Mấy hôm nay chắc mọi người đã từng thấy ít nhất một post hay thông tin đâu đó nói về việc Codex đã hỗ trợ multi agents trong coding. Việc một agent coding hỗ trợ multi agents không phải mới vì trước đó Claude Code, OpenCode đã hỗ trợ rồi.
Tuy nhiên, việc nhiều anh em (trong đó có mình) đang sử dụng Codex làm nguồn sử dụng token cho OpenClaw, và vì giá tài khoản ChatGPT Plus người thị trường chợ đen đang rất rẻ, anh em bào rất nhiệt tình. Vậy thì đang sử dụng Codex, chi phí không còn là rào cản và nó lại hỗ trợ multi agents, thì ngoài coding ra còn dùng nó để làm gì? Mình nghĩ ngay đến việc áp dụng vào các công việc thường ngày của mình.
Vì sao mình build skill này
Thứ mình cần không đơn giản là một AI nghiên cứu sâu. Thứ mình cần là một workflow deep research có thể dùng đi dùng lại, gắn được vào hệ thống giao việc (ClawTask), bớt copy-paste thủ công, và cuối cùng vẫn trả ra đúng thứ mình cần: bài blog, memo, outline hay report.
Lý do rất đơn giản. Khi dùng deep research trên các web chat như Perplexity, ChatGPT, Gemini hay GenSpark, kết quả thường đủ tốt để dùng, nhưng quy trình lại rất tốn tay. Anh em phải:
- copy prompt qua lại giữa các nền tảng
- gom kết quả từ nhiều nơi
- bỏ bớt phần nội dung thừa hoặc các đoạn trích dẫn link nguồn.
- sửa lại định dạng markdown
- chỉnh heading, độ dài, giọng điệu
- rồi mới đưa về một artifact cuối có thể dùng được
Cái đau ở đây không nằm ở một câu trả lời đơn lẻ. Nó nằm ở việc không thể automation hoàn toàn nếu cứ bám vào web chat UI.
Vì sao thời điểm này mình mới làm nó?
Có vài điều khiến chuyện này đáng build ngay bây giờ.
Codex vừa có multi-agents
Ngày 16/03/2026, Codex bắt đầu hỗ trợ multi-agents/subagents. Đây là khác biệt lớn. Trước đó, dù Codex có sẵn tính năng research, anh em có thể dùng model để research, nhưng rất khó chia bài toán ra thành nhiều nhánh rồi gom lại một cách tử tế trong cùng một workflow.
Khi multi-agents xuất hiện, cách nghĩ thay đổi hẳn. Bây giờ anh em có thể để một planner bẻ đề bài, một nhóm researcher đi tìm nguồn, một skeptic lật ngược lại luận điểm, rồi một writer tổng hợp ra artifact cuối. Nghĩa là deep research không còn là một model cố nhớ mọi thứ trong một lần chạy, mà thành một pipeline có vai trò rõ ràng hơn.
ChatGPT Plus đang là một lợi thế
Một lý do khác rất thực tế: giá tài khoản ChatGPT Plus ở ngoài chợ đen hiện tại khá rẻ. Mình không bàn chuyện đạo đức mua bán tài khoản ở đây; cái mình đang nói là về động lực kinh tế của người dùng thật. Khi chi phí truy cập Codex đủ dễ chịu, nhiều người bắt đầu nghĩ tới việc tận dụng nó như một công cụ làm việc nặng, không chỉ là chat vui, hay coding, giống như cách nhiều anh em khác đang tận dụng Antigravity vào những việc rất hay, không chỉ còn là coding.
Nếu anh em đã có đang dùng Codex, thì chuyện bào token để làm research, so sánh nguồn, chạy nhiều pass kiểm tra, hoặc dùng subagents song song trở nên hợp lý hơn rất nhiều so với trước.
OpenClaw đã có ACP (acpx)
Đây là mảnh ghép mà mình thấy nhiều người bỏ qua. Có model mạnh chưa đủ. Muốn biến nó thành workflow, anh em cần một lớp giao tiếp như người dùng thật giữa agent với agent hoặc giữa tool với agent.
OpenClaw hỗ trợ ACP (hay acpx) cho phép gọi coding/research agents theo kiểu headless thay vì bới PTY hay scrape terminal output. Cái này quan trọng vì nó mở đường cho một workflow automation sạch hơn:
- tạo session
- chạy one-shot exec
- chia nhánh theo session/name
- queue follow-up
- kiểm tra trạng thái
- nối vào pipeline tasking
Khi có ACP, deep research bắt đầu giống một hệ thống làm việc hơn là một tab chat.
Vấn đề thật sự của deep research trên web chat
Nhiều người nhìn vào mấy công cụ như Perplexity, ChatGPT Deep Research, Gemini hay GenSpark rồi nghĩ câu chuyện chỉ là “tool nào trả lời hay hơn”. Theo mình, đó là nhìn thiếu một nửa.
Nửa còn lại là rào cản thao tác.
Một ví dụ như này: anh em muốn viết một bài blog chuyên sâu. Anh em có thể research trên Perplexity để lấy nguồn, dùng Gemini để xem nó cấu trúc nội dung thế nào, dùng ChatGPT để viết lại câu chữ, rồi mang qua một chỗ khác để format markdown. Cách này vẫn ra kết quả, nhưng nó có mấy vấn đề:
1. Không có single workflow rõ ràng
Mỗi nền tảng là một hòn đảo. Anh em phải tự nối chúng lại bằng tay.
