Kan Kan

Một trong những ứng dụng của AI đỉnh nhất

Một VLM (Vision-Language Model) sẽ phân tích video gốc để dựng lại toàn bộ cảnh 3D, bao gồm đồ vật, con người, hành động và bố cục trong cảnh. Sau đó, nó có thể tự tạo ra những góc máy và cảnh quay hoàn toàn mới nhưng vẫn mô tả đúng cùng một sự kiện, đồng thời giữ được sự nhất quán về hình ảnh, thời gian và vật lý. Một video chỉ quay từ một góc đến AI biến thành nhiều góc máy khác nhau, trong khi các sự kiện và chuyển động trong video vẫn phải khớp với nhau. Video của LLMJunky

Đừng để AI chỉ viết CV. Bắt nó đi xin việc luôn.

Mình thấy phần lớn mọi người đang dùng AI để xin việc theo một cách khá giống nhau. Mở ChatGPT hoặc Claude, copy JD vào rồi bảo AI viết CV, sau đó tiếp tục nhờ viết Cover Letter, rồi đến lúc chuẩn bị phỏng vấn lại mở một cuộc chat mới để luyện tập. AI làm được từng việc, nhưng toàn bộ quá trình vẫn phải do mình tự quản lý. GitHub vừa có một repo khá thú vị vì nó đi theo hướng hoàn toàn khác. Thay vì biến Claude Code thành một công cụ viết CV, tác giả biến nó thành một workflow xin việc hoàn chỉnh. Việc đầu tiên không phải là viết CV, mà là để AI hiểu bạn là ai. Thông qua lệnh `/setup`, Claude sẽ đọc CV, LinkedIn, bằng cấp, thư giới thiệu hoặc phỏng vấn trực tiếp để xây dựng hồ sơ về kinh nghiệm, kỹ năng, phong cách làm việc và định hướng nghề nghiệp. Nói cách khác, AI sẽ có một "hồ sơ ứng viên" để sử dụng cho mọi lần xin việc sau này, thay vì mỗi lần lại phải giải thích từ đầu. Khi gặp một vị trí tuyển dụng, bạn chỉ cần đưa cho Claude đường link hoặc nội dung JD. Điều mình thích là AI không lao ngay vào việc viết CV. Nó sẽ phân tích yêu cầu tuyển dụng, đánh giá mức độ phù hợp giữa bạn và công việc, chỉ ra điểm mạnh, điểm còn thiếu rồi mới quyết định nên điều chỉnh CV và Cover Letter như thế nào để phù hợp với vị trí đó. Workflow cũng không kết thúc sau khi tạo xong bản nháp. Repo này còn tạo thêm một Claude Agent thứ hai đóng vai người phản biện. Agent này sẽ nghiên cứu về công ty, đọc lại CV và Cover Letter, tìm những chỗ còn chung chung, thiếu thuyết phục hoặc chưa sát với JD rồi gửi phản hồi để agent đầu tiên chỉnh sửa lại. Đây là cách làm khá giống quy trình review trong các team phát triển phần mềm, khi luôn có người viết và người kiểm tra độc lập. Một chi tiết rất hay là hệ thống còn tự biên dịch CV và Cover Letter sang PDF rồi kiểm tra lại kết quả cuối cùng. Nếu CV bị tràn quá hai trang, tiêu đề xuống dòng xấu, font chữ bị lỗi hoặc bố cục chưa đẹp, Claude sẽ tiếp tục chỉnh sửa file LaTeX và xuất lại PDF cho đến khi đạt yêu cầu. Đây là một bước mà rất nhiều công cụ AI hiện nay bỏ qua. Ngoài việc hỗ trợ ứng tuyển, repo còn có thể tìm việc từ nhiều nguồn, phân tích khoảng cách giữa kỹ năng hiện tại với yêu cầu của từng vị trí để đề xuất lộ trình học tập, đồng thời theo dõi toàn bộ quá trình ứng tuyển của bạn. Xúc nó đi anh em https://github.com/MadsLorentzen/ai-job-search

Thua 5 tỷ, quay sang làm nhạc bằng AI và kiếm 700 triệu

Một lập trình viên kiêm KOL Trung Quốc tên Dương Bình từng lỗ gần 5 tỷ đồng vì chứng khoán. Sau đó anh chuyển sang nghiên cứu AI. Đầu năm 2025, anh dùng DeepSeek viết lời, kết hợp AI tạo nhạc để làm bài “7 ngày yêu”. Bài hát đạt hơn 100 triệu lượt nghe, mang về khoảng 700 triệu đồng tiền bản quyền trong 2 tháng. Anh tiếp tục làm nội dung về AI, thu hút gần 400.000 người theo dõi, rồi xây một “công ty một người” kết hợp AI và âm nhạc. Chỉ sau nửa tháng, nền tảng có hơn 40.000 tài khoản, hơn 1 triệu lượt truy cập mỗi ngày. Công ty hiện được định giá khoảng 26 tỷ đồng và đã nhận khoản đầu tư đầu tiên khoảng 2,6 tỷ đồng.

