Các nền tảng điều phối tác nhân AI đang mọc lên như nấm, nhưng Rebel của startup Mindstone có trụ sở tại London có thể là một trong những cái tên nổi bật nhất. 🚀
Ra mắt tuần này, Rebel là một hệ điều hành AI tác nhân (agentic AI OS) ưu tiên cục bộ, được phân phối theo giấy phép "Fair Source". Điều này cho phép các nhóm dưới 100 người dùng tự do sử dụng và tùy chỉnh, trong khi các tổ chức lớn hơn sẽ cần mua giấy phép doanh nghiệp.
Tính năng nổi bật của Rebel là sự đơn giản và khả năng tùy chỉnh rộng rãi, phù hợp với mọi nhóm làm việc. Tất cả được xây dựng dựa trên định dạng file Markdown tiêu chuẩn, mã nguồn mở, tạo nên một lớp "trí nhớ tổ chức" mạnh mẽ. Lớp trí nhớ này đảm bảo các tác nhân AI luôn sử dụng mô hình AI ưu tiên của doanh nghiệp cho từng tác vụ, thậm chí là các tác vụ con, tự động chuyển đổi giữa các mô hình cục bộ và đám mây một cách minh bạch để tiết kiệm chi phí và duy trì quyền riêng tư, bảo mật dữ liệu khi cần.
"Trí nhớ chia sẻ là điều mạnh mẽ nhất bạn có thể làm với AI của nhân viên tri thức," Greg Detre, CTO của Mindstone chia sẻ với VentureBeat. "Bạn sẽ có cảm giác như một siêu tổ chức, một công ty ngày càng thông minh hơn."
Kiến Trúc "Local-First" Độc Đáo Dựa Trên File Markdown 💾📝
Điều làm nên sự khác biệt của Rebel là kiến trúc ưu tiên cục bộ. Thay vì các framework yêu cầu nhà phát triển phải kết nối nhiều cơ sở dữ liệu và hạ tầng đám mây (như LangGraph, CrewAI, AutoGPT), bộ nhớ và hướng dẫn cốt lõi của tác nhân Rebel nằm trên các file văn bản Markdown (.md) cục bộ.
Mindstone cho biết Rebel lưu trữ trạng thái, lời nhắc (prompts), hướng dẫn tác vụ và hệ thống phân cấp bộ nhớ trong các file này. Điều này cho phép người dùng và công ty dễ dàng kiểm tra, di chuyển hoặc sửa đổi chúng khi cần. Một file cấu hình chính, agents.md, hoạt động như lớp hướng dẫn cốt lõi và ranh giới hoạt động của tác nhân.
Lựa chọn kiến trúc này một phần nhằm mục đích tiết kiệm chi phí. Các định dạng văn phòng phổ biến như Word hay PDF thường mang theo nhiều định dạng và siêu dữ liệu, tiêu tốn ngữ cảnh của mô hình và tăng chi phí API. Markdown giữ thông tin gần với văn bản thô hơn, giúp cửa sổ ngữ cảnh của mô hình tập trung vào tác vụ thực tế thay vì cấu trúc tài liệu.
Cách tiếp cận này cũng được công ty định vị như một biện pháp phòng ngừa rủi ro bị khóa vào nhà cung cấp (vendor lock-in). Nếu hướng dẫn tác nhân, quy trình tự động hóa và bộ nhớ của công ty được lưu trữ cục bộ dưới dạng file văn bản, chúng sẽ không bị mắc kẹt bên trong giao diện hoặc cơ sở dữ liệu của một nhà cung cấp SaaS cụ thể. Điều này càng trở nên quan trọng khi các doanh nghiệp bắt đầu cấp cho hệ thống AI quyền truy cập rộng hơn vào email, lịch, tài liệu và quy trình làm việc nội bộ.
