EduMate

Find verified tutors fast, with clear AI matching and safe handoff.

EduMate is an AI-assisted tutor matching platform for parents, students, tutors, and operators. It collects learning needs through chat or form, verifies minimum required criteria before matching, and returns only verified tutor recommendations with transparent explanations. The product reduces search time, lowers verification risk, and makes trial lessons and handoff to humans auditable and measurable.

Business Goals

  • Reduce time from first request to first shortlist to under 10 minutes for 80% of sessions within 6 months.
  • Reach a 55% acceptance rate for at least one tutor recommendation after no more than 3 suggestion cycles within 6 months.
  • Convert at least 65% of completed trial lessons into ongoing lessons within 2 months of MVP launch.
  • Cut manual support and verification tickets by 40% compared with the current offline process within 9 months.
  • Achieve 200 completed tutor matches per month by the end of the first 6 months of operation.

User Goals

  • Help parents find 3 to 5 verified tutors that fit subject, grade, budget, location, and schedule.
  • Help tutors receive only suitable student requests that match their availability and teaching scope.
  • Make trial booking and post-trial feedback easy, transparent, and available in one flow.
  • Protect users from fake profiles, off-platform payment pressure, and unclear verification status.
  • Let operators review risky cases quickly with complete context and audit history.

Non-Goals

  • No end-to-end payment processing in MVP; only booking request creation and status handoff to operations.
  • No open marketplace for all tutors at launch; only controlled tutor categories with verification.
  • No autonomous final approval for safety, disputes, or child protection cases; humans must decide escalations.
  • No support for every niche subject in version 1; focus on common school subjects first such as Math, Literature, English, Physics, and Chemistry.

Chị Hương, busy parent, 38 - A parent in Hanoi with limited time who needs a trustworthy tutor for a secondary school student. She wants a fast, low-friction way to compare verified tutors without calling multiple centers.

Chị Hương, busy parent, 38

  • As a parent, I want to describe my child’s learning needs in chat, so that I do not need to fill a long form.
  • As a parent, I want to see why each tutor was matched, so that I can trust the recommendation.
  • As a parent, I want to book a trial lesson inside the platform, so that I do not need to coordinate manually through many messages.

Minh, student tutor, 22 - A university student who tutors Math and English and wants relevant student leads near his area. He needs predictable availability, fair pricing, and visibility into feedback after trial lessons.

Minh, student tutor, 22

  • As a tutor, I want to create a verified profile and upload identity documents, so that I can receive trusted requests.
  • As a tutor, I want to receive only requests that fit my schedule and rate, so that I do not waste time on poor-fit trial lessons.
  • As a tutor, I want to see post-trial feedback, so that I can improve my teaching and increase conversion to ongoing classes.

Anh Quân, operations lead, 31 - An operator responsible for verification, dispute handling, and risk monitoring. He needs a clean dashboard to review escalated cases with full context and SLA tracking.

Anh Quân, operations lead, 31

  • As an operator, I want to receive suspicious cases with reasons and linked evidence, so that I can act quickly without searching multiple systems.
  • As an operator, I want to see verification status and history, so that I can approve or reject profiles consistently.
  • As an operator, I want to monitor escalation SLA breaches, so that I can meet response commitments and reduce risk.

AI intake and requirement collection · High priority

  • The system must collect, normalize, and persist tutor-search requirements in a structured form before any matching is performed. This is the minimum reliable input layer for the AI agent.
  • The agent must collect at least subject, grade level, learning goal, budget, and desired study schedule before matching.
  • The agent may ask at most 2 clarification questions per turn when mandatory fields are missing or ambiguous.
  • Free-text input must be normalized into internal schema fields such as district, budget band, and time window.
  • The system must preserve conversation state so already captured fields are not asked again.
  • If the request contains conflicting information, the agent must flag the conflict and ask for correction instead of guessing.

Verified tutor search and ranking · High priority

  • The system must search only verified tutors and rank them using hard filters first, then weighted soft scoring. The ranking logic must be transparent and deterministic enough to audit.
  • Only tutors with verified status may appear in recommendations.
  • Hard filters must include subject, grade, budget range, location or online mode, and availability.
  • Ranking must use weighted criteria such as distance, schedule fit, experience, rating, and teaching style.
  • The system must return the top 3 to 5 tutors with a short match reason for each.
  • If no tutors meet the confidence threshold after two search attempts, the system must not invent results and must switch to a no-match fallback flow.

Tutor verification and safety · High priority

  • The system must support document upload, OCR extraction, verification review, and escalation for suspicious cases. Final verified status must require human-in-the-loop approval.
  • Tutors can upload ID cards, student cards, certificates, and diplomas as image or PDF files.
  • OCR must extract key fields and compare them against the tutor profile before review.
  • The final verified status must be assigned only after human review or operator approval.
  • Any suspicious document, identity mismatch, payment bypass request, or child safety concern must trigger escalation.
  • All verification actions must be logged for audit and dispute review.

