Hob chạy AI ngay trên máy: có thay được Claude hay ChatGPT không? Phân tích cho dân văn phòng

Tóm tắt nhanh
Hob là dự án open-source, miễn phí, chạy AI ngay trên máy và tự chọn model open-weight hợp với cấu hình. Nó có thể thay Claude hay ChatGPT ở các việc nhẹ như điền form, tóm tắt tài liệu, nơi bạn cần giữ file trong máy. Với việc suy luận dài, nhiều bước thì chưa chắc theo kịp. Bài này dựa trên thông tin công bố, chưa phải kết quả thử nghiệm.
Câu trả lời ngắn: Hob có thể thay Claude hay ChatGPT cho một nhóm việc, nhưng chưa chắc thay được toàn bộ. Dự án chạy AI ngay trên máy bạn, tài liệu không phải gửi lên server của hãng nào. Đổi lại, model chạy trên laptop thường nhỏ hơn nhiều so với model chạy trên cloud, nên việc nhẹ thì ổn, việc phức tạp thì phải xem lại.
Lý do mình chú ý tới Hob không phải vì nó "miễn phí" hay "open-source". Chạy AI trên máy riêng xưa giờ khó vì khâu chọn: model nào, bản nào, máy bao nhiêu RAM thì chạy nổi. Theo phần giới thiệu của dự án, Hob tự chọn model open-weight mạnh nhất mà máy bạn chạy nổi, rồi tự cài đặt. Nếu khâu này làm tốt, rào cản lớn nhất của việc dùng AI tại chỗ được gỡ đi nhiều.
Bài này đi sâu hơn video ngắn bên dưới: cơ chế "tự chọn model" nghĩa là gì, vì sao chạy trên máy lại riêng tư hơn nhưng không phải tuyệt đối, bạn nên thử thế nào cho an toàn, và khi nào vẫn nên dùng Claude hay ChatGPT. Một lưu ý trung thực: mình mới đọc phần giới thiệu, chưa cài thử Hob. Mọi nhận định dưới đây dựa trên thông tin công bố và hiểu biết chung về model chạy cục bộ, không phải kết quả đo của mình.
I.Bản chất của AI chạy trên máy
A.Hob là gì, theo thông tin công bố
Hob xuất hiện trên Hacker News ở mục Show HN, nơi mọi người khoe món mình tự làm. Tác giả giới thiệu nó là bản open-source thay cho Claude Cowork và ChatGPT. Open-source nghĩa là ai cũng xem và sửa được code.
Theo trang GitHub của dự án, Hob làm được những việc như điền PDF và xử lý tài liệu. Dự án miễn phí, chạy được khi không có mạng, và có bản cho Mac, Windows lẫn Linux. Trong phần tag có ghi MCP, là cách để AI kết nối với các công cụ và dữ liệu khác. Mình sẽ quay lại chi tiết này ở phần quyền truy cập.
B.Model open-weight là gì
Khi một hãng train xong model, họ có hai lựa chọn. Một là giữ kín, chỉ cho bạn gọi qua dịch vụ của họ. Hai là công bố luôn phần đã train xong (gọi là trọng số, weights) để ai cũng tải về chạy được. Kiểu thứ hai gọi là open-weight. Dự án có nhắc tới vài model thuộc nhóm này.
Hai điều cần phân biệt cho đúng:
- Open-weight không đồng nghĩa với mạnh bằng model cloud. Nó chỉ nói rằng bạn tải về và chạy được. Chạy tốt tới đâu còn tuỳ kích cỡ model và máy của bạn.
- Open-source (code của Hob) và open-weight (model bên trong) là hai thứ khác nhau. Hob là phần vỏ: giao diện, cách cài, cách nối với file. Model là phần động cơ, do bên khác train.
C.Vì sao khâu "tự chọn model" lại quan trọng
Hãy hình dung bạn muốn chạy AI trên laptop. Bạn phải trả lời một loạt câu hỏi:
- Model nào phù hợp việc của mình?
- Mỗi model có nhiều bản (nhỏ, vừa, lớn, nén nhiều hay ít). Chọn bản nào?
- Máy mình bao nhiêu RAM, có card đồ hoạ rời hay không, bản đó có chạy nổi không?
- Tải về ở đâu, cài bằng công cụ nào, cấu hình ra sao?
