dấu MỚI cho stack chưa xuất hiện tuần trước (2026-07-26) hoặc đã thay đổi cách ráp.
Stack 1 — Chatbot tài liệu doanh nghiệp có trích dẫn (Document Intelligence RAG)
Bài toán: Doanh nghiệp có kho tài liệu lớn (hợp đồng, quy trình, hồ sơ ngành luật/kế toán/bảo hiểm) muốn một trợ lý hỏi-đáp trả lời kèm trích dẫn nguồn, không bịa.
Ráp từ:
- langgenius/dify ⭐136k — nền tảng dựng app RAG/agent low-code, làm khung điều phối và giao diện.
- infiniflow/ragflow ⭐70k — engine RAG "có trích dẫn", agentic retrieval cho tài liệu doanh nghiệp.
- VectifyAI/PageIndex ⭐32.1k (trend↑) — truy hồi "vectorless" theo cấu trúc trang, giảm sai số embedding cho ngành cần độ chính xác cao.
- opendatalab/MinerU ⭐38k (trend↑) — parse PDF/scan thành văn bản sạch trước khi ingest.
- mem0ai/mem0 ⭐52.1k — bộ nhớ dài hạn để bot nhớ ngữ cảnh người dùng qua nhiều phiên.
Luồng triển khai: MinerU số hoá & làm sạch tài liệu → PageIndex/RAGFlow đánh chỉ mục có cấu trúc → Dify điều phối truy vấn + giao diện chat → mem0 lưu ngữ cảnh hội thoại theo khách hàng.
Khoảng trống: Chưa có lớp phân quyền/kiểm toán truy cập tài liệu (ai được đọc gì) và lớp đánh giá độ chính xác câu trả lời tự động — cần bổ sung bằng dịch vụ ngoài.
Hướng kiếm tiền: Triển khai trọn gói cho SMB thu phí cài đặt + bảo trì theo năm; hoặc bán bản host quản lý theo dung lượng tài liệu ingest.
Khả thi: Cao — các thành phần đều trưởng thành, sao lớn, cộng đồng mạnh; rủi ro chính là chi phí vận hành và bán hàng B2B chậm.
Stack 2 — RPA & tình báo dữ liệu web theo thuê bao (Web-Data Intelligence) — MỚI cách ráp
Bài toán: Nhà bán lẻ / thương hiệu / quỹ cần giám sát giá đối thủ, tồn kho, review, hoặc rút dữ liệu web định kỳ mà không thuê đội nhập liệu.
Ráp từ:
- browser-use/browser-use ⭐97.7k (trend↑) — agent điều khiển trình duyệt, xử lý site cần đăng nhập/tương tác.
- firecrawl/firecrawl ⭐58k — biến web thành dữ liệu sạch cho LLM ở quy mô lớn.
- X-PLUG/MobileAgent ⭐7.5k (trend↑) — mở rộng sang app mobile/đa nick khi dữ liệu chỉ có trên app.
- n8n-io/n8n ⭐150k — lịch chạy, cảnh báo, đồng bộ kết quả vào Sheet/CRM/Slack.
Luồng triển khai: n8n hẹn giờ → Firecrawl crawl diện rộng + browser-use xử lý trang khó → MobileAgent gánh nguồn chỉ có trên mobile → n8n chuẩn hoá, so sánh, đẩy cảnh báo biến động giá/tồn kho.
Khoảng trống: Kho thiếu lớp chống bot/xoay proxy và lớp làm sạch–chuẩn hoá bảng dữ liệu chuyên sâu; cần dịch vụ proxy ngoài và quy tắc mapping thủ công ban đầu.
Hướng kiếm tiền: Gói "giám sát đối thủ/giá" theo tháng cho từng ngành dọc (bán lẻ, du lịch, FMCG); tính theo số nguồn hoặc số cảnh báo.
Khả thi: Cao — nhu cầu rõ, giá trị dễ chứng minh; rủi ro pháp lý/ToS khi crawl là điểm cần quản trị.
Stack 3 — Agency nội dung tự động + tối ưu AEO/GEO (Autonomous Content Studio)
Bài toán: Publisher và SMB cần sản xuất nội dung đa kênh đều đặn, đúng chuẩn để xuất hiện cả trên tìm kiếm truyền thống lẫn câu trả lời AI.
Ráp từ:
- AJaySi/ALwrity ⭐1k — chiến lược + sản xuất nội dung SEO đầu-cuối.
- AgriciDaniel/claude-seo ⭐1.5k — bộ kỹ năng SEO/schema/E-E-A-T và tối ưu AEO/GEO.