Trial booking and feedback loop · Medium priority

  • The system must support trial lesson booking, confirmation, reminder notifications, and post-trial feedback collection to improve future matching.
  • A trial lesson can be created only after both sides confirm the selected slot.
  • The system must support both online and offline sessions with timezone-aware scheduling.
  • Automatic reminders must be sent before the trial lesson through configured channels.
  • After the session, both parent and tutor must be prompted to leave short feedback and rating.
  • Feedback must update tutor and match history for future ranking improvements.

Operations dashboard and reporting · Medium priority

  • Operators need a dashboard and ticket workflow to manage escalations, monitor service health, and review matching outcomes.
  • The dashboard must show profile verification status, match outcomes, trial bookings, and escalated cases.
  • Operators must be able to review case logs, attached documents, and AI decisions in one view.
  • The system must track retries, timeouts, and tool-call failures for operational debugging.
  • An internal ticket flow must exist for CS and risk follow-up.
  • Weekly reports must cover time-to-match, acceptance rate, trial-to-continue rate, and tutor replacement rate.

First-Time Tutor Search

  • User opens the home page or chat widget and selects tutor search.
  • User enters subject and grade first, then the agent asks only the missing mandatory fields.
  • The agent normalizes the request and confirms the structured summary before searching.
  • The system searches verified tutors and shows 3 to 5 results with explanations.
  • User selects a tutor and books a trial lesson or asks for a new shortlist.
  • Target time to first useful shortlist is under 10 minutes for 80% of sessions.

1. Capture learning need

  • The user describes the learning request in chat or a short form, and the agent converts it into structured data.
  • Validate that subject and grade are present before moving forward.
  • Store partially completed requests so the user can resume later.
  • If the input is ambiguous, ask no more than 2 clarification questions in one turn.

2. Normalize and validate

  • The agent standardizes budget, location, schedule, and goal fields to the internal schema.
  • Map free text like district names and time ranges into normalized values.
  • Flag contradictions such as online-only request with location-only filters.
  • Let the user edit any normalized field before search begins.

3. Search verified tutors

  • The platform searches only verified tutors and applies hard filters before any ranking.
  • Exclude all unverified or pending profiles from results.
  • If the hard filter set returns zero matches, explain which filter caused the miss.
  • Do not broaden hard filters automatically without user consent.

4. Rank and explain matches

  • The system displays the best matches with visible reasons and trade-offs.
  • Show match score and 1 short explanation per tutor.
  • Highlight strengths and caution points using only confirmed profile data.
  • Never infer unavailable claims such as teaching quality without evidence.

5. Book and follow up

  • The user books a trial lesson, receives reminders, and can leave feedback after the session.
  • Check calendar conflicts before final confirmation.
  • Send confirmation to both sides and save the booking state.
  • If the user declines all recommendations twice, trigger a no-match fallback and suggest changing criteria.

Advanced and Edge Case Experience

  • No-match fallback that suggests relaxing soft criteria while keeping hard filters intact.
  • Human handoff for low-confidence requests, suspicious documents, or child safety concerns.
  • Multiple equally strong tutors presented as a comparison view.
  • Retry logic for search and document verification with visible status updates.
  • Operator-only review mode for escalated cases and audit trails.

Interface and Performance Principles

  • Vietnamese-first UI with large text, strong contrast, and obvious primary actions.
  • Mobile-first layout optimized for parents on phones.
  • Tutor cards must show verified badge, match score, price, area, and schedule at a glance.
  • Chat responses should feel fast and show progress when background verification is running.
  • Every system state must be explicit: searching, verifying, waiting for human review, or no match found.

Chị Hương used to spend multiple evenings calling centers and asking the same questions again and again. Even after finding a tutor, she still could not tell whether the person was verified, available, or a good fit for her child’s schedule and learning style.

With EduMate, she types a short request and the agent asks only the missing essentials. Within minutes, she sees a small shortlist of verified tutors with clear reasons, books a trial lesson, and gets reminders and feedback in one flow.

The result is less time wasted for the family, fewer risky matches, and a system that can be measured and improved. For EduMate, each search becomes auditable, each escalation is trackable, and the matching process is easier to scale without adding manual workload.

User-Centric Metrics

  • 80% of sessions reach a usable shortlist in under 10 minutes.
  • Parent satisfaction with matching experience reaches at least 4.5 out of 5.
  • Trial-to-continue conversion reaches at least 65%.
  • Tutor replacement rate after trial stays below 20%.
  • At least 25% of users return for a second tutor search within 90 days.

Business Metrics

  • At least 55% of users accept one of the top 5 recommendations within the first 3 suggestion cycles.
  • Convert 70% of completed intake chats into visible shortlist sessions.
  • Reduce manual support cost per case by 40% within 9 months.
  • Reach 200 successful matches per month by month 6.

Technical Metrics

  • System uptime of at least 99.5%.
  • P95 chat response latency under 8 seconds.
  • Tool-call failure rate below 2% of all agent tool calls.
  • 100% of verification and dispute cases have complete audit logs.

