Bối cảnh và vấn đề nghiên cứu

Trong xu hướng chuyển đổi số và phát triển của các công nghệ trên nền tảng Internet, việc số hóa quy trình nghiệp vụ trong các tổ chức, doanh nghiệp trở thành nhu cầu cấp thiết. Quá trình trao đổi và phân chia công việc theo phương thức thủ công bộc lộ nhiều hạn chế về tính đồng bộ, khả năng lưu vết thông tin và khó khăn trong việc giám sát khối lượng cũng như tiến độ thực tế của từng nhân sự.

Qua khảo sát thực tiễn của tác giả, hiện trạng sử dụng công cụ tại các doanh nghiệp tồn tại hai nhóm bất cập chính:

  • Nhóm sử dụng ứng dụng nhắn tin phổ biến (Zalo, Telegram, Messenger): Đảm bảo khả năng trao đổi trực tuyến nhanh nhưng không hỗ trợ cấu trúc quản trị tiến độ, không đo lường được hiệu suất làm việc và phân công nhiệm vụ.
  • Nhóm sử dụng công cụ quản lý dự án chuyên biệt (Slack, Jira): Tập trung sâu vào tiến độ công việc nhưng khả năng lưu vết, liên kết ngữ cảnh giữa các đoạn hội thoại trao đổi với từng đầu mục nhiệm vụ cụ thể còn rời rạc; người dùng thường phải chuyển đổi qua lại giữa nhiều nền tảng riêng biệt.

Đề tài "Hệ thống chat tích hợp trợ lý ảo hỗ trợ người dùng quản lý công việc" được thực hiện nhằm giải quyết khoảng trống kết nối giữa hoạt động hội thoại và quản trị công việc.

Mục tiêu nghiên cứu:

  1. Xây dựng một nền tảng web thống nhất tích hợp hai phân hệ cốt lõi: chức năng Tin nhắn để trao đổi và chức năng Nhiệm vụ để quản lý tiến độ.
  2. Tự động hóa quá trình tạo lập và theo dõi nhiệm vụ trực tiếp từ các tin nhắn hội thoại, giúp lưu vết toàn bộ ngữ cảnh trao đổi liên quan đến đầu việc.
  3. Tích hợp mô hình học máy và trợ lý ảo nhằm tự động trích xuất các thuộc tính nhiệm vụ (phát hiện tin nhắn chứa việc, người nhận, thời điểm bắt đầu, hạn chót).

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Kiến trúc hệ thống cộng tác thời gian thực, quy trình quản trị công việc nhóm và các thuật toán học máy, xử lý văn bản phục vụ trích xuất thông tin nhiệm vụ.
  • Phạm vi không gian và triển khai: Hệ thống dạng ứng dụng web đa nền tảng (hỗ trợ giao diện máy tính, máy tính bảng và điện thoại di động); môi trường thử nghiệm và hạ tầng máy chủ thực tế được hỗ trợ bởi Piplab.
  • Phạm vi thời gian: Đồ án hoàn thành vào tháng 01/2024 tại Trường Công nghệ Thông tin và Truyền thông, Đại học Bách Khoa Hà Nội.

Cơ sở lý thuyết và phương pháp

Khung kiến trúc và mô hình lý thuyết

  • Mô hình phân tầng Client - Server: Tách biệt hoàn toàn giữa tầng hiển thị giao diện (Frontend Web), tầng xử lý nghiệp vụ/dữ liệu (Backend Server) và tầng tính toán trí tuệ nhân tạo (AI Server). Giao tiếp liên tầng được thực hiện qua giao thức RESTful API và WebSocket (Socket.io).
  • Mô hình lập trình đa hình thức: Phía máy chủ Backend kết hợp các nguyên lý Lập trình hướng đối tượng (OOP), Lập trình hàm (FP) và Lập trình phản ứng hàm (FRP) trên nền tảng NestJS và TypeScript.
  • Mô hình học máy phân loại: Sử dụng thuật toán phân loại véc-tơ hỗ trợ (Support Vector Classification - SVC) thuộc nhóm học có giám sát để phân loại văn bản tin nhắn.
  • Mô hình kiểm soát truy cập theo vai trò (RBAC): Phân định quyền hạn chặt chẽ trên 6 nhóm tác nhân: Khách (Guest), Người dùng (User), Thành viên tổ chức, Chủ tổ chức, Thành viên nhóm dự án và Quản lý nhóm dự án.

