Đang in số

Cầm cốc cà phê

Đang chạy mực qua máy in — từng lớp màu một, kiên nhẫn nhé!

Ralion - Onboarding Buddy Agent · AI·20K Demo Day Zine

№ 74

Ralion - Onboarding Buddy Agent

Ralion là AI Onboarding Buddy dành cho các engineering team có codebase đang phát triển và knowledge phân tán giữa documentation, repository, PR review và kinh nghiệm của senior engineer. Thay vì để thành viên mới tự tìm, đọc, đoán context rồi tiếp tục hỏi senior, Ralion cho phép họ hỏi trực tiếp project, nhận câu trả lời dựa trên nguồn thực tế kèm citation và kiểm chứng được evidence phía sau. Điểm khác biệt của Ralion nằm ở việc không chỉ sử dụng knowledge đã được viết xuống. Hệ thống còn khai thác các conventions và tacit knowledge lặp lại trong PR, review comment và issue discussion, sau đó đưa chúng qua cơ chế human-in-the-loop trước khi trở thành knowledge chính thức của team. Nhờ đó, new member không chỉ học “tài liệu nói gì” mà còn hiểu “team thực sự làm việc như thế nào”; còn PM và Tech Lead có thể biến những lời giải thích lặp lại thành knowledge có thể tái sử dụng. Theo thời gian, lớp project knowledge và human-reviewed conventions này có thể tích lũy thành một trusted, team-specific knowledge layer - nền tảng cho Moat của Ralion.

Xem tài liệu đầy đủ tại: https://docs.google.com/document/d/1uq3pkeog4_indN0MmMD3MPkSmBdvvOLtN0hWBouI32o/edit?hl=vi&tab=t.0

Bài toán Khi tham gia một dự án đang vận hành, kỹ sư mới cần nhanh chóng nắm bắt sản phẩm, kiến trúc, codebase, môi trường phát triển, quyền truy cập và quy ước làm việc.Tuy nhiên, những thông tin này thường phân tán trong các tài liệu dự án, chính sách công ty, nhiều nguồn nội bộ khác, khiến kỹ sư khó xác định đâu là thông tin chính xác và cần thiết . Điều này khiến quá trình onboarding mất nhiều thời gian, phát sinh câu hỏi lặp lại và phụ thuộc vào sự hỗ trợ của senior, đồng thời gây khó khăn cho PM trong việc theo dõi tiến độ và phát hiện blocker kịp thời.

Giải pháp Hệ thống Ralion tập trung các nguồn tri thức thành một hành trình onboarding có thứ tự và trạng thái rõ ràng. PM có thể tải tài liệu hoặc đồng bộ repository GitHub, quản lý Master Template và sử dụng AI để tạo Candidate Plan phù hợp cho kỹ sư. AI hỗ trợ phân loại tài liệu, tạo hướng dẫn cho từng task, trả lời câu hỏi dựa trên nguồn có trích dẫn và phát hiện convention từ các review comment lặp lại trên Pull Request đã merge. Engineer nhận được checklist, tài liệu cần đọc, RAG Chat và cơ chế báo blocker tới đúng đầu mối. Mọi nội dung do AI đề xuất đều phải được PM kiểm tra, chỉnh sửa và phê duyệt trước khi áp dụng. Các chức năng quan trọng như phân quyền, quản lý phiên bản, trạng thái tài liệu và quy trình phê duyệt vẫn được kiểm soát bằng logic xác định.

Kiến trúc và tính khả thi Hệ thống sử dụng Next.js và React cho frontend, FastAPI cho backend, PostgreSQL cho dữ liệu nghiệp vụ và vector embedding. Tài liệu được quản lý theo phiên bản, chia thành chunk và lập chỉ mục để tìm kiếm hybrid lexical-vector. Chỉ tài liệu và phiên bản đang hoạt động mới được sử dụng cho retrieval. Hệ thống được đóng gói bằng Docker, có health check, readiness check, trace ID và telemetry để theo dõi hoạt động AI. Chi phí quan sát cho một lần tạo plan khoảng 0,04 USD, với thời gian xử lý khoảng 32 giây.

Hướng phát triển Giai đoạn tiếp theo, hệ thống sẽ mở rộng từ onboarding kiến thức sang hỗ trợ kỹ sư hoàn thành đóng góp đầu tiên. Hệ thống có thể đề xuất First Task phù hợp, hướng dẫn triển khai dựa trên tài liệu và codebase, đồng bộ trạng thái Pull Request, CI và review comment từ GitHub, đồng thời phát hiện blocker và gợi ý nguồn hỗ trợ phù hợp. Các mốc First PR, thời gian xử lý blocker và số vòng review sẽ được ghi nhận tự động để đo hiệu quả onboarding. PM và reviewer vẫn giữ quyền kiểm tra, phê duyệt và quyết định hoàn tất hành trình.