Read the English version here.
Nó là gì? Konductor là một AI Orchestration Workflow (quy trình điều phối công việc cho AI): một bộ tài liệu Markdown đóng vai trò bộ nhớ cho các AI Coding Agent, nằm ngay trong mã nguồn dự án của bạn.
Dành cho ai? Lập trình viên, indie hacker và các team đang dùng AI (Gemini, Claude, Cursor, Codex...) trong công việc thực tế, kéo dài qua nhiều phiên.
Tại sao nên dùng? AI Agent thường "mất trí nhớ" sau mỗi phiên. Konductor lưu lại các quy tắc, kiến trúc và tiến độ dự án, và tự cập nhật chúng, để bạn không phải hướng dẫn lại AI từ đầu mỗi khi mở phiên mới. Konductor không phụ thuộc vào thư viện bên ngoài nào.
Ban đầu chúng tôi không định làm framework hay tool gì cả. Mục tiêu chỉ là tự động hóa hoàn toàn việc viết tài liệu. Khi quản lý các nhóm phát triển và chạy môi trường lập trình bằng AI trên hàng loạt hệ thống production và staging, thứ tốn năng suất nhất của chúng tôi là giữ cho tài liệu luôn được cập nhật, còn viết mã thì nhẹ hơn nhiều. Tài liệu dự án lỗi thời rất nhanh, nên mỗi lần đổi mô hình AI, mở phiên mới hay giao việc cho một agent khác, chúng tôi lại phải chật vật nạp lại ngữ cảnh (context) bằng tay.
Vì vậy chúng tôi xây một workflow dùng chung trong team. Kết quả là konductor-workflow, một quy trình làm việc cho AI Coding Agent, hiện đang chạy bên dưới hơn 10 dự án ERP đang live trên production của chúng tôi.
Vấn đề: AI không có trí nhớ
Phiên làm việc nào với AI cũng bắt đầu giống nhau. Bạn mở cuộc trò chuyện, AI viết ra thứ gì đó tạm ổn, bạn sửa, nó bắt dần thói quen của bạn. Rồi context đầy, mạng lỗi, hết quota, hoặc bạn buộc phải đổi sang mô hình hay IDE khác. Sang phiên sau, mọi thứ lại bắt đầu từ con số không.
Giống như thuê được một kỹ sư giỏi nhưng cứ xong một task là người đó bị xóa sạch ký ức. Với một team lớn phụ trách một hệ thống ERP đồ sộ, hay những tuần liền tối ưu cổng thanh toán, cái giá này rất đắt. Chúng tôi kiệt sức vì cứ phải onboard đi onboard lại các AI agent, mất nhiều thời gian hơn cả việc làm ra sản phẩm.
Lời khuyên thường gặp là viết prompt tốt hơn hoặc dùng system instruction dài hơn. Cách đó không mở rộng được khi quy mô lớn lên, nó chỉ dời vấn đề sang chỗ khác.
Konductor được thiết kế thế nào
Konductor là một tập hợp quy tắc và bộ nhớ dưới dạng file Markdown nằm trong codebase của bạn, sắp xếp sao cho AI agent nào cũng tự định hướng được và tự cập nhật kiến thức qua nhiều phiên. Bản thân konductor-workflow không chứa file code nào.
Các file nền tảng gồm:
KONDUCTOR.md: một file gọn ở thư mục gốc của repo, mô tả vai trò của repo, stack công nghệ, sứ mệnh và quy tắc. File này luôn được tag (@) trong mỗi lượt prompt.docs/CHECK_IN.md: bộ nhớ ngắn hạn, gồm tác vụ hiện tại, phần việc đang dở (WIP) và bước tiếp theo..konductor/memory/KONDUCTOR_MEMORY.md: các ràng buộc và nguyên tắc dài hạn mà AI đã học được..konductor/memory/KONDUCTOR_VISION_ROADMAP.md: lý do và mục tiêu (WHY/GOALS) của dự án..konductor/memory/KONDUCTOR_ADR_HISTORY.md: các quyết định kiến trúc quan trọng, ghi lại dưới dạng Architecture Decision Records (ADR).
