Khi AI Agent biết thưởng thức cái đẹp: Nhìn lại sự kiện Ship it Sunday #011

Ship it Sunday là một sự kiện hackathon diễn ra vào Chủ Nhật, được tổ chức bởi Crossing và Spark Lab tại AI Hacker House ở Khu công nghệ cao Caohejing, Thượng Hải.

Vào mỗi Chủ Nhật, chúng tôi tập hợp những người xây dựng (builders) năng nổ nhất của kỷ nguyên AI để hoàn thành một hackathon chỉ trong một ngày: tìm kiếm đồng đội và xây dựng từ con số không.

Tại sự kiện lần thứ 11 vừa kết thúc, chủ đề của chúng tôi là "Một Agent cần có gu thẩm mỹ" (An Agent Should Have Some Taste).

Dưới đây là 7 dự án nhận được nhiều bình chọn nhất tại Ship it Sunday lần này!

01 Tasto: Bắt đầu bằng việc biến "gu" thành một thư viện

Người xây dựng: Simi, Teng

Khi nhiều người sử dụng AI để tạo hình ảnh, lời phàn nàn phổ biến nhất là "có gì đó không ổn". Nhưng việc xác định chính xác cái gì không ổn lại rất khó. Tasto bắt đầu từ khoảng trống khó diễn tả này.

Dự án đã xây dựng một thư viện phong cách hình ảnh tập hợp các thẩm mỹ khác nhau — chủ nghĩa tối giản, Phong cách Quốc tế Thụy Sĩ (Swiss International Style), chủ nghĩa tối giản biên tập, công nghệ tương lai, cyberpunk. Người dùng có thể duyệt và so sánh, chọn ngôn ngữ hình ảnh mình thích, sao chép prompt tương ứng và tiếp tục tạo poster, bài thuyết trình, danh thiếp hoặc trang sản phẩm.

Trong phần demo trực tiếp, các nhà xây dựng đã đưa cùng một tên thương hiệu vào các kịch bản khác nhau, giữ cho trang sản phẩm, ảnh bìa mạng xã hội và các tài liệu ngoại tuyến có cùng một tông màu. Khi được hỏi nó khác gì so với các công cụ thiết kế AI khác, câu trả lời của Tasto là nó đặt sự lựa chọn lên trước việc tạo ra — giúp người dùng tìm thấy thứ họ thực sự muốn trước tiên.

Điều này nghe có vẻ giống một công cụ thiết kế, nhưng chức năng lại giống một từ điển thẩm mỹ cho các Agent hơn. Khi người dùng có thể nhìn thấy sở thích của chính mình trước, các Agent mới có cơ hội hiểu nhất quán những sở thích đó.

02 The Truman Show: Để các Agent sống cuộc đời của riêng chúng, rồi tìm kiếm những câu chuyện bên trong

Người xây dựng: weston, Lian Xu

Trong các video ngắn AI đang thịnh hành gần đây, một số thiết lập cứ lặp đi lặp lại. Một ký túc xá hàng trăm nghìn người, nhật ký sinh tồn ở thế giới khác, hay các NPC chỉ đơn giản là sống cuộc đời của họ trong một khách sạn. Điều người xem yêu thích thường không phải là một nhân vật cố định — mà là sự mong đợi về những gì sẽ xảy ra tiếp theo.

The Truman Show đẩy người viết kịch bản lùi lại một bước. Nó cho phép nhiều NPC bước vào thế giới riêng của họ, di chuyển, tương tác và va chạm với nhau. Mỗi nhân vật có các thuộc tính riêng, trong khi Agent đóng vai trò là người quan sát, liên tục xác định những khoảnh khắc đáng ghi lại từ các tương tác này.

Bản demo trực tiếp cho thấy một thế giới phép thuật kiểu Harry Potter. Các nhân vật di chuyển trong không gian, các NPC hình thành mối quan hệ với nhau và Agent quan sát đã biên soạn các đoạn clip thú vị thành video ngắn. Khi được hỏi làm thế nào để lọc ra phần thực sự đáng xem từ vô số tương tác tầm thường, các nhà xây dựng đã đề cập đến hai phương pháp: mượn cấu trúc từ các câu chuyện lan truyền và lấy chất liệu từ cuộc sống hàng ngày.

Mục tiêu thực sự của dự án không phải là để các Agent tạo ra nhiều nội dung hơn, mà là dạy chúng cách quan sát và thực hiện đánh giá. Khi nội dung không còn khan hiếm, việc quyết định mảnh ghép nào đáng giữ lại mới là kỹ năng khó hơn.

03 matter: Giải phóng tư duy khỏi ô nhập liệu

Người xây dựng: +1, Cactus

Bản demo của matter ngay lập tức kéo câu hỏi trở lại những điều cơ bản. Tại sao con người và công cụ phải bị ngăn cách bởi bàn phím, chuột và ô nhập liệu? Nếu bạn chỉ có một ý tưởng mơ hồ trong đầu, chưa hình thành thành prompt, chẳng lẽ bạn vẫn không thể bắt đầu sao?

