Bỏ qua tới nội dung
Ông T.vn

tick-stock-panel: bảng điều khiển lượng hoá cổ phiếu A tự host — hướng dẫn cài đặt và dùng

13 phút đọcCập nhật

Bài này là một góc nhìn khác về shy3130/tick-stock-panel — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: tick-stock-panel (TSP): bàn làm việc định lượng cổ phiếu A tự host — hướng dẫn cài đặt và dùng →

tick-stock-panel: bảng điều khiển lượng hoá cổ phiếu A tự host — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

tick-stock-panel (TSP) là một ứng dụng web mã nguồn mở, tự cài trên máy bạn, dùng để xây chiến lược, giám sát bất thường, backtest và xem lại phiên cho thị trường cổ phiếu A của Trung Quốc. Dữ liệu lưu cục bộ dạng Parquet, không cần cơ sở dữ liệu ngoài. Repo có Dockerfile và docker-compose.yml nên người đã quen Docker cài không khó. Phần giao diện và tài liệu chủ yếu bằng tiếng Trung.

tick-stock-panel (gọi tắt là TSP) là một bảng làm việc lượng hoá cho thị trường cổ phiếu A của Trung Quốc, bạn tự cài và tự chạy trên máy mình. Bạn viết chiến lược, quét toàn thị trường, backtest, đặt quy tắc giám sát và xem lại phiên giao dịch, tất cả trong một giao diện web. Repo viết bằng Python, dùng giấy phép MIT, hiện có khoảng 7657 sao và 1871 fork.

Vấn đề repo giải quyết khá quen thuộc. Ai làm lượng hoá bằng script rời rạc thường gặp ba chuyện: nguồn dữ liệu bị buộc chặt nên đổi nguồn là phải viết lại code kéo dữ liệu; chiến lược, backtest và giám sát mỗi thứ một công cụ nên số liệu không khớp nhau; còn muốn có giao diện đẹp thì phải trả tiền cho nền tảng đám mây, dữ liệu không mang về máy được. TSP gom tất cả vào một hệ thống, dùng chung một cách tính dữ liệu, và chạy trong một container.

Người nên đọc bài này là lập trình viên, người làm nghiên cứu đầu tư, hoặc ai tò mò về lượng hoá và muốn có một sân chơi riêng. Điểm đáng giá nhất là hai thứ: toàn bộ năng lực của bảng điều khiển được mở thành API và MCP server (nên các AI client như trợ lý lập trình có thể gọi thẳng), và dữ liệu nằm hoàn toàn trên máy bạn.

Một lưu ý trung thực ngay từ đầu. Tác giả nói rõ đây không phải phần mềm đầu tư hay phần mềm xem bảng giá. Repo không đối đầu với Đồng Hoa Thuận hay Thông Đạt Tín, và không có tính năng "AI gợi ý mã nên mua" hay "dự đoán mã tăng trần". Repo chỉ dành cho học tập, nghiên cứu. Giao diện và tài liệu chính viết bằng tiếng Trung, bạn nên chuẩn bị sẵn công cụ dịch.

Ứng dụng

shy3130/tick-stock-panel

TSP là bảng làm việc lượng hoá cổ phiếu A tự host: tự viết chiến lược, giám sát, backtest, có trợ lý AI và API mở. Chạy một container Docker, dữ liệu nằm trên máy bạn.

★ 7.7kPythonMIT
Xem repo trên GitHub

I.TSP làm được gì

TSP chia thành ba nhóm việc chính. Dưới đây là những phần đáng chú ý nhất, theo cách bạn sẽ dùng chúng thực tế.

