Bỏ qua tới nội dung
Ông T.vn

Memorilla: bộ nhớ 16 token cho LLM đọc cả kho tài liệu — hướng dẫn cài đặt và dùng

12 phút đọcCập nhật

Bài này là một góc nhìn khác về snap-stanford/memorilla — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: Memorilla: nén cả kho tài liệu thành 16 token bộ nhớ cho LLM — hướng dẫn cài đặt và dùng →

Memorilla: bộ nhớ 16 token cho LLM đọc cả kho tài liệu — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

Memorilla là mã nguồn Python (từ nhóm Stanford) để huấn luyện và chạy một mô-đun bộ nhớ: nó đọc cả bộ tài liệu rồi đưa cho LLM chỉ 16 memory token mang đúng thông tin câu hỏi cần. Repo hợp với người làm nghiên cứu hoặc kỹ sư AI, vì cần Linux và GPU NVIDIA 80GB để chạy ví dụ mẫu. Cài bằng uv khá gọn, nhưng phần cứng là rào cản lớn.

Memorilla là một hệ thống bộ nhớ cho mô hình ngôn ngữ lớn (LLM): nó đọc cả một bộ tài liệu, ví dụ lịch sử chat của một người dùng hoặc một cuốn sách dài, rồi chỉ đưa cho LLM 16 «memory token» chứa đúng những gì câu hỏi cần. LLM ở đây được giữ nguyên (đóng băng), không phải huấn luyện lại. Repo này là mã nguồn đi kèm bài báo khoa học của nhóm tác giả, gồm cả code huấn luyện lẫn code đánh giá.

Vấn đề nó giải quyết rất quen thuộc. LLM chỉ dùng được những gì vừa trong cửa sổ ngữ cảnh. Muốn trợ lý «nhớ» hàng trăm cuộc trò chuyện cũ thì phải nhét tất cả vào prompt (chậm, tốn) hoặc tìm vài đoạn liên quan rồi đưa vào (RAG, dễ sót những manh mối nằm rải rác). Memorilla đi con đường thứ ba: nén thông tin theo từng câu hỏi vào một số token cố định.

Điểm đáng giá nhất, theo README: với ngân sách nhỏ này, Memorilla đạt điểm trung bình tốt nhất so với các phương pháp như Mem0 và MemoRAG. Trên bộ FactKG, nó còn chính xác hơn việc đưa toàn bộ tài liệu cho LLM (84,33% so với 80,43%) mà dùng ít token hơn 108 lần. Repo hiện có khoảng 875 sao và 64 fork, giấy phép Apache-2.0.

Lưu ý trước khi bạn hào hứng: đây là mã nghiên cứu, cần Linux và GPU mạnh. Bạn không cài thử được trên laptop văn phòng thông thường. Bài này giúp bạn hiểu repo làm gì và biết chạy nó ra sao nếu có máy phù hợp.

Framework

snap-stanford/memorilla

Memorilla nén cả kho tài liệu hoặc lịch sử chat thành 16 memory token để một LLM đóng băng trả lời đúng ý người dùng, nhanh hơn nhiều so với nhét hết vào prompt.

★ 875PythonApache-2.0
Xem repo trên GitHub

I.Memorilla làm được gì

A.Nén cả kho tài liệu thành 16 token

Dù bạn có 1 hay 512 tài liệu, LLM luôn nhận đúng 16 memory token. Lợi ích thực tế là chi phí và thời gian trả lời gần như không tăng theo kích thước kho. README nêu số đo trên một GPU H100: tăng bộ tài liệu từ 1 lên 512 tài liệu (khoảng 128K token) thì thời gian phản hồi của Memorilla giữ ở 0,74 giây. Còn nhét hết vào prompt thì thời gian tăng từ 0,75 lên 19,9 giây, chậm hơn khoảng 27 lần.