- gitroomhq/postiz-app ⭐22k — lên lịch & đăng nội dung đa kênh mạng xã hội.
- sansan0/TrendRadar ⭐60.5k (trend↑) — dò xu hướng để chọn chủ đề đúng thời điểm.
- Anil-matcha/Open-AI-UGC ⭐117 — sinh video UGC ngắn cho social/e-commerce.
Luồng triển khai: TrendRadar phát hiện chủ đề nóng → ALwrity viết bài chuẩn SEO, claude-seo tối ưu schema/AEO → Open-AI-UGC dựng video ngắn → Postiz lên lịch đăng đa kênh và thu số liệu.
Khoảng trống: Chưa có lớp kiểm định chất lượng/đạo văn và đo hiệu quả chuyển đổi (chỉ dừng ở xuất bản); cần gắn analytics ngoài.
Hướng kiếm tiền: Gói "content strategy + sản xuất" thuê bao cho SMB; định vị cho publisher publisher và niche content, giáo dục, thương mại quy mô vừa.
Khả thi: Trung bình — dễ triển khai kỹ thuật nhưng đông đối thủ; khác biệt phải đến từ chất lượng và ngách.
Stack 4 — Deep research as a service (Nhân sự nghiên cứu đa tác nhân)
Bài toán: Phòng phân tích, quỹ đầu tư, agency cần báo cáo nghiên cứu sâu (thị trường, đối thủ, ngành) nhanh, có nguồn kiểm chứng.
Ráp từ:
- bytedance/deer-flow ⭐18k — khung multi-agent "deep research" điều phối tra cứu → tổng hợp.
- firecrawl/firecrawl ⭐58k — thu thập nguồn web làm nguyên liệu.
- crewAIInc/crewAI ⭐44k — phân vai agent (thu thập, kiểm chứng, viết) khi cần tuỳ biến sâu.
- VectifyAI/PageIndex ⭐32.1k — đọc tài liệu PDF dài (báo cáo tài chính, whitepaper) chính xác.
- mem0ai/mem0 ⭐52.1k — nhớ bối cảnh khách hàng qua các báo cáo nối tiếp.
Luồng triển khai: deer-flow/crewAI lập kế hoạch nghiên cứu → Firecrawl + PageIndex nạp nguồn web và tài liệu → agent tổng hợp, đối chiếu → mem0 lưu hồ sơ khách để báo cáo sau kế thừa ngữ cảnh.
Khoảng trống: Thiếu lớp kiểm chứng sự thật (fact-check) và trích dẫn tự động đáng tin — điểm sống còn với khách tài chính; hiện phải người review cuối.
Hướng kiếm tiền: Tính phí theo báo cáo hoặc thuê bao workspace cho phòng phân tích/agency.
Khả thi: Trung bình — giá trị cao nhưng chuẩn "đáng tin cho ra quyết định" khó đạt; nên bắt đầu ở ngách rủi ro thấp (nghiên cứu marketing, landscape ngành).
Stack 5 — AI coding workspace vận hành nhiều agent (Vibe Coding Factory)
Bài toán: Studio phần mềm / freelancer muốn chạy nhiều agent lập trình song song trong môi trường sandbox an toàn, có bộ nhớ dự án và tài liệu chuẩn.
Ráp từ:
- google-gemini/gemini-cli ⭐105k (trend↑) — coding agent CLI, hỗ trợ MCP.
- sst/opencode ⭐25k & All-Hands-AI/OpenHands ⭐62k — agent lập trình tự động, chạy nhiệm vụ đầu-cuối.
- alibaba/OpenSandbox ⭐2.5k & daytonaio/daytona ⭐22k — sandbox thực thi code cô lập, an toàn để agent chạy tự do.
- upstash/context7 ⭐58.9k (trend↑) — cấp tài liệu thư viện cập nhật cho agent, giảm lỗi API cũ.
- thedotmack/claude-mem ⭐85k (trend↑) — bộ nhớ xuyên phiên cho agent lập trình.
Luồng triển khai: Đơn nhiệm vụ → gemini-cli/opencode/OpenHands nhận việc → chạy trong OpenSandbox/Daytona cô lập → context7 cấp tài liệu chuẩn, claude-mem giữ ngữ cảnh dự án giữa các phiên.
Khoảng trống: Thiếu lớp điều phối hàng đợi nhiều agent + kiểm soát chi phí token ở quy mô đội; hiện phải tự dựng orchestration.
