[Khóa học nhập môn n8n] Cách thiết kế quy trình làm việc n8n + AI

Claude Code đảm nhận việc phán đoán và thực thi, trong khi n8n phụ trách kích hoạt (trigger), kết nối và lập lịch. Theo trình tự Khái niệm → Kết nối → Thực hành, các công việc lặp đi lặp lại được thiết kế theo luồng Nhập liệu → Phán đoán → Thực thi → Kiểm chứng → Chuyển tiếp, đồng thời tích hợp xử lý lỗi, thử lại và phê duyệt của con người để vận hành tự động theo lịch trình. Ngay cả khi không học lập trình, những người không chuyên về kỹ thuật vẫn có thể tự mình tạo ra hệ thống tự động hóa.

Vượt qua việc chỉ sao chép và dán khi sử dụng AI, bạn sẽ học cách kết nối Claude Chat·Cowork·MCP·n8n·Supabase·Vercel để thực sự tự động hóa các công việc lặp đi lặp lại của nhân viên văn phòng không chuyên lập trình. Lấy công ty giả định DingcoLabs làm bối cảnh, bạn sẽ trực tiếp thực hành theo các kịch bản PM·marketing·kinh doanh·CS·HR và xây dựng hệ thống tự động hóa công việc có thể áp dụng ngay tại công ty.

[AX bền vững và cách cộng tác với đồng nghiệp AI] Bạn có từng gặp phải những giới hạn như thế này khi thử áp dụng các công cụ AI vào công việc thực tế chưa? 🙋‍♂️ : "Lần nào cũng phải nhập lại câu lệnh mới thật sự phiền phức." 👨‍💻 : "Tôi cảm thấy mệt mỏi với những công việc chỉ lặp đi lặp lại việc sao chép và dán." 🤷‍♂️ : "Vì không có kiến thức lập trình nên tôi không dám nghĩ đến việc tự động hóa công việc ở mức chuyên sâu hơn." Điều chúng ta cần lúc này không chỉ là 'cách sử dụng công cụ' để học các tính năng đơn thuần. Đó là một góc nhìn về việc nuôi dưỡng người đồng nghiệp AI của riêng mình—một AI hiểu được bối cảnh công việc, và ngày càng trở nên thông minh hơn theo thời gian. Chúng tôi minh bạch chia sẻ những hướng dẫn AX (chuyển đổi AI) lấy thực tiễn làm trọng tâm, được một chuyên viên hoạch định xuất thân ngoài ngành phát triển đúc kết qua vô số lần thử nghiệm và sai sót tại hiện trường.

Đồng nghiệp của bạn đã sử dụng Claude Code để làm việc, còn bạn vẫn đang làm mọi thứ thủ công sao? Đừng lo! Sau khi tham gia khóa học này, bạn cũng sẽ trở thành bậc thầy vibe coding.

Ghi chú ngày càng nhiều, nhưng công việc lại càng bận rộn hơn. Hãy cấu trúc hóa các ghi chú bằng Obsidian để thay đổi cách làm việc trở nên nhanh chóng và thuận tiện hơn.

AI Agent – tổng hợp công nghệ AI tiên tiến nhất! Qua việc hiện thực hóa các AI Agent đa dạng, cùng tìm hiểu cách tự tạo AI Agent bằng LangGraph.

Dạo này bạn vẫn còn tự mình viết code à? Thời đại mà ngay cả việc viết code theo cảm hứng cũng trở nên phiền phức! Hãy trở thành chuyên gia tự động hóa AI với n8n mà không cần lập trình. Hướng dẫn thiết kế quy trình tự động hóa có thể áp dụng ngay vào thực tế. Chiến lược tự động hóa tập trung vào thực tiễn giúp tối đa hóa hiệu quả công việc. Hãy xây dựng quy trình làm việc trực quan với n8n và trải nghiệm sự đổi mới trong công việc.