B.Nhớ cá nhân hoá, nối các manh mối rời rạc

Ví dụ trong README: một người dùng đã có 107 cuộc trò chuyện với trợ lý, tổng cộng khoảng 32.000 token. Họ hỏi gợi ý bữa sáng no lâu. Memorilla trả lời có tính đến việc gia đình họ có tiền sử tiểu đường tuýp 2. Người dùng không hề nói câu đó, manh mối chỉ nằm trong một cuộc chat cũ hỏi về nguy cơ tiểu đường bên họ mẹ. Mô hình Qwen3-8B không có bộ nhớ thì chỉ đưa danh sách món sáng chung chung.

C.Giúp agent học từ lịch sử của chính nó

Memorilla cũng có thể làm bộ nhớ cho một agent chơi game văn bản TextWorld, học chỉ từ phần thưởng. Theo README, tỉ lệ thành công trung bình tăng từ 18,6% lên 24,2%. Phần này nằm trong thư mục rl/ và dùng một bản fork của SkyRL.

D.Có sẵn checkpoint, dữ liệu và benchmark

Các mô-đun bộ nhớ đã huấn luyện được đăng trên Hugging Face. Repo cũng có công thức huấn luyện ba giai đoạn, script đánh giá trên các benchmark, các baseline để so sánh (closed book, RAG, full context), và bộ benchmark PersonalizationV4 do chính nhóm tạo.

E.Dùng được với dữ liệu của bạn

Chỉ cần chuẩn bị file parquet theo đúng cột quy định, README nói không cần sửa code để huấn luyện và đánh giá trên bộ tài liệu riêng.

II.Cần chuẩn bị gì

  • Hệ điều hành: Linux. README viết rõ «Linux with CUDA GPUs». Tư liệu không nói gì về Windows hay macOS.
  • Phần cứng: GPU NVIDIA có CUDA. Các công thức trong README chạy trên H100 80GB. Ví dụ Getting started cần một GPU 80GB.
  • Python: 3.11 (pyproject.toml yêu cầu >=3.11).
  • Công cụ cài: uv và git.
  • Dung lượng và mạng: lần chạy đầu tải khoảng 25 GB mô hình và bộ test 37 MB. Nếu huấn luyện đủ ba giai đoạn thì tải khoảng 310 GiB dữ liệu và embedding.
  • Thời gian huấn luyện: trên 4 GPU H100 80GB, ba giai đoạn mất khoảng 19 giờ. Đánh giá một checkpoint trên cả tám benchmark mất khoảng 15 phút với một GPU.
  • Tài khoản / API key: phần cài đặt cơ bản không nhắc tới. Riêng pipeline sinh dữ liệu PersonalizationV4 dùng OpenAI client (extra personalizationv4), nên nếu chạy phần đó bạn sẽ cần key OpenAI. Chi tiết xem trong thư mục personalizationv4/.

Nếu bạn chỉ có laptop hoặc máy văn phòng không có GPU NVIDIA lớn, đừng cố cài ví dụ chính. README không ghi cách chạy trên cấu hình nhỏ hơn. Bạn có thể thuê máy GPU Linux theo giờ, nhưng hãy xem kỹ giá thuê trước, vì tải 25 GB mô hình và chạy GPU 80GB không rẻ.

III.Cài đặt từng bước

  1. Tải mã nguồnClone repo về máy Linux và vào thư mục memorilla
  2. Tạo môi trườngDùng uv tạo môi trường ảo Python 3.11 rồi kích hoạt
  3. Cài gói chínhCài memorilla ở chế độ chỉnh sửa được bằng uv pip
  4. Cài FlashAttention-2Cần cho huấn luyện; bỏ qua được nếu chỉ đánh giá
  5. Cài thêm extrasTuỳ chọn: dev, wandb, personalizationv4, rl

A.Tải mã nguồn và tạo môi trường

Mở terminal trên máy Linux có GPU. Lệnh đầu tải repo về và vào thư mục. Lệnh thứ hai tạo môi trường ảo Python 3.11 bằng uv rồi kích hoạt nó. Chữ (.venv) xuất hiện đầu dòng lệnh nghĩa là bạn đã vào môi trường.

