Hai người, ba AI Agent và một buổi chiều không xung đột

Ghi chép về trải nghiệm cộng tác trực tiếp ở cấp độ Agent.

👦🏻 Tác giả: GaKi

🥷 Biên tập: Koji

🧑‍🎨 Thiết kế: NCon

Google Docs đã dạy cho mọi người một bài học vào khoảng năm 2010:

Nhiều người có thể cùng chỉnh sửa một tài liệu trên đám mây cùng lúc, với các thay đổi hiển thị tức thì và xung đột được giải quyết tự động. Trải nghiệm này sau đó trở thành tiêu chuẩn mặc định cho phần mềm cộng tác — Lark, Tencent Docs và Notion đều được xây dựng dựa trên tiền đề này.

Nhưng trong kỷ nguyên Agent, khoảnh khắc đó vẫn chưa đến.

Mỗi người trong mọi phòng ban tại mọi công ty đều phải tự khởi chạy Claude Code hoặc Codex của riêng mình. Các Agent không thể "tương tác" với nhau.

Những lý do khiến điều này chưa xảy ra tóm gọn lại trong khoảng ba điểm chính.

1Sự "cách ly sinh sản" giữa các nhà cung cấp

Agent của mỗi người đến từ các nguồn khác nhau — một số dùng Claude Code, một số dùng Codex, một số dùng Opencode. Mỗi Agent chạy trong môi trường runtime riêng và không có giải pháp phổ quát nào để thực sự kết nối chúng lại với nhau.

2Ranh giới cá nhân quá mạnh mẽ

Các môi trường runtime của Agent hiện nay được thiết kế xoay quanh người dùng cá nhân. Dù là chế độ máy cục bộ hay chế độ máy đám mây, chủ thể vẫn luôn là "tôi".

Bạn muốn cộng tác với người khác? Bản thân thiết bị vật lý là một bức tường không thể vượt qua. Ngay cả khi bạn chuyển Agent lên đám mây, tách biệt khỏi các công cụ, cấu hình và thông tin đăng nhập cục bộ, bạn vẫn phải đối mặt với sự cô lập của sandbox giữa các Agent.

3Cộng tác ở cấp độ Agent về cơ bản là rất khó

Các Agent ngày nay được liên kết một-một với các sandbox. Mỗi Agent sống trong "vũ trụ song song" của riêng nó. Chúng thiếu các kênh để đồng bộ hóa ngữ cảnh thời gian thực, chia sẻ tài nguyên và gọi lẫn nhau. Chúng chỉ có thể trao đổi kết quả sau khi tác vụ hoàn thành — thông qua việc tải lên/tải xuống trên ổ đĩa đám mây, triển khai hoặc gửi kết quả vào các nhóm chat.

Cộng tác thời gian thực đòi hỏi một cách tiếp cận mới có thể đưa các Agent này vào cùng một "không-thời gian".

Tất cả những yếu tố này cộng hưởng lại, kết quả là: Agent càng mạnh mẽ, con người càng phải làm nhiều công việc thủ công để luân chuyển ngữ cảnh giữa chúng. Sao chép-dán, tải lên và tải xuống, tóm tắt bối cảnh, chuyển tiếp tiến độ — thứ "công việc chỉ để duy trì công việc" này không hề giảm đi. Nó thực sự đã tăng lên cùng với số lượng Agent.

Bất chấp những khó khăn chồng chất, vẫn có những đội ngũ đặt cược tất cả vào sự cộng tác trực tiếp của Agent ngay từ ngày đầu. Và vào ngày 24 tháng 8, một đội ngũ như vậy đã ra mắt sản phẩm chính thức của họ —

Tutti · VM

🚥 Trước khi đi sâu vào sản phẩm này, chúng tôi quyết định khảo sát bối cảnh hiện tại trước. Chỉ khi đó, chúng ta mới có thể trả lời:

1Chúng ta còn cách "khoảnh khắc Google Docs cho Agent" bao xa?

2Logic sản phẩm của Tutti · VM là gì? Giá trị thực sự của nó nằm ở đâu?

Các Agent đã trải qua 4 lần thử nghiệm. Những khám phá hiện tại đại khái đi theo bốn con đường với các hình thức tiêu biểu: Slack (bot trong nhóm chat), CrewAI (điều phối đa Agent), Devin/Replit Agent (nhân viên kỹ thuật số đám mây) và Claude Code/Codex (Điều khiển từ xa).

Mỗi cách giải quyết một phần của vấn đề, và mỗi cách vẫn chưa đạt đến "khoảnh khắc Google Docs" đó.

1IM / Nhóm chat

Cách tiếp cận này chủ yếu đưa các Agent vào các kênh nơi chúng được @-mention, thực hiện tác vụ, sau đó trả lời bằng tin nhắn và cập nhật tiến độ. Những gì được truyền giữa các Agent chủ yếu là tin nhắn và bản tóm tắt. Quá trình thực thi thời gian thực vẫn chạy trên máy cục bộ hoặc sandbox đám mây của mỗi người, không hiển thị với người khác.

Dùng Google Docs làm phép so sánh, điều này tương đương với việc "đăng ảnh chụp màn hình tài liệu vào nhóm chat".

2Điều phối đa Agent cục bộ

Cách tiếp cận này chủ yếu giải quyết việc một người quản lý nhiều Agent, cho phép thực hiện nhiều tác vụ song song cùng lúc. Hiệu suất có cải thiện, đúng vậy. Nhưng nó được thiết kế cho cá nhân và không liên quan đến cộng tác nhiều người. Ngay cả khi ép buộc cộng tác, nó cũng khó vượt qua sự cô lập của máy vật lý.

3Nhân viên kỹ thuật số đám mây

Đây hiện là cách tiếp cận phổ biến nhất — Devin, Replit Agent, v.v.

Ý tưởng chính là chuyển toàn bộ Agent lên đám mây, cho phép bạn làm việc từ trình duyệt, giúp dễ dàng chia sẻ liên kết với người khác.

Vấn đề chia sẻ kết quả nhanh chóng đã được giải quyết. Nhưng vì sự cô lập sandbox của Agent vẫn chưa được giải quyết, cộng tác thời gian thực giữa các Agent vẫn không hoạt động. Và bạn phải bước vào hệ sinh thái công cụ của họ — bộ công cụ và tệp tin cục bộ của bạn không đi theo bạn. Bạn cần thích nghi với môi trường mới và trả phí một lần nữa cho các khả năng Agent mà họ cung cấp.

4Điều khiển từ xa