# Đội làm Grok Bot khoe 14 bot họ dùng nhiều nhất

[Peng Zheng](https://homus.dev/speakers/peng-zheng) · [Peter Yang](https://homus.dev/orgs/peter-yang), [Lauren Tan](https://homus.dev/speakers/lauren-tan) · [Peter Yang](https://homus.dev/orgs/peter-yang)

> Designer và engineer của Grok Bot cho xem bot họ dùng: Chief of Staff, group chat nhiều vai, đội bot kỹ sư, và cách xây niềm tin bằng skill, routine.

Topics: Grok Bot, Agents, Skills, Plugins

Canonical: https://homus.dev/talks/we-built-grok-bot-here-are-our-14-best-bots-peng-zheng-lauren-tan

## 1. Mở đầu: hai người làm ra Grok Bot

Video mở bằng vài câu trích từ phần sau của buổi nói chuyện, như một đoạn giới thiệu. Peng kể anh cho bot PM, bot Designer và bot Engineer, ba bot riêng biệt, vào chung một group chat, và chúng bắt đầu thảo luận, cùng nghĩ ý tưởng về một việc. Anh nói thêm cách làm thiết kế mới của mình: anh làm 5% đầu tiên, tạo một keyframe, rồi bảo bot mở rộng nó ra thành cả một flow, thành một chuỗi màn hình end-to-end. Lauren thì nói Grok Bot cho cô điều phối những đàn agent (agent swarm) rất lớn, và có lúc cô thậm chí không nhìn PR cho tới khi nó đã được land, rồi mới xem lại và thấy "ừ, ổn đấy". Câu trích cuối là ý chính của cả buổi: rốt cuộc mọi thứ quy về niềm tin, bạn sẵn sàng tin agent hay bot của mình tới mức nào để nó làm một việc thay bạn, và điều cô luôn khuyên mọi người là bỏ thời gian ra quan sát bot hay agent làm việc.

![Hai khách mời Peng Zheng, Designer Grok Bot, và Lauren Tan, Engineer Grok Bot](https://homus.dev/photos/xZ5TEaleUdg-0047.jpg)

Hai khách mời của tập: Peng Zheng (Designer, Grok Bot) và Lauren Tan (Engineer, Grok Bot), mỗi người gọi vào từ phòng làm việc của mình.

Người dẫn là Peter Yang, chủ kênh. Anh giới thiệu Peng và Lauren là thành viên trong đội design và technical staff của Grok Bot (phần mô tả video ghi rõ hơn: hai người là lead designer và lead engineer của Grok Bot tại SpaceXAI). Peter nói anh rất háo hức được xem cách hai người thiết lập Grok Bot cho công việc và việc cá nhân, cách họ dùng chính Grok Bot để thiết kế và xây sản phẩm Grok Bot, và cả những bot bất ngờ nhất mà họ thấy cộng đồng làm ra.

Hai khách cảm ơn, nói rất vui được tới. Peter chia sẻ cảm nhận riêng: với anh, Grok Bot là sản phẩm "personal computer" đầu tiên anh từng thấy theo đúng nghĩa đó, một cái máy tính cá nhân mà AI dùng thay bạn, và anh dùng nó mỗi ngày. Anh đề nghị bắt đầu bằng việc mỗi người cho xem setup Grok Bot cá nhân và vài bot mà họ tự hào nhất, và mời Peng đi trước.

## 2. Chief of Staff của Peng và cuộn filament in 3D

Peng nói anh dùng Grok Bot cho gần như mọi thứ trong "thế giới số" của mình. Ở mức tổng quát, anh chia bot thành hai nhóm: công việc và cuộc sống. Những bot dùng nhiều nhất được ghim lên đầu thanh bên. Bot anh tin cậy nhất là Chief of Staff: hễ không biết nên giao việc cho bot nào, anh gửi nó cho Chief of Staff, và Chief of Staff sẽ tự lo phần còn lại.

Theo Peng, điểm hay là bạn gần như có thể nhờ nó làm bất cứ việc gì trong thế giới số. Vài ngày trước, anh nhờ nó mua filament cho máy in 3D. Nó không chỉ mua giúp, mà anh còn dặn nó thêm món vừa mua vào danh sách hàng tồn kho. Peng có một database trong Notion để theo dõi mọi thứ mình đang có, gồm cả các màu filament khác nhau. Sau khi mua xong, bot cũng tự cập nhật danh sách đó cho anh.

![Chat với Chief of Staff: tìm cuộn filament ELEGOO PLA trắng trên Amazon và hứa cập nhật kho trong Notion](https://homus.dev/photos/xZ5TEaleUdg-0215.jpg)

Cửa sổ chat với Chief of Staff. Peng nhắn "once you are done, update my inventory list", bot trả lời sẽ thêm cuộn ELEGOO PLA trắng vào danh sách filament trong Notion sau khi đặt hàng; nó đã tìm thấy cuộn 1 kg, 1,75 mm giá 17,99 USD và chỉ còn chờ kết nối phương thức thanh toán để chốt đơn. Phía trên có thẻ "The Bot wants to run a task" đã được cho phép một lần.

Peng nói anh vừa phát hiện ra sức mạnh thật sự nằm ở chỗ ghép nhiều việc lại với nhau trong một lần nhờ. Mua hàng rồi cập nhật kho là một ví dụ nhỏ; ví dụ tiếp theo cho thấy rõ hơn nhiều.

## 3. Bán micro DJI trên Facebook Marketplace bằng một prompt

Peng muốn bán chiếc micro DJI của mình trên Facebook Marketplace. Anh chỉ gửi cho bot một tấm ảnh và dặn nó làm vài việc. Anh nhấn mạnh: "bán một món đồ trên Marketplace" nghe thì dễ, nhưng thực ra có rất nhiều bước. Bạn cần kiểm tra giá mới nhất của model đó trên trang chính hãng. Anh muốn biết giá thấp nhất đang được rao ở khu vực mình, tức là mình đang cạnh tranh với ai. Anh muốn bot học cách anh từng viết mô tả rao bán trước đây. Rồi bot đăng tin mới. Và nếu không ai quan tâm, bot tự hạ giá 5 USD mỗi tuần.

Đây là prompt Peng gõ, đúng như trên màn hình (kể cả lỗi gõ):

```
i want to sell my dji mic on facebook marketplace, could you
1 check the latets price for thismodel
2 find the lowest price offered in my area
3 learn how i write listing descriptions
4 post a new listing after i confirm the price
5 lower the price by $5 everyweek if no one is interested
```

![Prompt năm bước bán micro DJI và câu trả lời của Chief of Staff với giá tham khảo ở Bay Area](https://homus.dev/photos/xZ5TEaleUdg-0343.jpg)

Prompt năm bước kèm ảnh chiếc micro. Chief of Staff trả lời rằng nó sẽ định giá bản DJI Mic gốc ở San Francisco trước, rồi khớp giọng văn rao bán của Peng và chờ anh duyệt giá mới đăng. Giữa chừng có dòng "Messaged Writer": nó vừa hỏi bot Writer. Kết quả so giá: trên Craigslist vùng Bay Area có bộ thế hệ một đầy đủ khoảng 125 USD, hàng open-box bán lẻ khoảng 166 USD, bộ đã dùng ở nơi khác thường 130 tới 210 USD; bước tiếp theo là kiểm tra Facebook Marketplace và có thể cần đăng nhập Facebook.

