Bỏ qua tới nội dung
Ông T.vn

FreeToken: chạy mô hình MoE cỡ lớn ngay trên PC gaming — hướng dẫn cài đặt và dùng

12 phút đọcCập nhật

Bài này là một góc nhìn khác về FlashML-org/FreeToken — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: FreeToken: chạy model MoE cỡ lớn trên PC gaming — hướng dẫn cài đặt và dùng →

FreeToken: chạy mô hình MoE cỡ lớn ngay trên PC gaming — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

FreeToken là một engine phục vụ (serving) mô hình ngôn ngữ kiểu Mixture-of-Experts, viết bằng Python, giúp chạy các mô hình mở cỡ lớn trên máy cá nhân dùng card NVIDIA RTX. Bạn có thể cài bằng ứng dụng desktop có giao diện hoặc bằng lệnh uv/pip. Cài bản ứng dụng khá dễ, còn cài bằng lệnh cần quen terminal và Python 3.10 trở lên.

FreeToken là một engine chạy (serving) mô hình ngôn ngữ kiểu Mixture-of-Experts (MoE) trên máy cá nhân. Nó nhắm tới các mô hình mã nguồn mở cỡ lớn mà thường chỉ máy chủ trung tâm dữ liệu mới gánh nổi. Tác giả nói rõ mục tiêu: chạy mô hình MoE cỡ 290B trở lên ngay trên PC gaming, với tốc độ đủ để trò chuyện tương tác.

Vấn đề repo giải quyết khá đơn giản. Mô hình mở ngày càng to, nhưng VRAM của card đồ họa thì có hạn. FreeToken coi GPU, CPU, RAM máy và đường truyền giữa chúng là một khối tài nguyên chung. Phần việc nào hợp với GPU thì GPU làm, phần nào hợp với CPU thì CPU làm. Nhờ vậy bạn không cần mua máy chủ đắt tiền hay thuê dịch vụ đám mây.

Bạn nên đọc bài này nếu đang có máy gaming dùng card NVIDIA RTX đời 30, 40 hoặc 50 và muốn chạy mô hình AI lớn ngay trên máy. Bạn cũng nên đọc nếu muốn có một "máy chủ AI" nội bộ để cắm vào Claude Code, Codex hay các công cụ lập trình tương tự. Điểm đáng giá nhất là repo vừa có ứng dụng desktop cho người ngại dòng lệnh, vừa có bản CLI cho dev. Repo hiện có khoảng 17.000 sao và khoảng 1.700 fork, dùng giấy phép Apache-2.0.

Framework

FlashML-org/FreeToken

Engine chạy mô hình MoE mã nguồn mở cỡ lớn ngay trên PC gaming hoặc laptop, có API tương thích OpenAI/Anthropic để nối với các agent lập trình.

★ 17kPythonApache-2.0
Xem repo trên GitHub

I.FreeToken làm được gì

Dưới đây là các tính năng chính, giải thích theo lợi ích bạn nhận được chứ không chép lại README.

A.Chạy mô hình MoE lớn trên phần cứng tiêu dùng

MoE là kiểu mô hình gồm nhiều "chuyên gia" nhỏ, mỗi lượt chỉ một phần chuyên gia được dùng. FreeToken khai thác điều này để phối hợp CPU và GPU, đồng thời tự điều chỉnh theo băng thông giữa hai bên. README gọi đây là chính sách q⋆ (co-execution thích ứng băng thông). Kết quả mong đợi là mô hình to hơn VRAM vẫn chạy được ở tốc độ chấp nhận được.

B.Bộ nhớ đệm chuyên gia và nạp trước thông minh

FreeToken giữ các chuyên gia hay dùng trong bộ nhớ đệm LRU toàn cục. Khi đọc một đoạn ngữ cảnh dài (prefill), nó nạp trọng số theo kiểu hai bộ đệm luân phiên để việc nạp và việc tính chồng lên nhau. Bạn không phải cấu hình gì thêm, nhưng sẽ thấy lợi ích ở độ trễ khi mở đầu hội thoại dài.

