Khóa học này dành cho bạn nếu: chưa từng dùng VS Code, chưa từng viết một dòng code, nhưng muốn hiểu cách AI thực sự vận hành và làm được gì.Kết thúc khóa học, bạn sẽ hiểu rõ Claude Code là gì, tại sao nó khác ChatGPT, cách điều phối một đội agent song song, và viết được prompt đầu tiên cho dự án thật của mình.
Bạn sẽ học được gì
Nguyên lý LLM hoạt động
Hiểu chuyện gì thực sự xảy ra khi bạn gửi một prompt cho AI. Token là gì, cửa sổ ngữ cảnh (context window) là gì, vì sao AI “ảo giác” (hallucinate).
Vòng lặp Agent
Claude Code không phải chatbot. Đó là một vòng lặp tác vụ (agent loop): đọc → lập kế hoạch → dùng công cụ → kiểm chứng → lặp lại.
Đội hình Agent
Cách một agent chính điều phối nhiều đại lý con (sub-agent) chạy song song — ví dụ thực: 7 agent dịch 7 bản thiết kế LAIKA cùng lúc trong 5 phút.
Xây hệ thống của riêng bạn
Claude Code không ép bạn theo cấu trúc nào. Bạn tự tay may đo agent phù hợp với bộ não của mình — Claude đọc ý định, không đọc quy ước.
Kiến trúc tổng thể
Hình trên là bản đồ toàn hệ sinh thái. Bạn gửi prompt → Claude Code harness điều phối → model suy luận → tools thực thi → extensions mở rộng. Mọi thứ xoay quanh một vòng lặp thống nhất. Từng thành phần sẽ được đi sâu ở các bài sau.Lộ trình 8 bài
Bài 1 — Nguyên lý LLM
Chuyện gì xảy ra bên trong một LLM khi bạn gửi prompt? Nắm nguyên lý nền tảng — mọi thứ còn lại chỉ là kỹ thuật.
Bài 2 — Claude Code là gì
So sánh với ChatGPT, hiểu vòng lặp tác vụ, thấy được vì sao Claude Code không phải chatbot.
Bài 3 — Công cụ & Vòng lặp
Demo từng bước: Claude đọc file, chỉnh sửa, chạy lệnh, kiểm chứng. Phép màu nằm ở chỗ AI có quyền truy cập hệ thống file.
Bài 4 — Sub-agent & Đội hình
Cách “thuê chuyên gia” làm việc song song trong phòng riêng. Cửa sổ ngữ cảnh cách ly, kết quả gom về.
Bài 5 — Ví dụ thực tế: Lulu
Nghiên cứu thực tế: agent Lulu DocOps của Luklak. Hệ thống file tự thiết kế, không theo chuẩn Claude Code — và vẫn chạy tốt.
Bài 6 — Best practices
8 nguyên tắc tách biệt người dùng hiệu quả với người dùng thất vọng. Prompt tốt là prompt có thể kiểm chứng.
Bài 7 — Nâng cao
Skills, hooks, MCP, agent theo lịch, hệ thống bộ nhớ, Agent SDK. Biết để mở rộng trí tưởng tượng.
Bài 8 — Thực hành
Năm bài tập thực tế bạn có thể làm trong tuần này. Học bằng cách làm — không bằng cách đọc.
Khóa học này dành cho ai?
Lãnh đạo muốn hiểu AI làm được gì cho doanh nghiệp
Lãnh đạo muốn hiểu AI làm được gì cho doanh nghiệp
Bạn nghe về “AI agent”, “agent team”, “automation” nhưng chưa nắm bản chất. Khóa học này cho bạn nền tảng kỹ thuật đủ để ra quyết định — không đòi hỏi bạn phải code.
Người vận hành (ops, docs, content) muốn tự động hóa công việc
Người vận hành (ops, docs, content) muốn tự động hóa công việc
Công việc của bạn nhiều thao tác lặp đi lặp lại: dịch thuật, viết tài liệu, xử lý dữ liệu. Claude Code có thể giải phóng 70% thời gian đó — nếu bạn biết cách thiết kế.
Tư vấn giải pháp muốn demo cho khách hàng
Tư vấn giải pháp muốn demo cho khách hàng
Bạn cần giải thích AI agent cho CEO của khách hàng. Khóa học này cho bạn khung tư duy + ví dụ thực tế để trình bày rõ ràng và thuyết phục.