A.Nghiên cứu dữ liệu và chiến lược

  • Định tuyến theo năng lực nguồn dữ liệu: có 6 loại bộ dữ liệu, mỗi loại tự chọn nguồn phù hợp. Bạn đổi nguồn mà chỉ báo và kết quả backtest vẫn tính theo cùng một cách, không phải làm lại.
  • Đường ống chỉ báo: hệ thống chỉ lưu 15 cột dữ liệu cơ bản, rồi tính ra 68 cột chỉ báo và tín hiệu, ghi thành file Parquet. Nhờ vậy tiết kiệm chỗ lưu và mọi chức năng đều dùng chung một bản dữ liệu.
  • Bộ máy chiến lược: bạn tự viết chiến lược, tự định nghĩa tín hiệu, hoặc nhờ AI sinh chiến lược. README mô tả việc quét toàn bộ cổ phiếu A ở mức mili-giây.
  • Backtest: hỗ trợ backtest theo nhân tố, theo chiến lược và theo phút, có tính quy tắc T+1, phí giao dịch và trượt giá. Backtest chạy trong tiến trình con riêng, nên tải lại trang hay chuyển trang không làm mất tác vụ.
  • Nền tảng nhân tố và khai phá nhân tố: bạn tự định nghĩa nhân tố, kiểm định, rồi tìm tổ hợp nhiều nhân tố bằng kiểm tra ngoài mẫu để hạn chế quá khớp.

B.Quan sát thị trường và giám sát

  • Môi trường thị trường: chia chu kỳ tâm lý thành 6 giai đoạn, kèm xếp hạng nhóm khái niệm và ngành dẫn dắt.
  • Giám sát bất thường: gồm ba kiểu là phiên đấu giá, trong phiên và lệch giá, hiển thị trong một trang.
  • Trung tâm giám sát: bạn đặt quy tắc kết hợp AND/OR, hệ thống báo bằng cửa sổ nổi, đọc giọng nói hoặc đẩy qua Feishu (Phi Thư).
  • Phân tích cổ phiếu và tổng kết phiên: có 9 loại mức giá quan trọng, phân tích AI theo bốn chiều, thống kê các mã tăng trần liên tiếp và tổng kết sau phiên bằng AI.

C.Mở rộng và kết nối

  • Open API: token có sáu cấp quyền, 65 endpoint, có sẵn file mô tả OpenAPI để nhập vào Postman hoặc sinh code.
  • MCP server: 12 công cụ cho phép trợ lý AI truy cập các khả năng của bảng điều khiển.
  • Trợ lý AI hội thoại: bạn hỏi một câu, trợ lý đi lấy dữ liệu toàn hệ thống, và từng bước lấy dữ liệu đều hiện ra để bạn kiểm tra lại. Tính năng này cần mô hình hỗ trợ gọi công cụ qua giao diện tương thích OpenAI.
  • Trang mở rộng và plugin trang: 11 trang chính thức thực chất là tiện ích mở rộng dạng một file. Xoá thư mục là gỡ, chép thư mục vào là cài. Plugin trang có thể tải lên và hiện ngay, không cần dựng lại phần giao diện.

II.Cần chuẩn bị gì

Những gì README nêu ra:

  • Python 3.11 trở lên cho phần backend.
  • Node 20 trở lên cho phần frontend (React 18, TypeScript). Nếu bạn chạy bằng Docker, phần frontend được dựng sẵn trong ảnh container, nhưng README ở đoạn mình đọc chưa nói rõ cách này có đòi hỏi gì thêm không.
  • Docker nếu muốn chạy kiểu một container. Repo có Dockerfile và docker-compose.yml, README mô tả là "một container, không cần cơ sở dữ liệu ngoài".
  • Nguồn dữ liệu thị trường. Biến TICKFLOW_API_KEY trong file .env.example cho thấy TickFlow là một nguồn chính (README nhắc tới việc dò gói None/Free/Starter/Pro/Expert). Ngoài ra repo nhắc tới fuyao (REST của Đồng Hoa Thuận) và TdxQuant (lượng hoá của Thông Đạt Tín). Mỗi nguồn có điều kiện đăng ký riêng, mình chưa có thông tin chi tiết về phí hay quyền truy cập, bạn xem trên trang của từng nguồn.
  • Khoá AI (tuỳ chọn). Nếu muốn dùng trợ lý AI, sinh chiến lược hay tổng kết, bạn cần một dịch vụ mô hình. README nhắc DeepSeek, Tongyi (Thông Nghĩa), Ollama và các dịch vụ tương tự, miễn là có giao diện tương thích OpenAI.
  • README chưa nêu yêu cầu phần cứng cụ thể như RAM hay GPU. Mình không thấy dòng nào nói cần GPU.