Tracking Plan

  • track_need_captured when a user submits the initial tutor request.
  • track_clarification_asked when the agent asks a follow-up question.
  • track_search_started when verified tutor lookup begins.
  • track_search_results_returned when the shortlist and scores are shown.
  • track_tutor_selected when a parent chooses a tutor profile.
  • track_trial_scheduled when the trial lesson is confirmed.
  • track_escalated_to_human when a case is handed to operations.

Technical Needs

  • Frontend built with Next.js or React and TypeScript for a mobile-first experience.
  • Backend orchestration service using Node.js or Python FastAPI for agent flows and business logic.
  • PostgreSQL for users, tutors, requests, bookings, reviews, tickets, and audit logs.
  • pgvector on PostgreSQL or Pinecone for semantic search over tutor profiles and request intent.
  • Object storage such as Amazon S3 for tutor documents and verification files.
  • Queue-based async processing for OCR, verification, and search indexing using BullMQ, Celery, or similar.
  • Observability with OpenTelemetry plus a logging and dashboard stack such as Datadog or Grafana.

Integration Points

  • OCR provider such as Google Cloud Vision, AWS Textract, or Azure AI Vision.
  • Identity or KYC integration such as VNeID or a local verification partner.
  • Notification services for email, SMS, and Zalo OA.
  • Support tools such as Zendesk, Jira, or Slack for escalation handling.
  • Optional analytics and product event tooling such as PostHog or Amplitude.

Data Storage & Privacy

  • Encrypt sensitive data at rest and in transit, especially identity documents and contact information.
  • Apply role-based access control with least-privilege rules for parent, tutor, and operator roles.
  • Mask contact details until both sides confirm engagement through the platform.
  • Define retention policies for identity documents, logs, and deleted accounts according to local legal requirements.
  • Prepare export and deletion workflows for privacy requests such as GDPR or CCPA where applicable.

Scalability & Performance

  • Cache verified tutor profiles and recent search results to reduce repeated database queries.
  • Run OCR, verification, and notification tasks asynchronously so chat responses stay responsive.
  • Partition tutor search by city, district, and subject to scale search operations.
  • Use rate limiting and retry limits on agent tool calls to avoid runaway cost and latency.

Potential Challenges

  • Fake or altered documents may enter the system; mitigate with OCR checks, cross-field validation, and human final approval.
  • Search results may be sparse in smaller cities; mitigate with no-match fallback, online-only expansion, and clearer criteria adjustment suggestions.
  • Users may request off-platform payments or bypass verification; mitigate with policy-based refusal and surfaced safety warnings.
  • AI may misread free-text requirements; mitigate with structured schema validation, confirmation of critical fields, and fallback to human review.
  • Support load may increase when disputes rise; mitigate with SLA-based triage, escalation labels, and a dedicated operations dashboard.

Team & resourcing - Small team - 2 engineers, 1 product designer, part-time PM, and part-time ops/verifier support

Phase 1: MVP search flow · Weeks 1-4

  • Vietnamese chat and short-form intake for tutor requests.
  • Structured requirement capture with minimum fields and clarification logic.
  • Seeded tutor database with verified status and rule-based matching.
  • Mobile-first shortlist screen with top 3 to 5 tutor results and explanation text.

Phase 2: Verification and booking · Weeks 5-8

  • Tutor document upload flow with image and PDF support.
  • OCR extraction and human-in-the-loop verification workflow.
  • Trial lesson booking flow with calendar conflict checks and reminders.
  • Operator dashboard for verification review and case management.

Phase 3: Agent orchestration and safety · Weeks 9-12

  • Agent orchestration with tool calls, retry limits, and timeout handling.
  • Confidence threshold and no-match fallback behavior.
  • Escalation routing for risky or ambiguous cases.
  • Audit logging, event tracking, and operational KPI dashboard.

Phase 4: Hardening and launch readiness · Weeks 13-16

  • Latency optimization and search tuning.
  • Comparison view for multiple similar tutors and improved explanation quality.
  • Edge case coverage for no-match, low-confidence, and tutor-unavailable scenarios.
  • Runbook, acceptance test set, and launch checklist for ops and support.

Paste this into Cursor, Bolt, Lovable, or v0 to start building.

Build EduMate, a Vietnamese-first AI tutor matching platform for parents, students, tutors, and operators.

Core product:
1) Chat and short form intake for tutor search
2) AI requirement normalization with mandatory fields: subject, grade, learning goal, budget, schedule, location or online mode
3) Verified tutor search and ranking with hard filters first, then weighted scoring
4) Match explanation for each recommendation
5) Trial lesson booking and reminders
6) Tutor document upload, OCR extraction, human-in-the-loop verification, and escalation
7) Operator dashboard for review, audit logs, tickets, and SLA monitoring

Important agent rules:
- Do not run matching until minimum required fields are captured.
- Ask at most 2 clarification questions per turn.
- Only show verified tutors in results.
- If no tutors meet the threshold after 2 attempts, show a no-match fallback and suggest adjusting criteria.
- Never invent tutor data or claim unsupported facts.
- Escalate suspicious documents, payment bypass requests, and child safety issues to humans.