Phương pháp nghiên cứu và phát triển

  • Phương pháp khảo sát và phân tích yêu cầu: Mô hình hóa các yêu cầu chức năng và luồng nghiệp vụ thông qua hệ thống biểu đồ Use Case tổng quát, Use Case phân rã và biểu đồ quy trình nghiệp vụ (Activity/Workflow).
  • Phương pháp thiết kế hệ thống phần mềm: Thiết kế cấu trúc gói (Package), thiết kế giao diện đáp ứng (Responsive UI), thiết kế đặc tả giao diện lập trình ứng dụng (API Endpoints) và thiết kế cơ sở dữ liệu hướng tài liệu (NoSQL) thông qua biểu đồ thực thể liên kết (ERD).
  • Phương pháp trích xuất thực thể thông tin: Kết hợp mô hình phân loại học máy để nhận diện tin nhắn công việc với giải thuật so khớp từ khóa định sẵn (Keyword Proximity Matching) và gắn thẻ (@tag) để trích xuất mốc thời gian và nhân sự liên quan.
  • Phương pháp kiểm thử phần mềm: Xây dựng danh mục các ca kiểm thử chức năng (Black-box Test Cases) trên các module Tin nhắn, Nhóm dự án, Nhiệm vụ và Danh bạ.

Nguồn dữ liệu

Dữ liệu huấn luyện mô hình phân loại được trích xuất trực tiếp từ các tin nhắn và nhiệm vụ mẫu lưu trữ trong cơ sở dữ liệu hệ thống, sau đó được tiền xử lý, gán nhãn nhị phân (chứa nội dung nhiệm vụ / không chứa nội dung nhiệm vụ) và xuất ra định dạng CSV để huấn luyện và đóng gói mô hình.

Thiết kế và triển khai

Hệ thống được thiết kế theo kiến trúc phân tán gồm 3 khối thành phần độc lập:

Thành phần Vai trò kiến trúc Công nghệ và Thư viện chính
Web Frontend Giao diện người dùng đa thiết bị (Single Page Application) ReactJS (v18.0), Ant Design (v4.5), Axios (v1.0), socket.io-client (v4.2), react-apexcharts (v1.1), vis-timeline (v7.2), react-toastify (v9.3), react-linkify (v9.3), responsivevoice (v1.2), react-router-dom (v6.0)
Backend Server Xử lý logic nghiệp vụ, xác thực, quản lý và truy xuất cơ sở dữ liệu NestJS (v10.0), TypeScript, MongoDB, Mongoose (v7.2), bcrypt (v5.1), nodemailer (v6.7), morgan (v1.0), socket.io (v4.3)
AI Server Nhận diện tin nhắn nhiệm vụ và trích xuất thông tin tự động Django (v3.8), Python, scikit-learn (v1.2), pandas (v1.3), joblib (v1.2)

Thiết kế cơ sở dữ liệu (MongoDB)

Cơ sở dữ liệu NoSQL của hệ thống bao gồm 7 bảng (collections) chính:

  • Customer: Quản lý tài khoản người dùng (_id, email, password, organization_list, refresh_token, status, key).
  • Organization: Quản lý tổ chức (_id, name, avatar, members, invited_members, owners).
  • Customer_Organization_Info: Quản lý hồ sơ và quyền của thành viên trong từng tổ chức cụ thể (_id, customer_id, organization_id, email, name, phone, avatar, bio, status, room_list).
  • Room: Quản lý các nhóm dự án trong tổ chức (_id, name, avatar, organization, members, owners, msg_list, newest_msg).
  • Notification: Quản lý trạng thái thông báo (_id, organization, room, customer, noti_number).
  • Message: Lưu trữ thông tin tin nhắn (_id, text, time, sender, quote).
  • Task: Lưu trữ dữ liệu nhiệm vụ (_id, room, organization, owner, receiver, start_at, deadline, complete_at, progress, status, root_task).

