Công Cụ Xây Dựng AI Agent Cho Nhà Phát Triển: Xây Dựng & Triển Khai Không Cần Cài Đặt Cục Bộ

Happycapy là công cụ xây dựng AI agent chạy trên trình duyệt dành cho lập trình viên, giúp loại bỏ hoàn toàn việc cài đặt cục bộ, quản lý dependency và chi phí hạ tầng. Lập trình viên có thể xây dựng, cấu hình và triển khai các AI agent sẵn sàng cho sản xuất bằng kiến trúc 5 file Markdown, truy cập hơn 300.000 skill mã nguồn mở, và chạy nhiều session song song — tất cả chỉ từ một tab trình duyệt. Nếu bạn muốn xây dựng AI agent mà không gặp phải rào cản của các toolchain cục bộ, Happycapy là con đường nhanh nhất từ ý tưởng đến triển khai.

AI Agent Builder cho Lập trình viên là gì

Nếu bạn đang đánh giá Happycapy như một AI agent builder, đây là điều khác biệt so với LangChain, AutoGen và mọi lựa chọn khác mà bạn đang so sánh: Happycapy chạy toàn bộ môi trường agent trong trình duyệt của bạn, được vận hành bởi Claude Code, vì vậy không có cài đặt cục bộ, không có Docker container, không có virtual environment và không có xung đột phiên bản nào cần gỡ lỗi trước khi bạn viết một dòng logic agent nào. Đó không phải là một cải tiến nhỏ — đó là một hạng mục trải nghiệm lập trình hoàn toàn khác.

Một AI agent builder cho lập trình viên là một nền tảng cho phép bạn tạo, cấu hình và triển khai các AI agent tự động có khả năng thực hiện các tác vụ nhiều bước — mà không cần kết nối thủ công các API, runtime hay các lớp điều phối. Phát triển agent theo cách truyền thống nghĩa là phải thiết lập LangChain, cấu hình biến môi trường, quản lý dependency Python và cấp phát hạ tầng trước khi agent của bạn làm được điều gì hữu ích. Happycapy đảo ngược quy trình đó: mở một tab trình duyệt, mô tả điều mà agent của bạn cần làm, và nền tảng sẽ xử lý phần còn lại.

Vì sao Lập trình viên cần AI Agent Builder chạy trên Trình duyệt

Các AI agent builder chạy trên trình duyệt giải quyết một vấn đề năng suất thực sự: lập trình viên dành nhiều thời gian cấu hình môi trường hơn là xây dựng hành vi agent thực tế. Theo Khảo sát Lập trình viên của Stack Overflow, lập trình viên báo cáo dành một phần đáng kể trong tuần làm việc của họ cho các tác vụ ngoài phát triển tính năng cốt lõi — cấu hình môi trường, giải quyết dependency và duy trì toolchain luôn đứng trong nhóm những khoản thời gian bị lãng phí nhiều nhất. Khoảng thời gian đó tạo ra giá trị bằng không cho người dùng.

Bên cạnh rào cản thiết lập, có ba lý do cấu trúc khiến các builder chạy trên trình duyệt đang trở thành lựa chọn mặc định cho các lập trình viên chuyên nghiệp:

Tính di động không cần đánh đổi. Agent của bạn chạy giống hệt nhau trên bất kỳ máy nào có trình duyệt. Không còn tình trạng "chạy được trên máy tôi", không có rào cản khi thêm cộng tác viên, không có sự lệch pha môi trường giữa phát triển và sản xuất.

Thực thi trên cloud liên tục. Một agent chạy trên trình duyệt không bị ràng buộc với thời gian hoạt động của laptop bạn. Các agent của Happycapy chạy 24/7 trên cloud, nghĩa là bạn có thể giao một tác vụ trước khi tắt laptop và xem kết quả vào sáng hôm sau. Điều này về mặt kiến trúc là không thể thực hiện với một thiết lập chỉ chạy cục bộ.

Truy cập ngay vào hệ sinh thái skill có thể kết hợp. Xây dựng các tích hợp công cụ từ đầu — GitHub webhook, đồng bộ Notion, phân tích PDF — mất nhiều ngày. Hơn 300.000 skill mã nguồn mở của Happycapy giúp những thứ này sẵn có trong vài giây thông qua ngôn ngữ tự nhiên hoặc slash command.

