Tuần cuối tháng 10, bảng GitHub Trending tuần 26/10–1/11 có một điểm chung khá rõ. Những repo được gắn sao nhiều nhất không còn là một model mới như Mistral Large 4, mà là những trợ thủ giúp agent làm việc gọn hơn: viết giao diện bớt mùi máy móc, nhớ những gì đã làm qua nhiều phiên, và dạy học theo lộ trình riêng. Mọi con số trong bài đều đọc trực tiếp từ trang repo của từng dự án trong ngày 31/10.
Tuần này, Trending gọi tên những trợ thủ cho agent
| Dự án | Vai trò | Số sao ngày 31/10 | Giấy phép |
|---|---|---|---|
| Impeccable | Từ điển thiết kế và bộ phát hiện AI slop | 97.672 | Apache-2.0 |
| Hallmark | Skill thiết kế với 50 theme | 43.411 | MIT |
| Claude-mem | Trí nhớ bền bỉ cho agent | 107.021 | Apache-2.0 |
| DeepTutor | Không gian học tập chạy bằng agent | 52.270 | Apache-2.0 |
Điểm đáng chú ý nằm ở tốc độ. Bản lưu Trending tuần 44 ghi Impeccable tăng khoảng 11,3 nghìn sao trong tuần, từ mức 97.607 sao lúc lưu. Trên trang Trending tuần của GitHub, skill kiểm tra bảo mật của Cloudflare vẫn giữ vị trí với 54.716 sao và 12.838 sao tăng trong tuần, dấu hiệu cho thấy làn sóng skill cho agent đang lan sang nhiều khâu của quy trình làm phần mềm.
Hai skill thiết kế muốn giao diện hết mùi AI
Impeccable tự mô tả là từ điển thiết kế cho agent lập trình. Cách vận hành của dự án này chia thành hai lớp. Lớp thứ nhất là 24 lệnh đặt tên theo động tác: bolder làm một thành phần đậm hơn, quieter làm dịu một trang đang ồn, critique chấm điểm trải nghiệm và xếp thứ tự sửa, audit kiểm tra khả năng tiếp cận, hiệu năng, theme và hiển thị trên nhiều kích thước, với lỗi xếp từ P0 (chặn phát hành) đến P3 (tinh chỉnh). Lớp thứ hai là bộ phát hiện AI slop gồm 62 quy tắc xác định, chạy không cần model và không cần API key, bắt những dấu hiệu quen thuộc như chữ Inter dùng cho mọi thứ, gradient tím sang xanh, thẻ lồng trong thẻ, hay một ô biểu tượng bo tròn trên mọi tiêu đề. Điểm thực dụng nhất nằm ở hook thiết kế: mỗi khi agent sửa một file giao diện, hook quét file đó và trả kết quả lại trước khi agent coi việc đã xong.
Hallmark đi theo hướng khác nhưng cùng đích đến. Dự án này là một skill thiết kế với 50 theme, mỗi theme được mô tả như một chất liệu gồm giấy, chữ, màu, bề mặt và thành phần riêng, đi kèm ảnh trang hoàn chỉnh để agent bắt chước tinh thần chứ không sao chép bố cục. Quy trình xây trang của Hallmark có một bước đáng chú ý: phần hero được dựng riêng, render và xem lại trong ngữ cảnh mới trước khi phần còn lại tồn tại, sau đó toàn bộ trang được kiểm tra ở 8 chiều rộng màn hình và qua một reviewer độc lập. Ngoài xây mới, Hallmark còn có hai lệnh dành cho trang đã có sẵn: redesign giữ nguyên nội dung và logic nhưng đổi hệ thống thiết kế, còn audit chỉ báo cáo mà không sửa.
Cả hai dự án đều không hứa hẹn biến agent thành designer. Impeccable mạnh nhất khi đã có giao diện để soi và sửa từng thành phần, Hallmark mạnh khi cần một hướng thẩm mỹ rõ ràng ngay từ đầu. Chất lượng cuối cùng vẫn phụ thuộc vào brief bạn đưa vào và con mắt xem lại bản dựng cuối.