Xây dựng một AI Agent phân tích Tứ trụ (Saju) tích hợp Vạn niên lịch, Chiêm tinh học, Tử vi đẩu số, Danh tính học và MBTI bằng quy trình n8n và thuật toán Python. Hoàn thiện từ đầu đến cuối một hệ thống dịch vụ thực tế, nơi 13 Agent chuyên gia hợp tác để tạo ra các báo cáo Tứ trụ cấp độ thương mại.

Tạo ứng dụng hội nghị truyền hình dựa trên AI với tính năng AI agent thời gian thực, tóm tắt nội dung cuộc họp và chức năng sau cuộc gọi.

Nếu bạn muốn tạo ra dịch vụ AI riêng của mình mà không cần coding, khóa học này chính là giải pháp hoàn hảo. Sử dụng nền tảng nocode Dify, bạn có thể tạo ra ứng dụng AI chất lượng cao chỉ với ý tưởng. Thay vì lý thuyết phức tạp, khóa học được cấu trúc tập trung vào dự án thực tế, giúp cả người mới bắt đầu với AI và nhân viên văn phòng đều có thể phát triển năng lực thực tiễn.

Từ chuẩn bị họp đến viết biên bản cuộc họp, AI sẽ làm tất cả cho bạn! Phần đầu tiên trong chuỗi series về ứng dụng AI Agent vào công việc tại công ty!

AI có thể thay mặt tôi viết bài trên Slack và Notion sao? Hãy làm việc thông minh hơn với MCP, công nghệ vượt qua những giới hạn của AI truyền thống!

Nếu bạn theo dõi OpenClaw đến phần 1 và 2, cuối cùng bạn sẽ thấy mình đang yêu cầu một agent duy nhất làm mọi thứ. Đến một lúc nào đó, các prompt sẽ bị rối, bộ nhớ bị lẫn lộn, các thư mục trở nên lộn xộn và bạn sẽ cảm thấy bế tắc, không biết phải sắp xếp lại như thế nào. Bài giảng này là "Phần nhập môn Multi-Agent (Phần 2.5)", giúp bạn tiến thêm một bước nữa từ điểm bế tắc đó. Trong khi vẫn duy trì chỉ một bot duy nhất, chúng ta sẽ tách vai trò thành hai agent: planner (người lập kế hoạch) / editor (người biên tập). Bằng cách kết nối mỗi agent với các workspace và chủ đề diễn đàn Telegram khác nhau, chúng ta sẽ trực tiếp tạo ra một cấu trúc mà "agent phản hồi sẽ khác nhau tùy thuộc vào việc bạn nói chuyện ở phòng nào". Sau khi hoàn thành thực hành, trong môi trường của bạn sẽ thực sự có: - File cấu hình định nghĩa hai agent: `content_planner` và `content_editor`, - Cấu trúc thư mục nội dung được tách biệt giữa lập kế hoạch và bản thảo, - Nhóm Telegram với các chủ đề diễn đàn có các agent khác nhau phụ trách, - Và một bản thảo giới thiệu khóa học Infrun được tạo ra bởi sự hợp tác của hai agent này. Nói cách khác, bài giảng này là một lớp học thực hành giúp bạn thiết kế bước đầu tiên để nâng cấp bot Telegram từ "một trợ lý AI" thành "một đội ngũ AI nhỏ với các vai trò chuyên biệt".

Bạn đã áp dụng AI nhưng vẫn đang tiêu tốn thời gian vào những công việc lặp đi lặp lại? Vấn đề không nằm ở AI mà là ở 'hệ thống'. Khóa học này sẽ hướng dẫn bạn quy trình tự xây dựng đội ngũ 6 trợ lý AI — từ trợ lý công việc, trợ lý nội dung, trợ lý marketing, trợ lý quản lý khách hàng đến trợ lý năng suất cá nhân — chỉ với Notion AI. Dựa trên kinh nghiệm tự động hóa hàng trăm công việc lặp đi lặp lại trong thực tế, chúng ta sẽ cùng nhau xây dựng quy trình làm việc thực thụ từ đầu đến cuối: từ sắp xếp ghi chú, tự động tạo biên bản cuộc họp, viết bài blog, xây dựng CRM cho đến tự động gửi thông báo qua KakaoTalk. Sau khóa học, bạn sẽ sở hữu một hệ thống nơi đội ngũ trợ lý AI tự động làm việc cho riêng bạn chỉ với gói Notion Business.