Hóa đơn Claude Code có thể giảm tới 70%, và bạn chỉ cần thêm một dòng lệnh

Một lập trình viên vừa tạo ra pxpipe, một proxy nhỏ nằm giữa Claude Code và API của Anthropic. Ý tưởng của dự án khá thú vị. Khi bạn dùng Claude Code, có rất nhiều token bị "đốt" cho những nội dung lặp đi lặp lại như system prompt, tài liệu hướng dẫn tool, lịch sử hội thoại, code cũ hay các file JSON lớn. Thay vì gửi toàn bộ những nội dung này dưới dạng văn bản, pxpipe sẽ chuyển chúng thành hình ảnh trước khi gửi lên model. Claude sau đó sẽ đọc lại hình ảnh này giống như đang đọc văn bản. Nghe có vẻ lạ, nhưng lý do nó hoạt động lại khá đơn giản. Chi phí xử lý image token được tính theo kích thước ảnh, chứ không phải theo số lượng ký tự chứa bên trong. Vì vậy, với những nội dung dày đặc như code, JSON hay tài liệu dài, chi phí có thể chỉ bằng khoảng 1/3 so với việc gửi dưới dạng text. Theo tác giả, điều này có thể giúp giảm tới 70% chi phí trong các phiên làm việc thực tế với Claude Code. Điểm hay là bạn không cần sửa bất kỳ dòng code nào trong dự án. Pxpipe chỉ đóng vai trò như một lớp proxy đứng phía trước Claude Code. Bạn vẫn sử dụng Claude như bình thường, chỉ khác là dữ liệu sẽ đi qua pxpipe trước khi được gửi đến API. Ngoài ra, dự án còn có một dashboard để theo dõi trực tiếp số token và số tiền bạn đang tiết kiệm được theo thời gian thực. Việc cài đặt cũng khá đơn giản. Chỉ cần chạy: npx pxpipe-proxy Sau đó trỏ Claude Code tới proxy cục bộ bằng một dòng lệnh: ANTHROPIC_BASE_URL=http://127.0.0.1:47821 claude Mở `localhost:47821` trên trình duyệt là bạn có thể theo dõi mức tiết kiệm ngay trong quá trình sử dụng. Tuy nhiên, dự án cũng có một lưu ý quan trọng. Vì nội dung được nén thành hình ảnh rồi AI đọc lại, nên những dữ liệu yêu cầu độ chính xác tuyệt đối như ID, hash hoặc các chuỗi số rất dài đôi khi có thể bị nhận diện sai một vài ký tự. Với những trường hợp này, tác giả khuyến nghị nên giữ nguyên dưới dạng văn bản và chỉ dùng pxpipe để nén những phần còn lại. [https://github.com/usestrix/strix](https://github.com/usestrix/strix) Hiện dự án đã đạt khoảng 1.200⭐ trên GitHub, phát hành theo giấy phép MIT và đang được sử dụng miễn phí. Điều thú vị hơn cả không phải là con số 70%, mà là ý tưởng phía sau: thay vì cố gắng giảm số lượng token, tác giả tìm cách thay đổi cách dữ liệu được gửi tới model để tận dụng cơ chế tính phí của image token. Đây là một ví dụ khá hay về việc đôi khi tối ưu chi phí AI không nằm ở model, mà nằm ở chính tầng giao tiếp giữa ứng dụng và API.