Một bên nhớ dai, một bên dạy học
Claude-mem giải quyết một nỗi bực quen thuộc của người làm việc lâu với agent: mỗi phiên mới lại phải kể lại từ đầu. Dự án ghi lại quan sát từ quá trình dùng công cụ trong phiên, nén thành tóm tắt ngữ nghĩa và bơm ngữ cảnh liên quan trở lại phiên sau, giống cách cookie giữ trạng thái đăng nhập nhưng ở tầng làm việc dài hơi hơn. Kiến trúc của dự án gồm hook vòng đời phiên, dịch vụ worker chạy local, cơ sở dữ liệu SQLite lưu phiên và quan sát, cùng Chroma để tìm kiếm kết hợp theo từ khóa và ngữ nghĩa. Cách tra cứu gồm 3 lớp để tiết kiệm token: tìm chỉ mục gọn trước, xem dòng thời gian quanh kết quả đáng chú ý, rồi mới lấy chi tiết cho những quan sát đã lọc. README của dự án cho biết cách này tiết kiệm token khoảng 10 lần so với việc lấy toàn bộ ngay từ đầu. Trang repo ghi 107.021 sao và 9.408 fork. Một chi tiết nên đọc kỹ trước khi dùng là thẻ <private> để loại nội dung nhạy cảm khỏi bộ nhớ, và phần đồng bộ đám mây cần được rà soát riêng, vì trí nhớ càng đầy thì rủi ro lộ thông tin trong đó càng lớn.
DeepTutor thuộc nhóm còn lại: một không gian học tập tự chạy trên máy của bạn, do nhóm HKUDS phát triển. README mô tả dự án như một môi trường học tập chạy bằng agent, nối việc dạy kèm, giải bài, tạo quiz, nghiên cứu, trực quan hóa và luyện tập thành thạo trong một hệ thống. Bản 1.7.0 phát hành ngày 28/10 bổ sung cài đặt theo mô-đun, không gian học tập làm mới, sổ tay dạng khối, bài giảng video có lời dẫn và điểm kiểm tra embedding có thể tiếp tục sau khi gián đoạn. Trang repo ghi 52.270 sao và 6.405 fork, giấy phép Apache-2.0. Vì dự án tự chạy nên chi phí vận hành nằm ở nhà cung cấp model bạn chọn hoặc model local bạn tự vận hành, chứ không nằm ở bản thân phần mềm. Lưu ý thẳng thắn: chưa thấy đánh giá độc lập nào đo hiệu quả dạy học của DeepTutor trong các nguồn đã đọc, nên danh sách tính năng nên được hiểu là mô tả của nhóm phát triển.
Checklist áp dụng nhanh
- Cần giao diện bớt mùi máy móc: thử Impeccable ở chế độ audit trên một trang sẵn có, rồi mới dùng lệnh chỉnh sửa từng thành phần.
- Cần agent nhớ dự án dài hơi: cài Claude-mem trên một dự án phụ, gắn thẻ <private> cho nội dung nhạy cảm, chỉ bật đồng bộ đám mây sau khi đọc kỹ phần quyền riêng tư.
- Cần học một môn có tài liệu riêng: thử DeepTutor với một thư mục tài liệu nhỏ, kiểm tra quiz và lộ trình trước khi đưa cả giáo trình vào.
Số sao trong bài đọc ngày 31/10/2026 và sẽ thay đổi theo giờ; tính năng mô tả theo README của từng dự án, chưa phải kết quả dùng thử độc lập cho mọi tính năng.
FAQ
Skill cho agent có thay được designer không?
Chưa. Skill đưa ra từ vựng, quy tắc kiểm tra và theme để agent làm đúng hướng, nhưng quyết định về đối tượng phục vụ và thứ tự ưu tiên trên trang vẫn cần con người chốt.
Cài nhiều skill cùng lúc có xung đột không?
Có thể, vì mỗi skill đều có thể đặt hook, lệnh và quy tắc riêng. Cách an toàn là cài từng skill trên một dự án phụ, xem lệnh nào trùng tên hoặc hook nào chạy chồng nhau, rồi mới giữ lại bộ dùng thường xuyên.
DeepTutor có miễn phí thật không, chi phí nằm ở đâu?
Phần mềm theo giấy phép Apache-2.0, bạn tải về và tự chạy được. Chi phí phát sinh nằm ở API của nhà cung cấp model bạn chọn, hoặc ở máy chủ và điện năng nếu bạn chạy model local, cộng thêm thời gian cài đặt và bảo trì.
Ở mảng mô hình, diễn biến mới nhất đáng chú ý là câu chuyện GPT-6 Astra sửa thẳng trọng số của Qwen, điểm toán tăng gấp 6 lần. Cách tiếp cận can thiệp trực tiếp vào trọng số cho thấy cuộc đua mô hình đang đi vào tầng sâu hơn nhiều so với việc chỉ tăng kích thước.
Đọc tiếp: Cập nhật công nghệ: Agent rời khung chat, làm việc trên máy thật, với agent điều khiển máy tính thật, studio game 49 agent và các công cụ chạy ngay trên máy nhà.