Primary screens/flows:
- Home/search page with chat widget and short form
- Structured request review and edit screen
- Shortlist results with tutor cards, match score, and reasons
- Tutor profile detail page
- Trial booking modal/page with schedule confirmation
- Tutor verification upload and status page
- Operator dashboard with case queue, document review, timeline, audit log, and SLA indicators

Data model:
- User: id, role, name, phone, email, locale
- StudentProfile: userId, grade, schoolLevel, goals, notes
- TutorProfile: userId, subjects, grades, rates, location, onlineAvailable, schedule, bio, verifiedStatus, rating
- TutorDocument: id, tutorId, fileUrl, docType, ocrText, verificationStatus, reviewedBy, reviewedAt
- LessonRequest: id, studentId, subject, grade, goal, budgetMin, budgetMax, location, mode, schedule, confidence, status
- MatchResult: id, requestId, tutorId, score, reasons, createdAt
- Booking: id, requestId, tutorId, slotStart, slotEnd, mode, status
- Review: id, bookingId, reviewerId, rating, comments, createdAt
- EscalationTicket: id, caseType, priority, status, reason, assignedTo, auditTrail
- AuditLog: id, actorId, action, entityType, entityId, timestamp, metadata

Tech stack:
- Next.js 14 + TypeScript + Tailwind CSS for frontend
- Node.js or FastAPI backend
- PostgreSQL with Prisma or Drizzle
- pgvector for semantic search
- Redis and BullMQ for async jobs and queues
- S3-compatible storage for uploaded documents
- OpenTelemetry for logs and tracing
- PostHog for analytics
- Role-based auth with NextAuth, Clerk, or Auth.js
- Integrate OCR via Google Vision or AWS Textract
- Integrate notifications via email, SMS, and Zalo OA

Build it as a production-ready MVP with clean Vietnamese UI, mobile-first responsiveness, explicit loading and error states, auditability, and admin/operator controls.

