inflearn logo

Kỹ thuật thiết kế bộ dây điện (Harness) thực chiến hoàn thành trong 2 giờ

Việc tạo MVP bằng AI giờ đây không còn khó khăn nữa. Nhưng hầu hết các dự án đều dừng lại ở bước tiếp theo. 👉 Đã tạo được tính năng 👉 Nhưng việc phát triển không được tiếp tục duy trì Tại sao điều này lại xảy ra? Vấn đề không nằm ở mã nguồn, 👉 Mà là vì thiếu một cấu trúc để AI có thể làm việc liên tục. --- Trong khóa học này, Dựa trên các dự án đã có sẵn, 👉 Chúng ta sẽ cùng nhau xây dựng 👉 Một cấu trúc cho phép AI tiếp tục quá trình phát triển --- Không chỉ đơn thuần là sử dụng các công cụ AI, mà chúng ta sẽ: * Xây dựng cấu trúc docs * Định nghĩa SSOT (Single Source of Truth) * Thực hiện phát triển theo đơn vị ticket * Kết nối với QA và cấu trúc lặp lại (iteration) 👉 Để hoàn thiện thành một "Hệ thống phát triển AI" nhất quán. --- Thông qua quá trình này, bạn có thể: 👉 Xây dựng cấu trúc mà việc phát triển vẫn tiếp diễn 👉 Ngay cả khi con người không trực tiếp viết code Nói cách khác, 👉 Bạn có thể tự mình tạo ra và thấu hiểu 👉 Một hệ thống phát triển vận hành AI như một đội ngũ thực thụ. --- Khóa học này được thiết kế dành cho: 👉 Những ai muốn tạo ra một cấu trúc có thể áp dụng ngay vào dự án của mình 👉 Những ai đã bắt đầu phát triển bằng AI nhưng gặp khó khăn trong việc duy trì 👉 Những ai muốn tiến lên bước tiếp theo sau khi đã làm quen với "Vibe Coding" --- Không chỉ dừng lại ở việc học, khóa học mang đến trải nghiệm: 👉 Thực hành trực tiếp 👉 Tạo ra cấu trúc hoạt động thực tế 👉 Và chuyển đổi nó thành hình thức có thể áp dụng ngay vào dự án cá nhân.

(3.8) 10 đánh giá

69 học viên

Độ khó Cơ bản

Thời gian Không giới hạn

Python
Python
cursor
cursor
ChatGPT
ChatGPT
AI Agent
AI Agent
Vibe Coding
Vibe Coding
Python
Python
cursor
cursor
ChatGPT
ChatGPT
AI Agent
AI Agent
Vibe Coding
Vibe Coding

Bạn sẽ nhận được điều này sau khi học.

  • Trực tiếp xây dựng cấu trúc nơi AI liên tục phát triển dựa trên SSOT.

  • Thông qua việc phát triển dựa trên ticket, bạn sẽ được trải nghiệm hoàn thiện một dịch vụ từ đầu đến cuối.

  • Bạn có thể hiểu cấu trúc này từ góc độ kỹ thuật bộ dây điện (harness engineering) và áp dụng nó vào thực tế.


Áp dụng ngay vào thực tế
Công khai phương pháp kỹ thuật Harness.


#Harness Engineering | #SSOT | #Phát triển dựa trên Ticket | #Claude/Cursor | #Áp dụng thực tế


Bạn đã từng có trải nghiệm như thế này chưa?

Lúc đầu AI hoạt động rất tốt, nhưng khi thêm các yêu cầu mới thì nó bắt đầu đưa ra những đoạn mã ngày càng sai lệch.

Rõ ràng là yêu cầu cùng một nội dung phát triển nhưng kết quả của AI hôm nay lại khác với hôm qua khiến tôi rất bối rối.

Đã tạo được MVP bằng AI, nhưng không thể tiến tới bước tiếp theo nên dự án bị bỏ dở.

Tôi cứ ngỡ bảo AI làm là xong hết cả rồi chứ..
Vấn đề nằm ở đâu nhỉ?


tại sao?
3 lý do khiến việc phát triển AI trở nên khó khăn

Ngữ cảnh không được duy trì.

Vì AI không thể ghi nhớ ngữ cảnh trong thời gian dài, nên khi công việc tích tụ lại, tính nhất quán sẽ bị phá vỡ.