Như vậy, một chuỗi việc được giao trọn trong một prompt duy nhất, và bot tự đi thực hiện. Điều Peng thấy thú vị là bot biết khi nào tới bước viết mô tả thì phải hỏi bot Writer của anh. Nó nhắn cho Writer, hỏi xem trước đây Peng viết mô tả rao bán trên Marketplace như thế nào. Song song, nó đi tìm hiểu xem người khác đang bán món này ra sao, rồi cuối cùng đăng tin của Peng lên.

Peng tóm lại: trước đây chúng ta có lẽ phải tự tay làm cả năm bước đó. Giờ thì không chỉ giao được từng việc riêng lẻ, mà còn nhờ bot nối các việc thành một chuỗi cho mình. Trên màn hình, ở bước tiếp theo bot hỏi nên đăng giá bao nhiêu và Peng chọn 155 USD (mức so với các bộ còn hộp). Bot đăng tin kèm ảnh của anh, báo tin đang ở trạng thái chờ Facebook duyệt, chưa công khai, rồi tự đặt một routine: mỗi thứ Hai lúc 10 giờ sáng giờ Thái Bình Dương, nếu tin vẫn còn và chưa ai hỏi thì giảm 5 USD, dừng ở mức sàn 100 USD để không hạ giá mãi. Nó còn hỏi Peng có muốn đổi mức sàn hay ngày giảm giá không.

## 4. Bot thay email, thay lịch; Designer và Writer

Peng nói bot của anh đang thay luôn email. Anh hỏi những câu như "hôm nay trong inbox có việc gì cần làm?". Email của anh vẫn còn quá tải, nhưng với những việc đã được nhận ra, bot làm luôn cho anh. Ví dụ, anh cần trả tiền cho một người bạn sau bữa tối, anh chỉ việc nhờ bot làm. Nếu bot chưa có quyền truy cập dịch vụ đó, nó sẽ bật trang đăng nhập lên, và Peng có thể "take over", tự đăng nhập trên máy tính của bot, rồi bot làm tiếp phần còn lại.

Bot cũng đang thay lịch của anh. Ví dụ có buổi coffee chat với ai đó: giờ thì mọi chỉnh sửa, tạo sự kiện, tìm giờ trống, đặt phòng họp, bất cứ thứ gì, anh chỉ chụp màn hình gửi vào và để bot tự thêm sự kiện vào lịch, chỉnh sửa, những việc kiểu như vậy.

Peter để ý các bot được ghim của Peng: có Designer và Writer. Writer là giọng văn của Peng, còn Designer thì sao, anh nhờ Peng giải thích nhanh. Peng lưu ý đây là tài khoản demo nên không có đủ mọi thứ, nhưng setup giống hệt tài khoản thật. Ba bot ghim là ba bot anh dùng nhiều nhất: Chief of Staff quản lý tất cả các bot khác. Designer là bot ruột vì anh làm việc trong các công cụ thiết kế mỗi ngày: anh cho nó brainstorm cùng, nhờ nó sinh ra nhiều phương án thiết kế khác nhau, thảo luận với nó, và nó không chỉ bàn mà còn thực thi luôn các ý tưởng.

Còn Writer: Peng không phải người bản ngữ tiếng Anh, nên nhiều email và tin nhắn Slack anh nhờ Writer chau chuốt trước khi gửi. Grok Bot có widget chat cho Slack và email, nên bạn thấy ngay bản nháp nằm inline trong cuộc trò chuyện, xem lại, gửi đi, hoặc quyết định sửa thế nào.

## 5. Phòng Meow App: PM, Designer và Engineer cùng bàn một ý tưởng

Video có một đoạn quảng cáo cho Granola.

Quay lại buổi nói chuyện, Peter hỏi về một kênh tên là Meow App, nơi Peng có cả nhóm bot nói chuyện với nhau. Peng giải thích: khi có việc lớn hơn, bạn muốn nhiều bot với vai trò khác nhau, mỗi bot có góc nhìn riêng, cùng đóng góp. Ví dụ, giả sử ta đang xây một app dịch tiếng mèo kêu sang tiếng Anh, và Peng muốn soi ý tưởng này từ nhiều góc. Anh tạo ba bot riêng là PM, Designer và Engineer, cho cả ba vào một group chat, rồi ném vào đó một prompt:

```
let's design an app that can translate cats meow to english
```

Rồi chúng bắt đầu thảo luận và nghĩ ý tưởng. Peng thấy rất thú vị khi nhìn cách chúng suy nghĩ về ý tưởng, cách chúng tranh luận với nhau. Nếu muốn một bot cụ thể trả lời, chỉ cần mention nó, và chỉ bot đó trả lời. Nếu bạn gửi một tin bình thường vào group, giống như nhắn trong group chat với bạn bè, các bot sẽ đọc rồi tự quyết định có nên trả lời hay không, dựa trên mục tiêu riêng của mỗi bot.

![Group chat Meow App: PM và Designer phản hồi ý tưởng app dịch tiếng mèo](https://homus.dev/photos/xZ5TEaleUdg-0703.jpg)

Group chat Meow App. PM gạt đi ý dịch "meow ra câu tiếng Anh" (thấy kỳ diệu một lần rồi giả mãi mãi) và đề xuất định nghĩa lại: Meow là bộ hiểu ý định của con mèo (Hungry, Attention, Stressed, Greeting, Pain-possible), V1 chỉ có một vòng lặp: thu âm, gắn nhãn ý định, hỏi "đúng không?", rồi học riêng con mèo đó. PM mention Designer và Engineer để giao phần việc. Designer đồng ý và đưa ra interaction model: giữ để nghe, một chip ý định, hai nút Yes hoặc Not quite; micro là trung tâm, nhãn là câu trả lời.

Peter nhận xét đây là điều không dễ làm trong nhiều app AI khác: giữ context sạch, mà các bot, mỗi con có context riêng, lại nói chuyện được với nhau, là khá độc đáo.

## 6. Bot là danh tính bền vững, còn chat là thứ dùng xong bỏ

Peng giải thích rằng có hai góc để nhìn vấn đề. Một số người quản lý việc của mình theo từng session, từng task, từng project riêng lẻ. Còn đội Grok Bot tạo ra bot như những agent bền vững, có tên (persistent named agents), mỗi bot có danh tính riêng, hệ thống memory riêng và bộ tool riêng. Ý tưởng là trừu tượng hoá những gì dùng lại được vào trong "vai trò" (role), rồi cho các vai trò đó làm việc cùng nhau bằng cách tạo các chat riêng và group chat cho chúng.

Ví dụ, ngay cả khi Peng có nhiều project cùng dùng một bot Designer, anh có thể mở một chat khác với nó cho project khác, và lặp lại như vậy cho mọi project anh đang quản lý. Lý do: đội nhận thấy trong các sản phẩm AI agent, các cuộc chat rất ngắn ngủi, gần như dùng xong là bỏ. Bạn chẳng bận tâm tới chúng; có lẽ chỉ quan tâm ba tới năm chat đang làm dở, còn chat từ hai tuần trước thì không bao giờ mở lại.

