inflearn logo

Từ ticket đến PR — tác nhân quy trình phát triển được xây dựng bằng Claude Code

Tự xây dựng một pipeline phát triển bằng cách chạy Claude Code ở chế độ headless, để chỉ với một dòng bình luận trên issue, PR cần review sẽ được tạo ra. Mã hóa các quy tắc của nhóm bằng CLAUDE.md, skill và hook, đồng thời bổ sung ba bước kiểm duyệt thủ công, bot review, sổ theo dõi các nhận định sai và giới hạn chi phí.

1 học viên đang tham gia khóa học này

Độ khó Trung cấp trở lên

Thời gian Không giới hạn

claude
claude
github-actions
github-actions
Git
Git
AI Agent
AI Agent
CI/CD
CI/CD
claude
claude
github-actions
github-actions
Git
Git
AI Agent
AI Agent
CI/CD
CI/CD

Bạn sẽ nhận được điều này sau khi học.

  • Tự xây dựng và vận hành từ đầu quy trình gồm: lệnh bình luận → không gian làm việc → ghi chú thiết kế → viết kiểm thử trước → triển khai → tự kiểm tra → PR.

  • Mã hóa các quy tắc của nhóm như thay đổi diff tối thiểu, TDD và ngăn ngừa hồi quy thành CLAUDE.md, skill, hook và cấu hình quyền, rồi cố ý vi phạm để kiểm tra hiệu quả.

  • Con người kiểm tra các bài kiểm thử thất bại do tác nhân viết trước, rồi khóa chúng để không thể thay đổi trong giai đoạn triển khai.

  • Xây dựng một bot đánh giá gắn nhãn như chặn, yêu cầu quyết định, ghi chú, cùng một sổ ghi nhận các đánh giá sai để lưu lại và giảm thiểu chúng.

  • Gắn chế độ chạy headless của claude -p vào runner cục bộ và GitHub Actions, đồng thời đặt chi phí theo từng bước và giới hạn ngân sách mỗi ngày.

  • Chỉ dựa trên dữ liệu ghi nhận của tracker để đo lead time, thời gian đến lần review đầu tiên, tỷ lệ làm lại và tỷ lệ bot đánh giá sai.

Mục tiêu cuối cùng — khi để lại một dòng bình luận '/agent start' trên issue, agent sẽ tạo không gian làm việc → ghi chú thiết kế → viết bài kiểm thử thất bại trước → triển khai → tự kiểm tra → tạo PR; còn con người chỉ cần đưa ra quyết định tại ba bước kiểm soát: phê duyệt kế hoạch, xác nhận bài kiểm thử và phê duyệt merge. Tôi sẽ tự hoàn thiện và chạy pipeline này ngay trên laptop của mình.

Trước tiên, chúng tôi sẽ cho bạn thấy pipeline hoàn chỉnh ở bài 0 đưa một dòng bình luận đến tận PR như thế nào; đến capstone ở bài 23, bạn sẽ tự hoàn thiện pipeline đó bằng issue của mình.

Tự tay xây dựng một quy trình phát triển bằng Claude Code chạy ở chế độ headless, trong đó chỉ với một dòng bình luận trên issue là PR sẵn sàng để review sẽ được tạo ra. Mã hóa các quy tắc của nhóm bằng CLAUDE.md, skill và hook, đồng thời bổ sung ba cổng phê duyệt của con người, bot review, sổ ghi nhận các phán đoán sai và giới hạn chi phí.

Những gì bạn sẽ thấy trong bản demo bài 0 (bản ghi chạy thực tế)

  • Bình luận \`/agent start\` trên issue (con người) — trình giám sát được kích hoạt, tạo không gian làm việc (nhánh agent/LM-201·worktree) và xác nhận 17 bài kiểm thử hiện có đều vượt qua.