Business Idea

cải tiến prd sau dựa vào gợi ý và nội dung prd version 1 sau: Điểm tôi đặc biệt khuyên bạn thêm Vì đây là AI Agent, phần 8 không nên viết kiểu: "Agent thông minh tìm gia sư phù hợp." Mà phải biến thành requirement có thể kiểm thử: Agent phải thu thập đủ các thông tin tối thiểu gồm môn học, cấp/lớp, mục tiêu học, ngân sách và thời gian học trước khi thực hiện matching. Và: Nếu không có gia sư đạt ngưỡng phù hợp, Agent không được tự bịa hoặc đề xuất hồ sơ không tồn tại; Agent phải thông báo không tìm thấy kết quả phù hợp và đề xuất điều chỉnh tiêu chí. Đây là tư duy PRD cho Agent: không chỉ quy định Agent làm gì khi thành công, mà còn quy định nó được phép làm gì khi không chắc chắn hoặc thất bại tập trung vào Problem → Users → Solution → Agent Flow → Features → Matching logic → MVP → Acceptance Criteria → Metrics. 1. Product Overview ├── Product vision ├── Problem statement └── Solution overview 2. Target Users ├── Student / Parent ├── Tutor └── Admin / Operator 3. User Pain Points ├── Student/Parent └── Tutor 4. Goals & Success Metrics ├── Business goals ├── User goals └── AI Agent metrics 5. Non-goals → V1 KHÔNG làm gì? 6. User Journey Student ↓ Tell Agent learning need ↓ Agent asks clarification ↓ Analyze requirements ↓ Search tutor database ↓ Match & rank ↓ Explain recommendations ↓ Student chooses tutor ↓ Connect / booking 7. Core Features F01. Student requirement collection F02. AI requirement analysis F03. Tutor profile F04. Tutor matching F05. Match explanation F06. Tutor contact/booking F07. Review & feedback 8. AI Agent Specification ├── Agent role ├── Inputs ├── Tools ├── Decision logic ├── Output ├── Confidence threshold ├── Fallback └── Human handoff 9. Matching Logic ├── Subject ├── Grade ├── Budget ├── Location / Online ├── Schedule ├── Experience └── Rating 10. Functional Requirements FR-01... FR-02... FR-03... 11. User Stories + Acceptance Criteria 12. Data Requirements ├── Student ├── Tutor ├── Subject ├── Lesson Request ├── Booking └── Review 13. Trust & Safety ├── Tutor verification ├── Privacy ├── Fraud └── Dispute 14. Failure / Edge Cases ├── No matching tutor ├── Multiple equally suitable tutors ├── Invalid request ├── Tutor unavailable └── Agent confidence too low 15. Non-functional Requirements ├── Latency ├── Availability ├── Privacy └── Scalability 16. MVP Scope 17. Future Scope 18. Risks & Dependencies AI workflow, user journey, integrations, metrics, non-goals, edge cases và fallback Agent thì nên có thêm evaluation criteria, guardrails, escalation/human handoff, cost/latency và auditability, thay vì chỉ viết feature như PRD app thông thường. và thêm 3 mục sau Assumptions and Dependencies, Out of Scope, Glossary and Definitions EduMate Tìm gia sư phù hợp nhanh, rõ, và đã xác minh. TL;DR EduMate là một nền tảng tìm gia sư cho phụ huynh và học sinh, kết hợp AI để thu thập nhu cầu, lọc theo tiêu chí cứng, và ghép với gia sư đã xác minh. Sản phẩm giúp rút ngắn thời gian tìm kiếm, giảm rủi ro trung gian, và tăng tỷ lệ học thử chuyển thành học chính thức. Goals Business Goals • Rút ngắn thời gian từ yêu cầu đến danh sách gia sư phù hợp xuống dưới 10 phút cho 80% phiên tìm kiếm trong 6 tháng đầu. • Đạt tỷ lệ phụ huynh chấp nhận ít nhất một đề xuất gia sư ở mức 55% trở lên sau 3 lần gợi ý. • Tăng tỷ lệ học thử sang học chính thức lên 65% trong vòng 2 tháng sau khi ra mắt MVP. • Giảm 40% số ticket CS liên quan đến thất lạc thông tin, xác minh thủ công, và đổi gia sư so với quy trình truyền thống trong 9 tháng. • Đạt ít nhất 25% người dùng quay lại tìm gia sư lần hai trong 90 ngày đầu sau giao dịch. User Goals • Phụ huynh tìm được 3 đến 5 gia sư phù hợp với môn học, lớp, khu vực, ngân sách, và lịch rảnh. • Gia sư được ghép với học sinh phù hợp năng lực, phong cách dạy, và khung giờ của mình. • Cả hai bên có quy trình học thử rõ ràng, minh bạch, và ít phải trao đổi thủ công. • Người dùng được bảo vệ khỏi hồ sơ giả, yêu cầu thanh toán ngoài nền tảng, và các tình huống rủi ro. • Phụ huynh có thể theo dõi trạng thái xác minh, lịch học thử, và đánh giá sau buổi học. Non-Goals • Không xử lý thanh toán end-to-end trong MVP, chỉ hỗ trợ tạo yêu cầu và chuyển trạng thái cho đội vận hành. • Không thay thế hoàn toàn con người trong các quyết định pháp lý, tranh chấp, hoặc an toàn trẻ em. • Không hỗ trợ mọi môn học chuyên sâu ngay từ đầu; ưu tiên các môn phổ biến như Toán, Văn, Anh, Lý, Hóa. • Không xây dựng marketplace mở cho tất cả đối tượng ngay