Tất cả khoá API (dữ liệu, AI) là thông tin riêng của bạn. Đừng dán vào ảnh chụp, đừng đẩy file .env lên GitHub. Việc gọi mô hình AI có thể tính phí theo lượng token, và .env.example có sẵn biến AI_DAILY_TOKEN_BUDGET để bạn đặt trần dùng mỗi ngày.

III.Cài đặt từng bước

Đoạn README mình có trong tay bị cắt trước phần "Bắt đầu nhanh" (快速开始), nên mình không chép được lệnh cài chính thức từng chữ. Bạn mở file README.md trong repo, tìm mục 快速开始 và làm theo đó là chắc nhất. Bên dưới là khung các bước dựa trên những file mình biết chắc có trong repo: Dockerfile, docker-compose.yml, .env.example. Các lệnh Docker ở đây là lệnh phổ thông, hãy đối chiếu với README trước khi chạy.

  1. Lấy mã nguồnTải repo về máy bằng git
  2. Tạo file cấu hìnhSao chép .env.example thành .env rồi điền khoá
  3. Chạy bằng DockerDùng docker-compose.yml có sẵn trong repo
  4. Mở giao diệnVào trang web của TSP bằng trình duyệt
  5. Cấu hình nguồn dữ liệuNhập khoá nguồn dữ liệu và (nếu muốn) khoá AI

A.Lấy mã nguồn

Mở terminal (trên Windows là PowerShell hoặc Git Bash) ở thư mục bạn muốn đặt dự án, rồi chạy:

Terminal
git clone https://github.com/shy3130/tick-stock-panel.git
cd tick-stock-panel

Lệnh đầu tải mã nguồn về, lệnh thứ hai đi vào thư mục vừa tải. Nếu máy chưa có git, bạn cài git trước. Người mới hay quên bước cd, rồi chạy lệnh tiếp theo ở sai thư mục và báo không tìm thấy file.

B.Tạo file cấu hình .env

Trong thư mục gốc có file .env.example liệt kê các biến cấu hình. Theo thông lệ, bạn sao chép nó thành .env rồi sửa giá trị. Trên Windows PowerShell:

PowerShell
Copy-Item .env.example .env

Trên macOS/Linux:

Terminal
cp .env.example .env

Các biến có trong file mẫu (mình chỉ biết tên, không biết giá trị mặc định):

  • TICKFLOW_API_KEY: khoá của nguồn dữ liệu TickFlow.
  • AI_PROVIDER, AI_BASE_URL, AI_API_KEY, AI_MODEL: cấu hình dịch vụ AI.
  • AI_DAILY_TOKEN_BUDGET: hạn mức token mỗi ngày cho AI.
  • HOST, PORT, LOG_LEVEL: địa chỉ, cổng và mức ghi log.
  • AUTH_PASSWORD: mật khẩu đăng nhập vào bảng điều khiển.
  • BACKEND_EXTRAS, DATA_DIR: phần mở rộng cho backend và thư mục chứa dữ liệu.

Bạn mở .env bằng trình soạn thảo văn bản và điền khoá vào sau dấu bằng. Nên đặt AUTH_PASSWORD nếu máy có thể bị người khác truy cập.

C.Chạy bằng Docker

Repo có sẵn docker-compose.yml. Cách phổ thông để chạy một dự án như vậy là:

Terminal
docker compose up -d

Lệnh này dựng ảnh và chạy container ở chế độ nền. Lần đầu có thể mất khá lâu vì phải dựng cả frontend lẫn backend (README mô tả build hai giai đoạn). Bạn cần mở Docker Desktop trước, nếu không lệnh sẽ báo không kết nối được tới Docker. Nếu README hướng dẫn một lệnh khác (ví dụ thêm cờ build), hãy làm theo README.

