
Honcho là gì? Honcho là hạ tầng trí nhớ (memory) mã nguồn mở cho AI agent, do Plastic Labs phát triển: bạn lưu tin nhắn và sự kiện, Honcho tự suy luận ở chế độ nền để hiểu dần từng người dùng, từng agent, rồi trả lại ngữ cảnh gọn để chèn vào bất kỳ mô hình nào. Theo GitHub API (đọc ngày 04/11/2026), kho plastic-labs/honcho có khoảng 7.900 sao, gần 970 fork, giấy phép AGPL-3.0, viết bằng Python, tạo ngày 10/09/2023 và push gần nhất ngày 03/11/2026. Bản dịch vụ có sẵn tính phí theo lượng dùng, ví dụ 2 USD cho mỗi triệu token nạp vào, theo trang chủ honcho.dev (đọc ngày 04/11/2026). Bài này trả lời Honcho làm được gì, chi phí thật ở đâu, cách cài, rủi ro dữ liệu và khi nào nên dùng.

Vòng lặp Lưu, Suy luận, Truy vấn, Chèn của Honcho. Sơ đồ: OPCAIOS.
Honcho là gì và ai tạo ra?
Honcho là một máy chủ FastAPI kèm SDK Python và TypeScript, chuyên làm trí nhớ dài hạn cho agent. Plastic Labs, một công ty nghiên cứu AI, đứng sau dự án. Điểm khác của Honcho là suy luận ra kết luận về con người thay vì chỉ lưu đoạn văn rồi tìm lại.
Theo README trên GitHub (đọc ngày 04/11/2026), Honcho tổ chức mọi thứ quanh khái niệm "peer": người dùng và agent đều là thực thể ngang hàng. Cấu trúc gồm năm lớp. Đầu tiên là workspace, vùng chứa cao nhất để tách dữ liệu giữa các ứng dụng. Tiếp theo là peer, bất kỳ ai tham gia hội thoại. Sau đó là session, một cuộc hội thoại có nhiều peer. Message là đơn vị dữ liệu nhỏ nhất. Cuối cùng, scope gom nhiều phiên lại để giới hạn phạm vi nhớ. Từ dữ liệu đó, Honcho tạo ra "kết luận" (conclusions), "hồ sơ" (representations) và "thẻ peer" tóm tắt danh tính. Nếu chưa quen khái niệm agent, xem AI agent là gì?.
Honcho làm được gì?
Honcho làm bốn việc theo vòng lặp: lưu hội thoại, suy luận nền, cho truy vấn và trả ngữ cảnh sẵn sàng chèn vào prompt. README nêu thêm tìm kiếm kết hợp BM25 với vector, nhập tài liệu, và plugin cho nhiều công cụ lập trình bằng AI.
| Tính năng | Mô tả ngắn theo README (đọc ngày 04/11/2026) |
|---|---|
| Trí nhớ suy luận | Rút kết luận từ hội thoại và sự kiện, không chỉ khớp đoạn văn |
| Mô hình peer | Theo dõi người dùng, agent, nhóm, dự án như thực thể thay đổi theo thời gian |
| Góc nhìn chéo | Mô hình hoá điều peer này biết về peer kia khi được cấu hình |
| Hỏi bằng lời | Hàm chat trả lời câu hỏi kiểu "người dùng này hợp cách học nào" |
| Ngữ cảnh cho prompt | session.context() xuất sẵn định dạng cho OpenAI hoặc Anthropic |
| Tìm kiếm kết hợp | BM25 cộng vector trên peer, phiên hoặc cả workspace |
| Plugin agent | Claude Code, Codex, Cursor, OpenCode, Kilo Code, OpenClaw, Hermes, MCP |
| Công cụ dòng lệnh | honcho-cli để kiểm tra triển khai hoặc chạy bộ máy cục bộ bằng Docker |
Một ví dụ dùng thực tế (ví dụ giả định): một trợ lý dạy toán lưu mọi buổi học của học viên vào Honcho. Sau vài tuần, khi học viên quay lại, trợ lý hỏi Honcho "học viên này hay sai dạng bài nào" và nhận câu trả lời ngắn để đưa vào prompt, thay vì nhồi cả lịch sử hội thoại. Đây chính là kiểu kịch bản README dùng làm ví dụ khởi động.
Dự án cho biết đã đo trên các bộ kiểm thử trí nhớ dài như LongMemEval và LoCoMo, và tự nhận đạt "Pareto frontier" của trí nhớ agent; đó là kết quả do dự án công bố, chưa kiểm chứng. OPCAIOS chưa đo.
