Muse của Meta: Công cụ thu thập dữ liệu web đáng kinh ngạc

Muse của Meta được giới thiệu như một trợ lý cá nhân, nhưng cộng đồng lập trình viên đang phát hiện ra một công dụng hoàn toàn khác: thu thập dữ liệu web quy mô lớn. Một nhà phát triển đã chia sẻ trải nghiệm dùng Muse để quét hàng nghìn video và bài đăng trên Reddit, YouTube với chi phí cực thấp. Điều này mở ra cả tiềm năng lẫn lo ngại về tương lai của các website trước làn sóng AI agent tự động.

Từ trợ lý cá nhân đến công cụ thu thập dữ liệu

Khi Meta ra mắt Muse, hãng định vị đây là một trợ lý cá nhân có thể đặt đồ ăn, quản lý lịch hẹn và xử lý email. Tuy nhiên, Scott Cooper — một lập trình viên đang xây dựng dự án fullsets.fm — nhận ra rằng phần trợ lý cá nhân chẳng giúp ích gì cho anh. Anh đặt DoorDash vài lần một năm, không nhận nhiều email, và việc quản lý lịch hẹn vốn đã dễ dàng.

Thứ anh thực sự cần là một lượng lớn dữ liệu từ Reddit và YouTube, cùng với nguồn token AI giá rẻ. Và đó chính xác là nơi Muse tỏa sáng.

Minh họa AI agent thu thập dữ liệu web

fullsets.fm: Dự án và bài toán dữ liệu

Dự án fullsets.fm của Cooper tổng hợp các buổi hòa nhạc được ghi hình chuyên nghiệp — từ livestream lễ hội đến Tiny Desk — phân loại theo nghệ sĩ và trích xuất danh sách bài hát. Anh cần tìm những bản trình diễn hoàn chỉnh với chất lượng âm thanh và hình ảnh tốt.

Pipeline hiện tại của anh dùng Luna và Gemini 3.8 thông qua Gemini Studio để đánh giá rẻ liệu một video YouTube có đáp ứng tiêu chí hay không. Nhưng anh thiếu cách để tìm ra những video đó ngay từ đầu. Anh có thể quét một kênh YouTube đơn lẻ, nhưng cần tìm ra tất cả những kênh nhỏ lẻ bất thường — ví dụ như T-Mobile Europe — những nơi đăng tải vài buổi hòa nhạc ngẫu nhiên.

Đây là lúc Muse phát huy tác dụng.

Cách Muse thay đổi toàn bộ pipeline

Cooper có thể ra lệnh cho Muse quét Reddit và YouTube để tìm 1.000 video phù hợp tiêu chí, hoặc xây dựng danh sách nghệ sĩ từng biểu diễn tại Coachella rồi lần lượt tìm kiếm từng người trên YouTube. Muse tự động chạy cho đến khi hoàn thành, sử dụng máy ảo trên cloud với băng thông gần như vô hạn và CPU ổn định.

Muse còn được dùng ở đầu kia của pipeline: hỗ trợ khớp nghệ sĩ, xem xét kết quả từ Luna và Gemini, rồi đưa ra quyết định cuối cùng chấp nhận hay từ chối từng video.

Tôi trả 80 USD cho một tháng dùng Muse, và nó đã tiêu thụ vài tỷ token mỗi tuần cho công việc này. Phần lớn thời gian, dường như nó không thèm đếm lượng token sử dụng.

Đáng chú ý, mô hình Muse Spark 1.3 của Meta viết khá tầm thường và Cooper sẽ không bao giờ dùng nó để lập trình. Nhưng với khối lượng công việc kiểu Gemini Flash, nó lại cực kỳ hữu dụng. Meta dường như sẵn sàng cung cấp token gần như không giới hạn kèm máy ảo được quản lý có Chrome.

Mối lo ngại về tác động lên các website

Cooper bày tỏ lo ngại về điều sẽ xảy ra khi ai đó hướng Muse vào chính website của anh. Những agent này không bao giờ ngủ, và chúng có thể giả làm người dùng thật cực kỳ tinh vi. Nếu chưa đủ nhanh, người dùng có thể khởi chạy thêm nhiều tiến trình.

Anh hiểu vì sao Amazon đã chặn Muse. Nếu mục tiêu là dropshipping, liệu có thể quét hàng nghìn trang Amazon cả ngày không? Câu trả lời có thể là có — và điều đó đồng nghĩa với việc nhiều website sẽ chặn Muse trừ khi Meta ngăn chặn lạm dụng.

Những điểm còn thô ráp của Muse

Dù hữu ích, Muse vẫn còn nhiều vấn đề:

• Tác vụ bị đóng băng giữa chừng — các job đôi khi dừng lại không rõ lý do
• Giao tiếp với mô hình khá khó chịu — đôi khi gây bực bội cho người dùng
• Giao diện người dùng chưa hợp lý — đặc biệt khi chạy nhiều tác vụ đồng thời sử dụng trình duyệt

Dù vậy, với những ai cần một công cụ thu thập dữ liệu web quy mô lớn với chi phí thấp, Muse của Meta đang cho thấy tiềm năng đáng kể — và cũng đặt ra câu hỏi lớn về tương lai của web trước làn sóng AI agent tự động.

Góc nhìn cho độc giả Việt Nam

Với cộng đồng lập trình viên và startup công nghệ Việt Nam, câu chuyện này mang lại vài bài học đáng chú ý. Thứ nhất, các AI agent tự động đang trở thành công cụ thực tế cho những tác vụ dữ liệu lớn, không chỉ là trò chơi trình diễn. Thứ hai, chi phí token rẻ đang mở ra khả năng xây dựng các pipeline dữ liệu mà trước đây chỉ các công ty lớn mới làm được.

Tuy nhiên, các doanh nghiệp Việt Nam có website chứa dữ liệu giá trị cũng nên chuẩn bị cho tình huống bị các AI agent quét dữ liệu. Các giải pháp như rate limiting, phát hiện bot và xác thực người dùng sẽ ngày càng quan trọng trong bối cảnh AI agent ngày càng khó phân biệt với người dùng thật.