Quy trình là một vòng lặp siêu nhận thức (metacognition) 9 bước: load context (tải ngữ cảnh), clarify and plan (làm rõ và lập kế hoạch), check in (báo trước khi thực thi), execute (thực thi), reflect (tự nhìn lại), persist memory (lưu trí nhớ), rồi loop (lặp lại). AI ghi những gì nó học được trở lại các file này, nên phiên sau bắt đầu với nhiều hiểu biết hơn phiên trước.
Konductor không lưu gì trên cloud, không có code, không thu phí định kỳ và không trói bạn vào nhà cung cấp nào. Tất cả chỉ là file Markdown nằm ngay trong Git repo của bạn.
Tối ưu ngữ cảnh và giảm token
Một câu trả lời AI kiểu thông thường có thể tốn khoảng 45 token chỉ để giải thích ba điểm cơ bản về kiến trúc dự án. Konductor buộc agent viết theo kiểu "người tối cổ" (caveman) cực gọn, ví dụ - UI: Next.js + React. Cách viết này chỉ tốn một phần nhỏ số token đó, nên context window còn nhiều chỗ cho việc viết mã.
Các dự án đã dùng Konductor
Trong năm qua, Konductor là lớp điều phối (coordination layer) cho:
- Các hệ thống ERP thương mại điện tử: quản lý kho cho nhiều khách hàng, luồng xử lý đơn hàng, theo dõi giao vận
- Các bộ tích hợp cổng thanh toán, trong đó có Maua Pay, nơi việc bàn giao giữa agent lập kế hoạch và agent thực thi diễn ra tự động hằng ngày
- Nền tảng đặt xe và giao hàng, với những state machine phức tạp mà agent phải hiểu kỹ trước khi đụng vào
- Hệ thống POS cho các chuỗi F&B, nơi những quyết định kiến trúc chốt từ nhiều tháng trước vẫn phải được agent hôm nay tuân theo
- Công cụ nội bộ và dự án khách hàng, từ dự án làm mới hoàn toàn đến codebase cũ (legacy)
Ở mọi quy mô, kết quả đều giống nhau. Khi agent được đọc và ghi vào các file của Konductor, mã chúng viết ra tốt hơn, ít lỗi hồi quy hơn và cần sửa ít hơn hẳn so với các dự án không dùng.
Vì sao chúng tôi open source
Chúng tôi dùng cấu trúc này trong nội bộ từ khoảng năm 2020, ban đầu cập nhật bằng tay, rồi từ 2024 thì cải tiến theo tốc độ ra đời của các công cụ AI. Konductor khởi đầu là bộ hướng dẫn chung cho các lập trình viên dùng nhiều IDE khác nhau, và giờ đã thành bộ luật chung để mọi agent cùng nhìn dự án theo một cách.
Lý do chúng tôi open source rất đơn giản: dự án AI tự chủ nào rồi cũng gặp bài toán này, và ở thời điểm hiện tại chúng tôi không thấy cần giữ giải pháp làm của riêng.
Vụ rò rỉ kiến trúc Claude Code hồi đầu tháng 4/2026 càng khẳng định điều chúng tôi vốn đã tin: bạn phải xem được AI Agent biết gì, đang theo những quy tắc nào và đã tự đưa ra những quyết định gì. Với Konductor, các quy tắc và quyết định đó đều là Markdown rõ ràng trong repo của bạn, và chúng tiếp tục được cập nhật theo tiến độ dự án và theo các mô hình LLM chính xác hơn sau này. Không có phần mềm ẩn, không có code, chạy offline, và bạn kiểm soát hoàn toàn.
.konductor/
├── KONDUCTOR_VERSION.json
└── memory/
├── KONDUCTOR_ADR_HISTORY.md
├── KONDUCTOR_MEMORY.md
└── KONDUCTOR_VISION_ROADMAP.md
Konductor dành cho ai
Konductor dành cho developer, indie hacker và các team nhỏ đang dùng AI agent lập trình một cách nghiêm túc, và đã mệt với việc nạp lại context từng file một mỗi phiên.