Đối với lập trình viên đang đánh giá các nền tảng, hãy xem bài so sánh Best AI Agent Building Platform for 2026: No-Code Solutions để có cái nhìn tổng quan hơn về thị trường.

Các Tính năng Chính của Agent Builder của HappyCapy

Agent builder của Happycapy mang lại cho lập trình viên năm khả năng cốt lõi giúp phân biệt nó với cả các công cụ tự động hóa no-code và việc truy cập API LLM thô.

1. Môi trường thực thi gốc trên trình duyệt. Mỗi session chạy trên một máy tính cloud được quản lý. Agent của bạn có thể thực thi script Python, gọi API, xử lý file và tương tác với các dịch vụ web — tất cả mà không cần chạm vào máy cục bộ của bạn.

2. Hệ thống cấu hình agent 5 file. Hành vi, danh tính, bộ nhớ và hướng dẫn của agent được định nghĩa trong năm file Markdown có cấu trúc (được trình bày chi tiết bên dưới). Đây là hệ thống có thể quản lý phiên bản, dễ đọc với con người và có thể kết hợp linh hoạt.

3. Hơn 300.000 skill mã nguồn mở. Skill là các plugin khả năng nhẹ — được đo bằng kilobyte — mở rộng những gì agent của bạn có thể làm. Từ xử lý video bằng FFmpeg đến tích hợp GitHub đến các best practice cho React, skill là bộ công cụ của agent.

4. Desktop cho quản lý session song song. Các workspace dự án được đặt tên cho phép nhiều luồng hội thoại chia sẻ một thư mục file lâu dài, giúp phát triển frontend và backend chạy đồng thời trong cùng bối cảnh dự án.

5. Tính linh hoạt đa model. Gán các model AI khác nhau cho các agent khác nhau tùy theo độ phức tạp của tác vụ — các model nhẹ như Claude Haiku cho các tác vụ có tần suất cao, độ phức tạp thấp; các model mạnh hơn cho lập luận phức tạp và sinh code.

Bắt đầu: Xây dựng AI Agent đầu tiên của bạn

Xây dựng AI agent đầu tiên trên Happycapy chỉ mất chưa đến năm phút. Nền tảng không yêu cầu cấu hình tài khoản nào ngoài việc đăng ký, và không có CLI cần cài đặt hay API key cần quản lý cục bộ.

Điểm mấu chốt đối với lập trình viên quen với các công cụ code-first: bạn mô tả mục đích, và nền tảng sẽ tạo ra cấu hình. Sau đó bạn có thể kiểm tra, chỉnh sửa và quản lý phiên bản cho mọi file được tạo ra. Đây không phải là một hộp đen — đây là một hệ thống có cấu trúc, minh bạch, chỉ là nó có giao diện ngôn ngữ tự nhiên làm điểm truy cập chính.

Để có hướng dẫn chi tiết về thiết lập cụ thể cho việc code, bài AI Developer Assistant Complete Setup Guide for Software Engineers sẽ bao quát toàn bộ luồng cấu hình cho các workflow phát triển.

Cài đặt và Sử dụng Skill (hơn 300 nghìn Mã nguồn mở)

Skill là cơ chế mà qua đó các agent của Happycapy tương tác với thế giới bên ngoài cuộc hội thoại. Mỗi skill là một plugin nhẹ — thường chỉ có kích thước vài kilobyte — mang lại cho agent của bạn một khả năng cụ thể: gọi một API bên ngoài, chạy một script, xử lý một định dạng file, hoặc tích hợp với một nền tảng bên thứ ba.

Hơn 300.000 skill có sẵn trải rộng trên mọi workflow lập trình viên chính:

Cách cài đặt và sử dụng skill:

Phương pháp được khuyến nghị là ngôn ngữ tự nhiên. Mô tả điều bạn cần ("phân tích file CSV này và tạo biểu đồ"), và Happycapy sẽ tự động chọn và gọi skill phù hợp. Để có kiểm soát chính xác hơn, hãy dùng nút Skills trên giao diện hoặc gõ / để kích hoạt chọn slash command.

Skill hỗ trợ Model Context Protocol (MCP), nghĩa là bạn có thể kết hợp nhiều khả năng công cụ theo kiểu module — xây dựng các pipeline phức tạp từ những khối cơ bản đơn giản, đã được kiểm chứng thay vì viết code tích hợp từ đầu.

