OpenOPC: Xây dựng công ty AI tự vận hành

Từ một brief đến một tổ chức AI có khả năng tự xây dựng, tự chạy và tự trưởng thành

Hình 1. Giao diện trung tâm của OpenOPC — nguồn ảnh: repository chính thức

OpenOPC là gì?

OpenOPC là một framework mã nguồn mở giúp biến một mục tiêu bằng ngôn ngữ tự nhiên thành một “công ty AI” có tổ chức, nhân sự, quy trình giao việc, cơ chế review và bộ nhớ tổ chức. Repository mô tả hệ thống bằng ba trụ cột: **Self-Built** tự dựng tổ chức và tuyển vai trò; **Self-Run** điều phối công việc đến đầu ra; và **Self-Grown** học từ kết quả để cải thiện những lần chạy sau [1].

Điểm khác biệt quan trọng là OpenOPC không chỉ cung cấp một chatbot đơn lẻ. Nó mô hình hóa công việc như một runtime gồm các work item, chủ sở hữu, trạng thái, phụ thuộc và chuyển pha. Vì vậy, hệ thống phù hợp với nhiệm vụ nhiều bước, cần nhiều vai trò chuyên môn, có khả năng chạy song song và vẫn cần con người can thiệp khi gặp blocker vượt quá thẩm quyền của đội AI.

OpenOPC: Build Your Personal AI-Native Company — Self-Built, Self-Run, Self-Grown.

Tóm tắt nhanh cho người đọc và công cụ tìm kiếm

Vì sao mô hình “công ty AI tự vận hành” đáng chú ý?

Trong các workflow AI truyền thống, người dùng thường phải tự chọn agent, tự chia nhỏ yêu cầu, tự chuyển output giữa các công cụ và tự kiểm tra chất lượng. OpenOPC đưa những thao tác đó vào một lớp điều phối có trạng thái. Điều này tạo ra một abstraction gần với cách doanh nghiệp vận hành: có sơ đồ tổ chức, vai trò, quản lý, bàn giao, review, phê duyệt và bộ nhớ.

Hình 2. Sơ đồ khái niệm vòng đời OpenOPC: Self-Built → Self-Run → Self-Grown → cải thiện vòng chạy tiếp theo.

Ba trụ cột cốt lõi của OpenOPC

1. Self-Built — tự xây dựng đội ngũ

Từ mục tiêu ban đầu, hệ thống có thể suy ra các role cần thiết và quan hệ báo cáo trong org chart. Recruiter agent sau đó lựa chọn giữa việc tái sử dụng một employee đã có kinh nghiệm từ dự án trước hoặc tuyển một talent mới từ talent pool. Cách tiếp cận này cho phép giữ lại context tích lũy nhưng vẫn tạo “fresh start” khi vai trò cần một góc nhìn mới [1].

Hình 3. Minh họa tổ chức, vai trò và nhân sự được gán vào role — nguồn ảnh chính thức [1].

Trong Office UI, phần Org là nơi chỉnh sửa kiến trúc công ty, role, quan hệ báo cáo, tuyển nhân sự và deploy nhân sự vào office. Đây là điểm biến một cấu hình tĩnh thành một đội ngũ có thể tham gia runtime.

2. Self-Run — tự điều phối và thực thi

Self-Run là lớp orchestration. Manager agent phân rã brief thành work item, giao owner, theo dõi trạng thái và review kết quả. README mô tả năm chế độ vận hành: **execute**, **delegate**, **review**, **integrate** và **rework** [1]. Mỗi work item có phase, owner và điều kiện runnable; các phụ thuộc tạo thành dependency DAG, cho phép phần việc độc lập chạy song song trong khi phần việc phụ thuộc chờ prerequisite.

Hình 4. Execution Progress cho phép theo dõi role đang hoạt động, work item, công cụ và metadata của lượt chạy [1].

Khi một agent gặp blocker, OpenOPC hỗ trợ hai cấp xử lý. Blocker nội bộ có thể kích hoạt role phù hợp hơn trong cùng team. Nếu vấn đề vượt quá quyền hạn hoặc cần phán đoán của con người, runtime escalates tới human owner. Đây là cơ chế quan trọng để phân biệt “tự vận hành có kiểm soát” với tự động hóa mù quáng.

