Phân tích case hệ thống ghi nhớ của Tencent WorkBuddy: đồng bộ đa thiết bị, tệp quy tắc ẩn và vì sao Ask/Craft/Plan bắt đầu giống như đang huấn luyện một đồng đội dài hạn?

Nếu các bài viết WorkBuddy trước đó chủ yếu nhìn vào:

• Nó có vào được nhà máy hay không
• Nó có vào được chuỗi cung ứng hay không
• Nó có nối được với dòng file và dòng hệ thống hay không

Thì bài này muốn trả lời một câu hỏi ngày càng quan trọng hơn:

Vì sao cùng là WorkBuddy, có người dùng càng lúc càng mượt như đang làm việc với một cộng sự hiểu rõ cách vận hành của mình, trong khi có người vẫn chỉ dùng nó như một công cụ tạm thời thỉnh thoảng mới mở ra?

Tôi đã ghép lại vài bài viết công khai khá tiêu biểu gần đây trên cộng đồng nhà phát triển Tencent Cloud và tập trung vào ba trục chính:

1. Thiết lập ban đầu
2. Hệ thống ghi nhớ
3. Đồng bộ đa thiết bị

Sau khi đọc xong, kết luận của tôi khá trực diện:

Điểm khiến WorkBuddy giống môi trường vận hành thật không chỉ là nó có làm được việc hay không, mà là nó bắt đầu có cả một cấu trúc sử dụng dài hạn gồm thư mục làm việc + tệp ghi nhớ + quy tắc hành vi + đồng bộ nhiều thiết bị.

Kết luận nhanh

• Tính đến ngày 29 tháng 6 năm 2026, trong các tài liệu công khai, hướng "workflow nâng cao" của WorkBuddy nổi bật nhất ở năm năng lực:

  1. Thư mục làm việc mặc định và thiết lập cơ bản
  2. Bộ nhớ AI được cập nhật liên tục
  3. Ba chế độ tác vụ Ask / Craft / Plan
  4. Các tệp quy tắc ẩn IDENTITY.md / SOUL.md / USER.md
  5. Đồng bộ ghi nhớ giữa nhiều thiết bị bằng cloud drive và script tự động hóa

• Khác biệt lớn nhất giữa hướng này và AI office thông thường không nằm ở chỗ "viết hay đến đâu", mà ở chỗ:

  • Nó bắt đầu nhớ bạn là ai
  • Nó bắt đầu hiểu bạn làm việc như thế nào
  • Nó bắt đầu kéo dài ngữ cảnh giữa các máy khác nhau

• Nếu công việc của bạn hiện tại là:

  • Workflow desktop lặp lại với tần suất cao
  • Agent xử lý tác vụ dài hơi
  • Phối hợp nhiều thiết bị
  • Kịch bản kết hợp file cục bộ và tự động hóa

  Thì những case như thế này thường hữu ích hơn nhiều so với việc chỉ xem bảng xếp hạng mô hình.

Vì sao "nhớ được bạn" quan trọng hơn "trả lời được bạn"

Rất nhiều người khi mới dùng WorkBuddy thường mắc cùng một lỗi:

• Cài xong là giao việc ngay
• Mở thẳng Craft
• Nghĩ rằng AI sẽ tự hiểu

Nhưng trong thực tế, trải nghiệm dài hạn thường không được quyết định bởi lần đầu nó làm đúng hay sai, mà bởi những điểm sau:

• Nó có biết thư mục làm việc mặc định của bạn hay không
• Nó có còn nhớ các sở thích của bạn hay không
• Nó có hiểu được phong cách làm việc quen thuộc của bạn hay không
• Khi sang máy khác nó có bị "mất trí nhớ" hay không

Nói cách khác, thứ tạo ra khoảng cách thật sự không phải một cuộc hỏi đáp đơn lẻ, mà là:

Bạn có biến nó từ công cụ thành một đối tác công việc có tính liên tục hay không.

Case 1: Việc đầu tiên không phải bắt nó làm việc, mà là cài thư mục, bộ nhớ và chế độ cho đúng

Bài công khai trực diện nhất cho nhánh này là:

WorkBuddy - 设置篇，第一件事不是让它干活（手把手教你基本设置 新手必看）

Bài này đáng để tách ra vì nó không nói chung chung, mà chỉ đúng những vấn đề người mới rất dễ bỏ qua.

1.1 Thư mục làm việc mặc định: đừng dồn mọi thứ vào ổ C ngay từ đầu

Một trong những nhắc nhở thực dụng nhất của bài viết là:

• Nên chốt vị trí workspace mặc định càng sớm càng tốt
• Tốt nhất không nên dồn hết mọi thứ vào C

Điều này rất giống vận hành thật. Khi số lượng tác vụ tăng lên, sản phẩm tạo ra cục bộ, cache và tệp dự án sẽ bắt đầu chồng đống. Nếu ngay từ đầu không quy hoạch thư mục làm việc, thì càng dùng lâu càng rối.