  • Ghi chú thiết kế (tác nhân) — kết luận: 'có thể bắt đầu', danh sách các bài kiểm thử sẽ viết trước → chờ Cổng 1

  • Phê duyệt kế hoạch cổng 1 (con người) — \`/agent approve-plan\`

  • Kiểm thử trước (tác nhân) — 17 bài kiểm thử → 22 bài kiểm thử, mã ứng dụng giữ nguyên → chờ Cổng 2

  • Xác nhận kiểm thử Cổng 2 (con người) — \`/agent tests-ok\`

  • Triển khai → tự kiểm tra → PR (tác nhân) — cả 22 bài kiểm thử đều đạt mà không thay đổi các bài kiểm thử đã xác nhận, 2 dòng mã ứng dụng, tạo PR-1

  • Cổng 3: Phê duyệt hợp nhất (người) — Phê duyệt → Hoàn tất vấn đề

  • Bản ghi (quy trình) — tổng cộng bốn bước: 0.302 đô la · thời gian của agent: 80.4 giây (thay đổi theo mỗi lần chạy)

Sau khi hoàn thành khóa học này♀♀♀♀♀♀

  • Tạo từ đầu một quy trình gồm lệnh bình luận → không gian làm việc → ghi chú thiết kế → viết kiểm thử trước → triển khai → tự kiểm tra → PR.

  • Mã hóa các quy tắc của nhóm như diff tối thiểu, TDD và ngăn ngừa hồi quy vào CLAUDE.md, skill, hook và thiết lập quyền, rồi cố ý phá vỡ để kiểm chứng hiệu quả.

  • Khi một issue chưa có giá trị chính sách, buộc agent hỏi người yêu cầu thay vì tự suy đoán.

  • Con người kiểm tra các bài kiểm thử thất bại do tác nhân viết trước, rồi khóa chúng để không thể sửa đổi trong giai đoạn triển khai.

  • Tạo bot review gắn nhãn chặn, yêu cầu quyết định hoặc ghi chú, cùng một sổ ghi lại các nhận xét sai để giảm thiểu phán đoán nhầm.

  • Đặt giới hạn số vòng chỉnh sửa, số lần thử lại và ngân sách để ngăn AI↔AI chỉnh sửa vô hạn.

  • Tạo PR bản nháp cho hàm đánh giá dựa trên tài liệu chính sách và hồ sơ thắc mắc, đồng thời để những nội dung không có trong tài liệu là 'không biết'.

  • Tích hợp chạy headless claude -p với runner cục bộ và GitHub Actions, đồng thời ghi lại chi phí theo từng giai đoạn.

  • Chỉ sử dụng dữ liệu ghi nhận trong tracker để đo thời gian hoàn thành, thời gian đến lần đánh giá đầu tiên, tỷ lệ làm lại và tỷ lệ bot nhận định sai.

Điểm khác biệt của khóa học này

Không tập trung vào những màn trình diễn hào nhoáng, mà tập trung vào “cơ chế ngăn ngừa sự cố”. Mỗi bài giảng đều theo cấu trúc: làm theo → kiểm tra kết quả → cố tình phá vỡ. Các kết quả hiển thị trên màn hình, chi phí và thời gian đều là dữ liệu ghi nhận từ quá trình chạy thực tế. Mọi thứ đều hoạt động chỉ với thư viện tiêu chuẩn của Python và git, không cần gói bên ngoài; ngoài ra, chúng tôi cung cấp chế độ tác nhân giả để thử nghiệm quy trình với chi phí 0 đồng.

Tất cả các bài học đều theo trình tự: làm theo → kiểm tra kết quả → cố tình làm hỏng thử. Bạn sẽ trực tiếp chạy thử để xem điều gì bị hỏng khi bỏ quy tắc hoặc đi vòng qua các cổng kiểm soát. Con người chỉ đưa ra quyết định tại ba cổng: duyệt kế hoạch, xác nhận kiểm thử và duyệt merge.

Phù hợp với những đối tượng sau:VEVENT

  • Lập trình viên backend/frontend cho cửa hàng trực tuyến hoặc dịch vụ, muốn giao cho agent xử lý các vấn đề lặp đi lặp lại và công việc review.

  • Nhà phát triển trưởng đã đưa công cụ lập trình AI vào nhóm nhưng vẫn lo lắng rằng 'công cụ không tuân thủ quy tắc', 'sự cố có thể xảy ra'|

  • Những người mới chỉ dùng Claude Code theo cách trò chuyện và muốn mở rộng sang tự động hóa headless/CI.

