Khi bắt đầu hành trình khởi nghiệp, nhiều sinh viên bắt đầu với một vấn đề quen thuộc mà họ nhận thấy trong cuộc sống hàng ngày. Trong trường hợp của chúng tôi, ý tưởng xuất phát từ việc quan sát các bạn cùng lớp vất vả tìm kiếm tài liệu học tập phù hợp và tạo câu hỏi luyện tập một cách thủ công. Thay vì bắt đầu với một sản phẩm tham vọng, chúng tôi đã tập trung vào việc xây dựng một MVP có thể giải quyết vấn đề này mà không cần nhiều vốn. **1. Xác định vấn đề một cách rõ ràng** Đầu tiên, chúng tôi viết ra các triệu chứng cụ thể: người học mất nhiều thời gian để sắp xếp tài liệu, thường bỏ sót các chủ đề quan trọng, và không có nguồn tài liệu luyện tập cá nhân hóa. Bằng cách đặt ra câu hỏi như “Làm thế nào để một sinh viên có thể nhận được một bộ tài liệu học tập phù hợp sau khi hoàn thành một chương?” chúng tôi đã có một mục tiêu rõ ràng để hướng tới. **2. Nghiên cứu các công nghệ hiện có** Chúng tôi tìm hiểu các thư viện AI mã nguồn mở dành cho xử lý ngôn ngữ tự nhiên và hệ thống recommendation. Chúng tôi quyết định sử dụng một mô hình chatbot nhẹ để tạo câu hỏi và một bộ lọc đơn giản dựa trên nội dung để đề xuất tài liệu đọc. Cả hai đều có thể được triển khai trên một máy tính xách tay mà không cần GPU. **3. Xây dựng MVP tối giản** Chúng tôi bắt đầu với một giao diện người dùng duy nhất: một ô nhập văn bản nơi người dùng dán ghi chú bài giảng. Hệ thống trích xuất các khái niệm chính, tìm kiếm các bài viết liên quan từ một kho lưu trữ mở, và tạo ra năm câu hỏi trắc nghiệm. Tất cả các thành phần này đều được kết nối với nhau trong một ứng dụng duy nhất, cho phép chúng tôi kiểm tra toàn bộ quy trình mà không cần tích hợp back‑end phức tạp. **4. Thu thập phản hồi từ người dùng trong môi trường thử nghiệm** Chúng tôi triển khai ứng dụng cho một nhóm nhỏ bạn bè và đồng nghiệp. Phản hồi nhanh chóng cho chúng tôi biết rằng các câu hỏi đôi khi lặp lại và danh sách tài liệu tham khảo thiếu các nguồn bằng tiếng địa phương. Chúng tôi đã điều chỉnh thuật toán để tăng tính đa dạng và mở rộng kho tài liệu bằng cách sử dụng các bài giảng mở từ các trường đại học. **5. Lặp lại quy trình với các nguồn lực hạn chế** Chúng tôi tập trung vào việc cải thiện độ chính xác của việc trích xuất khái niệm thay vì mở rộng các tính năng khác. Bằng cách tinh chỉnh mô hình trên một tập dữ liệu nhỏ gồm các ghi chú đã được chú thích, chúng tôi đã đạt được sự cải thiện đáng kể về chất lượng mà không cần thêm chi phí. **Lời khuyên thực tế cho các startup sinh viên** - **Bắt đầu với một tính năng** giúp giải quyết một vấn đề cụ thể. - **Tận dụng các mô hình mã nguồn mở**; bạn có thể học hỏi từ cộng đồng và tránh chi phí cấp phép. - **Thử nghiệm với những người dùng gần nhất** để có được phản hồi nhanh chóng. - **Lặp lại dựa trên dữ liệu hữu hình**, ngay cả khi dữ liệu đó chỉ đến từ vài người dùng. - **Giữ cho cơ sở hạ tầng nhẹ**; một máy tính xách tay có thể chạy MVP trong giai đoạn đầu. Bằng cách tuân thủ quy trình này, chúng tôi đã chuyển đổi một ý tưởng học tập trong lớp học thành một sản phẩm có thể sử dụng được, chứng minh rằng các startup sinh viên có thể tạo ra các giải pháp hỗ trợ AI có giá trị mà không cần vốn lớn.