Đây không phải "mẹo nâng cao", mà là:

Bước vận hành cơ bản nhất để một desktop agent chạy ổn định trong thời gian dài.

1.2 Tính năng ghi nhớ không chỉ để trang trí, nó thật sự giúp agent hiểu bạn hơn

Cũng trong bài hướng dẫn đó, tác giả nói khá rõ rằng nên bật tính năng ghi nhớ.

Mô tả công khai của bài viết cũng rất thẳng:

• Bộ nhớ sẽ liên tục được cập nhật theo đối thoại và tác vụ
• Agent sẽ ngày càng hiểu bạn hơn
• Bạn cũng có thể định kỳ xem lại, sửa, xóa hoặc thêm nội dung ghi nhớ

Điều này cho thấy bộ nhớ trong WorkBuddy không phải một công tắc để làm đẹp giao diện, mà được thiết kế như:

Một lớp trí nhớ có thể tích lũy dài hạn, xem lại và chỉnh sửa được.

1.3 Ask / Craft / Plan không phải một tùy chọn UI nhỏ, mà là ranh giới rủi ro

Cách bài viết giải thích ba chế độ này đáng để giữ nguyên:

• Ask: chỉ đọc, không ghi
• Craft: thao tác trực tiếp lên tệp
• Plan: liệt kê kế hoạch trước, xác nhận xong mới thực thi

Đây là điểm rất quan trọng, vì nhiều người mới dùng AI hay nhảy thẳng vào Craft. Nhưng kinh nghiệm công khai lại nói khá rõ:

• Người mới nên bắt đầu bằng Ask
• Tác vụ phức tạp nên ưu tiên Plan
• Craft phù hợp hơn khi bạn đã quen với phạm vi và biên an toàn

Về bản chất, đây là cách tách rủi ro khi dùng AI thành một quy trình desktop dễ kiểm soát hơn.

Case 2: Điều khiến nó giống như "huấn luyện đồng đội" thật sự là viết tệp danh tính, linh hồn và thông tin người dùng

Trong bài thiết lập ở trên, chi tiết đáng tách riêng nhất theo tôi là thư mục ẩn .workbuddy.

Đường dẫn được bài viết công khai nêu rõ:

• ~/.workbuddy/ (Mac / Linux)
• C:\\Users\\tên-người-dùng-của-bạn\\.workbuddy\\ (Windows)

Và ba tệp quan trọng nhất trong thư mục đó là:

• IDENTITY.md
• SOUL.md
• USER.md

2.1 IDENTITY.md: nó là ai

Bài viết giải thích tệp này khá rõ:

• Tên
• Vai trò
• Lĩnh vực tập trung
• Phạm vi năng lực

Nó có nghĩa là "cá tính AI" của WorkBuddy không chỉ dựa vào prompt tạm thời, mà có thể được định nghĩa và lưu lại một cách bền vững.

2.2 SOUL.md: nó nói chuyện và làm việc như thế nào

Phần này giống một lớp quy tắc hành vi hơn. Các ví dụ được bài viết đưa ra gồm:

• Ưu tiên sự ngắn gọn
• Đưa kết luận trước
• Gặp thao tác rủi ro phải xin xác nhận trước
• Làm sai thì nói thẳng vấn đề, không cần trải dài lời xin lỗi

Lúc này nó không còn là một cài đặt chat thông thường nữa, mà đang định nghĩa:

Agent của bạn trong công việc hằng ngày sẽ giống kiểu đồng nghiệp nào.

2.3 USER.md: bạn là ai

Về bản chất, tệp này đang nói với AI rằng:

• Nền tảng của bạn là gì
• Bạn thường làm việc theo cách nào
• Bạn có những ưu tiên nào

Nói cách khác, điểm giống "cấu hình môi trường sản xuất" nhất của WorkBuddy không chỉ nằm ở việc chọn mô hình, mà ở chỗ:

Mối quan hệ giữa con người và agent được viết thành tệp và duy trì lâu dài.

Nó ổn định hơn rất nhiều so với việc chỉ nói trong chat rằng "từ giờ cứ làm theo cách này".

Case 3: Sau 40 ngày, AI chuyển từ công cụ thành đối tác, và thứ đang phát huy tác dụng không phải nâng cấp mô hình mà là bộ nhớ và quy tắc

Một bài công khai khác rất đáng đưa vào phân tích này là:

当 AI 开始记住你是谁——我与 WorkBuddy 共处 40 天的真实体感

Giá trị lớn nhất của bài này là nó không phải tutorial, mà là phản hồi sau một giai đoạn sử dụng dài hơn.