Rebel cũng cho phép người dùng tạo các quy trình làm việc AI có thể tái sử dụng. "Skills" (Kỹ năng) là các quy trình nhiều bước đã lưu mà tác nhân có thể dùng lại. "Operators" (Người vận hành) điều chỉnh cách tác nhân hành xử đối với một tác vụ cụ thể, chẳng hạn như xem xét một bản trình bày dự án từ góc độ nhà đầu tư. "Automations" (Tự động hóa) có thể chạy các tác vụ nền theo lịch trình, như quét tin nhắn hoặc file, tìm kiếm các cập nhật liên quan, soạn thảo phản hồi hoặc chuẩn bị công việc trước khi nhân viên mở ứng dụng.
Tự Động Chọn Mô Hình AI Tối Ưu Cho Mọi Tác Vụ (và Tác Vụ Con) 🧠💰🔒
Một tính năng quan trọng khác là khả năng điều phối đa mô hình. Rebel có thể phân chia một tác vụ thành các phần và định tuyến các bước khác nhau đến các mô hình khác nhau, bao gồm cả việc tách biệt giữa mô hình cục bộ và đám mây tùy thuộc vào độ nhạy của thông tin hoặc theo chính sách của doanh nghiệp.
Một mô hình mạnh mẽ hơn có thể xử lý việc lập kế hoạch hoặc suy luận phức tạp; một mô hình rẻ hơn có thể xử lý công việc thường xuyên; một mô hình cục bộ có thể xử lý các bước nhạy cảm hoặc kiểm tra phê duyệt. Điều này rất quan trọng đối với các doanh nghiệp muốn sự linh hoạt hoặc tìm cách kiểm soát chi phí: không phải mọi tác vụ đều cần gửi đến cùng một mô hình đám mây đắt tiền, và một số quy trình làm việc doanh nghiệp cấm dữ liệu nhạy cảm rời khỏi hạ tầng cục bộ.
"Tôi muốn có thể nói, 'Hãy giúp tôi với cái này,' và nó biết điều gì là riêng tư, điều gì là nhạy cảm, và điều gì có thể chia sẻ với toàn công ty," Detre giải thích.
Thiết lập không phụ thuộc mô hình này mang lại cho các công ty nhiều quyền kiểm soát hơn về chi phí và bảo mật. Công việc nặng về dữ liệu có thể chạy trên các mô hình chi phí thấp hơn như Llama hoặc DeepSeek. Suy luận cấp cao hơn có thể dành cho các mô hình đắt tiền hơn. Công việc nhạy cảm có thể được định tuyến qua một mô hình cục bộ chạy trên máy của người dùng, giữ thông tin đó không rời khỏi thiết bị.
Hệ Thống Trí Nhớ Phân Tầng Thông Minh 📚🔍
CTO Greg Detre của Mindstone đã thiết kế hệ thống bộ nhớ của Rebel để tránh một vấn đề phổ biến trong AI doanh nghiệp: đổ một lượng lớn thông tin công ty vào cơ sở dữ liệu và hy vọng tìm kiếm sẽ truy xuất đúng ngữ cảnh sau này.
Thay vào đó, Rebel sử dụng cấu trúc bộ nhớ phân tầng. Khi một tương tác xảy ra, hệ thống ước tính khả năng thông tin đó sẽ hữu ích trở lại. Thông tin có giá trị kỳ vọng cao sẽ được ghi vào một file readme.md cục bộ gắn liền với một không gian dự án cụ thể. Thông tin có giá trị kỳ vọng vừa phải trở thành một liên kết tham chiếu đến các bản ghi lịch sử sâu hơn. Các tài liệu ưu tiên thấp hơn được lưu trữ trong một thư mục bộ nhớ được lập chỉ mục, nơi chúng vẫn có sẵn nhưng ở trạng thái ngủ cho đến khi một tác vụ liên quan gọi chúng trở lại.
Bảng Điều Khiển ROI Cho Người Mua Doanh Nghiệp 📈💸
Đối với các tổ chức lớn hơn, Mindstone Pro bổ sung một Bảng Điều Khiển Tác Động (Impact Dashboard) được thiết kế để hiển thị nơi Rebel đang tiết kiệm thời gian và tiền bạc trên các bộ phận kinh doanh.