Những gì họ xây dựng là một giao diện lấy canvas làm trung tâm. Người dùng có thể nói ý định của mình bằng giọng nói, hoặc khoanh vùng nội dung trên canvas và để Agent tiếp tục phát triển từ đó. Các node mới hoạt động như những nhánh tư duy, được đặt ở nơi bạn đang tập trung, dần dần hình thành mối quan hệ với các nội dung khác.

Trong bản demo trực tiếp, các nhà xây dựng đã trình diễn nhập liệu bằng giọng nói, chọn nội dung và tạo node mới. Sản phẩm vẫn đang trong quá trình khám phá — máy chủ cục bộ thậm chí còn bị sập trong khi demo — nhưng hướng đi đã rất rõ ràng. AI mang lại trí tuệ ngôn ngữ; matter mang lại cho tư duy một hình hài.

Thay vì vội vàng xây dựng một công cụ hỏi đáp hiệu quả hơn, nó muốn đặt các khả năng của AI vào nơi con người đang thực sự tương tác. Việc mô hình chạy trên đám mây hay cục bộ không quan trọng bằng việc giao diện bảo tồn được ý định của con người, thay vì hoàn thành con đường phía trước thay cho họ.

04 AnyTaste: Biến những tâm trạng khó tả thành bữa ăn tối nay

Người xây dựng: Max

Mô tả dự án của AnyTaste chỉ gói gọn trong một câu: biến những cảm xúc trừu tượng thành thực đơn cụ thể. Bản demo trực tiếp thực sự bắt đầu từ một đầu vào rất nhẹ nhàng. Ví dụ: hôm nay trời mưa to.

Hai Agent thường trú sống bên trong sản phẩm — một thiên về trực giác, một thiên về khái niệm. Chúng dịch câu này thành các hương vị khác nhau, cung cấp các thực đơn như Mì Ramen Miso Uji và Mì Soba Matcha Uji. Mỗi món ăn đi kèm với các bước chuẩn bị, thời gian cần thiết, độ khó và hình ảnh tương ứng. Người dùng có thể chọn một hướng và thực sự làm món đó, sau đó lưu vào kho lưu trữ cá nhân.

AnyTaste không coi cảm xúc là thứ cần phân tích tâm lý — nó mang lại cho cảm xúc một điểm đến hữu hình có thể cảm nhận và hoàn thành. Cơn mưa hôm nay trở thành một bát mì, một hình ảnh và một buổi tối mà ai đó sẵn sàng tự tay thực hiện.

Một Agent tốt không nhất thiết phải phân tích cảm xúc sâu sắc hơn. Đôi khi nó chỉ cần nắm bắt được cảm xúc đó trước, sau đó đưa ra bước tiếp theo phù hợp.

05 Tina Input Method: Ghi nhớ những gì chưa bao giờ được đưa vào tài liệu

Người xây dựng: Zhao Duan

Các dự án và mã nguồn đều có nơi để lưu trữ. Nhưng nhiều điều nhỏ nhặt trong cuộc sống cá nhân thì không. Một lời nhận xét thoáng qua với sếp, báo cáo y tế của thành viên gia đình, một ý tưởng ăn tối nảy ra trong đầu, hay tông giọng thực sự đằng sau một email — chúng có thể không đáng để tạo thành một tài liệu riêng, nhưng có thể xuất hiện trở lại vào một lúc nào đó sau này.

Tina Input Method bắt đầu từ nhập liệu bằng giọng nói. Người dùng có thể nói chuyện tự nhiên với máy tính của họ và hệ thống sẽ trích xuất những ký ức có khả năng hữu ích từ nội dung này. Sau đó, khi người dùng cần dịch thuật, trả lời email hoặc tiếp tục một công việc, những ký ức này sẽ quay trở lại trong bối cảnh mới.

Trong bản demo trực tiếp, Zhao Duan nói "tối nay mình muốn ăn gì nhỉ, giúp mình nhớ lại với", sau đó yêu cầu hệ thống dịch nội dung đã chọn sang tiếng Anh và tiếng Tây Ban Nha. Trong kịch bản email, anh chỉ cần nói "giúp mình từ chối lời đề nghị này", và hệ thống đã tạo ra một câu trả lời dựa trên nội dung hiện tại. Một người trong khán giả nói đùa rằng nếu đây là một lời đề nghị thực sự, họ chắc chắn sẽ không từ chối nó.

Điều mà Tina thực sự muốn giải quyết không phải là làm cho việc nhập liệu nhanh hơn, mà là để Agent bắt đầu phân biệt được liệu bạn đang nhập liệu, ghi âm hay yêu cầu trợ giúp. Trong tương lai, nó cũng sẽ xử lý các xung đột và khoảng trống giữa các ký ức, chủ động quay lại để xác nhận với người dùng.