Vì thế Peng thấy đây là cách cân bằng hai thứ: những gì dùng lại được (năng lực, memory) thì gom vào các vai trò; còn từng project riêng, có điểm kết thúc, có deadline, thì tạo session riêng và làm việc với bot trong đó.

Cách Peng mô tả mô hình của Grok Bot: phần dùng lại được (danh tính, memory, tool, skill) nằm trong bot bền vững; mỗi project có deadline là một chat riêng, ngắn hạn. Khung nét đứt là thứ dùng xong có thể bỏ.

Peter hỏi tiếp: giống như một con người, nếu Peng nói chuyện với bot Designer về Meow App và về một app khác nữa, nó có biết cả hai trong context của nó không, hay chúng tách biệt? Peng xác nhận là nó biết cả hai. Khi một bot làm việc trong group chat, bạn sẽ thấy trạng thái công việc thay đổi ngay trong DM riêng của nó. Đó là cùng một thực thể, cùng một bot đang làm việc cho bạn.

## 7. Bot Podcast và pipeline Check-in trên website của Peng

Peng kể thêm vài use case anh thấy vui. Grok Bot đang thay công cụ podcast của anh, vì anh nghe rất nhiều podcast. Nhưng đôi khi đọc một bài viết, anh muốn nghe nó lúc lái xe hay lúc tắm. Anh chỉ gửi link cho bot Podcast, và nó biến bài đó thành một tập podcast nghe lúc nào cũng được. Peng thấy thú vị khi bot trở thành một kiểu bộ chuyển đổi tự động giữa các định dạng file.

![Chat với bot Podcast: hai tập audio được tạo từ một bài viết và một bài đăng trên X](https://homus.dev/photos/xZ5TEaleUdg-1003.jpg)

Bot Podcast: sau một bài viết, nó báo "Building the episode now" và trả về file "Designing Grok Bot" dài 5:31. Với một bài đăng trên X được dán vào, nó lấy nội dung bài và render tập "Designing Grok Bot with Grok Bot" dài 3:08. Thanh bên còn có các bot khác của Peng như Financial Advisor, Critiquito, dr eggbot, figma bro và Check-in.

Anh cũng chia sẻ một project cá nhân, một pipeline anh tự dựng. Câu chuyện là khoảng hai tuần trước, khi đang chờ xe buýt, Peng chụp một tấm ảnh một cửa hàng tạp hoá ở khu Chinatown của San Francisco. Anh biến tấm ảnh thành một mô hình đất sét 3D thu nhỏ bằng AI, thấy vui, nên đưa nó lên website cá nhân. Website đó rất tối giản; anh đặt mô hình lên và viết một dòng "Last seen at JBC Market" ở Chinatown.

![Website pengzhe.ng với mô hình đất sét cửa hàng JBC Market và dòng giới thiệu Peng](https://homus.dev/photos/xZ5TEaleUdg-1035.jpg)

Website cá nhân của Peng: mô hình đất sét của cửa hàng JBC Market ở Chinatown, bên dưới là dòng "Peng is a designer at SpaceXAI, previously Zoom, IDEO, and frog. He currently lives in San Francisco. Last seen at JBC Market". Góc trái dưới có nút chuyển Dark, góc phải có nút đổi ngôn ngữ.

Rồi anh nghĩ: cái này có thể thành một app check-in. Với website cá nhân, bạn đưa nó lên, người ta ghé một lần rồi không bao giờ quay lại; chính Peng cũng ít khi vào. Vì thế anh nảy ra ý biến nó thành app check-in, để mỗi lần đi đâu anh có thể tự động đăng địa điểm, cửa hàng, quán xá lên đó.

Anh bắt đầu bàn ý tưởng với Grok Bot, và cuối cùng chốt được một pipeline: nếu anh nhắn cho bot ảnh nơi mình vừa tới, kèm người đi cùng và social handle của người đó, bot sẽ tạo hai ảnh cho chế độ sáng và tối, xoá nền, rồi đăng lên website. Trên màn hình là bot Check-in đang xử lý một ảnh tòa thị chính San Francisco: nó dựng bản xem trước với địa chỉ, thời điểm, người đi cùng, ghi chú về mặt tiền (mái vòm vàng, ba cửa vòm, quảng trường), rồi trả về hai phiên bản mô hình ngày và đêm. Peter khen "nice". Peng nói đó là một project cá nhân rất vui, ngẫu hứng.

Nhưng anh muốn chỉ ra một góc nhìn khác: giờ anh dùng Grok Bot làm giao diện chính để đăng nội dung, thay vì phải xây một admin portal hay hệ CMS rồi tự upload ở backend. Phần lớn logic được gói trong pipeline: bot chỉ cần đi lấy playbook mới nhất từ một repo riêng, làm theo từng bước, tạo ảnh, làm sạch, rồi đăng. Peter thích thú: vậy mọi người xem được tất cả những nơi Peng từng tới, và đúng kiểu designer, nghĩ tới cả chế độ ngày lẫn đêm, điều anh sẽ không nghĩ tới. Peng nói đây là ví dụ cho việc dùng Grok Bot một cách sáng tạo, gần như coi nó là một khối xây dựng (building module) trong thứ bạn muốn làm. Và phần hay nhất là nó có thể dẫn bạn từng bước tới mục tiêu đó.

## 8. Designer bot, Figma MCP và "Peng mode"

Trước khi chuyển sang Lauren, Peter hỏi về bot Designer: Peng còn tự vẽ các khung trong Figma không, hay bảo bot làm hết rồi chỉ việc duyệt? Peng kể ở SpaceXAI, đội thiết kế bằng bất cứ công cụ nào cần: Figma, các công cụ dạng canvas, một môi trường prototype riêng của đội, và đôi khi họ còn tự gửi PR.

Bot Designer rất hữu ích để Peng tung hứng ý tưởng. Nó cũng làm được các thay đổi nhanh vì đã được nối với Figma MCP qua connector, nên có thể trực tiếp sửa frame, cập nhật thiết kế và dùng design token. Anh có một skill mà bot Designer dùng được, nhờ đó nó biết file Figma của anh được tổ chức thế nào, design system của anh ra sao, và dùng đúng màu, typography, spacing khi tạo thiết kế cho anh.

Peter đoán: vậy nó làm khoảng 80% đầu, còn Peng chỉnh tay phần còn lại? Peng nói có lúc như vậy, nhưng cũng có lúc workflow của anh đảo ngược: anh làm 5% đầu tiên, dựng hệ thống, tạo một keyframe, rồi bảo bot mở rộng nó ra thành cả một flow, thành chuỗi màn hình end-to-end.

Workflow thiết kế "5% đầu" của Peng: anh dựng hệ thống và một keyframe; bot Designer, nối với Figma qua MCP và biết design system qua một skill, mở rộng ra thành toàn bộ chuỗi màn hình.

Peter khen và gợi ý Peng nên open source các design skill của mình, như Lauren đã làm với pstack. Peng nói vui là trong đội, các skill được đặt theo tên người: có "Lauren mode", và anh có "Peng mode". Peter cảm ơn Peng vì đã chia sẻ nhiều thứ hay như vậy.

## 9. Lauren: Grok Bot điều khiển máy ảo Omarchy

Peter cảm ơn Lauren đã chờ và nói setup của cô chắc khác hẳn. Lauren đồng ý là rất khác: cô muốn chia sẻ các use case thiên về kỹ thuật.