Người làm kỹ thuật thì quen. Người làm kế toán, nhân sự, bán hàng đọc tới đây thường đóng tab. Hob nhắm vào đúng chỗ này: dò máy bạn, chọn model mạnh nhất mà máy chạy nổi, cài sẵn. Việc của bạn chỉ còn là dùng.
Cái giá nằm ngay trong chính cách làm đó. Máy yếu thì Hob chọn model nhỏ, và kết quả cũng nhỏ theo. Tự động hoá khâu chọn không biến máy 8 GB RAM thành máy trạm. Nó chỉ giúp bạn khỏi chọn sai.
D.Khác gì so với Claude hay ChatGPT trên cloud
| Điểm | Chạy trên máy (kiểu Hob) | Dịch vụ cloud |
|---|---|---|
| Nơi xử lý | Máy của bạn | Server của hãng |
| File đi đâu | Ở lại máy (theo thiết kế) | Được gửi lên để xử lý |
| Cần mạng | Không (theo công bố) | Có |
| Sức mạnh model | Bị giới hạn bởi máy bạn | Model lớn, hãng lo hạ tầng |
| Chi phí | Không phí dịch vụ, nhưng tốn điện và tài nguyên máy | Thường có gói trả phí hoặc giới hạn lượt |
Bảng này nói về cách vận hành, không so sánh giá. Điểm cần nhớ: cloud mạnh nhờ hạ tầng của hãng, chạy máy riêng mạnh nhờ quyền kiểm soát dữ liệu. Hai cái mạnh ở hai trục khác nhau, nên câu hỏi "cái nào hơn" thật ra là "việc của bạn cần trục nào".
II.Làm thế nào để thử Hob một cách an toàn
Mình chưa cài Hob nên không đưa lệnh cài hay tên tuỳ chọn nào. Bạn hãy làm theo hướng dẫn trên trang GitHub của dự án. Phần dưới là quy trình đánh giá mà bạn nên làm, dù thử Hob hay bất kỳ công cụ AI chạy cục bộ nào.
- Kiểm tra máyXem RAM, ổ cứng còn trống và có card đồ hoạ rời hay không trước khi cài
- Cài từ nguồn chínhChỉ tải từ trang chính thức của dự án, đọc hướng dẫn và phần giải thích quyền
- Thử bằng tài liệu giảDùng file mẫu không chứa dữ liệu thật để xem tốc độ và chất lượng
- Giới hạn quyền fileChỉ cho AI thấy đúng thư mục cần xử lý, không cho cả ổ đĩa
- So kết quả với bản đúngĐối chiếu đầu ra với kết quả bạn tự làm hoặc đã biết đúng
- Quyết định dùng tới đâuChọn việc nào giao cho nó, việc nào giữ cách cũ
A.Kiểm tra máy trước khi kỳ vọng
Chất lượng của AI chạy cục bộ phụ thuộc rất nhiều vào máy. Cùng một dự án, máy mạnh sẽ được chọn model lớn hơn, máy yếu bị chọn model nhỏ. Vì vậy trước khi đánh giá Hob, bạn cần biết máy mình thuộc nhóm nào. Nếu bạn thử trên một máy cũ rồi kết luận "AI trên máy dở", kết luận đó có thể chỉ đúng với máy cũ của bạn.
Cũng nên để ý chuyện máy nóng, quạt kêu, pin tụt nhanh khi chạy model. Đây là cái giá thực tế mà dịch vụ cloud giấu đi vì họ chạy ở chỗ khác.
B.Thử bằng tài liệu giả trước
Đừng ném hợp đồng thật vào ngay. Hãy tạo vài file mẫu: một form PDF điền thử với tên tuổi bịa, một biên bản họp tự viết, một bảng số liệu giả. Mục đích là trả lời ba câu hỏi:
- Chạy có mượt không, mỗi tác vụ mất bao lâu?
- Điền form có đúng không, có điền nhầm ô, thiếu ô?
- Tóm tắt có giữ đủ ý chính, có bịa thêm gì không?
Với file giả, nếu AI làm sai bạn chỉ mất công thử lại. Với file thật, sai có thể là chuyện lớn.
C.Giới hạn quyền truy cập file
Đây là chỗ nhiều người bỏ qua vì nghĩ "chạy offline thì an toàn". Offline chỉ có nghĩa là dữ liệu không đi ra ngoài theo đường mạng. Nó không có nghĩa là AI không thể đọc, sửa hay xoá file trong máy bạn. Nếu công cụ được phép đọc cả thư mục Documents, nó thấy mọi thứ trong đó, kể cả thứ bạn không định cho nó thấy.
