Prompt Engineering: Hướng dẫn hoàn hảo

Đây là khóa học thực hành toàn diện dành cho tất cả mọi người, từ các nhà phát triển mới làm quen với Claude Code đến những người muốn tích cực ứng dụng AI vào công việc thực tế. Trong khóa học này, bạn sẽ lần lượt tìm hiểu từ các khái niệm cơ bản và nguyên lý xử lý ngôn ngữ tự nhiên của Claude Code, cho đến cài đặt, quản lý hội thoại và phiên làm việc, thiết lập Model và Effort, cũng như quản lý ngữ cảnh. Sau đó, bạn sẽ học các phương pháp phát triển tập trung vào thực tế như khám phá codebase để có thể áp dụng ngay vào dự án, viết prompt chính xác, gỡ lỗi, quy trình làm việc TDD, tái cấu trúc mã và quản lý chất lượng tự động bằng Hooks. Ngoài ra, khóa học còn trình bày một cách có hệ thống các quy trình phát triển AI hiện đại với Claude Code, bao gồm review mã nguồn Git PR, tự động hóa bằng GitHub Actions, phát triển song song bằng Git Worktree, phát triển Skills, cấu hình subagent, cộng tác đa agent, tiêu chuẩn hóa và onboarding trong nhóm, cũng như viết tài liệu phát triển. Thông qua các ví dụ và dự án có thể áp dụng trực tiếp vào công việc thực tế, khóa học được thiết kế không chỉ để giới thiệu tính năng mà còn giúp bạn phát triển năng lực có thể áp dụng vào công việc thực tế. Bạn sẽ hoàn toàn nắm vững phương thức phát triển mới, tối đa hóa năng suất phát triển bằng Claude Code và cộng tác với AI.

Không cần kiến thức lập trình cũng OK! Hãy thử tạo hệ thống tự động hóa của riêng bạn, hoàn thành chỉ với vài cú nhấp chuột.

Tìm hiểu cách tận dụng Claude Sonnet AI để soạn thảo tài liệu cần thiết trong công việc và xử lý hiệu quả các nhiệm vụ hằng ngày. Bạn sẽ nắm được những khái niệm cơ bản về AI và cách sử dụng nền tảng Claude, đồng thời học cách viết prompt có thể áp dụng ngay thông qua các ví dụ thực tế trong công việc và đời sống hằng ngày.

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.

Tìm hiểu về kiến trúc LLM dựa trên Transformer và chiến lược sử dụng GPU, đồng thời thực hành trực tiếp quy trình phục vụ (serving) thực tế bằng vLLM. Khóa học bao gồm toàn bộ quy trình làm việc thực tế từ xây dựng đường ống hệ thống AI đến giám sát và sử dụng đa GPU, được thiết kế để người học có thể hiểu một cách trực quan thông qua hình ảnh và thực hành mà không cần các công thức phức tạp.

Chỉ cần một dòng lệnh là xong. Hermes - AI Agent có khả năng ghi nhớ, tự động hóa và tự mình phát triển. Ngay cả khi không phải là nhà phát triển, từ hôm nay bạn vẫn có thể trở thành "người giao việc" cho AI. SMARTFORK sẽ đồng hành cùng bạn từ khâu cài đặt cho đến ứng dụng vào thực tế.

Có thể có người chưa từng nghe bài giảng của tôi, nhưng không có ai chỉ nghe duy nhất một lần. Sau nhiều lần hướng dẫn trực tiếp (offline), nay tôi đã có cơ hội để thực hiện bài giảng trực tuyến này. Kể từ khi AI bắt đầu được thương mại hóa, tôi đã sản xuất và nghiên cứu vô số nội dung AI. Dựa trên kiến thức và kinh nghiệm đó, tôi đã xây dựng nên triết lý logic của riêng mình và hệ thống hóa chúng thành những khái niệm mà bất kỳ ai cũng có thể dễ dàng thấu hiểu. Tôi sẽ giúp những ai từ trước đến nay chỉ tạo ảnh AI một cách ngẫu nhiên mà không có tư duy nền tảng thiết lập được những khái niệm đúng đắn. Chỉ cần học một lần, bạn sẽ có thể tạo ra bất kỳ hình ảnh AI nào trong tương lai. Bạn chưa từng tạo ảnh AI bao giờ sao? Không sao cả. Bạn không cần phải có kinh nghiệm tạo ảnh AI từ trước. Chỉ cần học và thực hành kỹ lưỡng bài giảng này, bạn hoàn toàn có thể trở thành một chuyên gia sản xuất nội dung AI.

Tìm hiểu cách dễ nhất để xử lý AI bằng Spring AI. Hãy cùng tìm hiểu Spring AI trong khi xây dựng chatbot RAG.