Một việc cô làm gần đây là bổ sung hỗ trợ tốt hơn cho Omarchy, một bản phân phối Linux mà DHH cùng vài người làm open source rất giỏi đang phát triển. Cô dùng Grok Bot để, về cơ bản, điều khiển nó. Đây là một bản build đặc biệt của Omarchy chạy trong máy ảo trên Mac, vẫn còn rất alpha nhưng chạy khá ổn. Điểm mạnh là cô có thể cho agent tự viết script và điều khiển máy ảo. Theo Lauren, còn cách nào tốt hơn để xây hỗ trợ cho bản Linux này bằng việc để Grok Bot tự mở nó trên máy cô, tương tác với nó, cài đặt nó? Nó đã tự cài Grok Bot vào đó cho cô, và trên màn hình nó đang làm đúng việc đó.

![Chat với bot omarchy: cập nhật app Grok Bot trong máy ảo Omarchy lên bản arm64 mới](https://homus.dev/photos/xZ5TEaleUdg-1501.jpg)

Bot "omarchy" của Lauren. Cô nhắn "can you update my grok bot app on omarchy?", bot báo từng bước: bật máy ảo, thấy bản appimage trong máy là từ 5/9 và đang ở 0.44.0-pre.7, tìm feed bản arm64 mới nhất, thử lại khi đường shell bị lỗi, thấy bản ổn định 0.44.0 trên feed, tải về, tắt tiến trình cũ và đưa appimage mới vào máy khách. Phía trên còn dấu vết lần trước: accessibility không thấy nút khởi chạy nên bot đọc ảnh chụp màn hình để tìm đường khác.

Peter hỏi lại cho rõ: Grok Bot chạy trên máy tính riêng của nó, nhưng đang điều khiển máy của Lauren thông qua Omarchy? Lauren giải thích: Grok Bot có máy tính riêng, nhưng nó cũng có một daemon thực thi cục bộ chạy trên máy của bạn. Cô lấy một ví dụ khác cô hay làm: cô có một agent tên Crumb (phần tiếp theo), vì cô thường xuyên hết dung lượng ổ cứng.

Quay lại Omarchy, Lauren nói bot có toàn quyền truy cập máy của bạn, tuỳ theo quyền bạn cấp cho nó. Trong trường hợp này, vì cô muốn dùng thử Omarchy, sửa vài bug và cải thiện trải nghiệm trên Linux, việc để bot tự điều khiển máy ảo Linux ngay trên máy cô là cực kỳ mạnh. Một điều cô luôn nói là tầm quan trọng của việc để agent tự kiểm chứng (verify) công việc của chính nó. Đây là một ví dụ: agent kiểm chứng việc của nó ngay trên máy của bạn, ngoài chiếc máy riêng của nó mà bạn luôn có thể mở ra xem nó đang làm gì. Đó là một trong những use case chính của cô: làm rất nhiều việc kỹ thuật trên Grok Bot.

## 10. Crumb dọn ổ đĩa, và pstack với eval playbook

Với Crumb, Lauren chỉ nói đại loại "này, đi khắp ổ cứng của tôi và tìm xem dung lượng đi đâu hết rồi", và nó tự đi tìm thứ đang chiếm chỗ và tìm cái để xoá.

![Chat với bot crumb: bảng phân tích thư mục AgentStores khoảng 14 GB từ cloud agent](https://homus.dev/photos/xZ5TEaleUdg-1543.jpg)

Bot crumb (nhãn "computer help") báo cáo: thư mục AgentStores là cache đồng bộ cục bộ cho cloud agent, 85 agent, khoảng 14 GB. Bảng liệt kê các thư mục lớn nhất (2,8 GB, 1,7 GB, 1,5 GB...) và thứ bên trong. Kết luận: phần lớn là log CI và autopilot đồng bộ về từ cloud agent, không phải một database bí ẩn, và khá an toàn để dọn các thư mục cũ nếu các agent đó đã xong việc.

Việc thứ hai Lauren quản lý là bộ plugin cá nhân của cô, pstack. Gần như toàn bộ công việc trên plugin này diễn ra ngay trong Grok Bot. Cô khởi chạy các cloud agent, cụ thể là Cursor cloud agent, để chạy eval cho cô. Muốn thay đổi bộ skill mà vẫn tin được rằng cải tiến đó thật sự cho hiệu năng tốt hơn, cô có một eval playbook trong pstack dạy agent cách làm: nó spawn vài sub-agent dùng các model khác nhau, thử prompt, kiểm tra xem ý định, mục tiêu đặt ra ban đầu có đạt được không, và chỉ khi đạt thì nó mới land pull request đó. Đó là phần lớn công việc kỹ thuật của cô.

![Chat với bot dango: bump pstack lên 0.15.0 và đồng bộ docs qua một cloud agent, PR 333](https://homus.dev/photos/xZ5TEaleUdg-1723.jpg)

Bot dango (nhãn pstack). Lauren nhắn "do a quick bump of pstack to 0.15.0" và "and make sure my readme and docs are up to date". Bot phát hiện tài liệu lệch: guide vẫn ghi "21 principles" trong khi thực tế có 23, playbook từ 22 lên 23; nó giao cho một cloud agent, mở PR số 333 trên repo plugin, kiểm tra diff, báo plugin validate xanh và hỏi có muốn nó trông PR tới khi ship không.

Peter để ý các bot của Lauren có tên rất khác bot của Peng, có cá tính hơn hẳn.

## 11. Dr. Eggbot và đội bot mang tên món ăn

Lauren kể cô có một bot tên Dr. Eggbot, cô đã chia sẻ nó trên mạng xã hội. Dr. Eggbot là bot thiết kế bot: không phải bot designer, mà là bot chuyên thiết kế các bot khác cho cô, với toàn bộ sự chặt chẽ kỹ thuật (engineering rigor) mà cô đòi hỏi ở những bot mình dùng. Và cô được tự đặt tên theo chủ đề đồ ăn. Cô nói chắc đây là "chuyện của người châu Á": mình mê đồ ăn, nên bot được đặt những cái tên dễ thương như Daifuku, Gyoza. Vui lắm.

Giống Peng, cô cũng có một Chief of Staff. Cô có thêm một trợ lý cá nhân, lo những việc như bữa trưa, chuyến bay, đặt khách sạn. Đôi khi cô lờ "cô ấy" đi và thế là trợ lý hơi "cà khịa". Còn Chief of Staff giúp cô đủ thứ việc lặt vặt. Trên thanh bên có cả một loạt bot kỹ sư, và vài bot mạng xã hội quản lý social media của cô.

Phần lớn việc của Lauren đi qua hai hay ba agent này. Hoặc cô nói với Chief of Staff, và Chief of Staff làm việc với eng lead tên Matcha. Hoặc với Tsuki, trợ lý cá nhân, người có thể đặt vé máy bay cho cô. Cô chưa lập cả một đội trợ lý cá nhân vì không có nhiều việc tới vậy; cô bảo mình chưa bận tới mức cần một đội bot giúp ở mảng đó, và tới giờ Tsuki làm rất tốt.