Hình 5. Kanban hiển thị work item và sự chuyển dịch giữa planning, execution, review, blocked và done [1].

3. Self-Grown — tự học từ mỗi lần chạy

Self-Grown biến execution trace và feedback thành organizational memory. Thay vì ghi công hoặc quy lỗi chung cho toàn công ty, hệ thống cố gắng quy kết feedback tới những employee/role sở hữu work item liên quan. Các bài học có tín hiệu cao được lưu vào experience profile riêng; bài học lặp lại có thể được nâng thành shared playbook để nhân sự mới kế thừa [1].

Hình 6. Talent Market hỗ trợ duyệt talent template và tuyển nhân sự vào role còn trống [1].

Kiến trúc giao diện và cách sử dụng

Hình 7. Workspace: chọn project, chat, mode, tổ chức và agent thực thi [1].

Hình 8. Org Editor: điều chỉnh tổ chức và các role [1].

Hình 9. Office view: quan sát hoạt động của agent trong không gian trực quan [1].

Step-by-step: cài đặt OpenOPC

Các bước dưới đây bám theo Quick Start của repository. Khuyến nghị dùng uv để quản lý Python, virtual environment và dependency; cách này tránh trộn thư viện của OpenOPC vào Python toàn cục [1].

Bước 1 — Chuẩn bị môi trường

OpenOPC yêu cầu Python >= 3.10; bài hướng dẫn chính thức dùng Python 3.12. Trên Linux/macOS, cài uv bằng trình cài đặt chính thức; trên Windows có thể dùng PowerShell hoặc winget [1] [3].

# Linux / macOS
curl -LsSf https://astral.sh/uv/install.sh | sh
source “$HOME/.local/bin/env”

# Kiểm tra
uv –version

# Windows PowerShell
powershell -ExecutionPolicy ByPass -c “irm https://astral.sh/uv/install.ps1 | iex”
uv –version

Bước 2 — Clone repository và tạo môi trường ảo

git clone https://github.com/HKUDS/OpenOPC.git
cd OpenOPC
uv python install 3.12
uv venv –python 3.12

# Linux/macOS
source .venv/bin/activate

# Windows PowerShell
.\.venv\Scripts\Activate.ps1

Bước 3 — Cài OpenOPC ở chế độ editable

uv pip install -e .

Theo pyproject.toml, dependency nền gồm Typer/Rich cho CLI, LiteLLM cho lớp model, Pydantic, YAML, SQLite async, ChromaDB, HTTPX, Playwright, MCP và các thư viện thao tác DOCX/XLSX/PPTX [2]. Các channel tích hợp như Telegram, Discord, Feishu, Slack hoặc Matrix được cung cấp dưới dạng optional extras; không nên cài toàn bộ nếu bạn chưa cần.

# Tùy chọn: cài toàn bộ channel extras
uv pip install -e “.[all]”

# Tùy chọn: cài Chromium cho browser tools
uv run python -m playwright install chromium

Bước 4 — Khởi tạo workspace và cấu hình LLM

uv run opc init

# Sau đó chỉnh file cấu hình
# .opc/config/llm_config.yaml

Lệnh opc init tạo thư mục .opc/, cấu hình cục bộ, memory, skills, log, project và workspace. API key có thể đặt trong .opc/config/llm_config.yaml hoặc qua biến môi trường được khai báo bởi llm.api_key_env. Không commit secret vào Git; nên dùng secret manager hoặc biến môi trường của máy chủ.

Bước 5 — Khởi động Office UI

uv run opc ui
# Mặc định: http://localhost:8765

Mở địa chỉ trên trình duyệt, chọn hoặc tạo project, nhấn New Chat, sau đó chọn Task hoặc Company. Với Company Mode, chọn Corporate hoặc một tổ chức đã lưu. Tin nhắn đầu tiên sẽ khóa mode và execution agent của session; nếu cần đổi mode, hãy mở chat mới [1].