Đây là 2 nhân sự bạn nên tuyển vào team khi dùng Claude Code hay Codex

Nếu đang dùng Claude Code, Codex hay Cursor, có lẽ đây là hai "nhân sự" thú vị nhất trên GitHub thời gian gần đây. Cả Caveman và Ponytail đều từng đứng #1 GitHub Trending, nhưng điều đáng chú ý là chúng không phải model AI mới hay framework để xây AI Agent. Chúng chỉ làm đúng một việc: thay đổi cách AI làm việc. Một dự án giúp AI bớt nói, dự án còn lại giúp AI bớt viết code. Caveman Caveman ra đời để giải quyết một vấn đề mà hầu như ai dùng AI coding cũng từng gặp. Bạn chỉ muốn AI sửa một lỗi đơn giản, nhưng nó lại dành cả vài đoạn văn để giải thích kế hoạch, phân tích nguyên nhân rồi mới bắt đầu sửa. Trong nhiều trường hợp, bạn chỉ cần một câu như "Bug nằm ở auth middleware. Đã sửa xong." là đủ. Caveman về bản chất là một bộ quy tắc được nạp vào Claude Code, Codex hoặc các AI Agent khác để ép AI giao tiếp ngắn gọn hơn, loại bỏ phần giải thích không cần thiết và chỉ giữ lại thông tin kỹ thuật quan trọng. Theo benchmark của tác giả, lượng output token có thể giảm khoảng 75%, một bài toán React giảm từ 69 token xuống còn 19 token. Tuy nhiên, điều cần hiểu là Caveman không làm AI suy luận ít hơn hay thông minh hơn. Model vẫn reasoning như cũ, chỉ khác ở cách nó diễn đạt kết quả và lượng context phải lưu trữ trong quá trình làm việc. [https://github.com/juliusbrussee/caveman](https://github.com/juliusbrussee/caveman) Ponytail Trong khi đó, Ponytail lại nhắm đến một bottleneck khác. Nếu Caveman giảm lượng lời nói thì Ponytail giảm lượng code AI tạo ra. Một trong những điểm yếu phổ biến của AI hiện nay là xu hướng over-engineering. Chỉ một yêu cầu rất nhỏ nhưng AI có thể tạo thêm hàng loạt abstraction, helper, interface hoặc cài thêm thư viện chỉ để giải quyết một bài toán vốn rất đơn giản. Ví dụ, nếu chỉ cần chọn ngày, Ponytail sẽ ưu tiên dùng ngay `<input type="date">` thay vì cài thêm một thư viện như Flatpickr. Triết lý của dự án này là chỉ thêm độ phức tạp khi thật sự cần thiết, ưu tiên thư viện chuẩn của ngôn ngữ và tránh dependency không cần thiết. Theo benchmark của tác giả, lượng code có thể giảm khoảng 54%, có trường hợp lên tới 94%, đồng thời giảm khoảng 20% chi phí và tăng khoảng 27% tốc độ hoàn thành tác vụ. [https://github.com/DietrichGebert/ponytail](https://github.com/DietrichGebert/ponytail) Hai dự án này không cạnh tranh với nhau. Ban đầu nhiều người nghĩ phải chọn một trong hai, nhưng thực tế chúng giải quyết hai vấn đề hoàn toàn khác nhau. Caveman tối ưu cách AI giao tiếp, còn Ponytail tối ưu cách AI viết code. Hai lớp này hoàn toàn có thể kết hợp trong cùng một workflow, vì chúng tác động lên hai phần khác nhau trong quá trình làm việc của AI Agent. Tuy nhiên, cũng không nên kỳ vọng chỉ cần cài Caveman hay Ponytail là AI sẽ tự động làm việc tốt hơn. Những benchmark được công bố đều được đo trên codebase, workflow và tiêu chí đánh giá của chính tác giả. Điều đó không có nghĩa dự án của bạn cũng sẽ giảm 75% token hay một nửa lượng code. Trong nhiều trường hợp, việc AI giải thích chi tiết lại là điều cần thiết, chẳng hạn khi review kiến trúc hệ thống, phân tích bảo mật, onboarding thành viên mới hoặc đưa ra quyết định kỹ thuật. Tương tự, ít code hơn cũng không đồng nghĩa với code tốt hơn. Những hệ thống lớn thường chấp nhận nhiều abstraction hơn để đổi lấy khả năng mở rộng, kiểm thử và bảo trì trong nhiều năm.

Không lưu lại tiếc cả đời - Công đức vô lượng nằm ở đây

Hơn 1 triệu developer đang sử dụng nó để tìm các công cụ mã nguồn mở thay thế cho những phần mềm SaaS phải trả phí. Gần như mọi công cụ bạn đang trả tiền đều có thể có một phiên bản miễn phí, mã nguồn mở và tự host. Vấn đề là tìm chúng ở đâu. Rất nhiều dự án nằm rải rác trong README trên GitHub, các bài Reddit hoặc những bài blog gần như chẳng ai đọc. OpenAlternative giải quyết đúng vấn đề đó. Đây là một thư mục được tuyển chọn các công cụ mã nguồn mở thay thế cho những sản phẩm SaaS phổ biến, với hơn 12.000 người đăng ký và hàng trăm công cụ được xếp hạng dựa trên số sao GitHub, giấy phép và thời điểm commit gần nhất. Một vài công cụ đang được quan tâm: * Postiz (34K sao) thay thế Buffer * Cap (21K sao) thay thế Screen Studio * Ollama (179K sao) thay thế LM Studio * n8n (200K sao) thay thế Make * Firecrawl (170K sao) thay thế Jina * Supabase (108K sao) thay thế Firebase * Excalidraw (130K sao) thay thế Miro Bạn có thể lọc theo danh mục, công nghệ sử dụng, giấy phép hoặc chỉ xem những công cụ có thể tự host. Website cũng có một bộ sưu tập mới dành riêng cho AI, chỉ tập trung vào các công cụ mã nguồn mở thay thế những sản phẩm AI như Claude, Claude Code, Wispr Flow và nhiều công cụ khác. Điều thú vị là chính OpenAlternative cũng là một dự án mã nguồn mở. [https://openalternative.co/](https://openalternative.co/) Ryan Hart