Hướng kiếm tiền: Bán "AI dev workspace" thuê bao theo ghế; hoặc dịch vụ nhận outsourcing task nhỏ (bug fix, migration) tính theo việc.
Khả thi: Trung bình — công cụ mạnh nhưng biên lợi nhuận bị ăn bởi chi phí token và yêu cầu review chất lượng.
Stack 6 — Dịch vụ audit bảo mật ứng dụng tự động (Security & Pentest-as-a-Service) — MỚI
Bài toán: SMB và agency không có đội security riêng nhưng cần kiểm tra lỗ hổng web/app định kỳ để giữ khách hàng và tuân thủ.
Ráp từ:
- usestrix/strix ⭐48k (trend↑) — agent bảo mật/pentest tự động, tích hợp CI/CD.
- browser-use/browser-use ⭐97.7k — mô phỏng luồng người dùng để dò lỗ hổng trên UI/form.
- daytonaio/daytona ⭐22k — sandbox cô lập để chạy quét an toàn, không đụng môi trường thật.
- n8n-io/n8n ⭐150k — lịch quét định kỳ + tự động gửi báo cáo cho khách.
Luồng triển khai: n8n hẹn lịch quét theo domain → Strix chạy pentest trong sandbox Daytona → browser-use dò các luồng tương tác/đăng nhập → n8n đóng gói báo cáo và gửi khách hàng.
Khoảng trống: Thiếu lớp phân loại/ưu tiên rủi ro theo chuẩn (CVSS) và bản mẫu báo cáo tuân thủ; cần chuyên gia bảo mật review để tránh dương tính giả và trách nhiệm pháp lý.
Hướng kiếm tiền: Gói audit định kỳ theo tháng/theo domain cho SMB & agency; bán add-on báo cáo tuân thủ.
Khả thi: Trung bình → Thấp nếu thiếu chuyên môn — công nghệ khả thi nhưng rủi ro pháp lý và uy tín cao; chỉ nên làm khi có người am hiểu bảo mật đứng sau.
Khoảng trống chung của AIToEarn knowledge base
Nhìn xuyên các stack, một số năng lực gần như không repo nào phủ tốt và nên tìm thêm hoặc dùng dịch vụ ngoài:
- Fact-check & trích dẫn đáng tin tự động — sống còn cho Stack tài liệu và nghiên cứu, nhưng chưa có công cụ chuyên trách.
- Phân quyền, kiểm toán truy cập & bảo mật dữ liệu — thiếu lớp quản trị "ai đọc được gì" cho triển khai doanh nghiệp.
- Đo lường ROI / attribution — các stack marketing dừng ở xuất bản, không khép vòng đến chuyển đổi & doanh thu.
- Chống bot / proxy / tuân thủ ToS cho crawl quy mô lớn — rủi ro vận hành của Stack dữ liệu web.
- Điều phối & kiểm soát chi phí token đa agent — thiếu lớp orchestration + FinOps cho đội nhiều agent.
- Đánh giá chất lượng & an toàn đầu ra (eval/guardrail) — chưa có repo eval nổi bật trong kho.
Nên làm gì trước
Xét vốn mỏng, rủi ro thấp và tốc độ ra tiền nhanh, ưu tiên Stack 2 (RPA & tình báo dữ liệu web): nhu cầu rõ ràng, giá trị chứng minh được trong tuần đầu, hợp đồng thuê bao lặp lại, và có thể khởi động chỉ với Firecrawl + n8n rồi mở rộng dần. Song song, Stack 1 (Chatbot tài liệu) là lựa chọn bền vững hơn cho hợp đồng lớn nhưng bán chậm — nên nuôi như dòng doanh thu dài hạn. Stack 6 (audit bảo mật) hấp dẫn về biên lợi nhuận nhưng chỉ nên chạm vào khi có chuyên môn bảo mật thật, vì rủi ro pháp lý/uy tín lớn. Các stack coding và deep-research để sau: giá trị cao nhưng biên bị chi phí token bào mòn và yêu cầu review chất lượng nặng.
Qualified Opportunity Actions
- Chọn một hướng thử: ưu tiên stack có buyer rõ, demo được trong 7 ngày và có dữ liệu đầu vào hợp pháp.
- Đi tiếp đúng lớp: dùng Kho tri thức để kiểm tra repo, rồi dùng Tổng hợp giải pháp hoặc offer brief để đóng gói pilot.
- Đo hành động: ghi lại internal click, watchlist, reply/outreach và số discovery call sinh ra từ bài này.