Cấu hình Agent của bạn với Thiết lập 5 File

Hệ thống cấu hình 5 file là tính năng mạnh mẽ nhất của Happycapy dành cho lập trình viên muốn có hành vi agent chính xác, có thể tái tạo. Mỗi file là một tài liệu Markdown thuần túy, kiểm soát một khía cạnh cụ thể trong hoạt động của agent bạn.

SOUL.md định nghĩa những gì agent của bạn sẽ và sẽ không làm — các rào chắn đạo đức, thứ tự ưu tiên và nguyên tắc ra quyết định của nó. Đối với một agent lập trình viên, điều này có thể quy định rằng nó luôn viết test trước khi triển khai, hoặc không bao giờ push lên main mà không có review.

IDENTITY.md đặt ra vai trò của agent: kỹ sư backend cấp cao, chuyên gia DevOps, kiến trúc sư pipeline dữ liệu. Điều này định hình cách nó diễn giải các yêu cầu mơ hồ và kiến thức lĩnh vực nào nó dùng đầu tiên.

MEMORY.md là lớp lưu trữ lâu dài. Thông tin được ghi ở đây sẽ tồn tại qua các session — sở thích tech stack của bạn, quy ước code, bối cảnh dự án lặp lại, tên thành viên nhóm. Điều này loại bỏ việc thiết lập bối cảnh lặp đi lặp lại khiến hầu hết các công cụ AI lập trình cảm thấy vô trạng thái.

USER.md cung cấp cho agent thông tin về người mà nó đang làm việc cùng — mức độ kinh nghiệm của bạn, sở thích workflow, phong cách giao tiếp và bất kỳ ràng buộc liên quan đến công việc của bạn.

AGENTS.md là file hướng dẫn chính kết nối mọi thứ lại với nhau. Hãy coi đây là sổ tay vận hành của agent: logic định tuyến tác vụ, quy tắc chuyển cấp, định dạng đầu ra và tích hợp với bốn file còn lại.

Kiến trúc này có thể quản lý phiên bản. Lưu 5 file của bạn trong một repository Git và bạn có đầy đủ lịch sử, so sánh khác biệt (diffing) và khả năng khôi phục (rollback) cho hành vi của agent — cùng quy tắc mà bạn áp dụng cho code ứng dụng.

Chạy Nhiều Session Song song với Desktop

Desktop là đơn vị cơ bản workspace dự án của Happycapy, và đây là tính năng giúp các workflow agent song song trở nên thực tế. Mỗi Desktop cung cấp một thư mục riêng tại ~/a0/workspace/<desktop-id>/ mà tất cả các session trong Desktop đó cùng chia sẻ.

Hệ thống file chia sẻ này là điểm mấu chốt. Khi bạn chạy hai session đồng thời — chẳng hạn, một tạo tài liệu API trong khi một khác viết integration test — cả hai session đều đọc và viết vào cùng thư mục dự án. Chúng hoạt động như những agent cộng tác trên cùng codebase, không phải các quy trình bị cô lập mà không biết đến đầu ra của nhau.

Các workflow song song thực tiễn cho lập trình viên:

• Phát triển frontend và backend chạy đồng thời trên cùng dự án
• Một session thực hiện review code khi một session khác triển khai các thay đổi được đề xuất
• Session nghiên cứu thu thập tài liệu API khi một session song song bắt tay dựng khung tích hợp
• Sinh test chạy trong khi việc triển khai tính năng chính vẫn tiếp tục

Trong mỗi Desktop, các session được quản lý qua giao diện: dùng nút + để tạo session mới, và biểu tượng ☆ để pin các session có tần suất truy cập cao. Folder giúp nhóm các Desktop liên quan về tổ chức mà không ảnh hưởng đến cấu trúc hệ thống file bên dưới.

Đối với các nhóm doanh nghiệp quản lý nhiều khách hàng hoặc dự án đồng thời, bài AI Agent Platform for Enterprise: Complete Guide to Implementation bao quát kiến trúc đa dự án dựa trên Desktop ở quy mô lớn.

Tự động hóa Tác vụ AI 24/7

Mô hình thực thi trên cloud của Happycapy nghĩa là các agent của bạn không bị ràng buộc với thời gian hoạt động của máy bạn. Điều này khác biệt về kiến trúc so với các framework agent cục bộ — và nó thay đổi loại tác vụ nào có thể tự động hóa một cách thực tế.