C.Cache nhận biết ngữ nghĩa cho agent

Agent lập trình hay sửa ngữ cảnh: gọi công cụ, chèn khối "suy nghĩ", xoá bớt đoạn cũ. Thông thường mỗi lần như vậy phải tính lại cả ngữ cảnh. FreeToken lưu các điểm neo (semantic anchor checkpoint) cho trạng thái hồi quy và KV cache, nên các thay đổi kiểu này tránh được việc tính lại không cần thiết. Với người dùng agent, đây là chỗ tiết kiệm thời gian rõ nhất.

D.Chia lại VRAM ngay khi đang chạy

VRAM có thể được phân bổ lại giữa bộ nhớ đệm chuyên gia và bộ nhớ KV mà không cần khởi động lại engine hay nạp lại trọng số. Nếu bạn đang chat và bỗng cần ngữ cảnh dài hơn, engine có thể điều chỉnh tại chỗ.

E.Nhiều mô hình, nhiều định dạng, API quen thuộc

README nêu các mô hình như DeepSeek-V4-Flash, Qwen3.6-35B-A3B, GLM-5.2, và các định dạng lượng tử hoá như MXFP4, NVFP4, FP8, BF16, GGUF. FreeToken có API tương thích Anthropic và OpenAI, nên có thể nối với Codex, Claude Code, OpenCode, OpenClaw, DeepSeek Harness. Danh sách mô hình đầy đủ nằm trong tài liệu docs/models.md của repo.

F.Hỗ trợ card NVIDIA RTX đời 30, 40, 50

README ghi hỗ trợ gốc cho dòng RTX 30, RTX 40 và RTX 50, từ laptop đến desktop và card workstation.

II.Cần chuẩn bị gì

Tư liệu của repo nói những điều sau. Những gì không có ở đây thì mình không đoán thay.

  • Hệ điều hành: ứng dụng desktop có bản cho Windows và Linux.
  • Phần cứng: card NVIDIA RTX đời 30, 40 hoặc 50 (README ghi hỗ trợ gốc cho các dòng này). Mức VRAM và RAM tối thiểu cho từng mô hình, README chính chưa ghi. Bạn xem trong docs/models.md và docs/install.md.
  • Python: nếu cài bằng lệnh, tệp pyproject.toml yêu cầu Python 3.10 trở lên.
  • Công cụ cài: README khuyên dùng uv, hoặc dùng pip. Muốn cài từ mã nguồn thì cần có git.
  • Tài khoản / API key: README không nói cần tài khoản hay key nào để cài engine.
  • Dung lượng ổ đĩa: mô hình cỡ lớn rất nặng, nhưng README chưa ghi con số cụ thể. Bạn kiểm tra dung lượng của từng mô hình trước khi tải.

Hiện tư liệu chưa ghi mức VRAM/RAM tối thiểu. Hãy đọc docs/models.md và docs/install.md trước khi tải mô hình lớn, để tránh tải hàng chục GB rồi mới biết máy không đủ sức.

III.Cài đặt từng bước

Có hai đường: ứng dụng desktop (dễ nhất) và CLI (cho người quen dòng lệnh). Bạn chọn một.

  1. Chọn cách càiỨng dụng desktop hoặc dòng lệnh CLI
  2. Cài ứng dụng desktopTải bản Windows/Linux từ trang chủ dự án
  3. Cài bằng uv/pipChạy một lệnh cài gói freetoken kèm phần accel
  4. Hoặc build từ mã nguồnClone repo, tạo môi trường ảo, cài chế độ chỉnh sửa
  5. Đọc tài liệu đi kèmXem quickstart, danh sách mô hình, CLI reference

A.Cách dễ nhất: ứng dụng desktop

Vào trang chủ dự án flashml.ai và tải bản dành cho Windows hoặc Linux. Theo README, ứng dụng sẽ tự thiết lập engine giúp bạn, đồng thời có giao diện để chạy mô hình, trò chuyện và tinh chỉnh engine. Nếu bạn không phải dev, hãy chọn đường này. Bạn không cần gõ lệnh nào.

B.Cài bằng uv hoặc pip

Mở terminal (trên Windows là PowerShell hoặc Windows Terminal, trên Linux là terminal thông thường). Lệnh dưới đây là lệnh README khuyên dùng với uv:

Terminal
uv pip install "freetoken[accel]"

Lệnh này cài gói freetoken kèm phần mở rộng accel. Dấu ngoặc kép quanh tên gói giúp một số shell không hiểu nhầm cặp ngoặc vuông. Nếu máy bạn chưa có uv, README cho phép dùng pip thay thế, nhưng README không ghi riêng câu lệnh pip. Bạn xem docs/install.md để biết chi tiết.