Chương trình học (7 phần · 24 bài · khoảng 152 phút)

  • Phần 1. Mục tiêu cuối cùng và môi trường thực hành — Bài 00 Mục tiêu cuối cùng: Từ một dòng nhận xét đến PR · Bài 01 Chuẩn bị môi trường thực hành

  • Phần 2. Mã hóa quy tắc nhóm — Bài 02: Viết quy tắc nhóm trong CLAUDE.md · Bài 03: Thiết lập quyền và giá trị bí mật · Bài 04: Ép buộc tuân thủ quy tắc bằng hook · Bài 05: Gói quy trình ghi chú thiết kế thành skill

  • Phần 3. Từ issue đến PR — Bài 06: Công cụ theo dõi issue và lệnh bình luận · Bài 07: Không gian làm việc cho từng issue · Bài 08: Ghi chú thiết kế và quy tắc 'cần xác nhận' · Bài 09: Cổng 1: Phê duyệt kế hoạch · Bài 10: Kiểm thử trước và Cổng 2: Xác nhận kiểm thử · Bài 11: Triển khai và giới hạn số lần thử lại · Bài 12: Tự kiểm tra và PR

  • Phần 4. Bot đánh giá và phán đoán của con người — Bài 13: Bot đánh giá và ba mức độ · Bài 14: Giảm phán đoán sai nhờ sổ ghi nhận lỗi đánh giá · Bài 15: Cổng 3 và giới hạn số vòng chỉnh sửa

  • Phần 5. Từ tài liệu đến đầu việc — Bài 16: Phác thảo hàm đánh giá dựa trên tài liệu chính sách và hồ sơ yêu cầu · Bài 17: Tự cài đặt chỉ với một tài liệu hướng dẫn cài đặt

  • Phần 6. Headless, chi phí và CI — Bài 18: Chạy headless claude -p · Bài 19: Quản lý chi phí và quyền hạn · Bài 20: Tích hợp CI: runner cục bộ và GitHub Actions · Bài 21: Trình giám sát bắt các lệnh trong bình luận

  • Mục 7. Đo lường và đồ án tổng kết — Bài 22: Đo lường hiệu quả: thời gian hoàn thành, lần đánh giá đầu tiên, tỷ lệ làm lại · Bài 23: Đồ án tổng kết: hoàn thành đến cùng với vấn đề của chính mình

Môi trường thực hành

Chúng tôi cung cấp dưới dạng ZIP kho mã của cửa hàng tổng hợp đồ thể thao và dã ngoại giả định «Loop Market» (API giỏ hàng, phiếu giảm giá và đơn hàng cùng 17 bài kiểm thử, tài liệu chính sách trả hàng và nhật ký yêu cầu hỗ trợ), trình theo dõi issue hoạt động bằng tệp, mã pipeline, bộ quy tắc nhóm (CLAUDE.md, kỹ năng, hook và quyền), quy trình CI, các kịch bản theo từng bài học và bản ghi nguyên văn nội dung hiển thị trên màn hình bài giảng. Mọi thứ hoạt động với thư viện chuẩn Python, git và Claude Code, không cần cài gói bên ngoài. Có chế độ agent giả lập để thử pipeline với chi phí 0 won. Ngoài ra còn có bảng đối chiếu lệnh dành cho những ai muốn dùng GitHub Issues.

Kiến thức cần có trước

  • Kiến thức cơ bản về Git (nhánh, commit, diff)

  • Kinh nghiệm phát triển API web đơn giản (không phụ thuộc ngôn ngữ — mã Python dùng trong bài thực hành khá ngắn)

  • Tài khoản có thể chạy Claude Code (chi phí thực hành theo màn hình khóa học khoảng 0.2~0.3 đô la cho mỗi issue, bài thực hành với agent giả lập miễn phí)

Những nội dung không được đề cập trong khóa học này

  • Cài đặt Claude Code và cách sử dụng cơ bản (nhập môn sử dụng tương tác)