Ngoài Docker, repo còn có dev.ps1 và dev.sh để chạy chế độ phát triển. README đoạn mình đọc chưa giải thích cách dùng, bạn xem trong README hoặc mở các file đó để biết chúng làm gì.

D.Mở giao diện và cấu hình

Sau khi container chạy, bạn mở trình duyệt vào địa chỉ máy bạn và cổng cấu hình trong .env hoặc trong docker-compose.yml. Mình không biết cổng mặc định nên không ghi ra ở đây. Đăng nhập bằng mật khẩu bạn đặt, rồi vào phần Cài đặt để nhập khoá dữ liệu và khoá AI nếu chưa điền trong .env.

IV.Kiểm tra đã chạy được chưa

Tư liệu mình có không mô tả một lệnh "kiểm tra" riêng, nên bạn dựa vào những dấu hiệu hợp lý sau:

  1. Chạy docker compose ps xem container ở trạng thái đang chạy (lệnh Docker phổ thông).
  2. Mở trình duyệt, thấy màn hình đăng nhập hoặc trang chính của TSP (có các trang như Dashboard, Screener, Backtest, Mining, Monitor, Regime).
  3. Vào Cài đặt thấy các mục cấu hình nguồn dữ liệu, Open API và Menu.
  4. Nếu đã nhập khoá dữ liệu hợp lệ, trang thị trường dần có số liệu sau khi hệ thống đồng bộ.

Bạn cũng nên xem log của container nếu trang không lên. README nói log có mức LOG_LEVEL điều chỉnh được.

V.Dùng vào việc thật

Các tình huống dưới đây bám theo khả năng được liệt kê trong README. Vì giao diện bằng tiếng Trung và phụ thuộc cấu hình, mình mô tả luồng việc chứ không hứa từng nút cụ thể.

A.Người mới học lượng hoá, muốn có sân chơi riêng

Bạn là nhân viên văn phòng, đang học lượng hoá vào buổi tối. Bạn cài TSP, nhập khoá dữ liệu, vào trang chiến lược và thử một điều kiện đơn giản (chẳng hạn một chỉ báo vượt ngưỡng). Hệ thống quét toàn thị trường và liệt kê các mã thoả điều kiện. Rồi bạn sang trang backtest chạy thử xem điều kiện đó trong quá khứ cho kết quả ra sao, có tính phí và trượt giá. Lợi ích lớn là chiến lược, backtest và giám sát dùng chung một nguồn số liệu nên không bị lệch.

Cái hay của TSP là chiến lược, backtest và giám sát cùng ăn một bản dữ liệu, bạn không phải đối chiếu số giữa ba công cụ.

Ông T

B.Dev muốn nối AI client vào bảng điều khiển

Bạn là lập trình viên, đang dùng một trợ lý AI hỗ trợ MCP. Trong repo có thư mục mcp-server/ với 12 công cụ, truyền qua stdio. Bạn tạo một token trong Cài đặt → Open API (README nói bản rõ chỉ hiện một lần, nên hãy lưu ngay), chọn cấp quyền cần thiết rồi cấu hình MCP server theo hướng dẫn trong thư mục đó. Sau đó bạn có thể nhờ trợ lý truy vấn dữ liệu thị trường, chạy backtest hoặc đọc kết quả phân tích, tuỳ cấp quyền bạn cấp. Cách cấu hình MCP cụ thể mình không chép ở đây vì README đoạn này chưa có lệnh; bạn xem trong mcp-server/ và docs/.

C.Người theo dõi thị trường, muốn cảnh báo tự động

Bạn có một danh sách mã tự chọn và muốn biết khi có biến động bất thường. Bạn vào Trung tâm giám sát, đặt quy tắc kết hợp theo AND/OR, rồi bật báo bằng cửa sổ nổi, đọc giọng nói hoặc đẩy sang Feishu. README nói cảnh báo được lưu rồi phát ngay tới luồng SSE ở mức dưới một giây. Với phiên trong ngày, bạn xem trang bất thường (đấu giá, trong phiên, lệch giá). Cuối ngày, trang tổng kết và chuỗi tăng trần giúp bạn xem lại phiên.