từ đầu; chỉ nhận gia sư trong các danh mục được kiểm soát. User Stories Chị Hương, phụ huynh 38 tuổi - Chị có con học THCS tại Hà Nội, lịch làm việc bận, cần tìm gia sư đáng tin cậy, gần nhà, học phí hợp lý và không muốn mất thời gian gọi nhiều trung tâm. Chị Hương, phụ huynh 38 tuổi • As a phụ huynh, I want to nhập nhu cầu bằng chat ngắn gọn, so that tôi không phải tự điền form dài. • As a phụ huynh, I want to xem lý do match rõ ràng cho từng gia sư, so that tôi yên tâm chọn người phù hợp. • As a phụ huynh, I want to đặt lịch học thử ngay trong nền tảng, so that tôi không phải tự nhắn qua lại với nhiều bên. Minh, gia sư 22 tuổi - Minh là sinh viên năm cuối, dạy Toán và Tiếng Anh, muốn tìm học sinh gần khu vực mình ở, tránh phí môi giới cao và lịch dạy không phù hợp. Minh, gia sư 22 tuổi • As a gia sư, I want to tạo hồ sơ và tải giấy tờ xác minh, so that tôi có thể được gắn nhãn verified nhanh chóng. • As a gia sư, I want to chỉ nhận lớp phù hợp lịch và mức giá của mình, so that tôi không mất thời gian đi dạy thử không hiệu quả. • As a gia sư, I want to xem phản hồi sau buổi học thử, so that tôi cải thiện cách dạy và tăng cơ hội nhận lớp. Anh Quân, vận hành trung tâm 31 tuổi - Anh phụ trách xác minh, xử lý tranh chấp và giám sát an toàn. Anh cần một bảng điều khiển rõ ràng để can thiệp chỉ khi có rủi ro. Anh Quân, vận hành trung tâm 31 tuổi • As an operator, I want to nhận case bất thường kèm lý do và dữ liệu liên quan, so that tôi xử lý nhanh mà không phải tìm lại thông tin. • As an operator, I want to xem trạng thái xác minh và lịch sử giao dịch, so that tôi giảm sai sót khi duyệt hồ sơ. • As an operator, I want to theo dõi các trường hợp leo thang theo SLA, so that tôi đảm bảo phản hồi trong cam kết thời gian. Functional Requirements Thu thập nhu cầu bằng AI · High priority • Hệ thống phải thu thập, chuẩn hóa và lưu nhu cầu của phụ huynh/học sinh dưới dạng cấu trúc để phục vụ tìm kiếm và chấm điểm phù hợp. • Hỗ trợ nhập qua chat hoặc form với các trường: môn học, cấp lớp, khu vực, ngân sách, lịch rảnh, mục tiêu học tập, phong cách dạy. • Tối đa 2 câu hỏi làm rõ mỗi lượt khi dữ liệu đầu vào thiếu. • Tự động chuẩn hóa dữ liệu tự do sang schema nội bộ, ví dụ quận/huyện, mức ngân sách, khung giờ. • Lưu phiên hội thoại để tránh hỏi lại các trường đã thu thập được. • Phát hiện yêu cầu mơ hồ hoặc mâu thuẫn và báo lỗi nhẹ nhàng để người dùng chỉnh lại. Tìm kiếm và xếp hạng gia sư · High priority • Hệ thống phải tìm gia sư đã xác minh và xếp hạng theo mức độ phù hợp với yêu cầu cứng và mềm của phụ huynh. • Chỉ trả về gia sư có trạng thái verified. • Lọc cứng theo môn học, cấp lớp, khu vực hoặc online, ngân sách, và lịch rảnh. • Chấm điểm match dựa trên tiêu chí có trọng số: gần khu vực, phù hợp ngân sách, khớp lịch, kinh nghiệm, đánh giá, phong cách dạy. • Hiển thị top 3 đến 5 gợi ý cùng một câu lý do match ngắn gọn cho từng người. • Nếu không có kết quả đủ ngưỡng sau 2 lần tìm, chuyển sang chế độ đăng tin mở và thông báo minh bạch. Xác minh gia sư và an toàn · High priority • Hệ thống phải xác minh danh tính và giấy tờ gia sư, đồng thời leo thang khi có rủi ro hoặc dấu hiệu giả mạo. • Cho phép upload CCCD, thẻ sinh viên, bằng cấp ở dạng ảnh hoặc PDF. • Trích xuất OCR và đối chiếu thông tin cơ bản trước khi duyệt. • Bắt buộc HITL cho trạng thái verified cuối cùng. • Tự động escalate khi có dấu hiệu giấy tờ bất thường, tranh chấp thanh toán, yêu cầu bỏ qua xác minh, hoặc vấn đề an toàn trẻ em. • Ghi log đầy đủ mọi bước xác minh để audit sau này. Đặt lịch học thử và vòng phản hồi · Medium priority • Hệ thống phải hỗ trợ đặt lịch học thử, thu nhận phản hồi hai chiều, và cập nhật dữ liệu cho các lần ghép sau. • Tạo lịch học thử sau khi cả hai bên xác nhận. • Hỗ trợ online và offline với timezone và khung giờ rõ ràng. • Gửi nhắc lịch trước buổi học thử cho cả hai bên. • Thu thập đánh giá sau buổi học thử từ phụ huynh và gia sư. • Cập nhật lịch sử match, tỷ lệ tiếp tục học, và tín hiệu chất lượng vào hồ sơ. Vận hành, kiểm soát và báo cáo · Medium priority • Đội vận hành cần một bảng điều khiển để theo dõi case, SLA, và hiệu quả ghép lớp. • Có dashboard theo dõi trạng thái hồ sơ, match, lịch học thử, và case escalate. • Theo dõi số lần retry, timeout, và lỗi tool call. • Có hệ thống ticket nội bộ cho CS/Ops. • Xuất báo cáo theo tuần về time-to-match, acceptance rate, trial-to-continue rate, và tutor replacement rate. User Experience Onboarding và tìm gia sư đầu tiên • Người dùng mở