Từ kết quả tìm kiếm và cấu trúc bài công khai, có thể xác nhận bộ khung của nó gồm:

• Đặt quy tắc trước
• Xây hệ thống ghi nhớ
• Cấu hình tác vụ tự động hóa
• Phối hợp giữa nhiều thiết bị
• Tổng kết những lần vướng lỗi

Tôi rất đồng ý với nhận định trung tâm của bài đó:

AI đi xa đến đâu không phụ thuộc hoàn toàn vào độ mạnh của mô hình, mà phụ thuộc vào thời gian bạn sẵn sàng bỏ ra để "dạy" nó.

Với WorkBuddy, điều này còn rõ hơn. Vì nhiều người xem agent như một công cụ dùng một lần, trong khi bài viết trải nghiệm lại nhấn mạnh một cách dùng khác:

• Không phải "lần nào cũng bắt đầu từ số 0"
• Mà là "liên tục cân chỉnh"

Nó giống huấn luyện một đối tác hợp tác dài hạn hơn là gọi một giao diện tạm thời.

Case 4: Đồng bộ ghi nhớ giữa các thiết bị mới là bước biến ngữ cảnh thành tài sản

Nếu hai bài ở trên giải quyết câu hỏi "dùng trên một máy như thế nào", thì bài thứ ba lại đẩy WorkBuddy từ công cụ đơn máy sang workflow đa thiết bị:

把 WorkBuddy 的记忆带上每一台设备——跨设备记忆同步完整教程 #WorkBuddy

Những điểm đáng chú ý nhất trong mô tả công khai của bài này có thể tóm lại như sau:

• Mục tiêu là giải quyết vấn đề ghi nhớ không đồng bộ giữa nhiều thiết bị
• Cách làm là dùng cloud drive + script tự động hóa
• Bài viết gọi tên rõ OneDrive cùng các dịch vụ lưu trữ đám mây phổ biến khác
• Tuyên bố rằng có thể xong thiết lập trong 15 phút
• Nội dung đồng bộ trọng tâm gồm:
  • Nhật ký công việc
  • Sở thích người dùng
  • Bối cảnh dự án

Điều đó có nghĩa là bài viết không còn bàn về việc "làm sao để WorkBuddy hiểu bạn hơn trên một máy", mà đang bàn về:

Khi bạn đổi máy tính, nó có tiếp tục làm việc như chưa từng bị gián đoạn hay không.

4.1 Điều giống môi trường vận hành thật nhất không nằm ở script, mà ở đối tượng được đồng bộ

Khi nghe đến "script đồng bộ", nhiều người thường nghĩ ngay đến cách implement. Nhưng ở góc nhìn nghiệp vụ, câu hỏi quan trọng hơn là đồng bộ cái gì.

Từ các từ khóa công khai của bài viết, thứ được mang theo không phải cài đặt nhỏ lẻ, mà là:

• Nhật ký công việc
• Sở thích người dùng
• Bối cảnh dự án

Nếu ba lớp thông tin này đi cùng nhau, thì điều đó có nghĩa là:

• Máy thứ hai không cần "đào tạo lại" từ đầu
• Ngữ cảnh tác vụ không bị đứt đoạn mỗi lần chuyển máy
• Chi phí chuyển đổi giữa các dự án giảm đi rất nhiều

Đây là lý do tôi cho rằng "đồng bộ ghi nhớ đa thiết bị" quan trọng hơn bề ngoài của nó. Về bản chất, nó đang biến:

Kinh nghiệm nằm trong đối thoại

thành:

Tài sản công việc có thể di chuyển được.

Case 5: Thứ nguy hiểm nhất không phải AI làm sai, mà là thất bại im lặng và trí nhớ phình to

Bài trải nghiệm 40 ngày đó cũng có vài điểm rất giống một bản tổng kết sau khi đã "ăn đủ đòn":

• Đồng bộ hoặc push thất bại trong im lặng là nguy hiểm nhất
• Tệp ghi nhớ không thể cứ phình to mà không dọn dẹp
• Tác vụ tự động hóa phải tính đến thời gian và trạng thái máy

Những điểm này rất "mùi sản xuất", vì vấn đề không nằm ở chỗ "mô hình không đủ thông minh", mà ở chỗ:

• Tự động hóa chạy không tới nơi tới chốn
• Trí nhớ tích lũy lâu ngày dần bị bẩn
• Trạng thái thiết bị và điều kiện scheduler bị bỏ qua

Nói cách khác, khi WorkBuddy bắt đầu gánh những tác vụ dài hạn, vận hành của nó sẽ ngày càng giống một hệ thống thật:

• Có trạng thái
• Có lập lịch
• Có phục hồi sau lỗi
• Có ô nhiễm ngữ cảnh

Đây cũng là lý do những bài viết kiểu này đáng được tách thành một bài review/case-study riêng.