Trân trọng mời bạn trở thành ‘Kiến trúc sư hệ thống AI doanh nghiệp cấp cao nhất’ Đừng chỉ dừng lại ở vai trò một kỹ thuật viên vi mô (Prompt Writer) chuyên lấy các thư viện do người khác xây dựng rồi gắn vào, hoặc mải miết trau chuốt câu chữ trong prompt. Từ các nguyên lý nền tảng toán học đến kernel vòng lặp điều khiển runtime và hạ tầng tự phục hồi — thông qua 40 năm hiểu biết kỹ thuật thực tiễn dẫn dắt các hiện trường công nghiệp của Hàn Quốc, tôi sẽ giúp bạn vững vàng trở thành ‘kiến trúc sư hệ thống AI doanh nghiệp’ ở đẳng cấp cao nhất, có khả năng bảo vệ hoạt động kinh doanh và chủ quyền số của doanh nghiệp. Ngay bây giờ, hãy bắt đầu hành trình vĩ đại biến AI mất kiểm soát thành một lõi công nghiệp hoàn hảo. “Tại sao AI vốn vận hành hoàn hảo trong bản demo lại bắt đầu nói những điều vô nghĩa hoặc khiến cả pipeline dừng lại ngay khi triển khai production?” “Tại sao các dự án AI mà vô số doanh nghiệp hồ hởi khởi động cuối cùng lại không thể thoát khỏi ‘đầm lầy PoC (Proof of Concept – kiểm chứng khái niệm)’ và bị loại bỏ?” Đó là những câu hỏi cấp thiết nhất mà vô số nhà phát triển và kiến trúc sư hệ thống tôi gặp tại hiện trường đã đặt ra. Xin chào. Tôi là Kim Hong-jip, người đã dẫn dắt hoạt động xuất khẩu công nghệ động cơ và hệ truyền động trị giá 1,300 tỷ won trong hơn 40 năm làm việc tại bộ phận R&D hệ thống truyền động ô tô của Hàn Quốc (17 năm là lãnh đạo R&D của Tập đoàn Hyundai Motor), đồng thời chỉ huy thực địa với tư cách Tổng giám đốc (CEO/CTO) của một doanh nghiệp sản xuất hạng trung niêm yết. Với góc nhìn của một kỹ sư đã dành hàng chục năm trong lĩnh vực cơ khí và điều khiển chính xác, tôi nhận thấy đằng sau làn sóng triển khai AI tạo sinh hiện nay đang tiềm ẩn ‘rủi ro bất định mang tính chí mạng’. Trong các hiện trường công nghiệp mission-critical, nơi chỉ 0.1% sai số hoặc lỗi cũng có thể trực tiếp dẫn đến hư hỏng thiết bị vật lý trị giá hàng trăm triệu won và shutdown toàn doanh nghiệp, việc tích hợp nguyên trạng một chatbot xác suất chỉ dựa vào xác suất để tạo ra văn bản có vẻ hợp lý vào dịch vụ chẳng khác nào cầm bom hẹn giờ bước vào đám cháy. Khóa học này được thiết kế nhằm truyền đạt chính “phương pháp kỹ thuật thực tiễn để rèn luyện AI xác suất mất kiểm soát thành lõi điều khiển công nghiệp vững chắc nhất, không cho phép dù chỉ 0.000% lỗi cú pháp”. 1. 3 điểm nghẽn chí mạng mà bạn phải đối mặt tại hiện trường (Problem) Nhiều kỹ sư tiếp cận môi trường production bằng phương pháp chỉ dừng ở cấp độ tinh chỉnh prompt đơn lẻ (Vibe Prompting), rồi thất vọng khi đụng phải 3 khiếm khuyết mang tính cấu trúc sau: Context hữu hạn và ‘Lost in the Middle’: Khi cuộc trò chuyện hoặc quá trình thực thi multi-turn kéo dài, các chỉ thị hệ thống quan trọng bị đẩy ra ngoài, cửa sổ context cạn kiệt, khiến hệ thống mất trí nhớ và làm khuếch đại hiện tượng hallucination. Đầu ra phi tất định và sự sụp đổ của pipeline liên hoàn: Những biến động xác suất cực nhỏ như thiếu một dấu ngoặc đóng JSON hoặc sai kiểu dữ liệu có thể làm tê liệt các lệnh gọi API ERP/CRM của hệ thống lõi, đồng thời phá vỡ tính nhất quán dữ liệu. Thực thi mã không đáng tin cậy và sự phá sản về bảo mật hạ tầng: Khi các script do agent tự động tạo ra được thực thi trong môi trường host OS không được cách ly, chúng gây ra rủi ro thoát khỏi kernel hoặc rò rỉ dữ liệu nhạy cảm. Như vậy, sự cố AI trong môi trường công nghiệp không chỉ là vấn đề về độ chính xác định lượng, mà còn ập đến như một thảm họa tài chính khổng lồ mang tên tổn thất kinh doanh bất đối xứng (Asymmetric Business Loss). 