AI là cốt lõi, không phải lớp vỏ bọc

Lời chào hàng không phải là «chúng tôi sử dụng AI». Một nửa thế giới sử dụng AI. Lời chào hàng là ở mọi nơi AI xuất hiện trên stack của chúng tôi, AI là thứ làm cho tính năng hoạt động, loại bỏ AI và tính năng sẽ sụp đổ, chứ không chỉ suy giảm. Đó là một danh mục khác so với chatbot-on-top-of-product, và rất khó sao chép.

Nơi AI là cốt lõi (không phải yếu tố hỗ trợ)

Designer Studio

• 14 công cụ nguyên tử từ 5 nhà cung cấp AI bên ngoài (Anthropic, OpenAI, recraft, replicate, quiver) dưới một bộ điều phối duy nhất.
• Claude Sonnet chạy pipeline đa bước: phân tích → trích xuất → vectorize → đệ quy → tổng hợp.
• Đa phương thức: agent NHÌN thấy kết quả trung gian và quyết định có nên đệ quy sâu hơn, quay lại các đường dẫn thay thế, hay hỏi người dùng.
• Ra quyết định ở cấp độ agent: «dấu vết này có đủ sạch không?» → đệ quy / edit_image fallback / human prompt.
• Không phải «AI tạo ra một hình ảnh», AI điều phối một pipeline nhận diện thương hiệu gồm 14 công cụ.

Market Research AI

• Claude Sonnet 4 với GPT-4o fallback.
• Sử dụng công cụ trên cơ sở dữ liệu PostgreSQL trực tiếp với 121 bảng sản xuất và một event-stream của PostHog với hơn 60 sự kiện.
• Agent tạo SQL ngay lập tức, chạy nó, xác thực kết quả, tổng hợp các khối câu trả lời phong phú.
• Streaming SSE với các khối phản hồi phong phú được hiển thị trên mỗi bề mặt (web → các khối đầy đủ; Telegram → thân thiện với TG thông qua parser-prompt thứ hai).
• «Không bao giờ bịa đặt số liệu» được thực thi trong system prompt.
• Đây không phải là chat-with-our-docs. Đây là một agent thực hiện công việc dữ liệu trực tiếp trên một schema sản xuất thực tế.

Social Tracker

• Pipeline 3 tầng có tính đến chi phí: 1. Claude Haiku, caption screen (rẻ) 2. Claude Haiku-vision, thumbnail check (tương đối rẻ) 3. Claude Sonnet + Whisper, phân tích video và âm thanh chuyên sâu (đắt, có giới hạn)
• Giảm chi phí khoảng 10 lần so với việc chạy mọi thứ qua tầng nặng nhất.
• Hệ thống product-context tùy chỉnh cho mỗi app, cùng một pipeline chạy khác nhau cho một fitness app so với một dating app.

Builder API

• AsyncAnthropic, 5 analyzer endpoints.
• Đọc các GitHub repos của creators → trích xuất SDK events / funnel / push / referral hooks.
• Parallel-gather để phân tích đa repo.
• Đây là lớp giúp việc porting giữa các ecosystem trở nên khả thi, cùng một repo, nhiều ecosystem.

Nơi AI là yếu tố hỗ trợ (không phải cốt lõi)

• Pro dashboard, đề xuất nội dung, insights được hỗ trợ bởi AI.
• Push management [đã lên kế hoạch], bản sao tự động tạo cho drip campaigns.
• @appss search [đã lên kế hoạch], tìm kiếm ngữ nghĩa.

Đây là những ứng dụng AI hữu ích. Chúng không phải là điều chúng tôi muốn nói khi đề cập đến «AI moat».

Toàn bộ AI stack

Nhà cung cấp	Các Models chúng tôi sử dụng	Được sử dụng bởi
Anthropic Claude	Sonnet 4, Haiku, Haiku-vision	Designer Studio, Market Research AI, Social Tracker, Builder API
OpenAI	GPT-4o (fallback), gpt-image-1 (edit), Whisper	Market Research, Designer Studio, Social Tracker
recraft.ai	Vectorizer	Designer Studio
Replicate	rembg, [planned] SAM2	Designer Studio
quiver.ai	Text-to-vector	Designer Studio

Tại sao đây là một lợi thế cạnh tranh

1. Lợi thế cạnh tranh về cấu trúc. Các nhà cung cấp riêng lẻ đều có sẵn cho mọi người. Sự điều phối của chúng tôi đối với tất cả chúng dưới một Telegram-creator-flow duy nhất thì không. Chi phí để có được mười hai khả năng phối hợp xung quanh một user-flow được tính bằng tháng, chứ không phải tuần.

