Cách tôi vận hành nhiều dự án và tổ chức phi lợi nhuận chỉ với 6 AI Agent

(Đoạn này do con người viết. Tôi đã nhờ gtm-agent xem xét và thực hiện một vài thay đổi, nhưng sau đó tôi gần như hoàn tác tất cả, khiến tôi tốn thời gian gấp 10 lần so với việc cứ để nguyên như cũ với những dấu phẩy bị thiếu, những câu dài lê thê và số 6 thay vì viết chữ "sáu". Hãy tham khảo mục "Has it been worth it?" ở cuối bài.)

Một vài người đã hỏi về thiết lập agent của tôi, nhưng trước hết hãy để tôi nói về mục tiêu đã. Tôi đang thực hiện một vài sản phẩm cũng như một tổ chức phi lợi nhuận. Sản phẩm duy nhất tôi từng nhắc đến cho đến nay là The Daily FM, đó chỉ là thứ tôi muốn có nên tôi đã tự xây dựng nó.

Mục tiêu của tất cả các thử nghiệm về agent này là mở rộng quy mô nhiều sản phẩm và tổ chức phi lợi nhuận với ít nhân viên và tình nguyện viên hơn mức cần thiết. Tóm lại, tôi đang tạo ra một đội ngũ nhân viên là các agent. Tôi mới bắt đầu công việc này được khoảng một tháng, nên mọi thứ vẫn còn ở giai đoạn đầu.

Tôi biết những người có tầm ảnh hưởng hàng đầu trong lĩnh vực này đang gào thét vào micro về hàng ngàn agent (chuyện gì đã xảy ra với các "swarms" rồi?), các vòng lặp tự cải thiện (hay đó là các đồ thị?), v.v., nhưng trước khi đạt đến con số hàng ngàn, tôi muốn bắt đầu với con số khiêm tốn là sáu.

Các agent

Hồ sơ (Profiles)

Thời gian chạy và bộ nhớ (Runtime and memory)

Tất cả các agent hiện tại đều là Hermes agent, nhưng tôi dự đoán điều này sẽ thay đổi vào một thời điểm nào đó. Chúng được định nghĩa bởi SOUL.md, AGENTS.md, các kỹ năng, công cụ, các MCP server, một kho lưu trữ bộ nhớ Mnemosyne cho mỗi hồ sơ và một wiki Obsidian dùng chung được đồng bộ hóa với máy tính của tôi. Về lý thuyết, tất cả những thứ này đều có thể di chuyển được. Nó chỉ là một vài con số 1 và 0 dễ tìm thôi mà. Đúng không? ĐÚNG KHÔNG?

Obsidian đang chứng tỏ là một công cụ thực sự tuyệt vời. Giống như mọi người khác, tôi biết đến nó khi Karpathy công bố "bộ não wiki LLM" của anh ấy. Ban đầu tôi chưa thấy ấn tượng, nhưng càng dùng, nó càng trở nên hữu ích như một "cẩm nang vận hành doanh nghiệp". Nó cho phép tôi nắm bắt các quy trình để các agent có thể khởi chạy và biết ngay cách mọi thứ vận hành ở đây.

Các mô hình (Models)

Hiện tại tất cả các agent đều sử dụng OpenAI GPT-5.6 Sol và có thể khởi chạy các subagent sử dụng GPT-5.6 Terra. Ban đầu tôi sử dụng Fable của Anthropic, nhưng tôi đã bị sốc với hóa đơn API và nhận ra Anthropic không cho phép sử dụng gói đăng ký cho thiết lập này, vì vậy tôi đã chuyển sang GPT.

Các mô hình tiên phong (Frontier models) hầu như có thể thay thế cho nhau đối với loại công việc này. Có lẽ tôi không cần đến Sol và sẽ điều chỉnh nếu cần. Tôi rất muốn sử dụng một mô hình mã nguồn mở (open-weights), nhưng tôi không có nhiều động lực để chuyển đổi khi gói đăng ký 100 đô la của OpenAI đã giải quyết được vấn đề. Tôi thậm chí sẵn sàng chuyển sang gói 200 đô la nếu cần.

Tài nguyên tính toán (Compute)

Tất cả sáu agent đều chạy trên một DigitalOcean Basic Droplet đơn giản: 4 vCPU, 8 GB RAM và 160 GB ổ cứng. Tôi đã phải nâng cấp từ 4 GB RAM vì hệ thống liên tục phải sử dụng bộ nhớ ảo trên ổ cứng (swapping). Tôi bảo mật nó bằng Tailscale và không mở bất kỳ cổng công khai nào.

Lập trình (Coding)

Tôi đã nhắc đến dev-agent ở trên, nhưng tôi vẫn sử dụng Claude Code với Fable, và Codex làm phương án dự phòng cho 95% công việc lập trình của mình. Tôi cảm thấy thoải mái nhất khi làm việc trên terminal của máy tính cá nhân, theo dõi các thay đổi mã nguồn và quá trình suy luận diễn ra theo thời gian thực. Tôi biết... nghe thật lỗi thời.