Honcho giá bao nhiêu, giấy phép gì, chi phí ẩn ở đâu?
Honcho có hai cách dùng: tự host miễn phí theo giấy phép AGPL-3.0, hoặc dùng dịch vụ có sẵn của Plastic Labs tính phí theo lượng. Tự host không mất tiền phần mềm nhưng vẫn tốn tiền mô hình ngôn ngữ, vì bước suy luận nền gọi API mô hình cho mọi tin nhắn.
| Hạng mục | Thông tin (trang chủ honcho.dev, đọc ngày 04/11/2026) |
|---|---|
| Nạp dữ liệu (ingestion) | 2 USD mỗi triệu token, gồm lưu tin nhắn và suy luận |
Đọc ngữ cảnh context() |
Không giới hạn, khoảng 200 ms theo dự án công bố |
Hỏi chat() |
Theo mức: 0,001 / 0,01 / 0,05 / 0,10 / 0,50 USD mỗi truy vấn |
| Tín dụng miễn phí | Dữ liệu cấu trúc của trang ghi 5 USD khi đăng ký, chưa thấy trong chữ hiển thị |
| Startup dưới 5 triệu USD vốn | 1.000 USD tín dụng, giá ưu đãi 12 tháng, phải nộp đơn |
| Doanh nghiệp | Gói riêng, liên hệ |
| Tự host | Miễn phí phần mềm, AGPL-3.0 |
Giá chưa gồm thuế, có thể thay đổi. Chi phí ẩn khi tự host gồm ba khoản. Đầu tiên là khoá API mô hình: theo README, mọi tính năng mặc định dùng một mô hình nhỏ của OpenAI và mô hình nhúng text-embedding-3-small; bạn có thể trỏ sang OpenRouter hoặc endpoint tương thích OpenAI như vLLM, Ollama, nhưng mô hình phải hỗ trợ gọi công cụ. Tiếp theo là máy chủ chạy PostgreSQL có pgvector, API và tiến trình nền. Cuối cùng là công vận hành: sao lưu, nâng cấp, bật xác thực.
Về AGPL-3.0: đây là giấy phép copyleft mạnh. Nếu bạn sửa mã Honcho và cho người khác dùng qua mạng, bạn phải công khai phần sửa cho người dùng đó. Dùng nguyên bản làm dịch vụ nội bộ thường ít vướng hơn; nếu định nhúng vào sản phẩm thương mại đóng mã, hãy hỏi luật sư. Đây không phải tư vấn pháp lý.
Cài Honcho và bắt đầu thế nào?
Cách nhanh nhất là lấy khoá API ở app.honcho.dev rồi cài SDK; muốn chạy trên máy mình thì cài honcho-cli và để nó dựng bộ máy cục bộ bằng Docker. README cũng có đường tự build từ mã nguồn bằng Docker Compose hoặc cài thủ công với uv và PostgreSQL.
- Đầu tiên, cài SDK Python (hoặc
npm install @honcho-ai/sdkcho TypeScript):
pip install honcho-ai
- Tiếp theo, nếu muốn chạy cục bộ, cài CLI và dựng bộ máy gồm API, tiến trình suy luận, Postgres và Redis:
uv tool install honcho-cli
honcho init
honcho start --setup basic
honcho doctor
- Nếu tự build từ mã nguồn bằng Docker, đặt
LLM_OPENAI_API_KEYtrong tệp.envrồi chạy:
git clone https://github.com/plastic-labs/honcho.git
cd honcho
cp docker-compose.yml.example docker-compose.yml
cp .env.template .env
docker compose up
- Cuối cùng, với Claude Code, README hướng dẫn cài plugin bằng lệnh
/plugin marketplace add plastic-labs/claude-honchorồi/plugin install honcho@honcho. Các plugin cho Codex, Cursor, OpenCode dùng chung tệp cấu hình trong thư mục~/.honcho, nên trỏ hai agent vào cùng một workspace sẽ cho chúng chung một trí nhớ.
Xem thêm Docker là gì? nếu chưa từng chạy Docker Compose. OPCAIOS chưa chạy các lệnh trên; chúng được chép đúng từ README.
Giới hạn, rủi ro, bảo mật và pháp lý
Rủi ro lớn nhất của Honcho là chính điều làm nó hữu ích: nó lưu và suy luận về con người. Mọi kết luận về sở thích, thói quen, điểm yếu của người dùng là dữ liệu cá nhân, cần được xử lý như dữ liệu nhạy cảm, có đồng ý và có cách xoá.