Thiết kế hệ thống API

Hệ thống thiết lập 46 điểm cuối API chia thành 5 nhóm chức năng:

  • Xác thực (6 API): Đăng ký tài khoản (POST /auth/sign-up), xác nhận email (GET /auth/confirm-email/:customerID/:key), đăng nhập (POST /auth/login), đăng xuất (GET /auth/logout), làm mới token (GET /auth/refresh), đổi mật khẩu (POST /auth/change-password).
  • Tài khoản (5 API): Thông tin thành viên (GET /customer/info/:orgid/:id), thông tin bản thân (GET /customer/my-info/:orgid), cập nhật thông tin (POST /customer/update-customer-info), danh sách tổ chức (GET /customer/organization-list), danh sách nhóm dự án (GET /customer/room-list/:orgID).
  • Tổ chức (8 API): Tạo tổ chức (POST /organization/create), lấy thông tin (GET /organization/get-info/:id), thêm thành viên (POST /organization/add-members), xác nhận/từ chối/hủy lời mời (POST /organization/confirm-invite, /refuse-invite, /rejected-invite), xóa thành viên (POST /organization/remove-member), cập nhật thông tin (POST /organization/update-info).
  • Nhóm dự án (13 API): Tạo nhóm (POST /room/create), chi tiết nhóm (GET /room/room-detail/:id), gửi tin nhắn (POST /room/send-message), phân trang tin nhắn (GET /room/room-chat/:id, GET /room/more-room-chat/:id/:offset), trích xuất link (GET /room/room-link/:id), tạo nhóm 1v1 (POST /room/create1v1), quản lý thành viên và cập nhật trạng thái xem tin nhắn.
  • Nhiệm vụ (14 API): Tạo nhiệm vụ (POST /task/create), danh sách nhiệm vụ cá nhân/tổ chức/nhóm (GET /task/get-my-task/:id, GET /task/get-all-my-task/:id, GET /task/get-room-task/:id/:type), cập nhật trạng thái (POST /task/update-task-status), giao lại (POST /task/re-assign-task), cập nhật thời gian/tiến độ (POST /task/edit-timeline, POST /task/update-task-progress), thống kê dòng thời gian (GET /task/get-all-my-task-timeline/:organizationID/:type, GET /task/get-all-my-request-timeline/:organizationID/:type).

Thuật toán phân loại và trợ lý ảo

  • Phân loại tin nhắn nhiệm vụ: Sử dụng mô hình SVC với siêu tham số $C=5$, được huấn luyện trên tập dữ liệu tin nhắn đã phân loại và lưu trữ dưới dạng tệp thông qua thư viện joblib.
  • Nhận diện người thực hiện: Ưu tiên quét thẻ định danh @tag; nếu không có thẻ @tag, hệ thống tự động đối soát nội dung tin nhắn với danh sách tên thành viên trong nhóm dự án tương ứng.
  • Nhận diện thời gian: Thuật toán quét các từ khóa chỉ mốc thời gian định sẵn, tìm kiếm chuỗi ký tự biểu diễn thời gian trong phạm vi lân cận từ khóa và chuẩn hóa về đối tượng kiểu thời gian (Datetime).

Nội dung chính theo từng chương

CHƯƠNG 1. GIỚI THIỆU ĐỀ TÀI

Chương 1 trình bày lý do chọn đề tài dựa trên phân tích nhu cầu chuyển đổi số và các nhược điểm của việc quản trị công việc thủ công hoặc sử dụng các công cụ rời rạc. Tác giả xác định mục tiêu xây dựng một ứng dụng web tích hợp giữa trao đổi thời gian thực và quản lý nhiệm vụ có sự hỗ trợ của trợ lý ảo. Bố cục toàn bộ đồ án gồm 6 chương cũng được khái quát tại đây.

CHƯƠNG 2. KHẢO SÁT VÀ PHÂN TÍCH YÊU CẦU

Chương 2 mô tả chi tiết kết quả khảo sát hiện trạng sử dụng các phần mềm liên lạc và quản lý công việc (Zalo, Telegram, Messenger, Slack, Jira). Từ đó, tác giả xây dựng:

  • 6 biểu đồ Use Case chi tiết tương ứng với 6 tác nhân trong hệ thống.
  • 2 biểu đồ quy trình nghiệp vụ cốt lõi: Quy trình "Thêm nhiệm vụ" (tích hợp AI gợi ý từ tin nhắn) và Quy trình "Hoàn thành nhiệm vụ" (luồng duyệt, xác nhận hoặc yêu cầu làm lại).
  • 5 bảng đặc tả Use Case chi tiết: Đăng ký tài khoản, Tạo nhóm dự án, Thêm thành viên nhóm, Giao nhiệm vụ từ tin nhắn, và Xem biểu đồ tiến độ.
  • Các yêu cầu phi chức năng: Khả năng truy cập đa thiết bị, tính bảo mật dữ liệu theo tổ chức/nhóm và khả năng mở rộng hệ thống.