Lưu ý với người mới: lệnh "uv pip install" thường cần một môi trường ảo (virtual environment) đang hoạt động. Nếu gặp lỗi về môi trường, hãy làm theo cách build từ mã nguồn bên dưới, vì ở đó có sẵn bước tạo môi trường.

C.Hoặc build từ mã nguồn

Cách này hợp với dev muốn đọc hoặc sửa code. Các lệnh dưới đây chép đúng từ README:

Terminal
git clone https://github.com/FlashML-org/FreeToken.git && cd FreeToken
uv venv && source .venv/bin/activate
uv pip install -e ".[accel]"

Giải thích từng dòng:

  • Dòng 1 tải mã nguồn về máy rồi chuyển vào thư mục FreeToken. Bạn cần cài git trước.
  • Dòng 2 tạo môi trường ảo .venv và kích hoạt nó. Lệnh "source .venv/bin/activate" dùng cho Linux hoặc shell kiểu bash. README không ghi lệnh kích hoạt riêng cho PowerShell trên Windows, nên bạn dùng ứng dụng desktop hoặc xem docs/install.md nếu đang ở Windows.
  • Dòng 3 cài FreeToken ở chế độ chỉnh sửa (-e). Mọi thay đổi bạn sửa trong thư mục sẽ có tác dụng ngay mà không cần cài lại.

D.Đọc tiếp tài liệu để biết cách chạy

README chính không ghi lệnh khởi động engine hay tải một mô hình cụ thể. Phần này nằm trong thư mục docs của repo, gồm docs/install.md, docs/quickstart.md, docs/models.md và docs/cli.md. Mình không chép lệnh từ đây để tránh ghi sai cờ lệnh. Bạn mở docs/quickstart.md để làm đúng thứ tự.

IV.Kiểm tra đã chạy được chưa

README không nêu một lệnh kiểm tra riêng, nên mình chỉ gợi ý những dấu hiệu hợp lý dựa trên cách cài:

  • Với ứng dụng desktop: mở ứng dụng lên, thấy giao diện chạy mô hình và trò chuyện là engine đã được thiết lập. Thử chạy một mô hình nhỏ trước và gửi một câu chào để xem có phản hồi không.
  • Với bản CLI: lệnh cài kết thúc không báo lỗi là bước đầu ổn. Sau đó làm theo docs/quickstart.md và đối chiếu kết quả đầu ra với tài liệu đó.
  • Nếu mô hình không nạp được: repo có sẵn hướng dẫn chẩn đoán checkpoint (scripts/checkpoint_diagnose/README.md) và hướng dẫn sửa checkpoint FTW cũ (docs/ftw-hotfix.md).

Cách thử an toàn nhất là bắt đầu từ mô hình nhỏ nhất trong danh sách hỗ trợ, ví dụ loại cỡ 35B mà README có nhắc (Qwen3.6-35B-A3B), rồi mới tăng dần.

V.Dùng vào việc thật

Dưới đây là các tình huống bám đúng những gì README mô tả. Phần lệnh cụ thể bạn lấy ở docs/quickstart.md và docs/cli.md.

A.Chủ shop muốn một trợ lý AI chạy trong máy, không gửi dữ liệu ra ngoài

Bạn có một máy gaming ở văn phòng và có danh sách khách hàng, bảng giá nội bộ không muốn gửi lên dịch vụ đám mây. Bạn cài ứng dụng desktop, chọn một mô hình trong danh sách hỗ trợ, rồi chat ngay trong giao diện. Bạn có thể nhờ mô hình soạn tin nhắn trả lời khách, viết mô tả sản phẩm, tóm tắt đánh giá.

Câu lệnh mẫu: "Viết 3 mẫu tin nhắn trả lời khách hỏi về chính sách đổi trả, giọng thân thiện, dưới 60 chữ mỗi mẫu."

Kết quả là bạn có văn bản ngay trên máy mình. Về chuyện dữ liệu có thật sự không rời máy hay không, tư liệu chưa nói chi tiết, nên bạn đọc kỹ tài liệu trước khi nhập thông tin nhạy cảm.

