Agent.reviews – Nền tảng đánh giá dành riêng cho các AI agent

Các AI agent đang ngày càng đảm nhận nhiều tác vụ lập trình, nhưng chúng gần như không có cách nào chia sẻ kinh nghiệm với nhau về những công cụ mình sử dụng. Một startup đã quyết định lấp khoảng trống đó bằng nền tảng đánh giá đầu tiên dành riêng cho agent.

Armature, công ty thuộc chương trình tăng tốc YC P26, vừa giới thiệu Agent.reviews — được nhóm phát triển mô tả là "G2 dành cho AI agent". Nền tảng này cho phép các agent như Claude Code, Codex hay Cursor đọc đánh giá trước khi chọn công cụ, và tự viết đánh giá sau khi sử dụng.

Vì sao cần một nền tảng đánh giá cho agent?

Louis, đồng sáng lập Armature, cho biết nhóm đã đo được hơn 50.000 phiên làm việc của agent và nhận ra một vấn đề lặp đi lặp lại: nhiều agent gặp phải đúng những hạn chế giống nhau khi dùng cùng một công cụ, nhưng chẳng ai sửa chúng cả.

"Câu trả lời rất đơn giản: vòng phản hồi giữa agent và nhà cung cấp phần mềm — cũng như giữa các agent với nhau — đơn giản là không tồn tại. Con người có thể chia sẻ trải nghiệm trên G2 hay Trustpilot, còn agent thì không có nơi nào để làm điều đó."

Đây chính là khoảng trống mà Agent.reviews muốn lấp đầy. Theo nhóm phát triển, hiệu ứng cộng đồng mà trải nghiệm người dùng (UX) đang có cũng cần được áp dụng cho trải nghiệm agent (AX): agent có thể chọn những công cụ được tối ưu tốt nhất cho mình, còn doanh nghiệp phần mềm có thể cải thiện sản phẩm dựa trên phản hồi thực tế.

Cách thức hoạt động

Nền tảng vận hành dựa trên một bộ skill và một CLI npm có tên @armature-tech/agent-reviews, kết nối các agent với API của Agent.reviews. Bất kỳ ai cũng có thể yêu cầu agent của mình cài đặt công cụ này, sau đó agent sẽ tự động kiểm tra đánh giá trước khi chọn công cụ và đăng đánh giá của riêng nó sau khi dùng xong.

Điểm đáng chú ý là mọi trang trên Agent.reviews đều có phiên bản Markdown tại địa chỉ gốc cộng thêm đuôi .md, được liệt kê trong tệp llms.txt — một cách tiếp cận được thiết kế riêng để agent dễ dàng đọc nội dung.

Việc đọc và viết đánh giá đều miễn phí, chỉ cần sao chép và dán một câu lệnh để agent cài đặt CLI, bắt đầu quy trình xác thực và gửi đánh giá đầu tiên. Cơ chế xác thực này giúp ngăn chặn hành vi thu thập dữ liệu trái phép và đánh giá spam.

Ba lớp bảo vệ quyền riêng tư

Vì lo ngại rò rỉ dữ liệu nhạy cảm, Armature đã xây dựng ba lớp kiểm tra trước khi một đánh giá được đăng tải:

• Lọc theo quy tắc xác định: loại bỏ khóa bí mật, thông tin cá nhân (PII), đường dẫn URL và các nội dung nhạy cảm khác
• Bộ phân loại Jev: được huấn luyện để phát hiện mọi dấu hiệu rò rỉ sau lớp kiểm tra đầu tiên
• Một mô hình ngôn ngữ nhỏ: kiểm tra từng đánh giá lần cuối nhằm đảm bảo không sót chi tiết nào

Nền tảng cũng cam kết không bao giờ thu thập mã nguồn, câu lệnh (prompt) hay bí mật của người dùng, đồng thời không hiển thị tên người đánh giá.

Những đánh giá đáng chú ý

Chỉ sau vài tuần chia sẻ, Agent.reviews đã thu về hàng nghìn đánh giá. Một số phát hiện thú vị cho thấy giá trị thực tế của việc các agent chia sẻ kinh nghiệm:

• Một agent Claude Code phát hiện SDK của Stripe liên tục gặp lỗi khi thiếu API key trên trang kiểm tra tình trạng dịch vụ — trong khi đúng ra trang này phải trả về thông báo "thiếu API key"
• Hai agent khác nhau đều báo cáo rằng Prisma yêu cầu biến DATABASE_URL ngay cả khi không kết nối tới cơ sở dữ liệu nào. Cả hai đều dùng URL giả làm cách xử lý tạm thời, và cách này thực sự hoạt động

Các đánh giá khác cũng ghi lại trải nghiệm với nhiều công cụ phổ biến trong giới lập trình như GitHub, GitLab, Terraform, FastAPI, Google Cloud Run, Sentry, ElevenLabs, Twilio, uv, Daytona hay HeyReach — từ những chi tiết như giới hạn thời gian chờ của dịch vụ cloud cho tới hành vi của tính năng tự động sửa lỗi bằng AI.

Ý nghĩa với cộng đồng lập trình viên

Đối với lập trình viên Việt Nam, những người ngày càng phụ thuộc vào các công cụ hỗ trợ AI như Cursor, Claude Code hay GitHub Copilot, một nền tảng như Agent.reviews có thể giúp tiết kiệm đáng kể thời gian thử — sai khi lựa chọn công cụ. Thay vì để agent liên tục vấp phải cùng một lỗi mà các agent khác đã gặp, việc đọc trước đánh giá sẽ giúp các phiên làm việc hiệu quả và ổn định hơn.

Tuy nhiên, mô hình này cũng đặt ra câu hỏi về việc liệu các đánh giá do AI tạo ra có đủ đáng tin cậy hay không, cũng như cần những cơ chế kiểm chứng chặt chẽ để tránh tình trạng thao túng điểm số trong tương lai.

Bạn có sẵn sàng để agent của mình đọc và gửi đánh giá không? Đó chính là câu hỏi mà nhóm phát triển Armature muốn gửi tới cộng đồng.