Terminal
git clone https://github.com/snap-stanford/memorilla.git && cd memorilla
uv venv --python 3.11 && source .venv/bin/activate

Chỗ người mới hay vấp: nếu máy chưa có uv, lệnh uv sẽ báo không tìm thấy. Hãy xem trang cài đặt uv ở link phía trên rồi chạy lại.

B.Cài gói chính

Lệnh này cài Memorilla từ thư mục hiện tại (chế độ -e nghĩa là bạn sửa code trong repo thì thay đổi có hiệu lực ngay). Hãy chắc là bạn đang đứng trong thư mục memorilla và môi trường ảo đã được kích hoạt.

Terminal
uv pip install -e .

C.Cài FlashAttention-2

Huấn luyện dùng FlashAttention-2 theo mặc định, nên README đưa lệnh sau. Nếu chỉ đánh giá thì README nói không cần bước này.

Terminal
uv pip install --no-build-isolation flash-attn==2.7.4.post1

Nếu bạn không muốn cài FlashAttention-2, README cho phép huấn luyện bằng attention của PyTorch, thêm cờ --attn_implementation sdpa:

Terminal
scripts/train.sh configs/stage1_enwiki.yaml --attn_implementation sdpa

D.Cài thêm các gói tuỳ chọn

Chỉ cài cái bạn cần. Mỗi dòng dưới đây có chú thích rõ công dụng.

Terminal
uv pip install -e ".[dev]"                 # tests, linters and pre-commit
uv pip install -e ".[wandb]"               # Weights & Biases logging
uv pip install -e ".[personalizationv4]"   # OpenAI client for the PersonalizationV4 pipeline
uv pip install -e ".[rl]"                  # TextWorld, for the RL data tools

Phần học tăng cường trên TextWorld (thư mục rl/) còn cần SkyRL-Memorilla, một bản fork của SkyRL. Cách cài riêng nằm trong tài liệu của rl/ và guide «Reinforcement learning» trong docs/.

IV.Kiểm tra đã chạy được chưa

Cách kiểm tra đáng tin nhất là chạy luôn ví dụ trong README. Bạn cần một GPU 80GB và lần đầu sẽ tải khoảng 25 GB mô hình cùng bộ test 37 MB. Dưới đây là code mẫu từ README, lưu vào một file .py rồi chạy bằng Python trong môi trường đã kích hoạt.

Python
from memorilla.benchmarks import PERSONA_PROMPT
from memorilla.data import ensure_data, load_split
from memorilla.vllm import MemoryVLLM

row = load_split("pmv2", "test", ensure_data("pmv2", ["test"]))[73]  # one user's question and past conversations

model = MemoryVLLM.from_pretrained("memorilla/Memorilla-Qwen3-8B", "pmv2")  # Qwen3-8B, the memory module and the encoder
answer = model.answer(row["question"], row["documents"], system_prompt=PERSONA_PROMPT)
print(f"Question: {row['question']}\nMemorilla: {answer}")

Kết quả mong đợi theo README: chương trình in ra câu hỏi «What are some easy breakfast ideas that will keep me full all morning?» và câu trả lời của Memorilla nhắc tới tiền sử tiểu đường trong gia đình, gợi ý trứng với bơ hoặc sữa chua Hy Lạp với hạt chia và quả mọng. Nếu câu trả lời của bạn nhắc đúng chi tiết ấy thì bộ nhớ đang hoạt động. Nội dung có thể khác chữ nghĩa đôi chút giữa các lần chạy, vì README chỉ đưa một ví dụ đầu ra.

Nếu muốn kiểm tra phần code mà không cần GPU, README có bộ test đơn vị chỉ chạy bằng CPU và không cần mạng. Bạn cài extra dev rồi chạy pytest (xem mục Development của README):

Terminal
uv pip install -e ".[dev]"
pytest

V.Dùng vào việc thật

Memorilla là mã nghiên cứu chứ không phải ứng dụng đóng gói sẵn. Các tình huống dưới đây bám đúng những gì README mô tả.