Mô hình lớn không còn là đặc quyền của máy chủ: một chiếc PC gaming đã đủ để bạn bắt đầu thử.

Ông T

B.Dev dùng làm "máy chủ mô hình" cho agent lập trình

Bạn là lập trình viên đang dùng Claude Code, Codex hoặc OpenCode và muốn thử với mô hình mở chạy cục bộ. FreeToken có API tương thích Anthropic và OpenAI, nên bạn có thể trỏ công cụ agent tới địa chỉ máy chủ cục bộ của FreeToken. Cách khai báo địa chỉ và cổng nằm trong docs/cli.md, mình không bịa ở đây.

Prompt mẫu cho agent: "Đọc thư mục src, tìm hàm xử lý đơn hàng bị lặp code và đề xuất cách gộp lại, chưa sửa file."

Lợi ích đáng giá nhất ở đây là cache ngữ nghĩa. Agent hay chèn kết quả công cụ và khối suy nghĩ vào giữa ngữ cảnh. FreeToken được thiết kế để không phải tính lại toàn bộ khi ngữ cảnh bị chỉnh như vậy, nên các phiên làm việc dài sẽ đỡ chờ hơn.

C.Nhân viên văn phòng xử lý tài liệu dài

Bạn phải đọc báo cáo dài hoặc biên bản họp hằng tuần. Bạn mở ứng dụng, dán nội dung vào và nhờ mô hình tóm tắt, rồi hỏi tiếp từng ý. Với tài liệu dài, FreeToken có cơ chế nạp trước (prefill) theo kiểu hai bộ đệm luân phiên để rút ngắn thời gian chờ đọc.

Câu lệnh mẫu: "Tóm tắt biên bản này thành 5 gạch đầu dòng, rồi liệt kê việc cần làm kèm người phụ trách."

Kết quả là bản tóm tắt và danh sách việc cần làm, bạn kiểm tra lại với bản gốc trước khi gửi cho ai.

D.Người mê công nghệ so sánh các mô hình mở

Bạn muốn xem DeepSeek-V4-Flash, Qwen3.6-35B-A3B hay GLM-5.2 hợp việc của mình hơn. Bạn tải lần lượt từng mô hình qua ứng dụng, hỏi cùng một bộ câu và so sánh chất lượng cũng như tốc độ trên đúng máy của mình. Tính năng chia lại VRAM giữa cache chuyên gia và bộ nhớ KV lúc đang chạy cho bạn chỗ để thử nhiều cấu hình mà không phải khởi động lại engine.

VI.Lỗi hay gặp và cách xử lý

README không có mục xử lý sự cố riêng. Dưới đây là các tình huống rất dễ gặp với loại công cụ này, kèm cách xử lý an toàn.

A.Lệnh cài báo lỗi về môi trường hoặc không tìm thấy lệnh

Thường do bạn chưa cài uv, chưa kích hoạt môi trường ảo, hoặc Python cũ hơn 3.10. Kiểm tra phiên bản Python, rồi làm lại theo thứ tự: tạo môi trường ảo, kích hoạt, sau đó mới cài. Nếu vẫn vướng, mở docs/install.md để xem hướng dẫn chính thức.

B.Máy không đủ VRAM hoặc RAM để nạp mô hình

Đây là lỗi hay gặp nhất khi chạy mô hình lớn. Hãy chuyển sang mô hình nhỏ hơn hoặc định dạng lượng tử hoá nhẹ hơn trong danh sách hỗ trợ (docs/models.md). Đừng ép chạy mô hình quá sức máy vì máy có thể đứng hoặc treo.

C.Mô hình tải về nhưng không nạp được

Có thể checkpoint bị hỏng hoặc dùng định dạng FTW cũ. Repo có hai tài liệu cho trường hợp này: docs/ftw-hotfix.md (sửa checkpoint FTW cũ) và scripts/checkpoint_diagnose/README.md (chẩn đoán checkpoint lỗi). Hãy đọc kỹ rồi mới chạy script, và sao lưu file trước khi sửa.

D.Card đồ họa không thuộc dòng RTX 30/40/50

README chỉ nói hỗ trợ gốc cho ba dòng này. Với card khác, tư liệu chưa có thông tin, nên bạn xem docs/install.md hoặc hỏi trong cộng đồng của dự án (README có nhắc kênh Discord và Slack) trước khi mất công cài.