Điều mà thực thi 24/7 mang lại:

Giao một tác vụ pipeline dữ liệu trước khi kết thúc ngày làm việc. Agent chạy suốt đêm, xử lý dataset, tạo báo cáo, và commit đầu ra vào thư mục Desktop được chia sẻ của bạn. Bạn xem lại kết quả cùng cà phê buổi sáng — tác vụ đã hoàn thành từ trước.

Mẫu hình này hoạt động cho bất kỳ workflow dài hạn hoặc theo lịch trình nào: phân tích build hàng đêm, tạo PR cập nhật dependency tự động, kiểm tra tình trạng API theo lịch, tạo báo cáo hiệu suất hàng tuần, hoặc cập nhật tài liệu liên tục được kích hoạt bởi các thay đổi code.

Định lượng tác động: Trong số các khách hàng của Happycapy được theo dõi trong quá trình onboarding, lập trình viên liên tục báo cáo tiết kiệm được 2–4 giờ mỗi ngày trước đây dành cho các tác vụ lặp lại, có thể tự động hóa — chuyển đổi bối cảnh, tạo boilerplate, định dạng dữ liệu và báo cáo tình trạng. Khoảng thời gian đó cộng dồn đáng kể qua nhiều tuần và quý. Bắt đầu tự động hóa các workflow này tại Happycapy.

Mô hình 24/7 cũng có nghĩa là agent của bạn có thể phản hồi các trigger bất đồng bộ — một webhook GitHub, một form submission, một email — mà không cần bạn phải có mặt. Agent xử lý workflow phản hồi đầu tiên và chỉ chuyển cấp khi thực sự cần đến sự đánh giá của con người.

HappyCapy so với Phát triển AI Agent Truyền thống

Phát triển AI agent truyền thống với các framework như LangChain, AutoGen, hoặc gọi API thô mang lại cho lập trình viên quyền kiểm soát tối đa — nhưng với chi phí đáng kể về thời gian thiết lập, chi phí duy trì và độ phức tạp hạ tầng.

Sự đánh đổi thẳng thắn: các framework truyền thống mang lại cho bạn quyền kiểm soát cấp thấp hơn cho các kiến trúc tùy chỉnh cao. Happycapy mang lại 90% khả năng đó với 10% thời gian thiết lập cho phần lớn các workflow lập trình viên thực tế. Đối với các nhóm cần triển khai agent nhanh và lặp lại nhanh chóng, sự khác biệt về năng suất là yếu tố quyết định.

Xem bài so sánh Happycapy vs Cursor AI Which Tool Wins in 2026 để có phân tích chi tiết so với một công cụ AI lập trình viên phổ biến khác.

Các Trường hợp Sử dụng Thực tế cho Lập trình viên

Agent builder của Happycapy xử lý toàn bộ dải kịch bản tự động hóa của lập trình viên. Một khách hàng của Happycapy — một nhóm SaaS ba người — đã cấu hình một agent phát triển full-stack bằng hệ thống 5 file và giảm thời gian dựng khung tích hợp API từ trung bình 3,5 giờ mỗi tích hợp xuống dưới 25 phút. Agent được cấu hình với các quy ước TypeScript của họ trong SOUL.md và framework testing ưu tiên của họ trong IDENTITY.md; hiện nó tự sinh code client có kiểu (typed), viết integration test và tạo ví dụ sử dụng mà không cần nhắc lại. Kết quả đó là đặc thù cho cấu hình của họ — và nó có thể tái tạo được vì thiết lập 5 file được quản lý phiên bản trong repository Git của họ.

Hỗ trợ phát triển full-stack. Cấu hình một agent phát triển với tech stack của bạn trong IDENTITY.md và quy ước code của bạn trong SOUL.md. Agent tạo component, viết test, và review PR với sự tuân thủ nhất quán theo tiêu chuẩn của bạn — trong mọi session, mà không cần giải thích lại bối cảnh.

Pipeline review code tự động. Một agent review code theo dõi các PR mới, áp dụng checklist review của nhóm bạn, đánh dấu các vấn đề an ninh, và đăng phản hồi có cấu trúc — chạy liên tục mà không cần lập trình viên phải trực tuyến.