Mindstone cho biết bảng điều khiển sử dụng một LLM đóng, riêng biệt để đánh giá dữ liệu từ xa và tính toán tác động kinh doanh. Hệ thống được hiệu chỉnh một cách thận trọng, sử dụng mức thấp nhất của các mức tăng hiệu suất ước tính để tránh những tuyên bố năng suất thổi phồng.
Tính năng đó giải quyết một vấn đề thực tế đối với người mua AI doanh nghiệp: chứng minh giá trị mà không cần giám sát quá mức nhân viên. Mindstone nói rằng bảng điều khiển được cách ly khỏi các không gian làm việc cá nhân, cho phép các nhà lãnh đạo CNTT và kinh doanh đánh giá việc áp dụng và lợi tức đầu tư mà không cần đọc hoạt động tác nhân riêng tư của nhân viên.
Giấy Phép "Fair Source": Giảm Thiểu Rủi Ro Nền Tảng ✅⚖️🔄
Mindstone phát hành Rebel dưới giấy phép Fair Source, một mô hình nằm giữa SaaS hoàn toàn đóng và mã nguồn mở tự do.
Theo giấy phép này, mã nguồn của Rebel có thể xem, kiểm tra, sửa đổi và triển khai được. Các cá nhân và tổ chức có tới 100 người dùng đồng thời có thể chạy nó miễn phí. Một khi tổ chức vượt quá ngưỡng đó, họ cần một giấy phép thương mại Mindstone Pro.
Giấy phép cũng bao gồm một điều khoản ngừng hiệu lực hai năm. Hai mươi bốn tháng sau khi một phiên bản nhất định được phát hành, phiên bản đó sẽ tự động chuyển đổi sang giấy phép mã nguồn mở MIT.
Đối với người mua doanh nghiệp, lợi ích thực tế là Rebel giảm thiểu rủi ro bị mắc kẹt. Nếu mọi quy trình tự động hóa, file bộ nhớ và hướng dẫn tác nhân được lưu trữ cục bộ trong Markdown, một công ty có thể di chuyển dữ liệu và quy trình làm việc của mình đi nơi khác nếu cần. Sản phẩm có thể là thương mại, nhưng công việc cơ bản được thiết kế để vẫn có thể kiểm tra và di động được.
An Ninh và Bảo Mật: Quyền Hạn Cục Bộ và Trí Nhớ Chia Sẻ 🔐🗣️👁️
Việc Rebel ra mắt trên Product Hunt tuần này đã đặt ra các câu hỏi kỹ thuật về cách một tác nhân ưu tiên cục bộ nên xử lý quyền hạn, kiểm tra an toàn và bộ nhớ chia sẻ.
Một nhà phát triển, Nikita Pokryschko, đã hỏi liệu các kiểm tra phê duyệt cho các hành động nhạy cảm có thể chạy hoàn toàn trên một mô hình cục bộ hay không, hay logic kiểm soát vẫn yêu cầu một cuộc gọi đám mây.
Detre giải thích sự tách biệt của Rebel giữa lập kế hoạch, thực thi và logic an toàn nền. Wöhle nói thêm rằng các công ty có thể cấu hình Rebel để hoàn toàn dựa vào một mô hình cục bộ cho các quyết định kiểm soát.
Sự khác biệt này rất quan trọng đối với các nhóm bảo mật doanh nghiệp. Các tác nhân tự động thường cần quyền hạn rộng rãi để đọc file, soạn email hoặc tương tác với các hệ thống nội bộ. Nếu lớp phê duyệt cuối cùng phụ thuộc vào một mô hình đám mây bên ngoài, một số công ty có thể coi đó là rủi ro tuân thủ. Mindstone lập luận rằng Rebel có thể giữ các ranh giới phê duyệt đó cục bộ.
Một cuộc thảo luận thứ hai tập trung vào cách Rebel quyết định bộ nhớ nào có thể được chia sẻ. Nhà phát triển sản phẩm Clement Morel hỏi liệu khả năng chia sẻ có được xác định bởi nội dung, cài đặt người dùng hay hành vi đã học, và điều gì sẽ xảy ra nếu hệ thống mắc lỗi.