Đơn vị công việc không rõ ràng.

Vì AI tự giải thích các yêu cầu mơ hồ nên kết quả mỗi lần mỗi khác.

Không có giai đoạn kiểm chứng và chỉnh sửa.

Nếu chỉ lặp đi lặp lại việc phát triển mà không có bước kiểm chứng và chỉnh sửa, AI sẽ tiếp tục thêm thắt mã nguồn mà không có bất kỳ tiêu chuẩn nào.


Nguyên nhân chung của 3 vấn đề này chỉ có một.
Đó là không có cấu trúc để AI có thể làm việc.

Vì vậy, trước khi bắt đầu phát triển AI

Việc thiết kế môi trường cân nhắc đến các đặc tính của AI là điều bắt buộc.

Tiêu chuẩn mới trong phát triển AI

Harness Engineering

Harness Engineering có nghĩa là thiết kế môi trường phát triển
để AI có thể làm việc một cách ổn định.



Kỹ thuật Harness
áp dụng vào thực tế như thế nào?

Phương pháp thiết kế Harness Engineering lý tưởng luôn tồn tại.
Tuy nhiên, luôn có một khoảng cách giữa môi trường lý tưởng và thực tế công việc.

Môi trường lý tưởng

  • Bắt đầu phát triển dựa trên các yêu cầu rõ ràng.

  • Bắt đầu với một cấu trúc sạch sẽ ngay từ đầu.

  • Thiết lập cấu trúc hoàn hảo trước khi bắt đầu phát triển.

Thực tế trong công việc

  • Trong quá trình phát triển, yêu cầu thay đổi thường xuyên.

  • 이미 mã nguồn cũ (legacy code) đã tích tụ lại.

  • Không có thời gian để xây dựng một cấu trúc hoàn hảo ngay từ đầu.



Môi trường legacy, các yêu cầu thay đổi thường xuyên...

Vì vậy, kỹ thuật Harness
áp dụng vào thực tế phải khác biệt.


Có thể áp dụng ngay vào thực tế

Harness Engineering dựa trên Ticket


Đây là phương pháp mà con người thực hiện tạo ticket và QA, còn AI thực hiện các phần còn lại như triển khai, phân tích và phân phối.
Vì con người nắm giữ tiêu chuẩn và kiểm chứng, còn AI thực hiện theo từng đơn vị ticket,
nên có thể đạt được cả tính ổn định lẫn tính linh hoạt.

SSOT

Định nghĩa nguyên tắc nhất quán

Nếu có một tài liệu chuẩn duy nhất, AI sẽ làm việc nhất quán ngay cả khi công việc bị dồn nén.

Thiết kế Ticket

Đơn vị công việc có thể thực thi

Nếu bạn định nghĩa công việc với kích thước mà AI có thể xử lý được, chất lượng của kết quả đầu ra sẽ được nâng cao.

Vòng lặp lặp lại

Phát triển→QA→Chỉnh sửa→Hoàn tất

Tạo cấu trúc lặp lại bằng cách cộng tác với AI trong một luồng công việc dựa trên ticket.


Nội dung cốt lõi của bài giảng

📚 Nội dung cốt lõi bạn sẽ học trong khóa học

01

Phát triển ưu tiên Agent (Agent-first)

Chuyển đổi sang quy trình phát triển lấy AI Agent làm trung tâm.

02

Cấu trúc dựa trên SSOT

Thống nhất tiêu chuẩn phát triển với Nguyên tắc nguồn sự thật duy nhất (Single Source of Truth) dựa trên Markdown.

03

Quy trình phát triển lấy ticket làm trung tâm

Sử dụng ChatGPT để tạo ticket và
thiết lập luồng phát triển tự động thực thi thông qua Cursor.

04

QA & Done tự động hóa

Thiết lập chu trình phát triển tự động
từ việc tạo báo cáo phân tích đến xác minh tiêu chuẩn hoàn thành.

thoughtful 05

Vòng lặp phát triển bền vững

Xây dựng hệ thống phát triển dựa trên AI có thể lặp lại
chỉ với một lần thiết lập.


Đây là hệ thống phát triển AI thực tế bao gồm từ lập kế hoạch thông qua ChatGPT, phát triển bằng cách sử dụng Cursor, cho đến cấu trúc thực thi dựa trên Python.