E.Agent kết nối không được tới máy chủ cục bộ

Thường do sai địa chỉ, sai cổng, hoặc engine chưa chạy. Kiểm tra engine đang chạy chưa, rồi đối chiếu cách khai báo trong docs/cli.md. Nếu máy chủ mở ra mạng ngoài, hãy cân nhắc về an toàn trước khi cho thiết bị khác truy cập.

VII.Có nên dùng không

Điểm mạnh:

  • Hướng tới chạy mô hình cỡ lớn trên máy cá nhân, là bài toán mà nhiều engine khác bỏ qua.
  • Có cả ứng dụng desktop lẫn CLI, nên người mới và dev đều có đường vào.
  • API tương thích Anthropic và OpenAI, dễ nối với các agent lập trình phổ biến.
  • Giấy phép Apache-2.0, repo còn được cập nhật trong vài tháng gần đây, cộng đồng khá lớn (khoảng 17.000 sao).
  • Có tài liệu riêng cho cài đặt, danh sách mô hình, tham chiếu CLI và chẩn đoán lỗi.

Giới hạn:

  • Hỗ trợ gốc tập trung vào card NVIDIA RTX đời 30/40/50. Với phần cứng khác, tư liệu chưa nói rõ.
  • Người mới ở Windows nên dùng ứng dụng desktop, vì README chỉ ghi lệnh kích hoạt môi trường kiểu Linux.
  • README chính khá ngắn: lệnh khởi động và cấu hình chi tiết phải đọc ở thư mục docs.
  • Tư liệu chưa nêu yêu cầu cấu hình tối thiểu và tốc độ cụ thể. Bạn nên tự thử trên máy mình.

Khi nào chọn cách khác: nếu máy bạn không có card NVIDIA RTX, hoặc bạn chỉ cần chạy mô hình nhỏ và muốn thật nhanh gọn, một công cụ chạy mô hình cục bộ đơn giản hơn có thể hợp hơn. Nếu bạn cần chất lượng cao nhất mà không quan tâm dữ liệu ở đâu, dịch vụ đám mây vẫn là lựa chọn ít rắc rối. FreeToken đáng thử khi bạn có máy gaming mạnh, muốn chạy mô hình MoE mở cỡ lớn và muốn nối nó vào quy trình làm việc hằng ngày.

4.7/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

FreeToken có miễn phí không?

Mã nguồn dùng giấy phép Apache-2.0, nên bạn được dùng và chỉnh sửa theo điều khoản giấy phép này. Tư liệu không nói gì về phí của ứng dụng desktop hay các dịch vụ đi kèm. Bạn nên xem thêm trên trang chủ dự án.

Cần GPU gì để chạy FreeToken?

README ghi hỗ trợ gốc cho card NVIDIA RTX đời 30, 40 và 50, từ laptop đến desktop và card workstation. Mức VRAM và RAM tối thiểu cho từng mô hình chưa có trong README chính. Bạn xem docs/models.md và docs/install.md.

FreeToken chạy được trên Windows không?

Có. Ứng dụng desktop có bản cho Windows và Linux, và README nói ứng dụng sẽ tự thiết lập engine cho bạn. Các lệnh CLI trong README viết theo kiểu Linux/bash, nên người dùng Windows nên ưu tiên ứng dụng desktop hoặc xem docs/install.md.

FreeToken chạy được những mô hình nào?

README nêu các mô hình MoE mở như DeepSeek-V4-Flash, Qwen3.6-35B-A3B và GLM-5.2, với các định dạng như MXFP4, NVFP4, FP8, BF16 và GGUF. Danh sách đầy đủ và cập nhật nằm trong docs/models.md của repo.

Dùng FreeToken với Claude Code hay Codex được không?

README ghi FreeToken có API tương thích Anthropic và OpenAI để dùng với các agent như Codex, Claude Code, OpenCode, OpenClaw và DeepSeek Harness. Cách khai báo địa chỉ máy chủ cụ thể không có trong README chính, bạn xem docs/cli.md và docs/quickstart.md.

Dữ liệu của tôi có an toàn không?