Detre cho biết Rebel sử dụng "README Chief-of-staff" cục bộ của người dùng và các không gian được xác định để tách biệt thông tin riêng tư, nhóm và toàn công ty. Khi tác nhân gặp ngữ cảnh mơ hồ, hệ thống sẽ tạm dừng và yêu cầu người dùng phê duyệt trước khi tiếp tục.
Sự nhấn mạnh vào tính minh bạch này là một phần trong lập luận rộng lớn hơn của Mindstone chống lại các hệ thống tác nhân mờ đục. Như CEO Joshua Wöhle đã nói trên LinkedIn của mình: "Nếu một tác nhân sẽ nằm trong không gian làm việc của bạn, ghi nhớ ngữ cảnh của bạn và yêu cầu sự cho phép trước khi thay đổi thế giới, bạn phải có khả năng xem cách nó hoạt động. Không phải vì ai cũng sẽ đọc mã, mà vì ai đó CÓ THỂ."
Thành Công Thực Tế: Trường Hợp Epignosis 💪✨
Mindstone cho biết Rebel đã được triển khai trên toàn bộ lực lượng lao động 250 người của khách hàng Epignosis, bao gồm các nhóm bán hàng, kỹ thuật, sản phẩm, tài chính và chăm sóc khách hàng.
"Toàn bộ tổ chức đang hoạt động trên Rebel ngày nay," Wöhle nói với VentureBeat.
Trong suốt 12 tuần triển khai, Mindstone cho biết Epignosis đã khôi phục năng lực tương đương 8 vị trí toàn thời gian. Công ty nói rằng việc áp dụng lan rộng một cách tự nhiên sau khi nhân viên thấy đồng nghiệp tự động hóa các công việc tốn thời gian, một mô hình mà nhân viên được báo cáo là gọi là "hiệu ứng khoai tây."
Trường hợp Epignosis là trọng tâm lập luận của Mindstone rằng AI doanh nghiệp không nên được coi là một tập hợp các công cụ cá nhân riêng lẻ. Thiết kế bộ nhớ chia sẻ của Rebel nhằm mục đích cho phép các quy trình làm việc di chuyển giữa các nhóm và cải thiện khi có nhiều nhân viên sử dụng chúng hơn.
Thách Thức và Tầm Nhìn Của Mindstone 🚧🎯
Rebel xuất hiện khi các công ty đang cố gắng chuyển từ thử nghiệm AI sang vận hành AI. Làn sóng đầu tiên của việc áp dụng doanh nghiệp tập trung vào quyền truy cập: cung cấp cho nhân viên chatbot, copilot và đăng ký mô hình. Mindstone đang đặt cược rằng làn sóng tiếp theo sẽ tập trung vào sự phối hợp.
Điều đó có nghĩa là bộ nhớ chia sẻ, quy trình làm việc có thể tái sử dụng, kiểm soát cục bộ, định tuyến mô hình linh hoạt và tác động kinh doanh có thể đo lường được. Nó cũng có nghĩa là cung cấp cho doanh nghiệp một cách để kiểm tra các hệ thống mà họ được yêu cầu tin tưởng.
Thách thức của công ty bây giờ là thực thi. Phần mềm ưu tiên cục bộ có thể khó quản lý hơn SaaS đám mây. Bộ nhớ chia sẻ đặt ra các câu hỏi quản trị. Định tuyến đa mô hình làm tăng độ phức tạp. Và các doanh nghiệp sẽ vẫn cần bằng chứng rằng các quy trình làm việc tác nhân có thể mang lại năng suất đáng tin cậy mà không tạo ra các vấn đề bảo mật hoặc tuân thủ.
Nhưng Mindstone đang đưa ra một lập luận rõ ràng: mua ghế AI không giống như xây dựng cơ sở hạ tầng AI. Rebel là nỗ lực của họ để biến các thử nghiệm rải rác của nhân viên thành một lớp vận hành cho công việc. Điều này cho thấy tầm nhìn táo bạo của Mindstone trong việc kiến tạo một tương lai AI bền vững và có trách nhiệm cho doanh nghiệp.