Thói quen tốt: tạo một thư mục riêng cho việc cần xử lý, chỉ đưa bản sao file vào đó, và chỉ cho công cụ làm việc trong thư mục đó. Bản gốc cất chỗ khác.
Offline không phải là "không có rủi ro". AI vẫn có thể đọc, sửa hoặc ghi đè file mà bạn cho nó quyền truy cập. Luôn làm việc trên bản sao, và đọc kỹ công cụ xin những quyền gì trước khi đồng ý.
D.Đối chiếu kết quả
Với điền PDF, bạn đối chiếu từng ô với nguồn. Với tóm tắt, bạn đọc bản gốc lướt qua và kiểm tra các con số, tên, ngày. Model nhỏ có xu hướng làm tròn ý, bỏ chi tiết, đôi khi nhầm số. Quy tắc cũ vẫn đúng: AI làm nhanh, người chịu trách nhiệm kiểm tra.
III.Dùng vào việc thật
Dưới đây là ba tình huống mình nghĩ Hob (hoặc công cụ tương tự) có thể hợp. Đây là dự đoán dựa trên hiểu biết chung về model chạy cục bộ, mình chưa kiểm chứng bằng Hob thật. Bạn cần tự thử trên máy mình.
A.Kế toán tóm tắt hợp đồng và bảng lương nội bộ
Bối cảnh: Chị Hà là kế toán một công ty nhỏ. Cuối tháng chị phải đọc nhiều hợp đồng dịch vụ để nhặt ra ngày thanh toán và điều khoản phạt chậm, đồng thời có bảng lương mà chị không muốn gửi lên dịch vụ bên ngoài.
Câu giao việc:
Đây là một hợp đồng dịch vụ (file nằm trong thư mục đang mở).
Hãy liệt kê dưới dạng danh sách:
1. Tên hai bên ký.
2. Giá trị hợp đồng và đơn vị tiền tệ như ghi trong văn bản.
3. Các mốc thanh toán và ngày đến hạn.
4. Điều khoản phạt khi chậm thanh toán (trích nguyên văn câu liên quan).
Nếu một mục không có trong văn bản, ghi rõ "không thấy trong văn bản", không tự suy đoán.Kết quả nhận được: một danh sách gọn để chị đối chiếu nhanh. Việc nhặt thông tin có sẵn trong văn bản thường là loại việc model nhỏ làm khá ổn.
Chỗ cần kiểm tra lại: mọi con số và ngày tháng phải đối chiếu với bản gốc. Yêu cầu "trích nguyên văn" giúp chị tìm lại câu gốc nhanh hơn. Bảng lương thì chị nên thử với bản đã xoá thông tin cá nhân trước, rồi mới quyết định có dùng bản thật hay không.
B.Chủ shop điền mẫu đơn và biểu mẫu lặp lại
Bối cảnh: Anh Tuấn mở cửa hàng, thường xuyên phải điền biểu mẫu đăng ký, phiếu bảo hành, giấy đề nghị thanh toán cho nhà cung cấp. Các mẫu giống nhau, chỉ khác thông tin.
Câu giao việc:
Đây là mẫu phiếu bảo hành dạng PDF.
Tôi sẽ đưa thông tin khách hàng bên dưới. Hãy điền vào đúng các ô tương ứng.
Không thêm hay bớt ô nào. Ô nào tôi không cung cấp thông tin thì để trống.
Tên khách: Nguyễn Văn A (dữ liệu mẫu)
Số điện thoại: 0900000000 (dữ liệu mẫu)
Sản phẩm: Máy xay sinh tố
Ngày mua: 05/03Kết quả nhận được: một file PDF đã điền sẵn. Đây đúng là việc mà dự án nhắc tới, và là loại việc có cấu trúc rõ nên khả năng làm tốt cao hơn việc suy luận mở.
Chỗ cần kiểm tra lại: mở file ra xem từng ô. Lỗi hay gặp là điền lệch ô, đặc biệt với form có bố cục phức tạp hoặc là ảnh quét. Với file scan, chất lượng đọc chữ còn phụ thuộc cách công cụ xử lý, nên thử trước vài mẫu.
C.Dev hoặc nhân viên văn phòng tóm tắt biên bản khi đang không có mạng
Bối cảnh: Bạn Lan đi công tác, ngồi ở sân bay hoặc trên tàu, mạng chập chờn nhưng có biên bản họp cần rút gọn thành danh sách việc để gửi ngay khi có mạng.