A.Dev dựng trợ lý nhớ lịch sử chat của người dùng

Bạn là kỹ sư AI đang làm một chatbot chăm sóc khách hàng, và muốn bot nhớ hàng trăm cuộc trò chuyện cũ của từng khách mà không phải nhét hết vào prompt. Bạn chạy ví dụ Getting started để xem chất lượng, rồi tải checkpoint đã huấn luyện cho bài toán cá nhân hoá:

Terminal
hf download memorilla/Memorilla-Qwen3-8B --local-dir checkpoints

Sau đó bạn nạp mô-đun bộ nhớ trong Python:

Python
from memorilla import MemoryModule

memory = MemoryModule.from_pretrained("checkpoints/stage3")

Kết quả: bạn có mô-đun bộ nhớ đã huấn luyện để thử nghiệm trên dữ liệu của mình. README ghi các checkpoint pv4/ và pmv2/ được huấn luyện riêng cho hai bộ cá nhân hoá. Lệnh hf là công cụ của Hugging Face, README không nói cách cài nó, nên nếu máy chưa có bạn cần tự tra cách cài.

Cùng một LLM, cùng 16 token, dù kho tài liệu có to đến đâu.

Ông T

B.Nhóm nghiên cứu muốn so Memorilla với RAG và full context

Bạn đang viết báo cáo về bộ nhớ cho LLM và cần số liệu đối chứng. Repo có sẵn script chạy các baseline: closed book, RAG lấy 5 tài liệu đầu, và đưa toàn bộ ngữ cảnh. Bạn đánh giá checkpoint trên mọi benchmark hoặc chọn một benchmark cụ thể:

Terminal
scripts/evaluate.sh runs/stage3/epoch-04 all
scripts/baselines.sh closed_book all
scripts/baselines.sh rag all --top_k 5
scripts/baselines.sh full_context triviaqa

Kết quả: bạn có số liệu cạnh nhau cho từng phương pháp. Theo README, đánh giá một checkpoint trên cả tám benchmark mất khoảng 15 phút với một GPU.

C.Công ty có bộ tài liệu riêng muốn thử nghiệm

Bạn có một kho tài liệu nội bộ kèm cặp câu hỏi và đáp án. README cho biết chỉ cần viết mỗi phần dữ liệu (split) thành một file parquet đặt tên kiểu train-00000-of-00001.parquet trong thư mục my_data/data/my_task/. Mỗi dòng ứng với một câu hỏi, gồm các cột collection_id, question, answer và documents. Sau đó:

Terminal
python train.py --config configs/single_task.yaml --data_repo my_data --datasets my_task --output_dir runs/my_task
python evaluate.py --data_repo my_data --config my_task --split test --scoring generation --checkpoint runs/my_task/epoch-04

Kết quả: một checkpoint riêng cho bộ dữ liệu của bạn và điểm đánh giá trên tập test. Công thức single_task mặc định khởi động từ checkpoint Stage 2. Muốn huấn luyện từ đầu thì thêm --init_memory "". Embedding được tính ở lần dùng đầu tiên, nên lần chạy đầu sẽ lâu hơn.

D.Nhóm RL thử bộ nhớ cho agent chơi game chữ

Bạn nghiên cứu agent và muốn xem bộ nhớ giúp ích ra sao khi agent phải nhớ những phòng đã đi qua. Thư mục rl/ huấn luyện mô-đun bộ nhớ bằng GRPO trên các game TextWorld. README kể rằng agent chỉ dựa vào toàn bộ lịch sử trong ngữ cảnh thì cứ quay lại các phòng đã khám phá đến khi hết giới hạn 50 lượt, còn khi có thêm 8 memory token đã huấn luyện thì đến được đích. Cách cài và chạy nằm trong tài liệu của rl/, README chính không ghi lệnh cụ thể.