  • Cách sử dụng SDK tích hợp với hệ thống theo dõi sự cố của một công ty cụ thể (thay bằng bảng đối chiếu giữa File Tracker và GitHub Issues)

  • Huấn luyện và tinh chỉnh mô hình LLM

Giá thành

Giá bán 99,000 won (đã bao gồm VAT) → áp dụng ưu đãi ra mắt 20%, còn 79,200 won

Hướng dẫn

Giọng đọc trong khóa học là giọng tổng hợp (TTS), còn câu trả lời của AI trên màn hình là kết quả chạy thực tế, được hiển thị nguyên trạng không chỉnh sửa. Câu trả lời, thời gian và chi phí của AI có thể khác nhau mỗi lần chạy. Dữ liệu thực hành, công ty và nhân vật đều là các thiết lập giả định phục vụ mục đích giáo dục.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Các nhà phát triển backend và frontend cho trang thương mại điện tử hoặc dịch vụ muốn giao cho agent xử lý và đánh giá các vấn đề lặp đi lặp lại.

  • Trưởng nhóm phát triển đã đưa công cụ lập trình AI vào nhóm nhưng vẫn lo lắng vì 'không tuân thủ quy tắc', 'sợ xảy ra sự cố'

  • Dành cho những ai mới chỉ dùng thử Claude Code theo cách tương tác và muốn mở rộng sang tự động hóa headless/CI.

Cần biết trước khi bắt đầu?

  • Git cơ bản (nhánh · commit · diff)

  • Có kinh nghiệm phát triển API web đơn giản (không giới hạn ngôn ngữ — mã thực hành là Python ngắn gọn)

  • Tài khoản có thể chạy Claude Code (bao gồm cả bài thực hành với tác nhân giả, chi phí 0 won)

Xin chào
Đây là dorian05202988

Xác minh sự nghiệp

Tôi là một chuyên gia dữ liệu với hơn 20 năm kinh nghiệm trong lĩnh vực cơ sở dữ liệu và CNTT. Trong vai trò DBA và quản lý nhóm Nền tảng Cơ sở dữ liệu, tôi phụ trách các nền tảng cơ sở dữ liệu, với chuyên môn về MySQL, PostgreSQL, Oracle, MongoDB, tinh chỉnh SQL, AWS, Terraform và Python. Dựa trên kinh nghiệm trong các lĩnh vực trò chơi, tài chính và dịch vụ CNTT, tôi trình bày về cơ sở dữ liệu và kiến trúc đám mây. Tôi đã xuất bản 『Học các mẫu SQL tinh chỉnh thực tế Oracle』 và 『Sổ tay ứng dụng dự án thực tế Oracle Pro*C』, đồng thời thuyết trình về serverless, lựa chọn cơ sở dữ liệu và chiến lược đa cơ sở dữ liệu tại AWS Summit 2018·2019 và sự kiện 데이터야 놀자 2020. Gần đây, tôi tập trung vào phân tích và khuyến nghị tinh chỉnh truy vấn chậm bằng Bedrock LLM, tự động hóa việc tính toán thông số DB, cũng như quy trình tra cứu thông qua máy chủ DB Meta MCP và bot Slack. Tôi giải thích về tự động hóa cơ sở dữ liệu dành cho nhà phát triển và việc ứng dụng AI vào công việc dành cho người không chuyên về phát triển thông qua các bài thực hành phù hợp với đối tượng và mục tiêu của từng khóa học. Thay vì áp dụng nguyên xi các đề xuất của AI, tôi truyền đạt các tiêu chí đánh giá như kiểm tra tính tương đương của kết quả, kế hoạch thực thi và điều kiện quan sát; nếu thiếu căn cứ thì tạm thời chưa áp dụng. Dữ liệu vận hành của công ty và thông tin xác thực không được đưa vào tài liệu giảng dạy.

Thêm

Chương trình giảng dạy

Tất cả

24 bài giảng ∙ (2giờ 32phút)

Tài liệu khóa học:

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

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của dorian05202988

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Ưu đãi có thời hạn

62 ₫

20%

2.028.948 ₫