Đây là khóa học được thiết kế theo từng bước từ cơ bản đến thực tiễn, giúp ngay cả những người mới bắt đầu tiếp cận Claude AI cũng có thể dễ dàng theo kịp. Trong khóa học này, bạn sẽ bắt đầu từ các khái niệm cơ bản của Claude AI và cách viết câu lệnh (prompt), sau đó học các cách ứng dụng đa dạng như soạn thảo văn bản, tóm tắt, dịch thuật, động não (brainstorming), phân tích tệp tin và hình ảnh. Ngoài ra, khóa học còn hướng dẫn thực hành cách sử dụng Claude Artifacts để tạo tài liệu, biểu đồ, sơ đồ, các ứng dụng đơn giản, cũng như cách thiết kế infographic bằng Claude, chỉnh sửa kết quả và lưu dưới dạng tệp PDF. Cuối cùng, khóa học cung cấp các bí quyết nâng cao năng suất có thể áp dụng ngay vào công việc thực tế như kỹ thuật viết prompt nâng cao, tự động hóa các công việc lặp đi lặp lại bằng tính năng Project, hỗ trợ hàm Excel và lập trình. Với các ví dụ thực tế làm trọng tâm, khóa học giúp mọi đối tượng từ người mới bắt đầu chưa có kinh nghiệm về AI đến nhân viên văn phòng, sinh viên và những người sáng tạo nội dung muốn nâng cao hiệu suất công việc đều có thể học hỏi dễ dàng và ứng dụng được ngay.

Khóa học này được thiết kế dành cho những ai muốn tiến xa hơn việc chỉ trò chuyện với AI đơn thuần, mà muốn thực sự sử dụng các tác nhân AI (AI Agent) để xử lý công việc. Nhiều học viên đã và đang sử dụng ChatGPT hoặc Claude, nhưng vẫn gặp phải các vấn đề như công việc lặp đi lặp lại, quy trình làm việc rời rạc, tốn quá nhiều thời gian nghiên cứu và năng suất thấp. Vấn đề thường không nằm ở bản thân AI, mà nằm ở việc biết cách sắp xếp công việc một cách hệ thống, đưa ra chỉ dẫn rõ ràng và xây dựng một quy trình làm việc đáng tin cậy. Trong khóa học này, chúng tôi sẽ hướng dẫn từng bước cách sử dụng Claude Cowork trong thực tế. Thay vì chỉ tập trung vào lý thuyết, bạn sẽ được thực hành thông qua các ví dụ thực tiễn như quản lý dự án, tự động hóa trình duyệt, chuẩn bị họp, hệ thống ghi nhớ liên tục, kỹ năng, plugin và điều khiển máy tính để bàn. Khóa học giải thích mọi nội dung theo cách đơn giản và thực tế để ngay cả những người mới bắt đầu cũng có thể dễ dàng theo kịp. Sau khi hoàn thành khóa học, học viên sẽ hiểu cách sử dụng Claude Cowork như một trợ lý năng suất thực thụ trong việc nghiên cứu, lập kế hoạch, sắp xếp, tự động hóa và các công việc hàng ngày.

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.

Chia sẻ "công thức" tạo 프롬프트 cho 챗GPT. Chỉ cần áp dụng công thức này, bạn sẽ có vô số 프롬프트 tốt.

Làm đúng ngay từ đầu, bước đầu tiên với Claude AI áp dụng ngay vào thực tế! Nếu muốn sử dụng thông minh hơn, hãy bắt đầu với Claude AI.

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%.

Đây là khóa học tập trung vào thực hành dành cho các nhà phát triển có kinh nghiệm dựa trên nền tảng khoa học máy tính muốn chuyển sang ngăn xếp công nghệ AI mới nhất. Từ thiết kế đến triển khai ứng dụng dựa trên LLM, bạn sẽ tận dụng kiến thức kỹ thuật phần mềm sẵn có để thiết lập chiến lược áp dụng giải pháp AI. Khóa học giúp bạn tái cấu trúc sự nghiệp bằng cách kết hợp kinh nghiệm phát triển truyền thống với công nghệ AI hiện đại.

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.

Giải quyết ngay điểm nghẽn khiến 80% thất bại tại Makerthon. Hoàn thành trong 4 tuần: Raspberry Pi · Computer Vision · LLM · Thiết kế 3D! Đạt thứ hạng cao tại Makerthon với PoC gương thông minh có thể trình diễn!

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.

Giới thiệu các mẫu prompt cơ bản cho lập trình và các mẫu prompt API nâng cao để tận dụng trí tuệ nhân tạo.

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.