D.Người làm riêng công cụ cá nhân trên nền TSP

Bạn có dữ liệu riêng (ví dụ bảng chỉ số tự tính) và muốn xem cạnh dữ liệu thị trường. README cho biết có cơ chế nguồn dữ liệu dạng plugin (khai báo bằng YAML), bảng dữ liệu mở rộng, và quyền write:ext để chương trình bên ngoài ghi dòng dữ liệu vào bảng mở rộng. Bạn có thể tự viết một trang mở rộng bằng một file extension.tsx đặt trong thư mục frontend/src/custom/. Việc này cần biết React/TypeScript, và chi tiết hợp đồng nằm trong docs/page-sdk.md.

VI.Lỗi hay gặp và cách xử lý

Dưới đây là những vấp phổ biến với loại ứng dụng này. Một số là dự đoán dựa trên cách repo thiết kế, bạn đối chiếu thêm với README.

A.Docker không chạy hoặc lệnh báo không kết nối được

Thường do Docker Desktop chưa mở, hoặc máy Windows chưa bật các thành phần Docker cần. Bạn mở Docker Desktop, đợi nó báo sẵn sàng rồi chạy lại lệnh.

B.Trang trắng hoặc không có dữ liệu

Hay do chưa nhập khoá nguồn dữ liệu, hoặc gói của nguồn dữ liệu không đủ quyền cho loại dữ liệu bạn xem. README nói hệ thống dò gói TickFlow và định tuyến theo năng lực. Bạn kiểm tra TICKFLOW_API_KEY, rồi xem log container.

C.Gọi API từ máy khác bị lỗi 403

README nói kênh token mặc định chỉ cho phép gọi từ máy cục bộ hoặc mạng nội bộ, truy cập từ mạng công cộng đều bị 403. Có biến API_TOKEN_LOCAL_ONLY=0 để mở, nhưng README khuyên truy cập từ xa nên dùng đường hầm SSH. Đừng vội mở ra công cộng.

D.Trợ lý AI không hoạt động đúng

Trợ lý hội thoại dựa vào khả năng gọi công cụ, README nói cần giao diện tương thích OpenAI. Nếu bạn dùng một mô hình không hỗ trợ gọi công cụ, trợ lý có thể không lấy được dữ liệu. Kiểm tra lại AI_BASE_URL, AI_API_KEY, AI_MODEL, và để ý hạn mức AI_DAILY_TOKEN_BUDGET nếu đã đặt.

E.Chạy chế độ phát triển báo thiếu phiên bản

Nếu bạn không dùng Docker mà tự chạy, backend cần Python 3.11 trở lên và frontend cần Node 20 trở lên. Dùng bản cũ hơn dễ gây lỗi cài gói. Kiểm tra bằng python --version và node --version trước khi làm tiếp.

VII.Có nên dùng không

Điểm mạnh. TSP là hệ thống khá đầy đủ cho nghiên cứu lượng hoá cá nhân: chiến lược, backtest, giám sát, tổng kết phiên và AI nằm chung một chỗ. Dữ liệu lưu cục bộ, không cần cơ sở dữ liệu ngoài, nên riêng tư và dễ sao lưu. Có Open API và MCP để nối với công cụ khác. Dự án còn được cập nhật trong vài tháng gần đây và README nêu hơn 3000 bài kiểm thử chạy trong CI.

Giới hạn. Trước hết, đây là công cụ cho thị trường cổ phiếu A, không phải thị trường Việt Nam hay quốc tế. Thứ hai, giao diện và tài liệu chủ yếu bằng tiếng Trung. Thứ ba, bạn vẫn cần nguồn dữ liệu thị trường (có thể mất phí hoặc có điều kiện đăng ký riêng). Thứ tư, tác giả nói rõ đây không phải phần mềm đầu tư hay xem giá, và không có chức năng gợi ý mã. Mọi kết quả backtest chỉ là tham khảo, không bảo đảm lợi nhuận.