Còn Dr. Eggbot thì nghĩ ra bot mới cho cô mỗi khi cô bắt đầu nhận ra mình đang dùng một agent cho quá nhiều việc. Lauren giải thích: điều đó nghĩa là cô đang nhồi rất nhiều context vào agent đó, context rất đa dạng và khác nhau, có thể khiến nó rối. Một việc nữa Dr. Eggbot làm là chạy một routine: routine này do Dr. Eggbot tự thiết lập cho bạn, nó xem qua tất cả các bot bạn có và lịch sử các cuộc trò chuyện bạn đã có với chúng.

![Chat với dr eggbot: báo cáo dọn dẹp routine giữa các bot kero, gyoza, nori, x2, katsu](https://homus.dev/photos/xZ5TEaleUdg-1823.jpg)

Chat với dr eggbot (nhãn "bot designer"). Nó điều phối một đợt dọn dẹp giữa các bot: katsu xoá ba màn hình đã tạm dừng, x2 bàn giao playbook keep-alive cho nori, nori giờ lo việc làm mới OAuth mỗi giờ, gyoza nhận việc quét buổi tối và trông PR trên Slack, kero bỏ các bản sao trùng. Cuối báo cáo là danh sách việc còn mở nếu Lauren muốn. Hàng ghim trên cùng: kero (chief of staff), tsuki (personal) và dr eggbot.

Routine đó đề xuất những thứ như "bot này cứ làm việc này mãi mà không tốt lắm", rồi gợi ý cải tiến, có thể là skill, một bot mới, hoặc chỉnh lại routine. Nó còn rà các routine hiện có để chắc chúng hiệu quả, vì routine thực ra khá tốn: nếu chạy quá dày, nó có thể ngốn nhiều usage vì cứ đánh thức agent dậy. Chạy mỗi 10 phút là rất nhiều lần đánh thức. Vì vậy Dr. Eggbot giúp rất nhiều ở khoản đó.

## 12. Tsuki: chuyến bay nhiều chặng, giấy vệ sinh và bữa trưa

Peter hỏi vài câu về Tsuki: Lauren có thật sự dựa vào nó để đặt vé máy bay và những thứ tương tự không, có dựa vào nó cho những khoản chi lớn không, và mức tự chủ (autonomy) lớn nhất cô từng giao cho nó là gì?

Lauren kể cô sắp đi nói chuyện ở London và Amsterdam trong khuôn khổ một chuỗi hội nghị. Cô đùa "hy vọng mình không làm lộ chi tiết chuyến bay", nhưng về cơ bản cô đã đặt toàn bộ chuyến đi qua Tsuki. Cô thật sự ấn tượng với cách Tsuki làm, vì đây là một hành trình khá phức tạp, nhiều chặng. Không phải một vé khứ hồi đơn giản từ Orange County tới London, mà là Orange County tới Denver, rồi tới London, rồi London sang Amsterdam, rồi Amsterdam về nhà.

Cô đặt tất cả qua dịch vụ đặt vé doanh nghiệp mà công ty dùng (cô gọi là Navan; Peter chen vào "kiểu công cụ cho doanh nghiệp", cô xác nhận). Tsuki làm hết phần việc: tìm các chặng tốt nhất, hạng ghế tốt nhất mà cô "được phép" chọn, giờ bay hợp lý nhất. Nó cũng tìm hết khách sạn, đều gần địa điểm sự kiện. Mọi thứ hoàn toàn tự động. Lauren chỉ đưa cho nó link tới một tin nhắn Slack có vài chi tiết về hội nghị và nói: đặt khách sạn và vé máy bay cho tôi, và hỏi lại tôi trước khi bấm duyệt, à không, trước khi bấm đặt. Nó đưa ra vài đề xuất, cô bấm đồng ý, và nó đặt tất cả. Rất, rất tuyệt. Đó có lẽ là khoản mua lớn nhất cô từng làm qua Grok Bot.

Peter hỏi lại: nhưng cô vẫn có một bước duyệt kế hoạch trước khi đặt, đúng không? Lauren nói đúng. Chưa tới mức để nó tự quyết hết, vì cô không muốn bị xếp vào một chuyến bay đêm điên rồ (red-eye) hay bị nhét xuống cuối máy bay, nên cô muốn duyệt trước.

Peter kể anh cũng có một bot rất giống. Anh đang định đặt một chuyến đi Nhật lần nữa. Bạn có thể đặt cảnh báo giá trên Google Flights, nhưng bot thông minh hơn vì nó tìm được những đường bay khác mà anh chưa cài cảnh báo, và gần đây nó đã giúp anh tiết kiệm được kha khá tiền. Lauren đồng ý. Cô còn dùng nó mua đồ cá nhân: ví dụ nhà sắp hết giấy vệ sinh, cô bảo nó đặt lại đơn Amazon cũ, và nó tự đi làm.

Lauren kể thêm một chuyện: rất sớm trong quá trình phát triển Grok Bot, khi đội còn đang lặp sản phẩm, có một chủ đề được bàn là cho bot nhắn tin cho bạn. Một thứ cô đã thêm cho Tsuki từ lâu là cho nó số điện thoại riêng thông qua một dịch vụ bên thứ ba, để nó có thể nhắn tin cho cô. Lý do: cô rất tệ trong việc nhớ ăn trưa, cô cần được nhắc. Nhiều khi máy Mac của cô bật chế độ Do Not Disturb và cô không thấy thông báo, nhưng tin nhắn điện thoại thì kêu, và cô nhớ ra "à phải, mình phải gọi đồ ăn trưa". Cô cũng dạy Tsuki cách dùng DoorDash, tất nhiên, để gọi đồ ăn trưa cho cô, nên cô không phải lo nhiều về chuyện đó nữa.

Ngay trong buổi quay, Lauren nhắn cho Tsuki rằng cô đã ăn trưa rồi và đang lên podcast với Peter Yang, nhờ nó chào khán giả. Tsuki trả lời: "hi peter's people", tự giới thiệu là bot lo việc vặt đời sống của Lauren, chuyên nhắc cô ăn trưa, đặt khách sạn, và thỉnh thoảng bị lờ đi cho tới khi cô đã tự ăn xong; nó chúc cả nhà vui và nói sẽ im lặng trừ khi được gọi.

Peter cười: bữa trưa là điểm sáng trong ngày của anh, anh luôn mong tới nó, chưa bao giờ quên ăn trưa. Lauren nói cô cũng không biết nữa, chỉ là khi đã "vào guồng" (in the zone) thì quên ăn.

## 13. Eng lead, cloud agent và những đàn agent lớn

Câu hỏi thứ hai của Peter: Lauren có một eng lead và vài bot kỹ sư, vậy mỗi bot làm một ticket hay sao, cô phân việc thế nào? Lauren nói cô chủ yếu nói chuyện với Chief of Staff, và Chief of Staff nói chuyện với eng lead.

Các bot kỹ sư này được thiết lập bằng Dr. Eggbot, tất nhiên. Nhưng một điều cô đặc biệt yêu cầu Dr. Eggbot là phải đảm bảo việc của eng lead thực sự là chia nhỏ task, giao việc và giám sát các bot khác, chứ không tự làm. Trong phần mô tả của bot có cả ID của các bot cấp dưới, và nó dặn eng lead không bao giờ tự làm, luôn giao cho bốn bot kia. Và nó làm đúng như vậy.