2. Lợi thế cạnh tranh về dữ liệu. Các Claude agents trong Market Research đọc cơ sở dữ liệu sản xuất 121 bảng của chúng tôi, được tích lũy trong hơn 2 năm. Một đối thủ cạnh tranh với cùng các models và công cụ sẽ không có lớp dữ liệu này. Cùng một SQL, nhưng câu trả lời khác nhau.

3. Tối ưu hóa chi phí như một kỹ thuật, không phải cấu hình. Social Tracker 3 tầng, heuristics dừng đệ quy trong Designer Studio, prompt-caching trên các agent sessions chạy dài, đây là những chi tiết được thiết kế kỹ lưỡng, không phải là những thay đổi cài đặt đơn giản. Cuộc đua giành $/operation được thắng bởi các đội đã trau chuốt trong nhiều tháng.

4. Khả năng phục hồi Fallback. Claude → GPT-4o; recraft → Replicate. Chúng tôi không phụ thuộc vào thời gian hoạt động của một nhà cung cấp duy nhất.

Các mẫu UX do AI điều khiển mà chúng tôi sử dụng

• Candidate model. AI tạo ra một phiên bản ứng cử viên; người dùng nhấn «Apply» để xác nhận. Không bao giờ «AI âm thầm thay đổi mọi thứ».
• Đệ quy đa phương thức. Agent quan sát kết quả của một tool-call và quyết định có nên đào sâu hơn không.
• Truyền style descriptor. Một công cụ trả về một structured-string sẵn sàng cho công cụ tiếp theo.
• Thang Fallback. Bước 1 → Bước 2 → Bước 3 (hỏi người dùng). Không bao giờ «AI âm thầm tạo ra thứ gì đó khác với yêu cầu».
• Một câu trả lời duy nhất, renderer trên mỗi bề mặt. Câu trả lời chuẩn được tạo ra một lần bởi heavy model. Mỗi UI surface (web, Telegram bot, Discord / LINE trong tương lai) hiển thị lại nó thông qua một parser-prompt thứ hai giá rẻ (Gemini-Flash / Haiku) được điều chỉnh theo các ràng buộc của bề mặt đó. Đây là cách việc mở rộng cross-ecosystem vẫn giữ được chi phí thấp, cùng một câu trả lời, renderer mới cho mỗi bề mặt.

Các con số và tuyên bố đáng chú ý

• Tích hợp 6 nhà cung cấp AI / ML.
• 14 công cụ nguyên tử trong Designer Studio, 10 lần lặp tối đa trong agent loop.
• Pipeline 3 tầng trong Social Tracker = giảm chi phí ~10 lần so với heavy-model-everywhere một cách ngây thơ.
• 121 bảng sản xuất + hơn 60 loại sự kiện có thể truy vấn bởi Market Research AI.

Các câu hỏi mở

• Tổng chi tiêu AI hàng tháng.
• Chi phí trên mỗi người dùng (Pro / Miễn phí / pay-as-you-go).
• Tỷ lệ Fallback hit-rate (Claude → GPT-4o).
• Tỷ lệ prompt-caching hit-rate trung bình.

Đọc tiếp

• Định vị, tại sao việc là một stack, chứ không phải một công cụ, khiến sự điều phối này trở thành sản phẩm.
• Mô hình kinh doanh, cách Market Research AI với tư cách là một hero use-case định hình giá cả.
• Thị trường hai chiều, tại sao cùng một cơ sở hạ tầng agent mở khóa các giá trị khác nhau ở mỗi bên của vòng lặp.

Để biết tổng chi tiêu, chi phí trên mỗi người dùng và lộ trình tối ưu hóa chi phí, hãy gửi email tới mark@engagelabs.org.