trang chủ hoặc chat widget và chọn nhu cầu tìm gia sư. • Nhập tối thiểu môn học và cấp lớp, sau đó hệ thống hỏi thêm tối đa 2 câu nếu cần. • AI chuẩn hóa nhu cầu trong nền dưới 30 giây và bắt đầu lọc gia sư verified. • Hiển thị 3 đến 5 gợi ý đầu tiên kèm mức phí, khu vực, lịch rảnh, và lý do match. • Người dùng chọn một gia sư để xem chi tiết và đặt lịch học thử. • Mục tiêu time-to-value là dưới 10 phút từ lúc bắt đầu đến khi có shortlist phù hợp. 1. Thu thập nhu cầu • Phụ huynh mô tả nhu cầu học bằng chat hoặc form ngắn, hệ thống chuyển thành hồ sơ có cấu trúc. • Chỉ hỏi thêm thông tin khi thiếu trường bắt buộc. • Tự động phát hiện dữ liệu mâu thuẫn như ngân sách quá thấp so với khu vực. • Cho phép sửa trực tiếp từng trường đã chuẩn hóa. 2. Tìm gia sư verified • Hệ thống tìm trong kho gia sư đã xác minh và loại bỏ các hồ sơ không đạt điều kiện cứng. • Loại ngay hồ sơ chưa verified. • Ưu tiên những gia sư gần khu vực, trống lịch, và đúng ngân sách. • Nếu kết quả quá ít, nới nhẹ tiêu chí mềm nhưng không nới tiêu chí cứng. 3. Giải thích và so sánh • Mỗi đề xuất đi kèm điểm match và lý do ngắn gọn để người dùng ra quyết định nhanh hơn. • Hiển thị điểm match minh bạch theo từng tiêu chí. • Nêu rõ điểm mạnh và điểm cần lưu ý của từng gia sư. • Không suy diễn thông tin không có trong hồ sơ. 4. Chọn và đặt lịch học thử • Người dùng chọn một gia sư và tạo lịch học thử ngay trên nền tảng. • Kiểm tra trùng lịch trước khi chốt. • Hỗ trợ đổi sang online nếu hai bên cùng đồng ý. • Gửi xác nhận cho cả hai bên và lưu trạng thái. 5. Đánh giá và tiếp tục • Sau buổi học thử, hai bên đánh giá chất lượng để hệ thống cải thiện ghép lớp cho lần sau. • Thu thập rating và nhận xét ngắn từ phụ huynh và gia sư. • Nếu không phù hợp, đề xuất gia sư thay thế ngay. • Nếu có dấu hiệu rủi ro, tự động escalte cho vận hành. Tính năng nâng cao và ngoại lệ • Đăng tin mở khi không tìm đủ gia sư phù hợp sau hai vòng search. • Gợi ý lại dựa trên lịch sử match, tỷ lệ tiếp tục học, và phản hồi trước đó. • Ưu tiên gia sư theo khu vực cụ thể như quận/huyện hoặc chỉ online. • Chế độ kiểm soát rủi ro với cờ cảnh báo cho hồ sơ nghi ngờ hoặc hành vi bất thường. • Bảng điều khiển operator để duyệt hồ sơ, xem log, và xử lý tranh chấp. • Thông báo nhắc lịch và nhắc xác minh qua email, SMS, hoặc Zalo. Nguyên tắc giao diện và trải nghiệm • Giao diện tiếng Việt rõ ràng, ít chữ, ưu tiên hành động chính ở một màn hình. • Thẻ gia sư có ảnh, trạng thái verified, điểm match, học phí, khu vực, và lịch trống. • Hỗ trợ truy cập tốt cho người dùng lớn tuổi với font đủ lớn, tương phản cao, và nút rõ ràng. • Phản hồi nhanh dưới 5 đến 8 giây cho tương tác chat thông thường. • Trạng thái hệ thống minh bạch cho các bước đang xử lý, đang xác minh, và đã chuyển người thật. • Thiết kế mobile-first vì phần lớn phụ huynh sẽ dùng điện thoại. Narrative Chị Hương thường mất nhiều buổi gọi trung tâm để tìm gia sư Toán cho con, nhưng vẫn không chắc người được giới thiệu có phù hợp với lịch học và cách dạy của con hay không. Mỗi lần đổi gia sư là một lần tốn thêm thời gian, chi phí và sự mệt mỏi cho cả gia đình. Khi dùng EduMate, chị chỉ cần nhập nhu cầu cơ bản, hệ thống tự hỏi thêm vài chi tiết cần thiết rồi trả về danh sách gia sư đã xác minh, kèm lý do match rõ ràng. Chị chọn một người, đặt lịch học thử ngay, và sau buổi đầu đã có phản hồi hai chiều để quyết định tiếp tục hay đổi sang ứng viên khác. Với quy trình này, chị Hương tiết kiệm được hàng giờ tìm kiếm, giảm rủi ro gặp hồ sơ giả, và tăng khả năng tìm được gia sư phù hợp ngay từ lần đầu. Với nền tảng, mỗi phiên tìm gia sư trở nên có thể đo lường, dễ kiểm soát, và ít phụ thuộc vào xử lý thủ công của đội vận hành. Success Metrics User-Centric Metrics • Thời gian từ yêu cầu đến shortlist gia sư đầu tiên dưới 10 phút cho 80% phiên. • Tỷ lệ phụ huynh hài lòng sau match đạt 4.5/5 trở lên. • Tỷ lệ học thử sang học chính thức đạt ít nhất 65%. • Tỷ lệ đổi gia sư sau buổi học thử dưới 20%. • Tỷ lệ người dùng quay lại tìm gia sư lần hai trong 90 ngày đạt 25% trở lên. Business Metrics • Tỷ lệ chuyển đổi từ chat bắt đầu sang shortlist hiển thị đạt 70% trở lên. • Tỷ lệ chấp nhận một trong top 5 gợi ý đạt 55% trở lên. • Giảm 40% chi phí CS trên mỗi case so với quy trình manual. • Đạt 200 match thành công mỗi tháng sau 6 tháng vận hành. • Tăng doanh thu từ phí dịch vụ hoặc phí xác minh theo từng match thành công mà không làm tăng khiếu nại quá 10%. Technical Metrics • Uptime hệ thống đạt 99.5% trở