Ghép các case lại, workflow nâng cao của WorkBuddy trong thực tế trông như thế nào

Nếu đặt bài thiết lập, bài trải nghiệm 40 ngày và bài hướng dẫn đồng bộ đa thiết bị cạnh nhau, WorkBuddy đã bắt đầu bộc lộ một số đặc điểm rất rõ của môi trường vận hành thật:

• Có thư mục làm việc mặc định
• Có ba mức rủi ro: chỉ đọc / sửa trực tiếp / lên kế hoạch trước
• Có hệ thống ghi nhớ tiếp tục phát triển
• Có tệp quy tắc để cố định danh tính, phong cách và sở thích của người dùng
• Có đồng bộ đa thiết bị để mang trí nhớ từ một máy sang nhiều máy
• Có tác vụ tự động hóa và các failure mode riêng

Sự khác biệt với một AI tool thông thường là rất lớn.

Nó không còn chỉ là:

• Bạn hỏi một câu, nó trả lời một câu

Mà đang ngày càng giống:

• Bạn có một hệ thống công việc của riêng mình
• AI là một thành phần trong hệ thống đó, có thể cấu hình, di chuyển và bảo trì

Hiện tại nó phù hợp để ai thử trước?

Nhóm nên thử ngay

• Người có workflow desktop dài hạn
• Người cần chuyển đổi giữa nhiều thiết bị
• Người đã xem agent là công cụ hằng ngày, không chỉ để hỏi một vài câu
• Người có nhu cầu tích lũy thư mục tệp, bối cảnh dự án và ưu tiên cá nhân
• Người sẵn sàng duy trì tệp quy tắc, thư mục làm việc và script tự động hóa

Nhóm có thể đứng quan sát thêm

• Người chỉ muốn hỏi vài câu đơn giản, không cần trí nhớ dài hạn
• Người gần như không đổi thiết bị và không cần ngữ cảnh xuyên máy
• Người không muốn bảo trì bất kỳ tệp cấu hình hay quy trình tự động hóa nào
• Người chưa quen với thư mục cục bộ và ranh giới quyền hạn của agent

Nếu bạn muốn gắn một workflow dài hạn kiểu WorkBuddy vào mô hình tùy chỉnh, giá trị mua sắm nằm ở đâu?

Ở góc nhìn kinh doanh, câu hỏi thật sự thường không phải "nó có trả lời được không", mà là:

• Có nên tách model cho các lớp trí nhớ dài hạn hay không
• Sau khi đồng bộ đa thiết bị, chi phí ngữ cảnh có giữ ổn định hay không
• Tác vụ tự động hóa và dòng tệp có đi qua một gateway thống nhất được hay không
• Trạng thái, quy tắc và chi phí của nhiều agent có quản lý tập trung được hay không

Vì vậy, nếu bạn đang xây desktop agent dài hạn / hệ thống ghi nhớ / workflow tự động hóa, một gateway mô hình thống nhất thường thực tế hơn việc đặt cược vào duy nhất một model.

Bạn có thể xem tiếp từ những điểm vào này:

• Bảng giá mô hình
• Mua API Key
• Hướng dẫn sử dụng

Đánh giá cuối cùng

Nếu phải tóm gọn quan điểm của tôi về hướng "hệ thống ghi nhớ / đồng bộ đa thiết bị / tệp quy tắc ẩn" của WorkBuddy trong một câu, thì đó là:

Điều đáng để ý nhất không phải là "nó có làm việc được hay không", mà là nó đã bắt đầu hình thành một cấu trúc có thể biến AI từ công cụ tạm thời thành đồng đội làm việc dài hạn.

Cấu trúc đó tối thiểu gồm:

1. Thư mục làm việc
2. Hệ thống ghi nhớ
3. Tệp quy tắc hành vi
4. Các chế độ ranh giới rủi ro
5. Đồng bộ nhiều thiết bị

Điều này cũng có nghĩa là điểm WorkBuddy giống môi trường sản xuất nhất không nằm ở một lần hoàn thành tác vụ gây ấn tượng, mà ở chỗ:

Nó ngày càng giống một hệ thống công việc desktop cần được cấu hình, bảo trì, di chuyển và tái sử dụng.

Nguồn tham khảo

• 当 AI 开始记住你是谁——我与 WorkBuddy 共处 40 天的真实体感
• 把 WorkBuddy 的记忆带上每一台设备——跨设备记忆同步完整教程 #WorkBuddy
• WorkBuddy - 设置篇，第一件事不是让它干活（手把手教你基本设置 新手必看）