🧩 Các thành phần được sử dụng trong bài giảng này

  • ChatGPT (Lập kế hoạch và tạo ticket)

  • Cursor (Tạo và chỉnh sửa mã nguồn dựa trên AI)

  • SSOT dựa trên Markdown

  • Cấu trúc Python / API

  • MongoDB

  • Triển khai trên Hugging Face Space

  • Triển khai trên Vercel

Điểm mấu chốt không nằm ở công nghệ mà là "cấu trúc".
Cấu trúc này có thể áp dụng nguyên vẹn cho bất kỳ ngôn ngữ hay stack nào.

Đối tượng học viên

🎯 Đề xuất cho những đối tượng sau đây.

✅ Những người đã tạo ra dịch vụ bằng AI nhưng không thể tiếp tục duy trì việc phát triển

✅ Những người sử dụng ChatGPT, Cursor nhưng kết quả không nhất quán

✅ Những người muốn duy trì việc phát triển mà không phải lặp lại các thao tác dư thừa

✅ Những ai muốn sử dụng AI không chỉ như một công cụ đơn thuần mà như một “nguồn lực phát triển” chuyên nghiệp


thoughtful Cách tạo ra cấu trúc để AI có thể làm việc liên tục,

Dành cho những ai muốn tự mình thiết lập
hệ thống phát triển dựa trên AI Agent.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những người đã từng có trải nghiệm tạo ra MVP bằng AI nhưng sau đó không thể tiếp tục phát triển và dự án bị dừng lại.

  • Những người đang sử dụng GPT, Cursor,... nhưng gặp phải vấn đề kết quả không nhất quán và ngữ cảnh ngày càng trở nên rối rắm.

  • Các nhà phát triển và đội ngũ muốn sử dụng AI như một nguồn lực phát triển thực tế, chứ không chỉ đơn thuần là một công cụ tạo mã.

  • Những người muốn áp dụng AI vào dự án legacy hiện có nhưng đang cảm thấy bế tắc, không biết phải bắt đầu từ đâu và như thế nào.

Cần biết trước khi bắt đầu?

  • Không yêu cầu kiến thức tiên quyết.

  • Sẽ dễ dàng hơn nếu bạn đã có kinh nghiệm tạo repository và commit bằng Git.

  • Sẽ rất hữu ích nếu bạn có hiểu biết về cấu trúc dịch vụ web đơn giản (FE / BE).

  • Sẽ rất tốt nếu bạn đã từng có kinh nghiệm sử dụng các công cụ AI như GPT, Cursor ít nhất một lần.

  • Khóa học này không tập trung vào một công nghệ cụ thể, mà đề cập đến cấu trúc cách AI thực hiện việc phát triển.

Xin chào
Đây là knodark74

Xác minh sự nghiệp

538

Học viên

19

Đánh giá

4

Trả lời

4.2

Xếp hạng

2

Các khóa học

Là một kỹ sư với hơn 25 năm kinh nghiệm phát triển phần mềm,
tôi đã trực tiếp lặp đi lặp lại quá trình xây dựng và phá bỏ các MVP bằng AI
để thiết lập nên một "cấu trúc cho phép AI có thể tiếp tục duy trì việc phát triển".

Dựa trên ChatGPT, Cursor và Python, tôi đang trực tiếp thiết kế và vận hành
“hệ thống phát triển AI tự vận hành một mình”
xuyên suốt từ khâu lập kế hoạch → phát triển → QA → đến triển khai.

Không chỉ dừng lại ở việc lập trình theo cảm hứng (vibe coding),
tôi đang xây dựng một cấu trúc cho phép AI Agent có thể thực hiện việc phát triển một cách liên tục,
đồng thời áp dụng và kiểm chứng cấu trúc này vào các dịch vụ thực tế.