Tự động hóa pipeline dữ liệu. Một agent với khả năng thực thi Python và xử lý file chạy các job ETL hàng đêm, xác thực schema đầu ra, và cảnh báo về các bất thường. Không cần cấu hình cron job, không cần duy trì server.

Dựng khung tích hợp API. Mô tả API mà bạn cần tích hợp. Agent đọc tài liệu, tạo code client có kiểu, viết integration test, và tạo ví dụ sử dụng — một workflow thường mất 2–4 giờ được rút gọn xuống dưới 20 phút.

Tạo tài liệu. Một agent tài liệu chạy sau mỗi sprint, đọc codebase đã được cập nhật, và tạo hoặc cập nhật tài liệu kỹ thuật theo định dạng ưu tiên của bạn. Được lưu trong thư mục Desktop chia sẻ, nó sẵn sàng ngay cho cả nhóm.

Nghiên cứu và triển khai đa agent. Một session Desktop nghiên cứu phương pháp tốt nhất cho một bài toán kỹ thuật khi một session song song bắt đầu dựng khung triển khai. Cả hai chia sẻ bối cảnh qua hệ thống file của Desktop, giảm khoảng cách giữa nghiên cứu và code.

Các Best Practice để Xây dựng Agent Sẵn sàng cho Sản xuất

Các agent sẵn sàng cho sản xuất cần nhiều hơn một bản demo hoạt động được. Những thực hành sau đây phân biệt các agent đáng tin cậy, dễ duy trì với các bản demo mong manh.

Quản lý phiên bản cấu hình 5 file của bạn. Coi SOUL.md, IDENTITY.md, MEMORY.md, USER.md và AGENTS.md như các artifact code hạng nhất. Commit chúng vào Git, dùng pull request cho các thay đổi hành vi, và duy trì changelog cho các bản cập nhật cấu hình quan trọng.

Ghép model với độ phức tạp tác vụ. Dùng các model nhẹ (Claude Haiku) cho các tác vụ tần suất cao, ít rủi ro như định dạng, phân loại và tra cứu đơn giản. Dành các model mạnh hơn cho lập luận phức tạp, quyết định kiến trúc và sinh code. Điều này giúp giữ chi phí dễ dự đoán và thời gian phản hồi nhanh.

Định nghĩa hành vi thất bại rõ ràng trong SOUL.md. Chỉ rõ agent của bạn nên làm gì khi gặp sự mơ hồ, thiếu dữ liệu, hoặc các yêu cầu ngoài phạm vi. Một agent chuyển cấp một cách khéo léo xứng đáng để đưa vào sản xuất hơn nhiều so với một agent cố gắng xử lý mọi thứ và thất bại một cách khó dự đoán.

Dùng MEMORY.md cho bối cảnh dự án, không dùng cho trạng thái tác vụ. MEMORY.md dành cho bối cảnh lâu dài cần tồn tại qua các session — tech stack, quy ước nhóm, các mẫu lặp lại. Trạng thái đặc thù cho từng tác vụ nên nằm trong các file trong thư mục Desktop, không nằm trong cấu hình bộ nhớ của agent.

Kiểm tra các session song song trước khi phụ thuộc vào chúng. Xác minh rằng các session Desktop song song của bạn xử lý đúng việc viết file đồng thời cho workflow cụ thể của bạn. Thiết kế pipeline của bạn để các session viết vào các file đầu ra riêng biệt khi có thể, gộp kết quả ở bước cuối.

Bắt đầu bằng việc chọn skill qua ngôn ngữ tự nhiên, sau đó tối ưu hóa. Để Happycapy tự chọn skill ban đầu để hiểu những gì có sẵn. Khi bạn đã biết agent của mình sử dụng skill nào một cách nhất quán, pin chúng một cách rõ ràng trong AGENTS.md để có hành vi xác định hơn.

Bắt đầu với HappyCapy

Happycapy loại bỏ mọi rào cản thường làm chậm việc lập trình viên xây dựng AI agent sản xuất đầu tiên của họ. Không cài đặt cục bộ. Không cấp phát hạ tầng. Không xung đột dependency. Chỉ cần mở Happycapy trên trình duyệt của bạn và bắt đầu xây dựng.