FreeToken chạy mô hình trên máy của bạn, nên về nguyên tắc không cần gửi nội dung lên dịch vụ đám mây để suy luận. Tuy vậy tư liệu chưa có mô tả chi tiết về bảo mật dữ liệu. Repo có tệp SECURITY.md, bạn nên đọc trước khi dùng với dữ liệu nhạy cảm.

FreeToken khác gì các công cụ như llama.cpp hay vLLM?

README cho biết FreeToken lấy cảm hứng và tái sử dụng một phần code từ SGLang, vLLM, FlashInfer, llama.cpp và một số dự án khác. Điểm riêng của nó là hướng tới máy cá nhân, với phối hợp CPU–GPU thích ứng băng thông và cache ngữ nghĩa cho agent. Tư liệu không có so sánh tốc độ trực tiếp, nên bạn tự thử trên máy mình.

Chuyển nhanh tới mục

  1. I.FreeToken làm được gì
    1. A.Chạy mô hình MoE lớn trên phần cứng tiêu dùng
    2. B.Bộ nhớ đệm chuyên gia và nạp trước thông minh
    3. C.Cache nhận biết ngữ nghĩa cho agent
    4. D.Chia lại VRAM ngay khi đang chạy
    5. E.Nhiều mô hình, nhiều định dạng, API quen thuộc
    6. F.Hỗ trợ card NVIDIA RTX đời 30, 40, 50
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Cách dễ nhất: ứng dụng desktop
    2. B.Cài bằng uv hoặc pip
    3. C.Hoặc build từ mã nguồn
    4. D.Đọc tiếp tài liệu để biết cách chạy
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Chủ shop muốn một trợ lý AI chạy trong máy, không gửi dữ liệu ra ngoài
    2. B.Dev dùng làm "máy chủ mô hình" cho agent lập trình
    3. C.Nhân viên văn phòng xử lý tài liệu dài
    4. D.Người mê công nghệ so sánh các mô hình mở
  6. VI.Lỗi hay gặp và cách xử lý
    1. A.Lệnh cài báo lỗi về môi trường hoặc không tìm thấy lệnh
    2. B.Máy không đủ VRAM hoặc RAM để nạp mô hình
    3. C.Mô hình tải về nhưng không nạp được
    4. D.Card đồ họa không thuộc dòng RTX 30/40/50
    5. E.Agent kết nối không được tới máy chủ cục bộ
  7. VII.Có nên dùng không

Repo & Skill · 13/11/2026 · 11 phút đọc

Garden Skills: bộ skill thiết kế web, tạo ảnh, làm video cho AI — hướng dẫn cài đặt và dùng

Garden Skills là bộ sưu tập Agent Skills (kỹ năng cho AI) của tác giả ConardLi, dùng được với Claude Code, Cursor, Codex và các AI coding agent khác. Mỗi skill dạy agent làm tốt một việc như thiết kế trang web, tạo ảnh, làm video bằng code, biến tài liệu thành bài viết đẹp. Cài không khó, nhưng README có nhiều cách cài nên bạn cần chọn một cách hợp với công cụ đang dùng.

Repo & Skill · 13/11/2026 · 15 phút đọc

thesysdev/openui: xây giao diện AI dạng streaming — hướng dẫn cài đặt và dùng

OpenUI là framework full-stack, độc lập framework, giúp mô hình AI sinh giao diện có cấu trúc và hiển thị dần khi dữ liệu streaming về. Bạn có thể dựng nhanh một ứng dụng chat bằng CLI hoặc cài từng gói cho React, Vue, Svelte, Angular và LangChain. Việc bắt đầu khá đơn giản nếu máy có đúng phiên bản Node; README chưa ghi đầy đủ lệnh chạy ứng dụng sau khi scaffold.

Repo & Skill · 13/11/2026 · 11 phút đọc

Ruflo: điều phối nhóm agent AI cho Claude Code và Codex — hướng dẫn cài đặt và dùng

Ruflo (trước đây là Claude Flow) là một agent harness: lớp công cụ bao quanh Claude Code và Codex, bổ sung nhiều agent chuyên biệt, bộ nhớ qua các phiên và khả năng chia việc cho nhóm agent. Cài bằng một lệnh `npx ruflo@latest init` trong thư mục dự án, cần Node 20 trở lên. Cài khá dễ, nhưng hệ thống rất rộng nên bạn nên bắt đầu từ một tác vụ nhỏ.