lên. • P95 latency cho chat response dưới 8 giây. • Tỷ lệ lỗi tool call dưới 2% trên tổng số lượt gọi. • 100% case xác minh và tranh chấp được lưu audit log đầy đủ. Tracking Plan • track_need_capture khi người dùng gửi nhu cầu ban đầu. • track_clarification_question khi AI hỏi làm rõ. • track_tutor_search_started khi bắt đầu truy vấn kho gia sư. • track_tutor_search_results_returned khi trả shortlist cùng điểm match. • track_tutor_selected khi phụ huynh chọn một gia sư. • track_trial_scheduled khi tạo lịch học thử thành công. • track_escalated_to_human khi case được chuyển cho vận hành. Technical Considerations Technical Needs • Frontend web mobile-first bằng Next.js hoặc React với TypeScript. • Backend API bằng Node.js hoặc Python FastAPI cho orchestration và business logic. • Vector store cho semantic search, ví dụ pgvector trên PostgreSQL hoặc Pinecone. • Cơ chế orchestration agent và tool calling có giới hạn vòng lặp, retry, timeout. • PostgreSQL cho dữ liệu quan hệ như user, tutor, match, booking, review, ticket. • Object storage như S3 để lưu ảnh CCCD, bằng cấp, và tài liệu upload. • Hệ thống event tracking và log quan sát bằng PostHog, OpenTelemetry, hoặc Datadog. Integration Points • Dịch vụ OCR như Google Cloud Vision, AWS Textract, hoặc Azure AI Vision. • Dịch vụ định danh điện tử như VNeID hoặc tích hợp đối tác KYC tương đương. • Email/SMS/Zalo OA để gửi xác nhận, nhắc lịch, và thông báo trạng thái. • Hệ thống thanh toán hoặc ledger nội bộ nếu sau này mở rộng thu phí. • Công cụ hỗ trợ vận hành như Slack, Jira, hoặc Zendesk cho ticket escalation. Data Storage & Privacy • Mã hóa dữ liệu nhạy cảm khi lưu trữ và khi truyền tải, bao gồm giấy tờ định danh. • Tách quyền truy cập cho role phụ huynh, gia sư, và operator theo nguyên tắc least privilege. • Che hoặc ẩn thông tin liên hệ trực tiếp trước khi hai bên xác nhận qua nền tảng. • Thiết lập retention policy cho tài liệu định danh và log theo nhu cầu pháp lý địa phương, tối đa hóa tối thiểu cần thiết. • Chuẩn bị quy trình hỗ trợ xóa dữ liệu, xuất dữ liệu, và xử lý yêu cầu quyền riêng tư phù hợp GDPR/CCPA nếu mở rộng ra thị trường quốc tế. Scalability & Performance • Cache kết quả tìm kiếm và hồ sơ gia sư đã verified để giảm truy vấn lặp. • Tách luồng async cho OCR, verify, và tạo ticket để không chặn trải nghiệm chat. • Dùng queue cho các tác vụ dài như xác minh giấy tờ và tính điểm hàng loạt. • Thiết kế hệ thống search theo phân vùng khu vực và môn học để scale dần theo thành phố. Potential Challenges • Hồ sơ giả hoặc giấy tờ bị làm giả, mitigated bằng OCR, đối chiếu định danh, và duyệt HITL cuối. • Kết quả match quá ít ở thành phố nhỏ, mitigated bằng fallback đăng tin mở và mở rộng phạm vi online. • Người dùng yêu cầu bỏ qua xác minh hoặc giao dịch ngoài nền tảng, mitigated bằng policy rõ ràng và từ chối tự động. • Sai số AI khi hiểu nhu cầu hoặc trích xuất giấy tờ, mitigated bằng form chuẩn hóa, xác nhận lại trường quan trọng, và review thủ công. • Tăng tải CS khi có tranh chấp, mitigated bằng ticket triage, SLA rõ, và dashboard ưu tiên theo mức độ rủi ro. Milestones & Sequencing Team & resourcing - Small team - 2 engineers, 1 product designer, 1 part-time PM, 1 ops/verifier part-time, and shared AI support. Phase 1: MVP tìm gia sư · Weeks 1-4 • Chat/form thu thập nhu cầu tiếng Việt. • Kho gia sư mock hoặc seed data có trạng thái verified. • Shortlist top 3 đến 5 gia sư với rule-based matching và điểm số cơ bản. • Giao diện mobile-first cho phụ huynh xem, chọn, và lưu hồ sơ gia sư. Phase 2: Xác minh và đặt lịch · Weeks 5-8 • Upload giấy tờ gia sư. • OCR extraction và luồng verify có HITL. • Tạo lịch học thử online/offline. • Bảng điều khiển cho operator xem hồ sơ, duyệt trạng thái, và xử lý case. Phase 3: Agent orchestration và đánh giá · Weeks 9-12 • Orchestrator điều phối agent thu thập nhu cầu, matcher, và xác minh. • Tool calling với retry, timeout, và fallback. • Tracking event, dashboard KPI, và bộ test cases chuẩn hóa. • Cơ chế phản hồi sau học thử để cải thiện matching. Phase 4: Demo Day hardening · Weeks 13-16 • Làm đẹp luồng demo end-to-end cho phụ huynh, gia sư, và operator. • Giảm latency, thêm logging, và xử lý edge cases ổn định. • Kịch bản demo ngày trình bày, dữ liệu mẫu, và script vận hành. • Tài liệu PRD, runbook, và checklist an toàn cho demo.

Make My PRD

Design by The Resonance | Powered by GPC – The AI Transformation Company

    PRD: cải tiến prd sau dựa vào gợi ý và nội dung prd version 1...