Konductor phát huy tốt nhất nếu bạn:
- Dùng nhiều AI Agent trong quy trình phát triển thật, chứ không chỉ prompt từng dòng một
- Làm nhiều task qua nhiều phiên, đổi qua lại giữa các model mới và giữa các thành viên trong team
- Có sẵn một kiến trúc với các pattern rõ ràng và muốn AI tiếp tục giữ đúng chúng
- Cần kết quả lặp lại được (reproducibility) và không muốn AI trả lời thiếu ổn định rồi mâu thuẫn với chính logic của bạn
- Muốn dùng nó thay cho một phần việc DevOps, quản lý hạ tầng cloud hoặc on-prem
Konductor chỉ hiệu quả khi team giữ kỷ luật viết, chuẩn hóa và tinh gọn tài liệu dự án. Kỷ luật đó cũng chính là kỹ năng kỹ thuật cơ bản của lập trình viên: ghi các quyết định ra Markdown kèm lý do. Sau đó mọi agent sẽ làm theo hướng dẫn của bạn và của Konductor.
Bắt đầu
Mở AI Agent trong IDE bạn thích nhất và dán lệnh sau:
Cài đặt package này: npx konductor-workflow@latest
sau đó bắt đầu rà soát codebase và cập nhật/tóm gọng toàn bộ tài liệu dự án
để khớp với tiến độ hiện tại, bắt buộc tuân thủ nghiêm ngặt Konductor workflow
Chúc bạn may mắn!
Cập nhật: custom skills và guardrails chặt hơn (cuối tháng 4/2026)
Từ bản phát hành đầu tiên, chúng tôi vẫn tiếp tục mở rộng Konductor qua quá trình dùng thực tế. Konductor giờ hỗ trợ kỹ năng riêng cho dự án (custom project skills) và quy trình tùy chỉnh (custom workflows), nên mỗi dự án có bộ công cụ riêng (ví dụ tự động đồng bộ knowledge base từ các bài viết Markdown mới) thay vì để agent tùy ý dùng tool chung chung.
Chúng tôi cũng siết chặt các giới hạn an toàn (guardrails). File KONDUCTOR.md hiện cấm AI tự ý dùng công cụ duyệt web có sẵn, và mọi bước kiểm tra chất lượng đều phải chạy qua test headless tự động bằng Playwright.
Cảm ơn các bạn đã đưa framework vào công việc hằng ngày. Tuần này, package konductor-workflow đã vượt mốc 600 lượt tải trên npm.
Lời cảm ơn và nguồn tham khảo
Konductor mượn ý tưởng từ những nguồn sau:
-
Hyperagent và Darwin Gödel Machine (DGM)
Các khái niệm về kiến trúc tự hoàn thiện và vòng lặp siêu nhận thức mà quy trình suy luận của chúng tôi dựa vào.
Tham khảo: arXiv:2603.19461
-
Architecture Decision Records (ADR)
Phương pháp ghi lại các quyết định kiến trúc và lý do đằng sau, để ngữ cảnh không bị mất giữa các giai đoạn phát triển.
Tham khảo: adr.github.io
-
Kỹ thuật giảm token "Caveman"
Định hình cách chúng tôi cấu trúc ngữ cảnh cho LLM, cắt bớt token thừa mà vẫn giữ đủ ý cần thiết.
Tham khảo: JuliusBrussee/caveman trên GitHub
-
Các mẫu guardrail hành vi cho coding agent
Giúp định hình lớp hành vi của Konductor: suy nghĩ trước khi code, ưu tiên cách đơn giản nhất, và dạy AI bằng các ví dụ anti-pattern thực tế.
Tham khảo: forrestchang/andrej-karpathy-skills trên GitHub
-
Kiến trúc bộ nhớ có thể kiểm chứng
Lý do bộ nhớ của AI cần minh bạch, an toàn và kiểm chứng được, điều mà các sự kiện gần đây cho thấy rất rõ.
Tham khảo: Claude Code leak implications
-
Ghi chép thực tế
Nơi chúng tôi ghi lại các thử nghiệm và bài học trong quá trình áp dụng quy trình AI.
Tham khảo: alphabits.team/blogs
-
Node "Conductor" trong Second Brains (tháng 3/2024)
Tiền thân của framework này: một node điều phối chạy bằng Node-RED, dùng để quản lý toàn bộ các luồng quy trình enterprise phức tạp.
Tham khảo: AlphaBitsCode/second.brains trên GitHub
Alpha Bits là công ty công nghệ tại Việt Nam, xây dựng các giải pháp ứng dụng AI cho doanh nghiệp và chia sẻ công khai những gì học được với cộng đồng. Nếu muốn xem Konductor chạy thực tế và trao đổi trực tiếp với tác giả, hãy đăng ký tham gia sự kiện tại Đà Nẵng.