Câu giao việc:
Đây là biên bản cuộc họp. Hãy:
1. Tóm tắt trong tối đa 5 gạch đầu dòng.
2. Liệt kê riêng các việc cần làm, mỗi việc ghi rõ người phụ trách và hạn nếu biên bản có nêu.
Chỉ dùng thông tin có trong biên bản. Việc nào không rõ người phụ trách thì ghi "chưa rõ".Kết quả nhận được: bản tóm tắt dùng được làm nháp. Chạy offline là lợi thế thật khi mạng không ổn định.
Chỗ cần kiểm tra lại: việc gán người phụ trách. Đây là chỗ model dễ nhầm, nhất là khi biên bản có nhiều người cùng tham gia. Đọc lại bản gốc ở những dòng có tên người trước khi gửi.
IV.Góc nhìn khách quan
A.Điểm mạnh thật sự
- Dữ liệu ở lại máy. Theo thiết kế, tài liệu không bị gửi lên server của hãng nào. Với người hay xử lý hợp đồng, hồ sơ khách hàng, bảng lương thì đây là lý do chính để quan tâm.
- Chạy được khi không có mạng. Hữu ích khi đi công tác, khi mạng văn phòng chập chờn, hoặc khi chính sách công ty hạn chế gửi dữ liệu ra ngoài.
- Hạ thấp rào cản cài đặt. Nếu khâu tự chọn và tự cài model hoạt động như mô tả, người không rành kỹ thuật cũng có thể bắt đầu.
- Code mở. Ai có khả năng đều có thể xem dự án làm gì với file của mình. Đó là lợi thế về minh bạch, dù không phải ai cũng đọc được code.
Riêng tư không tự động có nghĩa là mạnh. Chạy trên máy giúp tài liệu ở lại với bạn, nhưng sức của model vẫn do chiếc máy bạn đang có quyết định.
Ông T
B.Giới hạn và rủi ro
- Năng lực model bị trần theo máy. Model chạy trên laptop thường nhỏ hơn nhiều so với model cloud. Mình đoán việc nhẹ như điền form hay tóm tắt thì ổn, còn việc suy luận dài, nhiều bước thì chưa chắc theo kịp. Đây là dự đoán, chưa phải kết quả thử.
- Tốc độ và tài nguyên. Chạy model tốn RAM, CPU hoặc GPU, pin và nhiệt. Máy yếu có thể chạy chậm tới mức bạn mất kiên nhẫn.
- Quyền truy cập file. Tag MCP trong dự án cho thấy AI có thể được nối với công cụ và dữ liệu khác. Cho AI đụng vào file thì phải biết nó được cấp quyền tới đâu, kể cả khi chạy offline.
- Dự án còn mới. Một dự án vừa được giới thiệu thường chưa qua nhiều vòng thử của cộng đồng. Lỗi, thiếu tính năng, thay đổi bất ngờ đều có thể xảy ra.
- Riêng tư không đồng nghĩa bảo mật. File không rời máy không có nghĩa là máy bạn an toàn. Máy không mã hoá ổ đĩa, không khoá màn hình, người khác vẫn mở được file như thường.
- Không phải mọi thứ đều chạy cục bộ. Hãy đọc kỹ xem có tính năng nào vẫn gọi ra ngoài không. Thông tin trong bài này chỉ dựa trên phần giới thiệu, nên bạn cần tự xác minh.
C.Khi nào nên chọn cách khác
Nếu việc của bạn cần suy luận dài, viết báo cáo phức tạp, phân tích nhiều nguồn, hoặc viết code cho dự án lớn, các dịch vụ cloud như Claude, ChatGPT hay Gemini vẫn là lựa chọn đáng cân nhắc vì chạy trên hạ tầng mạnh. Với lập trình, các công cụ như Claude Code, Codex CLI hay Cursor được thiết kế sát quy trình làm việc của dev.
Cách dùng thực tế mà mình nghĩ hợp lý là chia theo mức nhạy cảm và mức khó:
- Việc nhạy cảm và nhẹ (điền form nội bộ, tóm tắt tài liệu có dữ liệu cá nhân): thử chạy trên máy.
- Việc không nhạy cảm và cần suy luận sâu: dùng dịch vụ cloud mạnh.
- Việc nhạy cảm và khó: cân nhắc kỹ, có thể tự làm phần nhạy cảm, nhờ AI phần còn lại sau khi đã ẩn thông tin.