Có năm điểm cần nắm. Đầu tiên, theo README, xác thực tắt mặc định khi tự host (AUTH_USE_AUTH=false); phải bật và tạo khoá JWT trước khi mở máy chủ ra mạng. Thứ hai, khi dùng mô hình đám mây cho bước suy luận, nội dung hội thoại được gửi tới nhà cung cấp mô hình đó, kể cả khi Honcho chạy trên máy bạn. Thứ ba, suy luận chạy bất đồng bộ, nên tin nhắn mới có thể chưa phản ánh ngay vào câu trả lời; README khuyên dùng endpoint representation khi cần đọc nhanh. Thứ tư, kết luận do mô hình rút ra có thể sai; đừng dùng chúng để ra quyết định quan trọng về con người mà không có người kiểm tra. Cuối cùng, nếu phục vụ người dùng tại châu Âu hay Việt Nam, cần đối chiếu GDPR và quy định bảo vệ dữ liệu cá nhân của Việt Nam; chúng tôi chưa đối chiếu văn bản gốc cho trường hợp Honcho, đây chỉ là lưu ý tham khảo, không phải tư vấn pháp lý.
Honcho so với các lựa chọn khác
Honcho nằm giữa một kho vector tự làm và các thư viện trí nhớ agent khác. Bảng dưới là mô tả chung, không phải đo đạc.
| Lựa chọn | Điểm mạnh | Điểm yếu |
|---|---|---|
| Honcho | Suy luận về peer, nhiều plugin agent, có bản dịch vụ | AGPL, tốn token cho suy luận nền |
| Tự làm RAG trên pgvector | Toàn quyền, rẻ khi ít dữ liệu | Chỉ tìm đoạn văn, không tự hiểu người dùng |
| Tệp ghi nhớ thủ công (MEMORY.md) | Đơn giản, minh bạch | Không tự cập nhật, khó mở rộng nhiều người |
| TencentDB Agent Memory | Trí nhớ dùng chung cho nhóm agent | Hướng tiếp cận khác, xem bài riêng để so |
Khi nào nên dùng Honcho?
Honcho hợp khi sản phẩm của bạn có người dùng quay lại nhiều lần và trải nghiệm tốt hơn hẳn nếu agent nhớ họ. Với tác vụ một lần, hỏi đáp tài liệu tĩnh, hay ngân sách token rất chặt, một hệ RAG đơn giản thường đủ.
| Tình huống | Gợi ý |
|---|---|
| Trợ lý học tập, huấn luyện, chăm sóc khách hàng lâu dài | Nên thử Honcho, bắt đầu bằng bản dịch vụ |
| Muốn Claude Code và Codex chung một trí nhớ dự án | Thử plugin, trỏ cùng workspace |
| Hỏi đáp trên kho tài liệu cố định | Dùng RAG, chưa cần Honcho |
| Dữ liệu cực nhạy cảm, không được rời máy | Tự host cùng mô hình cục bộ, bật xác thực |
| Sản phẩm thương mại đóng mã có sửa lõi Honcho | Hỏi luật sư về AGPL trước |
| Người không biết code | Chỉ nên dùng qua plugin có sẵn; tự host cần kỹ năng máy chủ |
Kinh nghiệm của OPCAIOS
Chúng tôi mới đưa Honcho vào danh mục Repo của mục Tiện ích trên opcaios.org sau khi đọc README và kiểm tra kho còn cập nhật; chúng tôi chưa chạy thử, nên phần này nêu tiêu chí chúng tôi dùng để cân nhắc, không phải đánh giá sau khi dùng.
Tiêu chí của chúng tôi gồm bốn điểm. Đầu tiên, kho còn sống: GitHub API ghi lần push gần nhất ngày 03/11/2026, tức một ngày trước khi đọc. Tiếp theo, giấy phép AGPL-3.0 chấp nhận được cho dùng nội bộ, nhưng chúng tôi sẽ không sửa lõi rồi bán lại. Thứ ba, chi phí ẩn nằm ở token: mỗi tin nhắn kéo theo bước suy luận, nên phải ước lượng trước lượng hội thoại thay vì bật cho mọi luồng. Cuối cùng, câu hỏi thay thế: chúng tôi đang dùng Obsidian làm kho tri thức và các tác tử như Claude Code, Antigravity, Codex; Honcho chỉ đáng thêm nếu nó giảm được việc chép tay ngữ cảnh giữa các agent mà không tạo thêm một nơi chứa dữ liệu cá nhân cần bảo vệ.
Đọc thêm: MCP là gì?, Claude Code là gì?, Second Brain là gì?, mục Tiện ích, 5 công cụ bộ nhớ cho AI agent tốt nhất 2026.
Câu hỏi thường gặp
Honcho có miễn phí không?