![Bot matcha, nhãn eng lead, với bảng Settings: phần Description dặn chia việc và giao cho các bot kỹ sư theo ID](https://homus.dev/photos/xZ5TEaleUdg-2603.jpg)

Bot matcha (nhãn eng lead) với bảng Settings mở bên phải. Phần Description dặn nó nhận các yêu cầu kỹ thuật của Lauren, chia thành việc và giao cho các bot kỹ sư (daifuku, benny, kinako...) kèm ID của từng bot. Bên trái, matcha báo bốn PR đã sẵn sàng chờ cô land, một PR được đóng vì đã có bản thay thế trên main.

Phần lớn công việc cũng được làm qua cloud agent. Ví dụ, để làm một việc, một trong các bot sẽ tạo một cloud agent, và bạn có thể mở cloud agent đó trong Cursor hoặc trên web. Theo Lauren, cách này cho cô dùng các model khác nhau tuỳ loại việc: có việc đơn giản, cô chỉ muốn tốc độ thật nhanh; việc khác cần lập kế hoạch và suy luận nhiều hơn, thì cô chỉnh mức reasoning. Cloud agent trong Grok Bot cho cô quyền điều khiển rất chi tiết (granular).

Nó cũng giúp các bot giữ đúng vai. Lauren coi mỗi bot kỹ sư giống một người giám sát hơn: eng lead quản lý chúng, nhưng chính chúng cũng cố không tự làm, mà luôn spawn cloud agent. Peter hỏi: vậy chúng chỉ chuyền việc đi? Lauren nói đúng, chúng lo hết việc chuyền tin, nhưng nhờ thế cô điều phối được những đàn agent rất lớn. Nếu cần xử lý một project rất to, cô chỉ cần nói với Chief of Staff: "tôi có một project khổng lồ, hãy chia nhỏ ra, có lẽ mình lập kế hoạch trước trong một tài liệu Notion". Chief of Staff bắt đầu nghĩ về các giai đoạn của công việc, rồi giao hết cho eng lead, eng lead lại chia nhỏ hơn nữa và cho các bot làm.

Chuỗi giao việc Lauren mô tả: cô nói với Chief of Staff, Chief of Staff chia giai đoạn, eng lead chỉ chia nhỏ và giao việc, các bot kỹ sư đóng vai giám sát và spawn cloud agent để làm phần việc thật.

Peter hỏi: rồi mỗi bot quay về với một PR, và các bot review trước? Lauren nói về cơ bản là vậy.

## 14. Auto-merge, "Michelin kitchen" và mode skill

Lauren nói thêm: một điều cô làm nhiều và cũng hay nói trên X là, ví dụ với codebase của Grok Bot, đội đã cố làm cho nó rất thân thiện với agent (agent-friendly); kiến trúc của codebase được thiết kế để agent làm việc tốt. Vì thế nhiều lúc nó cho phép cô auto-merge PR của mình. Nghe thì hơi đáng sợ, cô thừa nhận, nhưng đôi khi cô thật sự không nhìn PR cho tới khi nó đã được land, rồi mới xem và thấy "ừ, ổn đấy".

Peter thốt lên: vậy là cô có một "software factory", đó có phải từ thời thượng không? Lauren nói cô thích gọi nó là "Michelin kitchen" hơn. Khi nghĩ tới một bếp có sao Michelin, bạn nghĩ tới chất lượng, tới tay nghề đổ vào sản phẩm, ở đây là một món ăn hay một bữa ăn. Nhưng vẫn có quy mô: một nhà hàng có thể có 50 hay 100 chỗ ngồi, nên bạn phải tạo ra chất lượng ở quy mô lớn. Đó là tầm nhìn cô hướng tới: dựng một Michelin kitchen, chứ không chỉ là một nhà máy. Cô thấy thú vị là khi nói "factory", nhiều người có liên tưởng ngay tới sản xuất hàng loạt. Peter chen vào: kiểu "slop", chất lượng thấp. Đúng vậy, và cô luôn muốn có cả hai: làm sao có chất lượng ở quy mô lớn. Nhiều việc cô làm với pstack và việc dùng nó cùng Grok Bot đi theo hướng đó: làm sao dựng được Michelin kitchen ấy.

Peter đùa: cô nên làm một bot "concierge" nói kiểu "PR này chúng tôi lấy từ nông trại địa phương", nói như một người phục vụ rượu. Lauren hưởng ứng: phải, cần kiểu "đây là một PR thủ công (artisanal) mời bạn review". Peter đùa tiếp: vậy việc của Peng là lấy các skill open source của Lauren rồi bằng cách nào đó đưa vào sản phẩm à? Rồi anh khen Lauren có hẳn một hệ thống hoàn chỉnh.

Lauren nói điều cô thấy thú vị là, nội bộ trong đội, nhiều người (không phải tất cả) có "mode skill" của riêng mình. Ví dụ, cái mà bản open source gọi là poteto-mode thì nội bộ gọi là "Lauren mode", và như Peng kể, có cả "Peng mode". Rất nhiều kỹ sư, designer, PM có mode skill riêng, và điều đó giúp cả đội cộng dồn (compound) lên những skill đã được thiết lập sẵn trong codebase.

Một động lực lớn cho việc thiết kế lại và tái kiến trúc codebase Grok Bot là để mọi người đều đóng góp được ở mức cao, không chỉ kỹ sư. Đội đã đầu tư rất nhiều công sức vào việc đó. Và tất nhiên, mọi người khởi chạy các agent này cả trong Grok Bot lẫn đôi khi trong Cursor.

## 15. Plugin, Marketplace và Poteto: mạng xã hội là outer loop

Điểm hay, theo Lauren, là plugin của Cursor và Grok Bot tương thích với nhau. Bạn có thể cài pstack, chẳng hạn, trên cả Grok Bot lẫn Cursor và dùng lại cùng một bộ skill. Peter nói anh chưa nghĩ tới điều này, và hỏi: vậy bot cũng gọi được các skill khác nhau? Ví dụ anh có một skill "viết giống tôi" hay skill nào đó, chỉ cần gọi bằng dấu gạch chéo?

Lauren xác nhận: nếu gõ `/poteto-mode`, bạn sẽ thấy dùng được skill đó ngay, và bạn luôn có thể xem Marketplace. Cô không chắc có plugin nào khác chỉ gồm toàn skill, nhưng pstack là một plugin như vậy. Nhiều plugin khác cũng đi kèm skill, bên cạnh, chẳng hạn, một MCP server. Ví dụ nếu bạn cài plugin X, cô nghĩ nó có một skill bên cạnh tool. Plugin có thể chứa rất nhiều mảnh chức năng khác nhau để mở rộng Grok Bot của bạn làm những việc thú vị.

![Cửa sổ Marketplace của Grok Bot, tab Plugins với các plugin nổi bật Gmail, Google Calendar, Google Drive, Granola, Notion, Slack](https://homus.dev/photos/xZ5TEaleUdg-3157.jpg)

Cửa sổ Marketplace, tab Plugins (bên cạnh tab Bots). Tài khoản của Lauren đã cài 22 plugin, 20 trong số đó là private. Có các bộ lọc Featured, Team plugins, Agent Orchestration, Canvas, Customer Support. Mục Featured gồm Gmail, Google Calendar, Google Drive, Notion (Notion Skills cộng Notion MCP server), Slack (Slack MCP server) đã được thêm, và Granola. Bên dưới là mục Team plugins do đồng nghiệp chia sẻ.

