Voker ra mắt nền tảng phân tích cho AI agent

Phần mềm12 tháng 5, 2026·4 phút đọc

Voker.ai, startup trong chương trình YC S24, giới thiệu nền tảng phân tích chuyên cho sản phẩm AI agent. Công cụ giúp nhóm sản phẩm hiểu người dùng đang hỏi gì và agent có đáp ứng được không, thay vì phải đọc log thủ công. Gói miễn phí cho 2.000 sự kiện mỗi tháng, gói trả phí từ 80 USD/tháng.

Voker ra mắt nền tảng phân tích cho AI agent

Hai nhà sáng lập Alex và Tyler giới thiệu Voker.ai, nền tảng phân tích dành riêng cho các sản phẩm AI agent. Sản phẩm chính là một SDK nhẹ, không phụ thuộc vào một LLM cụ thể nào, được thiết kế từ đầu cho các sản phẩm agent.

Giao diện phân tích của VokerGiao diện phân tích của Voker

Theo nhóm sáng lập, các kỹ sư agent và nhóm sản phẩm AI hiện thiếu khả năng quan sát hiệu suất agent khi chạy thật. Hệ quả là trải nghiệm người dùng kém, người dùng bỏ đi, và hàng trăm giờ bị đổ vào việc kiểm tra thủ công để tìm lỗi trong cấu hình agent.

Một khảo sát của Voker với các nhà sáng lập YC cho thấy hơn 90% người trả lời chỉ biết agent đang làm người dùng thất vọng khi nhận phản hồi từ khách hàng. Họ đẩy một thay đổi prompt, hy vọng sửa được lỗi mà không làm hỏng chỗ khác, rồi vòng lặp lặp lại.

Ba khái niệm cốt lõi

Voker đưa ra ba khái niệm phân tích cơ bản cho agent hội thoại: Intents (ý định), Corrections (sửa sai) và Resolutions (giải quyết).

  • Intents: người dùng luôn đến với agent bằng một ý định nào đó.
  • Corrections: trên đường tới kết quả, người dùng có thể phải chỉnh lại agent.
  • Resolutions: hy vọng mọi ý định cuối cùng đều được agent giải quyết.

Hệ thống xử lý các lệnh gọi LLM, tự động gán nhãn từng cuộc hội thoại và tách ra ý định và sửa sai của người dùng. Sau đó Voker dùng LLM kết hợp phân loại văn bản theo thứ bậc để tạo danh mục động, đưa ra góc nhìn tổng thể mà không cần đọc từng cuộc trò chuyện.

Không dùng LLM cho phần tính toán

Cách làm phổ biến hiện nay là tải log quan sát lên Claude hay ChatGPT rồi xin tóm tắt. Nhóm Voker chỉ ra vấn đề: LLM không giỏi tính toán và xử lý dữ liệu, nên thống kê dễ sai và thiếu nhất quán. LLM cũng không đọc và phân loại từng phiên tương tác một cách có hệ thống.

Vì vậy Voker không dùng LLM cho phần kỹ thuật dữ liệu cốt lõi như xử lý sự kiện và tính thống kê. Kết quả phân tích nhờ đó nhất quán, tái lập được và chính xác.

Các tính năng theo dõi hiệu suất agentCác tính năng theo dõi hiệu suất agent

Tích hợp và giá

SDK công khai của Voker bọc các lệnh gọi LLM tới OpenAI, Anthropic và Gemini, viết bằng Python và TypeScript. Người dùng chỉ cần hai dòng mã để cài đặt. Nền tảng hỗ trợ nhiều framework như Langchain, CrewAI, Vercel AI SDK và có thể tự triển khai (self-hosting).

Voker hoạt động song song với các công cụ như Langfuse, Langsmith, PostHog, Mixpanel, Amplitude.

Về giá:

  • Miễn phí: 2.000 sự kiện mỗi tháng, cần đăng ký email, lưu dữ liệu 30 ngày.
  • Starter: 80 USD/tháng, tới 20.000 sự kiện mỗi tháng, lưu dữ liệu 90 ngày, dùng thử miễn phí 30 ngày.
  • Agent First: 400 USD/tháng, tới 2.000.000 sự kiện mỗi tháng, lưu dữ liệu 1 năm, tự động tối ưu agent (bản beta).
  • Scale/Enterprise: báo giá riêng, tự triển khai, SSO.

Sự kiện được tính gồm tin nhắn người dùng, tin nhắn của trợ lý và các lệnh gọi công cụ (tool call) do agent tạo ra. Theo Voker, trung bình một cuộc hội thoại sinh ra khoảng 15 sự kiện.

Góc nhìn

Với các nhóm đang đưa agent vào sản phẩm thật, bài toán khó không còn là chọn mô hình nào. Khó là biết agent có đang giúp người dùng hay chỉ đang trả lời cho có.

Cách tiếp cận tách phần tính toán khỏi LLM của Voker đáng để tham khảo. Khi cần số liệu ổn định để ra quyết định sản phẩm, giao việc đếm và thống kê cho mô hình ngôn ngữ thường dẫn tới kết quả thiếu tái lập.

Các đội kỹ thuật trong nước dựng agent trên OpenAI hay Gemini đều có thể thử SDK nhẹ này để đo tỷ lệ giải quyết ý định. Mức miễn phí đủ để thử nghiệm trước khi cân nhắc chi phí trả phí.

Nguồn: voker.ai · Quy trình biên tập

Chia sẻ:FacebookX