Ngoài Hob còn nhiều công cụ AI chạy cục bộ khác. Bạn có thể xem thêm các bài trong series về AI chạy trên máy và các app all-in-one trước khi quyết định.
V.Lỗi hay gặp và cách tránh
A.Tưởng "offline" là "tuyệt đối an toàn"
Offline chỉ nghĩa là dữ liệu không đi qua mạng. Nó không nói gì về chuyện AI được phép làm gì với file trong máy. Cách tránh: đọc phần quyền của công cụ, chỉ mở thư mục cần thiết, làm việc trên bản sao.
B.Kỳ vọng ngang Claude hay ChatGPT rồi thất vọng
Người mới hay so kết quả của model nhỏ trên laptop với model cloud khổng lồ, rồi kết luận "dở". Hai thứ này không cùng hạng sức mạnh. Cách tránh: giao việc nhẹ, có cấu trúc rõ trước. Việc nào thấy model làm yếu thì ghi lại và chuyển sang công cụ mạnh hơn, với dữ liệu đã ẩn thông tin nhạy cảm.
C.Ném dữ liệu thật vào ngay lần đầu
Chưa biết công cụ làm đúng tới đâu mà đã đưa hợp đồng, bảng lương thật vào thì rủi ro cả hai chiều: kết quả sai và quyền file chưa rõ. Cách tránh: thử bằng tài liệu giả trước, đối chiếu kết quả, rồi mới tăng dần.
D.Tin kết quả điền form mà không soát lại
Model điền sai ô, nhầm số, bỏ sót mục nhưng trông vẫn rất tự tin. Cách tránh: luôn mở file kết quả ra xem từng ô quan trọng, nhất là con số, ngày, tên, số tài khoản.
E.Chạy trên máy quá yếu
Máy ít RAM, ổ cứng gần đầy thì công cụ chạy chậm, model nhỏ, kết quả kém, trải nghiệm tệ. Cách tránh: kiểm tra cấu hình trước, dọn ổ đĩa, đóng bớt ứng dụng nặng khi chạy. Nếu máy không đủ, đừng ép; dùng cloud cho việc không nhạy cảm sẽ hợp lý hơn.
VI.Dự phóng: AI chạy trên máy sẽ đi về đâu
Phần này là nhận định của Ông T dựa trên hướng đi chung của AI agent và công cụ AI. Đây không phải tin chính thức và không nói về kế hoạch của bất kỳ hãng hay dự án cụ thể nào.
A.Khâu chọn và cài model sẽ ngày càng tự động
Mức chắc chắn: khả năng cao. Rào cản lớn nhất của AI cục bộ là sự phức tạp khi chọn và cài. Đây là vấn đề dễ thấy và có nhiều người cùng muốn giải, nên mình nghĩ sẽ có thêm công cụ làm khâu này gọn hơn. Bạn nên chuẩn bị: biết máy mình có bao nhiêu RAM, loại chip gì, để hiểu công cụ đang chọn gì cho mình.
B.Dùng kết hợp thay vì chọn một
Mức chắc chắn: khả năng cao. Thực tế nhiều người sẽ dùng cả hai: máy riêng cho việc nhạy cảm và nhẹ, cloud cho việc nặng. Mình nghĩ ranh giới giữa hai bên sẽ được các công cụ làm mờ dần, ví dụ tự chọn nơi chạy theo mức nhạy cảm của dữ liệu. Bạn nên chuẩn bị: tự phân loại tài liệu của mình thành nhóm nhạy cảm và không nhạy cảm, để quyết định nhanh hơn.
C.Model nhỏ sẽ khá lên, nhưng khoảng cách chưa chắc biến mất
Mức chắc chắn: có thể. Xu hướng chung là model nhỏ được cải tiến liên tục, nên việc laptop làm được ngày càng nhiều là hợp lý. Nhưng model lớn trên cloud cũng tiến tiếp, nên khoảng cách có thu hẹp hay không còn khó nói. Bạn nên chuẩn bị: đừng chốt kết luận một lần. Sau mỗi vài tháng, thử lại bộ tài liệu mẫu của bạn để xem việc nào đã đủ tốt.