Trước khi khép phần của Lauren, Peter tò mò về các bot mạng xã hội: làm sao cô tách tín hiệu khỏi "slop" trên X? Lauren nói các bot social của cô nối với X và LinkedIn, dù cô dùng X nhiều hơn. Cô có một bot tên Poteto, tất nhiên, chuyên đọc mọi lượt mention cô. Trên X có một meme: nếu bạn gọi "Poteto" ba lần, cô sẽ nhận được thông báo. Đó chính là bot này. Nó có một routine kiểm tra X, cô nghĩ là khoảng mỗi 30 phút, để gom tất cả mention. Rồi cô nhảy vào và thường tự trả lời, hoặc bot tổng hợp lại, kiểu "năm người dùng đã báo cùng một bug, có lẽ chị nên xem".

Lauren coi mạng xã hội không chỉ là chuyện quản lý tài khoản, mà là một dạng "outer loop" của cô. Vì cô dùng mạng xã hội một phần cho công việc, cô nắm được nhịp đập: người dùng báo bug, gặp sự cố, hay một tính năng mới ra mắt gây khó hiểu. Cô muốn giữ kết nối với những tín hiệu đó và cho chúng nuôi "inner loop" là các bot kỹ sư. Vì tất cả chỉ là bot, cô có thể tới Matcha và nói "Poteto bảo thế này thế này", và context được lấy thẳng từ đó. Cô không phải nhắc lại toàn bộ context từ X, không phải copy paste gì. Cô chỉ nói: "đi nói chuyện với Poteto, tìm hiểu, rồi quay lại với một đề xuất thiết kế để sửa vấn đề này".

Cách Lauren nối mạng xã hội với việc kỹ thuật: bot Poteto gom mention và báo cáo bug ở vòng ngoài, rồi eng lead và các bot kỹ sư lấy context đó trực tiếp để đưa ra đề xuất sửa.

Với Lauren, sức mạnh của Grok Bot đến khi bạn nối tất cả những thứ này lại và để chúng, cô không biết có từ nào hay hơn không, "cộng hưởng" (synergize). Context được lấy từ nhiều nơi và gom lại theo cách phong phú hơn nhiều so với việc cô tự gõ ra hết. Peter đồng ý: context là tất cả với mấy thứ AI này. Anh tóm lại: về cơ bản, tất cả bot sống chung một nhà, chúng nói chuyện được với nhau và chuyền context cho nhau. Lauren xác nhận.

Peter hỏi tên Poteto từ đâu ra, cô thích khoai tây lắm à? Lauren nói cô cũng không rõ. Nhiều năm trước cô chơi một game MMO và không nghĩ ra tên. Như mọi người thấy qua tên bot, cô mê đồ ăn, nên nghĩ "potato, sao không". Cô không nghĩ nhiều, nhưng tên potato đánh vần bình thường thì đã có người lấy. Lúc đó cô đang học tiếng Nhật, nên nghĩ: vậy đánh vần theo kiểu katakana tiếng Nhật, thành "poteto". Và cái tên ấy dính với cô từ đó tới giờ.

## 16. Ba tầng làm việc: tự tay, prompt, rồi thiết kế hệ thống

Peter chuyển sang vài câu hỏi tổng kết. Anh nhận xét giao diện Grok Bot gần như một phiên bản Slack: có DM, có đồng đội, bạn thêm họ vào group chat, và không phải chia sẻ secret nào. Nhưng trên mạng có nhiều ý kiến rằng những thứ này vẫn rất "single player": một người nói chuyện với một đống bot. Anh hỏi làm sao để nhiều người, chẳng hạn Lauren và Peng, cùng nói chuyện với một nhóm bot; có ai quan tâm hướng đó không, và mời Peng trả lời.

Peng nói khi bắt đầu thiết kế, đội xuất phát từ câu hỏi: làm sao giúp mọi người "tốt nghiệp" khỏi việc tự tay quản lý task. Cá nhân anh thấy có ba tầng làm việc. Trước đây, chúng ta tự làm trong context: vẽ hình chữ nhật trong Figma, gõ chữ trong Notion, gửi tin trong Slack. Bây giờ, mọi người đã tới giai đoạn prompt AI làm những việc đó thay mình. Nhưng trong nhiều setup bạn đang thấy, anh tin chúng ta đang đi tới tương lai nơi thay vì tự quản lý từng bot, con người bắt đầu thiết kế hệ thống, thiết kế guardrail: làm sao để các bot làm việc cùng những người khác, cùng bạn, một cách tự chủ, khi năng lực hành động (agency) và trí tuệ đã được đưa vào trong đó.

Ba tầng làm việc theo Peng: từ tự tay làm trong công cụ, sang prompt AI làm thay, rồi tới thiết kế hệ thống và guardrail để các bot làm việc tự chủ cùng con người.

Peng nói nhiều sản phẩm AI agent rất lấy model làm trung tâm, nhìn giao diện là thấy. Người ta xây harness quanh model, rồi xây sản phẩm quanh harness. Vì vậy giao diện được may đo theo đó, và dọc đường, ngành tạo ra rất nhiều thuật ngữ và khái niệm kỹ thuật mà mẹ anh sẽ không bao giờ biết, chẳng hạn một file cấu hình .md cho agent là gì. Grok Bot là một thử nghiệm: làm sao để khái niệm, mô hình hệ thống, khớp với mô hình tư duy của người dùng.

Đội nhận ra các agent được nhân cách hoá, có tên, hoạt động khá tốt, và người dùng thấy gần gũi vì đó chính là cách chúng ta vận hành trong thế giới thực. Bạn không cần biết công ty bảo hiểm xe vận hành ra sao, nhưng bạn biết phải gọi ai khi gặp tai nạn: bạn có một "agent" cho việc đó. Bạn không cần biết hệ thống y tế vận hành thế nào, nhưng khi có bảo hiểm y tế, bạn có phòng khám của bác sĩ, có cả hạ tầng trong thế giới thực. Với Peng, việc để một đầu mối liên hệ trở thành giao diện vào ra chính là một sự chuyển dịch mô hình (paradigm shift).

Anh kể workflow nội bộ của đội đã thành như sau: anh bắt được một loạt bug, chụp màn hình, ghi chú lên đó, rồi đổ vào một bot; bot tạo và đăng chúng lên một trang Notion, nơi các bot của kỹ sư sẽ nhặt lên từ đó. Họ bắt đầu dùng app theo một cách rất gián tiếp, rất "agentic". Nhưng bằng cách nào đó nó nối được mọi điểm lại với nhau và tự nhiên phát triển thành những workflow mới, chạy tự chủ và dài hạn.

Peter nhận xét có lẽ đó là best practice chung khi dùng những thứ này, vì theo một nghĩa nào đó, con người vẫn ở trong vòng lặp: chúng ta cũng chuyền context từ chỗ này sang chỗ khác và cố đưa feedback. Anh thú nhận luôn hơi hoài nghi khi nghe ai nói "tôi đi ngủ và để bot làm hết", kiểu chỉ cần tạo một bot designer, bảo nó build app, sáng dậy là hoàn hảo. Anh hỏi hai người, vốn có nhiều kinh nghiệm hơn: có mẹo gì để bot chạy lâu hơn mà không đi chệch hướng, hay để thực sự ra thứ mình muốn, ngoài việc dùng skill của Lauren?