VI.Lỗi hay gặp và cách xử lý

A.Không có GPU phù hợp hoặc hết bộ nhớ GPU

Ví dụ chính cần một GPU 80GB. Trên GPU nhỏ hơn, bạn dễ gặp lỗi hết bộ nhớ CUDA. README không ghi cấu hình nhỏ hơn nào chạy được, nên cách an toàn là dùng đúng cấu hình README nêu hoặc thuê máy GPU phù hợp.

B.Cài flash-attn thất bại

Đây là bước hay lỗi nhất với loại repo này, vì gói phải biên dịch và phụ thuộc phiên bản CUDA, PyTorch của máy. Hãy chắc bạn đã làm xong lệnh uv pip install -e . trước (README cài flash-attn ở lệnh cuối cùng, sau khi các gói khác có mặt) và giữ nguyên cờ --no-build-isolation. Nếu vẫn không được, phần đánh giá không cần FlashAttention-2, còn huấn luyện có thể dùng cờ --attn_implementation sdpa như ở trên.

C.Chạy nhiều GPU bị treo, đánh giá chậm, hoặc máy không có mạng

README có hẳn guide «Troubleshooting» trong docs/ cho các tình huống này: multi-GPU bị đứng, đánh giá chậm, máy offline. Tư liệu bài này không chép chi tiết, nên hãy mở guide đó trước khi tự mò.

D.Lần chạy đầu rất lâu hoặc đầy ổ đĩa

Lần đầu bbạn tải khoảng 25 GB mô hình cho ví dụ mẫu, còn huấn luyện đủ ba giai đoạn thì tải khoảng 310 GiB. Hãy kiểm tra dung lượng trống và đường truyền trước khi chạy. Đừng ngắt giữa chừng nếu chưa biết file nào đang tải dở.

E.Dữ liệu riêng không nạp được

Nếu dùng bộ tài liệu của mình mà báo lỗi, hãy kiểm tra lại tên file có đúng dạng train-00000-of-00001.parquet không. Đường dẫn phải là my_data/data/my_task/ và phải có đủ bốn cột collection_id, question, answer, documents. Guide «Data» trong docs/ mô tả chi tiết bố cục file và cách chia đoạn tài liệu.

VII.Có nên dùng không

Điểm mạnh. Ý tưởng rõ ràng: kích thước bộ nhớ cố định nên chi phí và độ trễ gần như phẳng khi kho tài liệu lớn lên. Kết quả công bố tốt so với Mem0, MemoRAG và nhiều baseline khác. Repo có đủ thứ để tái lập: checkpoint, dữ liệu, công thức huấn luyện, script đánh giá và bài báo. Giấy phép Apache-2.0 cho phần mã nguồn.

Giới hạn. Cần Linux và GPU NVIDIA mạnh, README ghi chạy trên H100 80GB. Đây là mã nghiên cứu, chưa phải sản phẩm cắm vào là dùng. Mỗi bộ dữ liệu trong Memorilla-Data giữ giấy phép của nguồn gốc, còn PersonalizationV4 theo CC BY 4.0, nên nếu dùng thương mại bạn cần kiểm tra từng cái. Các checkpoint đều dùng decoder Qwen3-8B và encoder Qwen3-Embedding-4B, còn tư liệu không nói gì về việc ghép với mô hình khác. Con số «có thể mở rộng đến hàng triệu token» trong README là khả năng («potentially»), chưa phải kết quả đã đo.

Khi nào chọn cách khác. Nếu bạn là chủ shop hay nhân viên văn phòng chỉ cần một trợ lý nhớ tài liệu, các công cụ có giao diện sẵn sẽ hợp hơn. Nếu bạn là lập trình viên cần bộ nhớ cho chatbot nhanh gọn trên máy bình thường, hãy cân nhắc RAG hoặc các thư viện bộ nhớ nhẹ hơn. Còn nếu bạn nghiên cứu về bộ nhớ cho LLM, có GPU và muốn tái lập hoặc mở rộng kết quả, Memorilla rất đáng thử.