D.Quyền truy cập và kiểm soát sẽ thành điểm cạnh tranh
Mức chắc chắn: còn bỏ ngỏ. Khi AI được nối với file và công cụ qua các giao thức như MCP, câu hỏi "AI được làm gì" trở nên quan trọng hơn "AI giỏi cỡ nào". Có thể công cụ nào cho người dùng nhìn rõ và giới hạn quyền dễ hơn sẽ được tin hơn, nhưng đây mới là suy đoán. Bạn nên chuẩn bị: tập thói quen đọc phần quyền và dùng thư mục riêng ngay từ bây giờ, với bất kỳ công cụ nào.
VII.Bắt đầu từ đâu
Hob đáng để bạn để mắt tới, nhất là nếu bạn hay xử lý tài liệu nhạy cảm. Nhưng với mình, điểm đáng giá nhất không nằm ở chỗ "thay được Claude hay ChatGPT", mà ở chỗ nó cho thấy việc dùng AI ngay trên máy đang dễ dần. Còn nó làm tốt tới đâu thì cần người dùng thật thử. Mình chưa cài nên chưa dám khen hay chê.
Ba việc bạn làm được ngay hôm nay:
- Kiểm tra cấu hình máy (RAM, ổ trống, có card đồ hoạ hay không) và ghi lại. Đây là cơ sở để kỳ vọng đúng.
- Chuẩn bị 3 tài liệu mẫu giả: một form PDF, một biên bản họp, một bảng số liệu, không chứa dữ liệu thật. Có sẵn để thử bất kỳ công cụ AI cục bộ nào.
- Phân loại việc của bạn thành hai cột: nhạy cảm và nhẹ (hợp thử trên máy), không nhạy cảm hoặc cần suy luận sâu (hợp cloud). Chỉ cần vài dòng giấy là đủ.
Nếu bạn đã thử Hob trên máy đủ khoẻ, hãy kể lại: chạy có mượt không, điền PDF có đúng không. Trải nghiệm thật của người dùng luôn đáng tin hơn bất kỳ bài giới thiệu nào, kể cả bài này.
Câu hỏi thường gặp
Hob là gì và có miễn phí không?
Theo phần giới thiệu trên GitHub, Hob là dự án open-source chạy AI ngay trên máy, miễn phí, có bản cho Mac, Windows và Linux. Nó có thể điền PDF và xử lý tài liệu. Mình mới đọc phần giới thiệu, chưa cài thử nên chưa kiểm chứng được chất lượng.
Hob có thay được Claude hay ChatGPT không?
Với việc nhẹ như điền form hoặc tóm tắt tài liệu thì có khả năng ổn. Với việc suy luận dài, nhiều bước thì chưa chắc theo kịp, vì model chạy trên laptop thường nhỏ hơn model cloud. Đây là nhận định dựa trên thông tin công bố, chưa phải kết quả thử.
Chạy offline thì dữ liệu của tôi có an toàn tuyệt đối không?
Không tuyệt đối. Offline chỉ có nghĩa là dữ liệu không đi qua mạng tới server của hãng nào. AI vẫn có thể đọc hoặc sửa file mà bạn cấp quyền, và máy của bạn cũng cần được bảo vệ. Hãy chỉ cho công cụ truy cập thư mục cần thiết và làm việc trên bản sao.
Hob tự chọn model như thế nào?
Theo mô tả của dự án, Hob chọn model open-weight mạnh nhất mà máy bạn chạy nổi rồi tự cài. Chi tiết cách dò máy và tiêu chí chọn thì mình chưa kiểm chứng, bạn nên đọc trên trang GitHub của dự án.
Máy yếu có dùng được Hob không?
Có thể chạy, nhưng theo cách dự án hoạt động thì máy yếu sẽ được chọn model nhỏ, kết quả cũng nhỏ theo và tốc độ có thể chậm. Nếu máy quá yếu, bạn nên cân nhắc dùng dịch vụ cloud cho việc không nhạy cảm.
Tag MCP trong dự án có ý nghĩa gì với người dùng?
MCP là cách để AI kết nối với các công cụ và dữ liệu khác. Với người dùng, điều đáng chú ý là khi AI đụng vào file hoặc công cụ, bạn nên biết nó được cấp quyền tới đâu, kể cả khi chạy offline. Mình chưa kiểm tra Hob cấp quyền cụ thể ra sao.
Có nên đưa hợp đồng và bảng lương thật vào thử ngay không?
Không nên. Hãy thử bằng tài liệu giả trước để xem chất lượng và hiểu công cụ truy cập file thế nào. Khi dùng dữ liệu thật, hãy làm trên bản sao và kiểm tra kỹ kết quả.