Điều kiện cần
- Một máy tính (Windows, Mac, Linux đều được)
- VS Code + Claude Code đã cài đặt
- Một dự án thực tế bạn muốn thử nghiệm (hoặc clone repo
mintlify-tailieuvnđể làm theo khóa học)
Một góc nhìn về tư duy làm việc với LLM
Trước khi vào bài, đây là triết lý làm việc đã đúc kết được trong dự án này. Không phải đúng tuyệt đối — là một lăng kính để bạn tự xây quan điểm của riêng mình.
1. Hình dung sinh động là nguyên liệu đầu vào
1. Hình dung sinh động là nguyên liệu đầu vào
Bạn càng vẽ rõ trong đầu kết quả cuối cùng — ai đọc, cảm nhận thế nào, giá trị gì — LLM càng ít phải đoán. Prompt mơ hồ cho ra đầu ra tầm thường; prompt có hình dung rõ cho ra đầu ra gần với ý định.Cơ chế thực sự không phải “manifest” theo nghĩa huyền bí — LLM không đọc được mong muốn. Nó chỉ thu hẹp không gian khả năng dựa trên ngữ cảnh bạn cung cấp. Càng chi tiết, càng ít không gian để chệch.
2. Cảnh báo ngầm — LLM trả về cái giống, không phải cái thực sự đúng
2. Cảnh báo ngầm — LLM trả về cái giống, không phải cái thực sự đúng
LLM trả về cái giống kết quả bạn muốn thống kê trong dữ liệu huấn luyện, không phải cái thực sự bạn cần.Một “kế hoạch marketing thành công” AI viết ra nhìn như kế hoạch thành công — không chắc là kế hoạch sẽ thành công. Khoảng cách đó chính là nơi gu thẩm mỹ (taste) và khả năng phán xét của bạn xen vào.
3. Vai trò đã thay đổi — bạn là orchestrator + editor
3. Vai trò đã thay đổi — bạn là orchestrator + editor
Bạn không còn là người làm — bạn là người điều phối và biên tập (orchestrator + editor).
- Điều phối là giao task, chạy song song, gom kết quả.
- Biên tập là từ chối: “Không, không phải thế, làm lại”, “80% đã đúng nhưng 20% còn lại chính là linh hồn của nó”.
4. Gu thẩm mỹ là lợi thế cạnh tranh còn lại
4. Gu thẩm mỹ là lợi thế cạnh tranh còn lại
AI làm phẳng mọi thứ về trung bình của dữ liệu huấn luyện. Giữ được nét riêng là lợi thế.Gu đến từ nguyên liệu đầu vào: những gì bạn đọc, nghe, quan sát, trải nghiệm. Nếu LinkedIn là nguồn duy nhất, tư duy sẽ hình thành theo khuôn LinkedIn. Sách cũ, nghệ thuật, trò chuyện với người lạ, tự tay làm một cái gì đó vật lý — tất cả đều nuôi gu theo cách AI không thay thế được.
5. Nút thắt cổ chai mới là khả năng đánh giá
5. Nút thắt cổ chai mới là khả năng đánh giá
Ra prompt thì rẻ. Đánh giá kết quả mới đắt.Kỹ năng quan trọng không phải viết prompt nhanh hơn — mà là đánh giá nhanh hơn. Đó là lý do plan mode, checklist trước publish, và vòng lặp xác minh quan trọng đến vậy.
6. Hai lối tiếp cận không ngang nhau
6. Hai lối tiếp cận không ngang nhau
Có thể hiểu cặn kẽ trước khi thử, hoặc để kết quả dẫn bạn ngược về.Cách thứ hai chỉ hoạt động khi bạn đã có gu trong lĩnh vực đó — bạn phát hiện sai sớm. Trong lĩnh vực mới, cứ thấy “nhìn ổn” là tin → trả giá ngầm. Trong lĩnh vực mới, hiểu-trước thắng.
7. Cách thứ ba — chạy thí nghiệm rẻ song song
7. Cách thứ ba — chạy thí nghiệm rẻ song song
Không chỉ có “hiểu trước” vs “kết quả dẫn lối” — còn cách thứ ba: chạy thí nghiệm rẻ song song để xây gu nhanh hơn so với việc đọc lý thuyết.Parallelism làm cái này rẻ gần như miễn phí — 5 prompt cùng lúc, 5 kết quả, bạn so sánh và học được nhiều hơn 1 tiếng đọc sách.
8. Con người là nút thắt — và đó là tin tốt
8. Con người là nút thắt — và đó là tin tốt
AI không thay thế bạn. Tốc độ AI tăng → càng cần con người có gu, có phán xét, có tò mò, có can đảm thử cái mới, có khả năng nói “không, cái này chưa đủ tốt”.Hãy để AI gánh việc lặp lại. Giữ cho mình không gian tinh thần đủ rộng để nghĩ lớn hơn.