Điểm nổi bật
- Tín hiệu rất mới: repo được Show HN đẩy lên khoảng 12 phút trước thời điểm quét.
- Kiến trúc local-first: lưu bộ nhớ bằng SQLite/sql.js, chỉ gọi cloud cho các tính năng LLM và search do người dùng tự cấu hình.
- Năng lực tác vụ rộng: OCR màn hình, Gmail/Calendar sync, Chrome extension agent, điều khiển app macOS qua Accessibility API.
- Độ mở hệ sinh thái: có cả MCP server cục bộ để Weave trở thành nguồn ngữ cảnh cho Claude Desktop hoặc ChatGPT.
Biểu đồ
Tóm tắt
Weave đi theo một hướng ngày càng quan trọng trong làn sóng agent cá nhân: thay vì tối ưu một chatbot đơn lẻ, dự án cố xây lớp bộ nhớ vận hành bám sát máy người dùng. Repo mô tả khá rõ triết lý local-first, nơi dữ liệu màn hình, lịch, email và các tương tác hằng ngày được gom lại thành memory graph để AI trả lời tốt hơn theo ngữ cảnh thật.
Điểm đáng chú ý không nằm ở một mô-đun riêng lẻ mà ở cách nhóm tác giả ghép nhiều bề mặt tác vụ thành một hệ thống khép kín. Nếu làm được như mô tả, Weave đứng ở giao điểm giữa personal knowledge base, desktop automation và proactive assistant, tức một lớp sản phẩm mà nhiều công ty AI đang muốn chiếm vị trí mặc định trên máy người dùng.
Chi tiết
Weave đáng chú ý vì nó không bán một “chat UI đẹp hơn”, mà bán lời hứa khó hơn nhiều: tạo bộ nhớ riêng cho AI ngay trên máy macOS. Theo README, dự án âm thầm ghi lại những gì người dùng thấy và làm thông qua OCR màn hình, sau đó tái cấu trúc dữ liệu thành memory graph để phục vụ truy vấn, nhắc việc và tự động hóa. Đây là khác biệt chiến lược so với đa số app AI cá nhân hiện nay, vốn phụ thuộc mạnh vào prompt tức thời và lịch sử chat ngắn hạn.
Thiết kế local-first là phần quan trọng nhất. Weave lưu dữ liệu cục bộ bằng SQLite qua sql.js, giữ OCR đầy đủ làm nguồn chân lý, còn model rẻ hơn chỉ tạo câu tóm tắt để tìm kiếm nhanh. Cách làm này giải quyết hai bài toán thường xung đột: tốc độ truy hồi và khả năng trích dẫn lại dữ kiện chính xác. Nếu triển khai ổn, đây là lợi thế thực tế cho các tác vụ như “ngày mai tôi có cuộc họp nào”, “Sarah đã email gì”, hoặc “những cam kết nào tôi đã hứa mà chưa phản hồi”.
Phần thứ hai đáng nhìn là bề mặt hành động. Weave không dừng ở việc trả lời câu hỏi. Repo mô tả browser agent chạy trong tab Chrome riêng, tự lập kế hoạch, thực thi và quay lại với deliverable; đồng thời còn có macOS control agent điều khiển ứng dụng native qua Accessibility API. Khi ghép với voice overlay toàn cục, dự án đang đi rất gần tới định nghĩa “AI operating layer” thay vì một app đơn lẻ.
Tín hiệu kỹ thuật phụ trợ cũng đáng để ý. Weave có MCP server cục bộ để các client khác truy cập memory graph, nghĩa là nhóm tác giả không khóa giá trị trong một UI riêng. Đây là nước đi hợp lý nếu muốn tham gia hệ sinh thái agent đang chuẩn hóa quanh MCP. Nó biến Weave từ “ứng dụng cuối” thành “hạ tầng ngữ cảnh” cho nhiều agent khác nhau.
Tuy vậy, rủi ro của dự án cũng lớn. Sản phẩm chạm cùng lúc vào quyền riêng tư, trải nghiệm hệ điều hành, chất lượng OCR, độ ổn định của browser automation và chi phí vận hành model. Chỉ một mắt xích yếu cũng đủ làm toàn bộ trải nghiệm mất tin cậy. Thêm vào đó, repo còn rất mới, GitHub metadata gần như chưa có lực kéo cộng đồng, còn bài Show HN mới ở mức 2 điểm khi quét. Vì thế, giá trị hiện tại của Weave chưa nằm ở adoption mà ở thesis: cuộc đua AI cá nhân đang dịch từ “trả lời tốt” sang “nhớ đúng và hành động an toàn”. Nếu thesis này thắng, những hệ local-first như Weave có thể trở thành lớp trung gian rất đáng theo dõi.