Đây là đánh giá giữa khóa học sau khi tôi đã nghe đến Phần 3. Tôi biết đến khóa học này thông qua một người quen cũng đang giao dịch theo xu hướng (trend following). Nhìn qua bộ câu lệnh (prompt), tôi thấy giảng viên có vẻ cũng giao dịch theo phong cách tương tự, nên tôi hiểu tại sao người quen của mình lại giới thiệu khóa học này. Tôi nhận thấy ngay điểm tốt là mình có thể bắt đầu với một khung sườn tổng thể của hệ thống phân tích. Tuy nhiên, điều tôi kỳ vọng ở khóa học là học cách xây dựng một hệ thống tùy chỉnh thông qua Vibe Coding. Nhưng tôi có cảm giác khóa học này tập trung tương đối nhiều vào việc làm theo đúng một hệ thống (phương pháp/tham số) đã được định sẵn. Thực tế khi nghe giảng, tôi thấy mình chỉ mải mê sao chép các prompt được gửi kèm rồi dán vào Antigravity. Dù giảng viên có giải thích cấu trúc và lý do tại sao tạo ra hệ thống như vậy nên tôi cũng hiểu, nhưng tôi tự đặt câu hỏi cho bản thân: "Liệu mình có đang thực sự hiểu để sau này có thể cá nhân hóa nó không?". Từ góc độ đó, tôi nghĩ sẽ tốt hơn nếu khóa học hướng dẫn theo cách: sử dụng chương trình lập trình để xây dựng hệ thống y hệt, nhưng ở mỗi bước đều hướng dẫn cách mở rộng hoặc sửa đổi để cá nhân hóa. Hiện tại, vì tôi không biết phần nào là bắt buộc không được chạm vào để các file .py có thể vận hành trơn tru (đang giả định là chúng hoạt động hữu cơ với nhau), hay phần nào có thể sửa đổi, nên tôi băn khoăn không biết làm thế nào để thay đổi hệ thống này theo ý mình. (Mặt khác, tôi cũng nghĩ liệu có thể yêu cầu tất cả những điều này thông qua Vibe Coding để nó tự xử lý hay không...) Có thể là do tôi chưa học hết khóa học. Hy vọng sau khi hoàn thành, tôi có thể để lại một đánh giá tiếp theo hữu ích hơn. *Dưới đây là những phần tôi muốn xây dựng mà tôi thấy có điểm tương đồng với khóa học này: 1) Lọc mã cổ phiếu: Tích lũy danh sách từ các điều kiện tìm kiếm của API công ty chứng khoán hoặc các mã do cá nhân tự chọn (đăng ký chọn thủ công qua liên kết Telegram). 2) Mô hình biểu đồ: Cập nhật phương pháp có thể dữ liệu hóa các thiết lập (setup) khác nhau thông qua trò chuyện với LLM riêng biệt để đánh giá xem có khớp với mô hình biểu đồ hàng ngày hay không. 3) Thông báo Telegram khi xuất hiện mô hình phù hợp và đạt đến một mức giá nhất định. -Bổ sung nội dung- Trong phần mô tả khóa học có nội dung như sau: Có lẽ vì tôi tạo thông qua Gemini của Antigravity chứ không phải Claude CLI nên có nhiều thứ cần phải kiểm tra giữa chừng hơn... Trước mắt tôi sẽ nghe giảng thêm một chút nữa. Từ bài 1 đến bài 3: Trải nghiệm việc tạo ra một chương trình chứng khoán y hệt bằng các prompt có trong file đính kèm. Từ bài 4: Bắt đầu học cách sử dụng prompt và lý do (Why) tại sao lại viết như vậy. ✅ Real Data Handling: Xây dựng pipeline thu thập và xử lý dữ liệu giá thời gian thực của toàn bộ 2.500 mã cổ phiếu. ✅ Advanced Logic: Thu thập dữ liệu tin tức, sử dụng AI để phân tích tích cực/tiêu cực và triển khai công cụ chấm điểm (scoring engine) để định lượng chiến lược đầu tư của riêng bạn. ✅ Full Automation: Từ xây dựng máy chủ API đến trực quan hóa bảng điều khiển web (dashboard) và báo cáo Telegram tự động gửi vào mỗi sáng.