CHƯƠNG 3. CÔNG NGHỆ SỬ DỤNG

Chương này phân tích cơ sở lựa chọn và ưu điểm của từng công nghệ trong stack phát triển:

  • Tầng Web Frontend: ReactJS (kiến trúc SPA, Virtual DOM), Ant Design (hệ thống component UI chuẩn hóa), Vis Timeline (hiển thị biểu đồ tiến độ thời gian).
  • Tầng Backend Server: NestJS (hỗ trợ TypeScript, cấu trúc module theo OOP/FP/FRP dễ bảo trì và mở rộng), cơ sở dữ liệu NoSQL MongoDB (lưu trữ linh hoạt cấu trúc dữ liệu phong phú).
  • Tầng Server AI: Django (tận dụng hệ sinh thái Python cho học máy), Scikit-learn (cung cấp các mô hình phân loại, hồi quy và tiền xử lý dữ liệu).

CHƯƠNG 4. THIẾT KẾ, TRIỂN KHAI VÀ ĐÁNH GIÁ HỆ THỐNG

Chương 4 là phần nội dung kỹ thuật trọng tâm của đồ án:

  • Thiết kế kiến trúc Client - Server phân tách rõ ràng giao diện và xử lý logic, dữ liệu.
  • Thiết kế chi tiết cấu trúc gói: gói auth và mail, gói nghiệp vụ organization, room, message, task, và gói trí tuệ nhân tạo Detect_task.
  • Thiết kế giao diện đáp ứng (Responsive UI) cho 4 chuẩn màn hình: Điện thoại (<480px), Máy tính bảng (480px - 768px), Máy tính nhỏ (768px - 1024px), Máy tính tiêu chuẩn (>=1024px).
  • Thiết kế chi tiết 46 điểm cuối API và 7 bảng dữ liệu MongoDB kèm liên kết quan hệ.
  • Thiết kế luồng thuật toán nhận diện tin nhắn và thuộc tính nhiệm vụ.
  • Tổng hợp toàn bộ danh mục thư viện, phiên bản công nghệ sử dụng và triển khai thực tế trên máy chủ.

CHƯƠNG 5. CÁC GIẢI PHÁP VÀ ĐÓNG GÓP NỔI BẬT

Chương 5 trình bày chuyên sâu về các giải pháp kỹ thuật cụ thể đã giải quyết trong đồ án:

  • Thuật toán nhận diện mốc thời gian bắt đầu và thời hạn hoàn thành (hỗ trợ cả trường hợp chỉ có ngày hoặc bao gồm cả ngày và giờ cụ thể).
  • Thuật toán nhận diện người nhận nhiệm vụ (xử lý trường hợp có sử dụng @tag và trường hợp nhận diện qua tên thành viên thông thường).
  • Giải pháp đồng bộ và trích xuất danh sách thành viên nhóm dự án tại Server AI để phục vụ so khớp thực thể tên trong tin nhắn.

CHƯƠNG 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương 6 tổng kết lại các mục tiêu đã hoàn thành của hệ thống và đề xuất các định hướng nghiên cứu, hoàn thiện tiếp theo cho hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