Giao tiếp (Communication)

Buzz

Như tôi đã từng đề cập, tôi đang làm việc với Buzz, một giải pháp thay thế Slack mã nguồn mở của Block với khả năng hỗ trợ agent hạng nhất. Nó vẫn còn ở giai đoạn đầu, phiên bản v0.5.9 tại thời điểm viết bài, và bạn cần cài đặt ứng dụng iPhone theo cách thủ công, nhưng nó có rất nhiều tiềm năng. vps-agent của tôi có thể tạo một agent mới và kết nối nó vào Buzz như một thành viên khác trong nhóm chỉ trong khoảng 10 phút.

Tất cả các agent đều phản hồi tin nhắn trực tiếp (DM) mà không cần gọi tên. Trong các phòng chat, chúng yêu cầu phải được gọi tên (ví dụ: @ea-agent). Chúng có thể nói chuyện với nhau, ngoại trừ vps-agent, agent mà chỉ mình tôi có thể trò chuyện.

Nostr

Buzz chạy trên giao thức Nostr, một giao thức cũng khá thú vị. Nó nhỏ gọn, mở và xác định các thông số kỹ thuật thông qua các NIP (có tên viết tắt khá đáng tiếc). Về cốt lõi, NIP-01 định nghĩa một sự kiện đã ký phổ quát, quyền tác giả dựa trên khóa, các WebSocket relay và các đăng ký thời gian thực có thể lọc được. Buzz mở rộng điều đó thành các kênh và các sự kiện vận hành.

Các agent thực chất chỉ là các cặp khóa. Bất kỳ cộng đồng nào cũng có thể tự lưu trữ relay của riêng mình và các loại sự kiện mới đều sử dụng cùng một mô hình ký và xác thực. Tôi chỉ thấy điều này thật sự rất tuyệt.

Quy trình làm việc (Workflows)

Như tôi đề cập bên dưới, tôi đã thiết lập các webhook để đăng tin nhắn vào Buzz từ các hệ thống bên ngoài. Buzz có thể định dạng tin nhắn và gọi tên những người dùng cụ thể.

Một số trường hợp sử dụng (Use cases)

Hãy nhớ rằng, tôi mới chỉ bắt đầu được một tháng. Nhưng một vài trường hợp sử dụng thú vị đã xuất hiện cho đến nay.

Phản hồi Sentry tự động

Các ứng dụng của tôi tạo ra các sự kiện Sentry cho nhiều loại lỗi, độ trễ cao và các vấn đề khác. Các sự kiện mới được đăng vào Buzz, nơi Buzz Workflows có thể định dạng tin nhắn và gọi tên ops-agent hoặc thậm chí là một nhóm agent (một cấu trúc của Buzz mà tôi chưa sử dụng).

Sau khi nhận được cảnh báo, ops-agent sẽ phân tích nguyên nhân gốc rễ trên Sentry, Cloudflare và mã nguồn, cung cấp báo cáo và cố gắng khắc phục sự cố. Quy trình này vẫn cần 100% sự can thiệp của tôi, nhưng tôi có thể thấy rất nhiều tiềm năng cho việc tự động hóa độc lập.

Các tác vụ phát triển đơn giản

Như đã đề cập trong phần lập trình ở trên, tôi chưa sẵn sàng từ bỏ việc điều khiển terminal, nhưng tôi đã bắt đầu thuê ngoài một số việc. Một ví dụ đơn giản: nếu tôi đang xem một trong các trang web của mình khi đang di chuyển và nảy ra ý tưởng, tôi có thể nhập nó vào Buzz và yêu cầu agent hoàn thành.

Bước tiếp theo là thiết lập một nhà máy phần mềm thực thụ và để các agent phản hồi các ticket trên Linear. Ticket vào, PR ra, nghe thật gọn gàng.

Báo cáo công việc buổi sáng

ea-agent xem qua các ticket trên Linear, lịch làm việc và các cuộc trò chuyện từ ngày hôm trước để phân loại và đề xuất những việc tôi nên làm.

Xem xét lịch nội dung xã hội

gtm-agent xem xét lịch nội dung mỗi ngày, thông báo cho tôi về những khoảng trống và có thể đề xuất nội dung. Tôi khá dè dặt trong lĩnh vực này vì nhiều lý do, chủ yếu là vì tôi không phải kiểu người thích đăng bài trên mạng xã hội vì bất cứ lý do gì. Tôi không "chỉ muốn lượt nhấp chuột", tôi muốn chia sẻ một cách chân thực những gì tôi cho là hữu ích, bằng chính giọng văn của mình (xem tiêu đề ở đầu bài viết này). Chúng ta sẽ xem điều này phát triển như thế nào khi tôi công bố nhiều hơn những thứ tôi đang thực hiện.

Nhắc nhở và nghiên cứu

Một trong những điều đơn giản nhất mà tôi thấy hữu ích là mở ứng dụng di động từ bất cứ đâu và nói: "ea-agent, nhắc tôi việc này vào ngày mai, và cứ nhắc cho đến khi tôi phản hồi." Hoặc, "này research-agent, tôi vừa có ý tưởng này. Hãy nghiên cứu sâu và cho tôi biết XYZ."

Báo cáo công việc hàng ngày