2. ‘Làm thế nào’ để giải quyết triệt để vấn đề này (Solution) Khóa học này đi theo một hướng hoàn toàn khác với các khóa học trên thị trường vốn chỉ dạy cách sử dụng những công cụ thương mại rời rạc. Kết hợp kinh nghiệm thực tiễn 40 năm với kỹ thuật hệ thống máy tính, chúng tôi truyền đạt 3 kiến trúc hardcore cốt lõi để kiểm soát AI xác suất theo chiều dọc ở cấp độ hệ thống: ① Chuyển dịch từ prompting sang ‘LLM-OS & điều phối context’ Theo mô hình tư duy của Andrej Karpathy, chúng ta định nghĩa lại LLM không phải là đối tượng trả lời hội thoại, mà là lõi tính toán trung tâm (CPU) của máy tính. Chúng ta hệ thống hóa cửa sổ context thành RAM biến động có độ trễ cực thấp, cơ sở dữ liệu vector nội bộ thành Disk và các API bên ngoài thành bus I/O. Thông qua cơ chế phân trang bộ nhớ ảo phân cấp của MemGPT, trạng thái cốt lõi được bảo toàn mà không bị bão hòa ngay cả trong các cuộc hội thoại vô hạn; đồng thời, bằng trí tuệ bầy đàn linh hoạt (Liquid Swarm MAS) dựa trên MCP, chúng ta mở rộng mạng lưới agent động trong khi giảm thiểu chi phí token. ② ‘Kỹ thuật harness tất định’ nhằm ràng buộc hallucination xác suất ở mức 0.000% Tính linh hoạt sáng tạo của mô hình ngôn ngữ chỉ được mở trong giai đoạn tư duy (Reasoning), còn đầu ra vật lý tương tác với hệ thống bên ngoài được khóa chặt bằng đại số Boolean và trình biên dịch. Áp dụng cơ chế che logit CUDA dựa trên EBNF / XGrammar, chúng ta buộc xác suất tạo ra các token không hợp lệ bị chặn cứng ở mức P = 0.000%. Mã do agent tạo ra chỉ được phép vận hành một lần bên trong sandbox vi ảo hóa Firecracker MicroVM, có khả năng khôi phục snapshot trong 5ms, qua đó hình thành một vòng cách ly bảo mật vật lý. ③ Hạ tầng MLOps·LLMOps tự phục hồi có độ tin cậy cao, ‘không lãng phí GPU’ Xây dựng vLLM PagedAttention và S-LoRA hot-swap để kiểm soát tỷ lệ lãng phí VRAM nhàn rỗi xuống dưới 4%. Khi API của multi-agent thất bại, khôi phục 100% tính nhất quán dữ liệu về trạng thái ban đầu bằng giao dịch bù trừ theo thứ tự ngược của SagaLLM. Thông qua mạng lưới quan sát phân tán OpenTelemetry/Langfuse, khi phát hiện điểm số trung thành RAGAS suy giảm (Data Drift), hệ thống tự động thực hiện rollback canary không cần người vận hành, bảo vệ tính khả dụng của hệ thống. 3. Giá trị thực tiễn dẫn dắt tăng trưởng theo hình xoắn ốc (Pedagogy & ROI) Khóa học này được thiết kế có hệ thống theo 5 cấp độ của phân loại học tập Bloom đã chỉnh sửa (Bloom's Taxonomy). Người học sẽ xuất phát từ việc ghi nhớ lý thuyết đơn thuần (Remember), sau đó trực tiếp lập trình và kiểm chứng pipeline debug 5 cấp độ (phân tích mã nguồn cái bẫy Deceptive Baseline ➔ tháo rời kỹ thuật đối kháng ➔ thiết lập pipeline toàn vẹn Robust ➔ tính toán công thức ROI TEI ➔ quản trị SOTIF/ISO 42001). Vượt lên trên sự thỏa mãn cảm tính đơn thuần rằng “nó hoạt động tốt”, chúng tôi sẽ áp dụng mô hình tài chính Forrester TEI (Total Economic Impact) để trực quan hóa dưới góc nhìn của ban lãnh đạo các chỉ số cho thấy hệ thống AI bạn xây dựng có thể giảm chi phí làm lại (Rework Cost) của doanh nghiệp đến mức nào, đồng thời tránh được các rủi ro sự cố trị giá hàng trăm triệu won và chứng minh ROI trên 200%.