Con đường từ con số không đến một agent đã cấu hình, đang chạy là:

1. Tạo Desktop đầu tiên của bạn cho dự án
2. Bắt đầu một session và yêu cầu nền tảng giúp bạn cấu hình agent
3. Mô tả vai trò của agent, các tác vụ nó nên xử lý, và tech stack của bạn
4. Xem lại cấu hình 5 file được tạo ra và tinh chỉnh khi cần
5. Cài đặt các skill liên quan từ hệ sinh thái hơn 300.000 skill có sẵn
6. Giao các session song song cho workflow đa luồng
7. Để agent của bạn chạy 24/7 khi bạn tập trung vào công việc cần sự đánh giá của con người

Nền tảng này miễn phí để bắt đầu. Đối với lập trình viên muốn tìm hiểu sâu hơn về các workflow cụ thể, Blog bao quát các mẫu cấu hình agent, chiến lược chọn skill, và các case study triển khai thực tế trên mọi trường hợp sử dụng chính của lập trình viên.

Câu hỏi Thường gặp

Happycapy có yêu cầu viết code — hay có thể dùng cho người dùng không chuyên kỹ thuật?

Happycapy không yêu cầu viết code để xây dựng và cấu hình agent. Hệ thống cấu hình 5 file dùng Markdown thuần túy, và việc thiết lập agent được hướng dẫn qua hội thoại ngôn ngữ tự nhiên — giúp nó dễ tiếp cận với người không phải lập trình viên. Tuy nhiên, các lập trình viên có nền tảng code có thể tận dụng toàn bộ sức mạnh của Happycapy — bao gồm thực thi script Python và JavaScript qua skill — để xây dựng các pipeline tự động hóa phức tạp hơn. Nền tảng được thiết kế để mở rộng từ người dùng không chuyên kỹ thuật đến kỹ sư cấp cao mà không cần một giao diện khác cho mỗi nhóm.

Việc thực thi trên trình duyệt của Happycapy khác gì so với chạy một framework agent cục bộ?

Happycapy chạy agent trong một môi trường cloud được quản lý 24/7, nghĩa là agent tiếp tục thực thi khi laptop của bạn đã đóng lại — khác với các framework cục bộ như LangChain, đòi hỏi máy của bạn phải luôn chạy và một server tự cấp phát để thực thi liên tục. Ngoài ra, không có dependency cục bộ nào cần cài đặt hoặc duy trì, và môi trường của agent bạn giống hệt nhau trên mọi máy mà bạn truy cập. Với một framework cục bộ, bạn sở hữu hạ tầng; với Happycapy, chi phí đó được quản lý hoàn toàn.

Tôi có thể quản lý phiên bản cho cấu hình agent của mình không?

Có. Hệ thống cấu hình 5 file (SOUL.md, IDENTITY.md, MEMORY.md, USER.md, AGENTS.md) hoàn toàn bao gồm các file Markdown thuần túy có thể được lưu trong bất kỳ repository Git nào. Điều này cho bạn đầy đủ lịch sử phiên bản, review dựa trên pull request cho các thay đổi hành vi, và khả năng khôi phục — cùng quy trình mà bạn dùng cho code ứng dụng.

Hơn 300.000 skill hoạt động như thế nào, và tôi biết dùng skill nào?

Skill là các plugin khả năng nhẹ mở rộng những gì agent của bạn có thể làm — từ gọi API của GitHub đến xử lý video với FFmpeg. Cách đơn giản nhất là mô tả điều bạn cần bằng ngôn ngữ tự nhiên; Happycapy sẽ tự động chọn skill phù hợp. Để có kiểm soát hơn, hãy dùng nút Skills hoặc slash command / để duyệt và chọn thủ công. Bạn cũng có thể hỏi trực tiếp nền tảng: "Có những skill nào cho phân tích dữ liệu?" và nó sẽ hiện ra các lựa chọn liên quan.

Sự khác biệt giữa Desktop và session trong Happycapy là gì?

Desktop là một workspace dự án được đặt tên với một thư mục file chia sẻ lâu dài (~/a0/workspace/<desktop-id>/). Một session là một luồng hội thoại riêng lẻ chạy trong Desktop đó. Nhiều session có thể chạy đồng thời trong cùng một Desktop, và tất cả các session chia sẻ cùng không gian file — cho phép các workflow song song nơi các session khác nhau cộng tác trên cùng dự án mà không lặp lại bối cảnh.