4.9/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

Memorilla có miễn phí không?

Mã nguồn dùng giấy phép Apache-2.0, nên bạn tải và dùng được. Mỗi bộ dữ liệu trong Memorilla-Data giữ giấy phép riêng của nguồn gốc, còn PersonalizationV4 theo CC BY 4.0. Chi phí máy GPU thì tư liệu không nói.

Có cần GPU không?

Có. README nêu rõ cần Linux với GPU CUDA, và các công thức được chạy trên NVIDIA H100 80GB. Ví dụ Getting started cần một GPU 80GB. Tư liệu không ghi cấu hình GPU nhỏ hơn có chạy được hay không.

Chạy được trên Windows không?

README chỉ ghi yêu cầu Linux với GPU CUDA và không nhắc tới Windows hay macOS. Vì vậy chưa có thông tin xác nhận Windows chạy được.

Memorilla khác RAG ở điểm nào?

RAG lấy vài đoạn tài liệu liên quan rồi đưa vào prompt. Memorilla đọc cả bộ tài liệu và đưa cho LLM đúng 16 memory token phụ thuộc vào câu hỏi. README nêu rằng với ngân sách này nó đạt điểm trung bình tốt nhất so với các phương pháp như Mem0 và MemoRAG.

Có dùng được với dữ liệu của riêng mình không?

Có. README nói bạn chuẩn bị mỗi split thành một file parquet với các cột collection_id, question, answer và documents, rồi chạy train.py và evaluate.py mà không cần sửa code. Embedding sẽ được tính ở lần dùng đầu tiên.

Dữ liệu của mình có an toàn không?

Tư liệu không có phần nào bàn về quyền riêng tư hay bảo mật dữ liệu, nên chưa có thông tin để khẳng định. Phần chạy mô hình nằm trên máy của bạn, nhưng lần chạy đầu tải mô hình và dữ liệu từ Hugging Face. Riêng pipeline sinh dữ liệu PersonalizationV4 dùng OpenAI client.

Cài đặt mất bao lâu và tải bao nhiêu dung lượng?

Các lệnh cài bằng uv trong README khá ngắn. Lần chạy ví dụ đầu tiên tải khoảng 25 GB mô hình và bộ test 37 MB. Nếu huấn luyện đủ ba giai đoạn thì tải khoảng 310 GiB và mất khoảng 19 giờ trên 4 GPU H100.

Chuyển nhanh tới mục

  1. I.Memorilla làm được gì
    1. A.Nén cả kho tài liệu thành 16 token
    2. B.Nhớ cá nhân hoá, nối các manh mối rời rạc
    3. C.Giúp agent học từ lịch sử của chính nó
    4. D.Có sẵn checkpoint, dữ liệu và benchmark
    5. E.Dùng được với dữ liệu của bạn
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Tải mã nguồn và tạo môi trường
    2. B.Cài gói chính
    3. C.Cài FlashAttention-2
    4. D.Cài thêm các gói tuỳ chọn
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Dev dựng trợ lý nhớ lịch sử chat của người dùng
    2. B.Nhóm nghiên cứu muốn so Memorilla với RAG và full context
    3. C.Công ty có bộ tài liệu riêng muốn thử nghiệm
    4. D.Nhóm RL thử bộ nhớ cho agent chơi game chữ
  6. VI.Lỗi hay gặp và cách xử lý
    1. A.Không có GPU phù hợp hoặc hết bộ nhớ GPU
    2. B.Cài flash-attn thất bại
    3. C.Chạy nhiều GPU bị treo, đánh giá chậm, hoặc máy không có mạng
    4. D.Lần chạy đầu rất lâu hoặc đầy ổ đĩa
    5. E.Dữ liệu riêng không nạp được
  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.