Mời bạn đến với thế giới lập trình đầy hấp dẫn, nơi bạn phân tích và trực quan hóa báo cáo tài chính chỉ bằng prompt. Không cần một dòng code nào, bạn tạo và triển khai dịch vụ chỉ bằng cách tham vấn với AI.

Vượt xa khỏi một chatbot chỉ đơn thuần tạo câu trả lời, bạn sẽ trực tiếp triển khai các AI Agent tự hành có khả năng tự phán đoán, gọi công cụ và thực hiện các tác vụ nhiều bước. Khóa học bao gồm các bài thực hành từng bước từ Tool Calling, Handoff, Guardrail, Session và Tracing của OpenAI Agents SDK, đến việc kết nối các công cụ và cơ sở dữ liệu bên ngoài bằng MCP, cũng như Planning, Subagents, Filesystem và Memory của LangChain và Deep Agents. Mục tiêu cuối cùng là trang bị cho bạn khả năng thiết kế và triển khai các AI Agent liên kết công cụ có thể áp dụng vào công việc thực tế.

Tự động hóa tạo YouTube Shorts bằng AI!! Học cách tự động tạo YouTube Shorts bằng n8n từ con số 0. Tự tay xây dựng quy trình vận hành một lần từ: Văn bản → Hình ảnh/Âm nhạc → Tạo video → Tải lên. Thực hành phân biệt chế độ thử nghiệm/chế độ thực tế và các mẹo tiết kiệm chi phí. Hoàn thành 3 mẫu tự động hóa (template) có thể sử dụng ngay sau khi kết thúc bài học. Hướng dẫn tỉ mỉ từ cách sắp xếp các node để những người không biết lập trình cũng có thể làm theo. Hãy cùng bắt đầu tự động hóa sản xuất YouTube Shorts bằng AI nhé!

Khám phá cách xây dựng thẩm phán trí tuệ nhân tạo bằng cách kết hợp các hệ thống suy luận, biểu đồ tri thức và nhiều framework agent như CrewAI, LangChain, AutoGen, những công cụ cho phép triển khai công nghệ đa tác nhân (multi-agent) dựa trên LLM.

Xu hướng mới nhất của trí tuệ nhân tạo tạo sinh, AI Agent! Cách để dẫn đầu với Cursor - công cụ thực hiện mọi tác vụ phát triển và MCP - công cụ mở rộng tính năng!