  • Hoàn thiện hệ thống phần mềm hoàn chỉnh: Xây dựng thành công ứng dụng web tích hợp đầy đủ phân hệ Chat thời gian thực (hỗ trợ nhắn tin, trích xuất liên kết, trả lời tin nhắn) và phân hệ Quản lý nhiệm vụ (giao việc, theo dõi tiến độ, biểu đồ Gantt/Timeline, duyệt hoàn thành).
  • Tích hợp thành công Trợ lý ảo AI: Đóng gói và tích hợp mô hình phân loại SVC ($C=5$) cùng các thuật toán bóc tách thông tin, cho phép gợi ý tự động người nhận, ngày bắt đầu và thời hạn ngay khi người dùng chọn tạo việc từ tin nhắn hội thoại.
  • Hệ thống API và dữ liệu quy chuẩn: Triển khai 46 API RESTful bảo mật bằng JWT token, cấu trúc 7 collections dữ liệu trên MongoDB bảo đảm tính toàn vẹn quan hệ logic giữa Tổ chức - Nhóm - Tin nhắn - Nhiệm vụ.
  • Khả năng tương thích: Hệ thống hoạt động đồng bộ trên giao diện web máy tính và thiết bị di động, được triển khai thực tế trên hạ tầng máy chủ thử nghiệm.

Giải pháp và đóng góp của tác giả

  • Đóng vết ngữ cảnh hội thoại - nhiệm vụ: Khắc phục triệt để tình trạng mất dấu thông tin giữa việc trao đổi và thực thi bằng cách liên kết trực tiếp bản ghi Task với bản ghi Message gốc.
  • Tự động hóa tác vụ quản trị: Giảm thiểu thao tác nhập liệu thủ công cho người quản lý thông qua cơ chế nhận diện tự động thực thể từ ngôn ngữ trao đổi hàng ngày.
  • Kiến trúc phân tách linh hoạt: Tách biệt module AI thành một dịch vụ riêng biệt (Django Server) giao tiếp với Backend chính (NestJS), giúp hệ thống dễ dàng nâng cấp mô hình học máy mà không làm gián đoạn các luồng nghiệp vụ cốt lõi.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Thuật toán trích xuất thời gian và tên thành viên vẫn dựa chủ yếu vào tập từ khóa mẫu và quy tắc so khớp lân cận, có thể gặp sai sót nếu câu văn có cấu trúc ngữ pháp phức tạp hoặc từ ngữ phi chuẩn mực.
  • Kích thước tập dữ liệu huấn luyện cho mô hình SVC ban đầu còn giới hạn trong phạm vi các mẫu dữ liệu nội bộ của hệ thống.
  • Ứng dụng hiện mới vận hành trên nền tảng Web, chưa có ứng dụng di động bản địa (Native Mobile App) chuyên biệt.

Hướng phát triển tiếp

  • Nâng cấp mô hình AI: Nghiên cứu và tích hợp các mô hình xử lý ngôn ngữ tự nhiên (NLP) chuyên sâu cho tiếng Việt để nâng cao độ chính xác khi nhận diện các ngữ cảnh thời gian phức tạp và ý định công việc.
  • Mở rộng nền tảng: Phát triển ứng dụng di động độc lập (Mobile App) trên iOS và Android nhằm nâng cao trải nghiệm người dùng di động.
  • Tối ưu hóa và mở rộng tính năng: Nâng cấp hiệu năng xử lý tin nhắn thời gian thực khi quy mô người dùng tăng cao và bổ sung các biểu đồ thống kê, báo cáo hiệu suất chuyên sâu cho quản trị viên tổ chức.

Giá trị tham khảo

Tài liệu đồ án tốt nghiệp này mang lại giá trị tham khảo hữu ích cho:

  • Sinh viên ngành Kỹ thuật máy tính, Công nghệ thông tin và Kỹ thuật phần mềm: Là tài liệu tham khảo hoàn chỉnh về quy trình phân tích yêu cầu, thiết kế kiến trúc phần mềm phân tầng hiện đại và thiết kế chi tiết hệ thống RESTful API kết hợp WebSocket.
  • Các nhóm phát triển ứng dụng cộng tác doanh nghiệp: Cung cấp mô hình tham chiếu thực tế về cách tổ chức cơ sở dữ liệu NoSQL (MongoDB) cho các bài toán phân quyền đa cấp (Tổ chức - Nhóm dự án - Người dùng) và bài toán quản lý trạng thái luồng nhiệm vụ.
  • Các nghiên cứu ứng dụng AI vào phần mềm: Cung cấp giải pháp kết hợp kiến trúc giữa backend xử lý nghiệp vụ (NodeJS/NestJS) và backend tính toán trí tuệ nhân tạo (Python/Django) để triển khai các mô hình học máy vào sản phẩm thực tế.