Phần mềm Honcho miễn phí nếu bạn tự host, theo giấy phép AGPL-3.0 ghi trong kho plastic-labs/honcho trên GitHub (đọc ngày 04/11/2026). Tuy vậy, bạn vẫn trả tiền máy chủ chạy PostgreSQL có pgvector và tiền API mô hình cho bước suy luận nền. Bản dịch vụ của Plastic Labs tính phí theo lượng: 2 USD mỗi triệu token nạp vào và từ 0,001 đến 0,50 USD cho mỗi truy vấn chat, theo trang chủ honcho.dev cùng ngày. Dữ liệu cấu trúc của trang có nhắc tín dụng thử 5 USD, nhưng chúng tôi chưa thấy dòng này trong phần chữ hiển thị, nên hãy kiểm tra khi đăng ký.
Honcho khác RAG thế nào?
RAG tìm lại đoạn văn gần nghĩa với câu hỏi trong một kho tài liệu, rồi đưa đoạn đó vào prompt. Honcho làm thêm một bước: nó đọc hội thoại theo thời gian và rút ra kết luận về từng người hoặc agent, ví dụ thói quen, sở thích, mục tiêu. Khi truy vấn, bạn nhận được hồ sơ hoặc câu trả lời đã tổng hợp, không chỉ đoạn trích. Honcho vẫn có tìm kiếm BM25 kết hợp vector như một hệ RAG. Nếu bài toán là hỏi đáp tài liệu cố định, RAG thường rẻ và đủ; nếu bài toán là hiểu người dùng quay lại nhiều lần, Honcho phù hợp hơn.
Tự host Honcho cần gì?
Theo README trên GitHub (đọc ngày 04/11/2026), cách dễ nhất là cài honcho-cli rồi chạy honcho start --setup, lệnh này cần Docker và một khoá API nhà cung cấp mô hình. Nếu cài thủ công, bạn cần uv (tự cài Python 3.13 trở lên), PostgreSQL có tiện ích pgvector, và một khoá mô hình tương thích OpenAI có hỗ trợ gọi công cụ. Redis là tuỳ chọn. Phải chạy hai tiến trình: máy chủ API và tiến trình nền "deriver" để suy luận. Trước khi mở ra Internet, hãy bật xác thực và tạo khoá JWT như README hướng dẫn.
Honcho có dùng được với Claude Code không?
Có. README liệt kê plugin chính thức cho Claude Code, cài bằng /plugin marketplace add plastic-labs/claude-honcho rồi /plugin install honcho@honcho. Ngoài ra có thể thêm Honcho như một máy chủ MCP qua HTTP vào bất kỳ ứng dụng hỗ trợ MCP nào. Plugin cho Codex, Cursor, OpenCode, Kilo Code, OpenClaw và Hermes cũng có sẵn. Điểm đáng chú ý là các plugin đọc chung một tệp cấu hình, nên nếu trỏ nhiều agent vào cùng một workspace, chúng chia sẻ chung trí nhớ. OPCAIOS chưa cài thử plugin này, nên chưa nói được nó ổn định ra sao trong công việc hằng ngày.
Người không biết code có dùng Honcho được không?
Người không biết code khó dùng Honcho trực tiếp, vì đây là hạ tầng cho nhà phát triển: SDK, API, cơ sở dữ liệu. Cách gần nhất là cài plugin trong Cursor hoặc Claude Code, nơi phần lớn việc kết nối chạy qua dịch vụ có sẵn và đăng nhập. Muốn tự host hay tích hợp vào sản phẩm riêng thì cần biết Docker, biến môi trường và quản lý khoá API. Nếu bạn đang chạy một doanh nghiệp một người và muốn hiểu khi nào cần trí nhớ cho agent, khi nào chỉ cần một tệp ghi chú tốt, hãy xem khoá đào tạo ứng dụng AI của OPCAIOS.
Nguồn: GitHub plastic-labs/honcho (README, API, đọc ngày 04/11/2026: khoảng 7.900 sao, AGPL-3.0), trang chủ honcho.dev (phần giá, đọc ngày 04/11/2026); chưa đọc/chưa kiểm chứng: trang honcho.dev/pricing (trả 404 khi đọc), trang evals và bài đo đạc của dự án, tín dụng thử 5 USD chỉ thấy trong dữ liệu cấu trúc; số sao và giá có thể thay đổi. Kinh nghiệm là của OPCAIOS. Bài này không phải tư vấn pháp lý.
Để lại bình luận
Email của bạn sẽ không hiển thị công khai. Bình luận sẽ hiển thị sau khi được duyệt.