Bước 6 — Chạy bằng CLI

# Chat tương tác
uv run opc chat -p demo

# Một task đơn với Codex
uv run opc chat -p demo –mode task –agent codex “Refactor this module and run focused tests”

# Company Mode với kiến trúc Corporate
uv run opc chat -p demo –mode company –company-profile corporate “Plan, implement, review, and document this feature”

# Chạy non-interactive, phù hợp CI/script
uv run opc exec -p demo –mode task –agent native –json “Summarize the current repo status”

Cấu hình và vận hành an toàn

OpenOPC có thể truy cập browser tools, filesystem, external agents và các channel tùy chọn. Vì vậy, production deployment cần áp dụng nguyên tắc least privilege: cấp quyền tối thiểu cho từng role, tách project theo workspace, giới hạn đường dẫn file, kiểm soát API key và bật human approval cho hành động có tác động bên ngoài. Company Mode nên được xem là runtime có kiểm soát, không phải cơ chế trao quyền vô hạn cho một bot.

Use cases có thể áp dụng ngay

README chính thức liệt kê chín nhóm ngành: AI & research, software development, financial investment, sales growth, content & media, industry assistants, accounting & finance, brand & e-commerce và education & training [1]. Dưới đây là cách chuyển từng nhóm thành một brief có thể chạy thử; các ví dụ là đề xuất ứng dụng, không phải cam kết rằng repository đã tự động hóa hoàn chỉnh mọi nghiệp vụ.

Quy trình pilot 7 ngày

1. Chọn một nhiệm vụ có đầu ra rõ ràng, dữ liệu không nhạy cảm và có thể review bằng checklist.
2. Chạy cùng brief ở Task Mode để có baseline một agent, sau đó chạy Company Mode với ba đến năm role.
3. Đo thời gian tới deliverable, số vòng rework, tỷ lệ blocker, chi phí model và điểm đánh giá của người review.
4. Ghi lại lesson sau mỗi run; điều chỉnh role, skill_refs, playbook và approval policy thay vì chỉ sửa prompt.
5. Chỉ mở rộng sang channel, browser automation hoặc dữ liệu production sau khi đã kiểm thử quyền hạn và recovery.

OpenOPC phù hợp với ai và chưa phù hợp với ai?

OpenOPC phù hợp với founder muốn thử mô hình one-person company, nhóm R&D xây workflow multi-agent, tech lead cần điều phối công việc kỹ thuật, hoặc team vận hành muốn chuẩn hóa các quy trình nghiên cứu–sản xuất–review. Nó đặc biệt có giá trị khi công việc gồm nhiều bước có thể phân rã và mỗi bước có owner rõ ràng.

Ngược lại, không nên bắt đầu bằng OpenOPC cho một tác vụ chỉ cần trả lời ngắn, một workflow yêu cầu độ chính xác pháp lý/tài chính tuyệt đối nhưng chưa có review, hoặc một hệ thống cần SLA production ngay mà chưa đánh giá độ ổn định của runtime. Khi đó, nên dùng Task Mode hoặc một pipeline deterministic trước, rồi mới nâng cấp lên Company Mode.

Kết luận

OpenOPC đưa khái niệm “AI agent” từ một hộp chat thành một hệ điều hành tổ chức thu nhỏ: tổ chức được dựng theo mục tiêu, công việc được chạy qua state machine, kết quả được review và kinh nghiệm được tích lũy thành memory. Với Python >= 3.10, uv và một API key phù hợp, bạn có thể dựng thử một AI company local trong vài bước. Giá trị lớn nhất không nằm ở việc tạo thật nhiều agent, mà ở việc thiết kế đúng role, dependency, approval và feedback loop.

Nếu triển khai thực tế, hãy bắt đầu từ một pilot nhỏ, đầu ra đo được và quyền hạn thấp. Khi runtime chứng minh được khả năng giao việc, review, recovery và học từ feedback, bạn mới nên mở rộng sang nhiều project, channel và use case có tác động lớn hơn.

Tài liệu tham khảo

1. [1] HKUDS/OpenOPC — README và tài liệu Quick Start, Office UI, CLI, use cases. — https://github.com/HKUDS/OpenOPC
2. [2] HKUDS/OpenOPC — pyproject.toml, yêu cầu Python, dependency, extras và entry point opc. — https://raw.githubusercontent.com/HKUDS/OpenOPC/main/pyproject.toml
3. [3] Astral — uv installation guide. — https://docs.astral.sh/uv/getting-started/installation/

Vui lòng đăng nhập để bình luận.