Câu hỏi thường gặp

1. Hệ thống phân chia quyền hạn của người dùng thành những nhóm tác nhân nào?
Hệ thống phân định 6 nhóm tác nhân với phạm vi quyền hạn cụ thể: Khách (chưa đăng nhập, chỉ có quyền đăng ký/đăng nhập), Người dùng (đã đăng nhập, quản lý thông tin tài khoản cá nhân), Thành viên tổ chức (sử dụng các chức năng của tổ chức đã tham gia), Chủ tổ chức (có toàn quyền quản trị tổ chức, chỉnh sửa thông tin, mời hoặc xóa thành viên), Thành viên nhóm dự án (trao đổi tin nhắn, xem và thực hiện nhiệm vụ trong nhóm), và Quản lý nhóm dự án (có quyền thêm hoặc xóa thành viên khỏi nhóm dự án).

2. Mô hình học máy nào được sử dụng để phát hiện tin nhắn chứa nhiệm vụ và tham số thiết lập ra sao?
Hệ thống sử dụng mô hình học máy Support Vector Classification (SVC) với tham số điều hòa $C=5$. Mô hình được huấn luyện dựa trên tập dữ liệu tin nhắn phân loại nhị phân (chứa nhiệm vụ hoặc không chứa nhiệm vụ) trích xuất từ cơ sở dữ liệu và được đóng gói thành tệp tái sử dụng thông qua thư viện joblib.

3. Cơ chế tự động nhận diện người nhận nhiệm vụ từ tin nhắn hoạt động như thế nào?
Thuật toán nhận diện người nhận nhiệm vụ hoạt động theo hai phương thức tuần tự: Đầu tiên, hệ thống kiểm tra sự xuất hiện của tính năng gắn thẻ @tag trong tin nhắn; nếu có, thành viên được gắn thẻ sẽ tự động được thêm vào danh sách người nhận. Trong trường hợp không có thẻ @tag, hệ thống sẽ trích xuất danh sách thành viên của nhóm dự án đó tại Server AI và đối soát xem tên của thành viên nào xuất hiện trong chuỗi nội dung tin nhắn để gán người nhận tương ứng.

4. Cơ sở dữ liệu MongoDB của hệ thống được tổ chức thành những bảng nào?
Cơ sở dữ liệu gồm 7 bảng (collections): Customer (thông tin tài khoản), Organization (thông tin tổ chức), Customer_Organization_Info (thông tin thành viên theo từng tổ chức), Room (thông tin nhóm dự án và danh sách tin nhắn), Notification (quản lý số lượng thông báo chưa đọc), Message (nội dung, thời gian và liên kết trả lời tin nhắn), và Task (thông tin nhiệm vụ, người giao, người nhận, thời gian bắt đầu, hạn chót, tiến độ và trạng thái).

5. Giao diện người dùng của hệ thống hỗ trợ những chuẩn kích thước màn hình nào?
Giao diện được thiết kế đáp ứng (Responsive UI) cho 4 phân vùng kích thước: màn hình điện thoại (chiều ngang dưới 480px), màn hình máy tính bảng (chiều ngang từ 480px đến dưới 768px), màn hình máy tính cỡ nhỏ (chiều ngang từ 768px đến dưới 1024px) và màn hình máy tính thông thường (chiều ngang từ 1024px trở lên).

Kết luận

Đồ án tốt nghiệp "Hệ thống chat tích hợp trợ lý ảo hỗ trợ người dùng quản lý công việc" của tác giả Hà Nhật Tuấn đã xây dựng thành công một giải pháp phần mềm toàn diện giải quyết bài toán đồng bộ giữa trao đổi hội thoại và quản trị tiến độ trong tổ chức. Hệ thống được thiết kế theo kiến trúc Client - Server ba tầng vững chắc, kết hợp linh hoạt giữa các công nghệ hiện đại ReactJS, NestJS, Django và cơ sở dữ liệu MongoDB. Việc tích hợp mô hình phân loại học máy SVC cùng giải pháp trích xuất thực thể tự động đã hỗ trợ đắc lực cho người dùng trong việc tạo lập và truy vết nhiệm vụ trực tiếp từ tin nhắn, mở ra hướng phát triển hiệu quả cho các ứng dụng không gian làm việc số trong tương lai.