2. Khó tái sử dụng
Hôm nay anh em làm được một bài. Mai muốn lặp lại với chủ đề khác, anh em lại phải lặp lại cả đống thao tác tương tự.
3. Citation và nội dung thừa
Web chat hay nhả ra rất nhiều thứ “trông có vẻ hữu ích” nhưng không phải cái anh em cần cho output cuối. anh em lại phải lọc bằng tay.
4. Khó automation
Ngay cả khi kết quả tốt, việc nối các bước lại thành một pipeline gần như vẫn thủ công. Không dễ cắm nó vào dashboard giao việc, chia subtask hay build flow nhiều bước tử tế.
Skill codex-deep-research giải bài toán gì
Skill này được mình build trong OpenClaw không phải để cạnh tranh trực diện với Perplexity hay GenSpark về việc ai trả lời thông minh hơn. Nó giải một bài khác: biến deep research thành workflow có thể giao việc và tái sử dụng.
Cốt lõi của skill này là tách pipeline thành nhiều lớp.
Lớp 1: Research engine
Phần này lo:
- planner để bẻ đề bài thành streams
- researcher để gom facts và nguồn
- skeptic pass để tìm chỗ yếu
- source grading để chấm độ mạnh yếu của nguồn
- synthesis để hợp nhất findings
Nói ngắn, nó cố làm phần “nghiên cứu sâu” cho ra hình hài rõ ràng thay vì một đống notes rời rạc.
Lớp 2: Artifact-aware output
Đây là phần mình thấy quan trọng nhất. Skill không mặc định coi deep research = research report. Nó biết rằng output cuối phải bám đúng yêu cầu của user.
Nếu user muốn:
- blog post -> trả blog post
- memo -> trả memo
- outline -> trả outline
- report -> trả report
Research là động cơ, artifact mới là thứ được giao.
Lớp 3: Preset + compliance
Sau vài vòng test, skill được nâng thêm preset theo loại output như:
- blog/article
- memo
- outline
và thêm final compliance/polish pass để soát:
- word count
- heading rules
- markdown hygiene
- prose smoothness
- việc research scaffolding có bị lộ ra không
Đây là phần giúp giảm đáng kể chuyện kết quả research tốt nhưng thành phẩm cuối còn phải sửa tay quá nhiều.
Sau khi chạy skill research này thì mình có đem bài viết qua cho Gemini, Grok và ChatGPT chấm điểm, thì bọn nó tự nâng bi nhau như này :))
Tại sao OpenClaw + ACP lại hợp bài này
Nếu chỉ muốn một câu trả lời sâu hơn, anh em có thể ở lại web chat. Nhưng nếu muốn một hệ thống giao việc thực tế, OpenClaw có lợi thế riêng.
Với ACP (acpx), anh em có thể nghĩ về deep research như một task execution layer:
- nhận task thô
- biến thành spec
- gọi agent research
- giữ context theo session
- tách các pass khác nhau
- trả artifact cuối
Điều này cực hợp nếu anh em đang có một dashboard kiểu ClawTask. Khi đó, deep research không còn là một thứ “ngồi chat bằng tay”, mà là một node trong pipeline công việc.
Skill này có thay được web chat không?
Không hoàn toàn. Mình không nghĩ nên thần thánh hóa skill hay agent workflow. Có những lúc mở Perplexity hay Gemini rồi hỏi nhanh một câu vẫn tiện hơn hẳn. Web chat vẫn có chỗ đứng, nhất là cho exploratory thinking và câu hỏi ngắn.
Nhưng nếu anh em đang làm những thứ lặp lại như:
- viết bài blog kỹ thuật
- viết memo nghiên cứu
- gom nguồn cho quyết định sản phẩm
- tạo brief cho bài dài
thì skill riêng bắt đầu đáng giá hơn. Không phải vì nó thông minh hơn mọi web chat, mà vì nó phù hợp cho automation với agent như OpenClaw.
Câu chuyện thật sự đằng sau skill này
Nếu nói ngắn gọn, mình build codex-deep-research vì mình chán phải sống trong vòng lặp:
- research ở chỗ này
- copy qua chỗ khác
- lọc lại nội dung
- sửa format
- rồi mới ra được thành phẩm
Khi Codex có multi-agents, khi ChatGPT Plus đủ dễ tiếp cận, và khi OpenClaw đã có ACP/acpx, việc system hóa thứ đó thành một workflow bắt đầu đáng làm hơn hẳn.
Thứ mình muốn không phải “thêm một chat tool”. Mình muốn một pipeline mà khi có task mới, mình có thể ném nó vào, để hệ thống nghiên cứu, kiểm chứng, rồi trả ra đúng thứ cần giao. Đó là lý do skill này tồn tại.
codex-deep-research không phải một cái gì đấy mới. Nhưng nó giải một vấn đề rất thật: làm sao đưa deep research ra khỏi tình trạng chat thủ công và biến nó thành một workflow có thể tái sử dụng.
Nếu anh em cũng đang “bào token” từ Codex, có nhu cầu research nhiều nguồn để viết bài, làm nghiên cứu, tạo knowledge cho agent,... và muốn gắn chuyện đó vào hệ thống giao việc kiểu ClawTask, thì đây là lúc hợp lý để làm nghiêm túc. Không phải vì công nghệ bỗng nhiên hoàn hảo, mà vì cuối cùng các mảnh ghép cần thiết đã bắt đầu đủ mặt trên bàn.
Anh em cần tham khảo skill thì tải ở đây nhé:
https://romhub.io/OpenClaw/skills/codex-deep-research
Top comments (0)