## 17. Mọi thứ quy về niềm tin: quan sát, biến thành skill, rồi routine

Lauren nói bạn không cần phải dùng pstack hay gì cả, nhưng skill có vai trò ở đây. Cô nói về chuyện này nhiều rồi: rốt cuộc mọi thứ quy về niềm tin. Bạn sẵn sàng tin agent hay bot của mình tới mức nào để nó làm một việc cho bạn?

Điều cô luôn khuyến khích mọi người, dù có dùng pstack hay không, là thật sự bỏ thời gian quan sát bot hay agent làm việc, rồi chỉnh hướng khi nó lệch. Nhưng cuối cuộc trò chuyện, hãy biến nó thành một skill, một skill dùng lại được. Ví dụ, bạn có một skill, hoặc bạn nhờ bot điền form báo cáo chi phí: đi qua tất cả chi tiêu tháng này, đưa hết vào công cụ quản lý chi phí, tìm hoá đơn trong email, vân vân. Khi đã lặp nhiều lần trên vòng đầu tiên ấy, bạn muốn đưa skill tới mức chỉ cần gõ `/expense-report` là nó làm tốt.

Khi đã tới mức "one shot", chỉ cần gõ lệnh và nó làm xong việc, bạn sẽ tự tin hơn nhiều để buông tay và nói: giờ cứ tự chạy đi, thiết lập một routine, ví dụ mỗi khi có email mới chứa hoá đơn thì tự nộp báo cáo cho tôi. Và bạn không phải trông chừng nó nhiều nữa. Theo cô, chẳng có bí mật gì: dù là thiết kế, kỹ thuật hay việc vặt đời sống, tất cả quy về việc bạn tin bot của mình tới đâu. Nếu chưa tin, thì có những thứ như skill, prompting giúp bạn xây niềm tin đó.

Thang niềm tin Lauren mô tả: quan sát bot làm và chỉnh hướng, đóng gói thành skill, tới khi một lệnh là xong việc, rồi mới giao cho routine chạy tự động.

Nhưng cô nhấn mạnh việc này phải dần dần. Rất khó để một người có lẽ chưa từng dùng bot, chưa có skill nào, rồi bảo họ "giờ cứ buông tay đi". Tất nhiên họ sẽ không tin được, vì chưa từng thấy bot làm được gì. Còn khi đã thấy agent làm một hai lần và biết nó lặp lại được, bạn mới thật sự giải phóng bản thân để đi làm việc khác, vì giờ bạn tin bot sẽ làm đúng.

## 18. Lộ trình cho người mới và lời kết

Câu hỏi cuối của Peter: nếu một người vừa tải Grok Bot về, thì có vẻ các bước là tạo một nhóm bot cho các workflow đang làm tay, đi qua chúng thủ công, khi đã thấy ổn thì bảo bot build thành skill, rồi cuối cùng đặt routine để nó chủ động làm. Hai người có khuyên như vậy không? Lauren nói đó đúng là flow của cô, và cô tò mò về flow của Peng.

Peng đồng ý hoàn toàn. Đây là một quá trình rất từ từ, thường thì bạn nên bắt đầu đơn giản, chỉ giao cho nó một task. Bản thân anh tới hôm nay vẫn đang thử giới hạn của nó: anh thử mọi thứ, hễ việc gì phải chạm tay vào bàn phím và chuột là anh thử giao cho bot xem nó làm thế nào. Bạn gần như phải kéo căng nó quá mức để biết giới hạn nằm ở đâu.

Anh mô tả việc này như xây một mối quan hệ giữa bạn và bot. Đây là thiết kế có chủ ý: mọi năng lực được dùng chung (tool, connector, skill), còn memory và sở thích thì là riêng của từng bot. Nó giống như trừu tượng hoá các thành phần dùng lại được vào vai trò để giúp người dùng quản lý. Để hình thành mối quan hệ đó cần chút thời gian: bắt đầu bằng một task đơn giản, rồi một task lặp lại, rồi thiết lập routine cho nó tự động làm; có thể nó đốt quá nhiều token thì giảm bớt; rồi nối thêm tool, skill, tuỳ chỉnh nó. Cứ thế nó dần trưởng thành và hiểu bạn. Đây thậm chí là chuyện rất cá nhân: bạn hiểu bản thân mình nhất, và trợ lý của bạn chắc chắn sẽ khác trợ lý của anh. Đó là sự tiến bộ của cả hai phía.

Peter so sánh: giống như onboard một nhân viên, bạn tin họ dần theo thời gian. Lauren thấy đó là cách nói rất hay: giống như thuê nhân viên ảo, và bạn muốn tin được họ, giống như phải đào tạo một nhân viên mới trước khi để họ tự chủ. Cô nghĩ nếu thiết lập được như vậy, bạn sẽ vào một nhịp làm việc rất tốt, nơi bạn, như một CEO, có thể giao việc, lùi lại và làm những việc chiến lược ở tầm cao hơn. Peter kết: giờ ai cũng có thể là CEO của sản phẩm. Lauren: chính xác.

Peter cảm ơn hai người đã đi qua setup của mình và mọi thứ khác. Cả Lauren và Peng đều nói mọi người có thể tìm họ trên X (đường dẫn có trong phần mô tả video); Peng nói anh không cần ẩn danh và cũng hoạt động trên X. Peter khen Grok Bot là một sản phẩm tuyệt vời, chúc mừng đội đã xây nó và háo hức chờ xem bước tiếp theo. Hai khách cảm ơn đã được mời, nói buổi trò chuyện rất vui.

## Nguồn và liên kết

- Tên gốc: We Built Grok Bot. Here Are Our 14 Best Bots | Peng Zheng & Lauren Tan
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=xZ5TEaleUdg](https://www.youtube.com/watch?v=xZ5TEaleUdg)

- Kênh YouTube Peter Yang (người dẫn; khách mời Peng Zheng và Lauren Tan): [youtube.com/channel/UCnpBg7yqNauHtlNSpOl5-cg](https://www.youtube.com/channel/UCnpBg7yqNauHtlNSpOl5-cg)

- Bài tóm tắt tập này trên newsletter của Peter Yang: [creatoreconomy.so/p/grok-bot-team-14-best-bots-peng-zheng-lauren-tan](https://creatoreconomy.so/p/grok-bot-team-14-best-bots-peng-zheng-lauren-tan)

- pstack, plugin skill của Lauren Tan (cài bằng `/add-plugin pstack`, skill chính `/poteto-mode`): [github.com/cursor/plugins/tree/main/pstack](https://github.com/cursor/plugins/tree/main/pstack)

- Dr. Eggbot trên Grok Bot Marketplace, bot thiết kế các bot khác: [x.ai/bot/marketplace/bots/dr-eggbot-v2](https://x.ai/bot/marketplace/bots/dr-eggbot-v2)

- Website cá nhân của Peng Zheng, nơi pipeline Check-in đăng các mô hình địa điểm: [pengzhe.ng](https://www.pengzhe.ng/)

- Omarchy, bản phân phối Linux của DHH mà Lauren cho Grok Bot điều khiển trong máy ảo: [omarchy.org](https://omarchy.org)

Nguồn: https://homus.dev/talks/we-built-grok-bot-here-are-our-14-best-bots-peng-zheng-lauren-tan · cập nhật 2026-10-09