Thêm

Chương trình giảng dạy

Tất cả

6 bài giảng ∙ (2giờ 16phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

10 đánh giá

3.8

10 đánh giá

  • seop76724님의 프로필 이미지
    seop76724

    Đánh giá 3

    Đánh giá trung bình 4.3

    5

    67% đã tham gia

    • ysw0814955님의 프로필 이미지
      ysw0814955

      Đánh giá 14

      Đánh giá trung bình 3.7

      Đã chỉnh sửa

      1

      83% đã tham gia

      Tôi nghĩ nên gọi đây là bài giảng về SSOT (Single Source of Truth) hơn là Harness Engineering... Nếu nhìn Harness theo nghĩa hẹp thì cũng không hẳn là sai, nhưng bảo là bài giảng về SSOT thì tôi thấy vẫn còn thiếu sót ở nhiều yếu tố. Nó giống như một ví dụ trình bày ngắn gọn tại một buổi hội thảo hơn là một bài giảng có ý định truyền đạt kiến thức cho người khác. Thành thật mà nói, màn hình quá nhỏ nên chẳng nhìn thấy gì cả. Đầu tiên là về các file .md được tải lên làm tài liệu bài giảng. Cốt lõi là file ssot.md, việc kiểm soát đa tầng vừa là ưu điểm nhưng cũng là nhược điểm vì nó làm tăng việc sử dụng context (token), dẫn đến chi phí cao và không hiệu quả. Việc giữ nguyên cấu trúc cũ thông qua SSOT sau giai đoạn MVP có thể gây ra nợ kỹ thuật quá mức, khiến việc tái cấu trúc (refactoring) sau này trở nên khó khăn. Thay vì truyền đạt một cái nhìn tổng thể về Harness Engineering kết nối giữa SSOT + SDD + TDD, bài giảng này chỉ tập trung vào một nhánh nhỏ của một cái cây, tạo ra quá nhiều tài liệu và gây nhầm lẫn khi phải di chuyển qua lại, dễ dẫn đến sai sót. Tôi thấy nhược điểm nhiều hơn ưu điểm. Hơn nữa, bài giảng này gọi là Harness Engineering nhưng lại đưa ra những ví dụ rời rạc và cực kỳ thiếu thân thiện mà không có giải thích về các đơn vị ticket như Sprinter, Epic, Story, Task (nếu đã biết những khái niệm này thì chắc cũng chẳng cần học bài giảng này làm gì).

      • knodark74
        Giảng viên

        Cảm ơn phản hồi của bạn. Tôi xin được chỉnh sửa lại câu trả lời trước đó một cách cụ thể hơn. Vấn đề về khả năng đọc trên màn hình và việc tiêu tốn nhiều token do đặc thù cấu trúc tài liệu đúng là một sự đánh đổi thực tế, và tôi thừa nhận rằng mình chưa đề cập đầy đủ trong bài giảng. Phần giải thích về thiết kế SSOT và thiết kế ticket đã được trình bày trong Phần 2, nhưng có lẽ độ sâu chưa đạt đến mức bạn kỳ vọng. Về phần nợ kỹ thuật (technical debt), có một chút khác biệt. Luồng của bài giảng là để Cursor phân tích cấu trúc MVP, sau đó dựa trên kết quả đó để sửa đổi SSOT rồi mới tiến hành phát triển dựa trên ticket. Đây là cấu trúc tinh chỉnh và phản ánh sau khi phân tích chứ không phải là đặt nguyên cấu trúc cũ lên. Tuy nhiên, đúng là luồng xử lý đó chưa được truyền tải đầy đủ trong bài giảng. Vì bài giảng này thiết lập các khái niệm sprint/epic/ticket là kiến thức tiên quyết, nên nếu tiếp cận mà không có nền tảng đó, bạn có thể cảm thấy nội dung không được thân thiện. Đáng lẽ tôi nên làm rõ hơn về đối tượng học viên mục tiêu trong phần giới thiệu bài giảng. Nhờ những góp ý cụ thể của bạn, tôi tin rằng mình có thể tạo ra nội dung rõ ràng hơn trong lần tới.

    • sungjunyoo8480님의 프로필 이미지
      sungjunyoo8480

      Đánh giá 2

      Đánh giá trung bình 5.0

      5

      67% đã tham gia

      • cjpark4915님의 프로필 이미지
        cjpark4915

        Đánh giá 3

        Đánh giá trung bình 5.0

        5

        67% đã tham gia

        • nkhwi9746님의 프로필 이미지
          nkhwi9746

          Đánh giá 5

          Đánh giá trung bình 5.0

          5

          67% đã tham gia

          Khóa học tương tự

          Khám phá các khóa học khác trong cùng lĩnh vực!

          Giảm 25% cho thành viên mới

          872.332 ₫

          25%

          1.163.112 ₫