Khi nào nên chọn cách khác. Nếu bạn chỉ cần xem bảng giá thời gian thực, các phần mềm giao dịch phổ thông hợp hơn. Nếu bạn quan tâm thị trường Việt Nam, TSP không phải lựa chọn tự nhiên. Nếu bạn chỉ cần thử một ý tưởng nhanh, vài dòng Python với thư viện dữ liệu có thể nhẹ hơn nhiều so với dựng cả hệ thống này.

4.7/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

tick-stock-panel có miễn phí không?

Mã nguồn dùng giấy phép MIT, bạn tải và dùng được. Tuy nhiên nguồn dữ liệu thị trường (như TickFlow) và dịch vụ AI có thể có điều kiện hoặc chi phí riêng. Mình chưa có thông tin chi tiết về giá của từng nguồn.

Dùng TSP có cần GPU không?

README ở phần mình đọc không nhắc tới yêu cầu GPU. Dự án dùng Polars, DuckDB và Parquet để tính toán trên CPU. Nếu bạn muốn chạy mô hình AI cục bộ qua Ollama thì đó là chuyện riêng của mô hình đó.

TSP chạy trên Windows được không?

Repo có file dev.ps1 (PowerShell) bên cạnh dev.sh, và có Docker nên có thể chạy bằng Docker Desktop. README đoạn mình đọc không có mục riêng về hệ điều hành, nên bạn kiểm tra trong phần Bắt đầu nhanh.

Dữ liệu của tôi có an toàn không?

README nói dữ liệu lưu 100% cục bộ dưới dạng Parquet, không cần cơ sở dữ liệu ngoài. Token API được lưu dưới dạng hash SHA-256 và mặc định chỉ cho gọi từ máy cục bộ hoặc mạng nội bộ. Khi bạn bật AI, nội dung gửi tới dịch vụ mô hình bạn chọn thì tuỳ theo dịch vụ đó.

TSP có gợi ý mã nên mua không?

Không. Tác giả nói rõ đây không phải phần mềm đầu tư, không có chức năng AI gợi ý mã hay dự đoán tăng trần. Dự án dùng cho học tập và nghiên cứu.

TSP khác gì các phần mềm giao dịch như Đồng Hoa Thuận hay Thông Đạt Tín?

Tác giả nói TSP không đối đầu với hai phần mềm này. TSP tập trung vào tự viết chiến lược, backtest, giám sát và mở API để nối với công cụ khác, chạy tự host trên máy bạn. Nó cũng có thể lấy dữ liệu từ các nguồn của Thông Đạt Tín hoặc Đồng Hoa Thuận qua plugin.

TSP có kết nối được với trợ lý AI như Claude không?

Repo có thư mục mcp-server với 12 công cụ, truyền qua stdio, nên các AI client hỗ trợ MCP có thể kết nối. Quyền truy cập theo sáu cấp scope của token. Cách cấu hình cụ thể cho từng client mình chưa có thông tin, bạn xem trong mcp-server và docs.

Chuyển nhanh tới mục

  1. I.TSP làm được gì
    1. A.Nghiên cứu dữ liệu và chiến lược
    2. B.Quan sát thị trường và giám sát
    3. C.Mở rộng và kết nối
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Lấy mã nguồn
    2. B.Tạo file cấu hình .env
    3. C.Chạy bằng Docker
    4. D.Mở giao diện và cấu hình
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Người mới học lượng hoá, muốn có sân chơi riêng
    2. B.Dev muốn nối AI client vào bảng điều khiển
    3. C.Người theo dõi thị trường, muốn cảnh báo tự động
    4. D.Người làm riêng công cụ cá nhân trên nền TSP
  6. VI.Lỗi hay gặp và cách xử lý
    1. A.Docker không chạy hoặc lệnh báo không kết nối được
    2. B.Trang trắng hoặc không có dữ liệu
    3. C.Gọi API từ máy khác bị lỗi 403
    4. D.Trợ lý AI không hoạt động đúng
    5. E.Chạy chế độ phát triển báo thiếu phiên bản
  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.