Meta Prompting là gì?
Meta Prompting dùng một tầng chỉ dẫn cao hơn để tạo, kiểm hoặc điều phối prompt khác. Bài này giải thích hai cách dùng thuật ngữ, quy trình kiểm thử và những giới hạn cần biết.
Master · AI
AI MASTER SERIES
Từ prompting và context nâng cao tới agent engineering, kiến trúc và vận hành hệ thống AI production.
01Phase 1 · Bài #1–#6Advanced Prompting0/6
14 phút
Recursive Prompting là gì?
Recursive Prompting đưa trạng thái hoặc output vòng trước vào prompt vòng sau. Bài này giải thích loop, ba pattern thường gặp và cách đặt điểm dừng để tránh sửa vô hạn.
Self-Consistency trong LLM là gì?
Self-Consistency lấy nhiều output độc lập từ cùng một câu hỏi, chuẩn hóa đáp án rồi tổng hợp theo quy tắc. Bài này chỉ rõ lúc majority vote hữu ích, lúc số đông cùng sai và cách đặt human gate.
Tree of Thoughts là gì?
Tree of Thoughts biến bài toán thành cây trạng thái: sinh phương án trung gian, chấm, cắt nhánh, quay lui và dừng trong budget. Bài này chỉ rõ ToT khác CoT và Self-Consistency ở đâu.
Prompt Optimization: Tối ưu prompt có hệ thống
Prompt Optimization không phải sửa prompt theo cảm giác. Bài này hướng dẫn khóa contract, dựng baseline, chạy cùng eval set, so hard gate và quyết định promote hoặc rollback bằng scorecard.
Prompt Evaluation: Đánh giá prompt bằng test
Prompt Evaluation biến cảm giác prompt “có vẻ ổn” thành một phép đo có đề test, cách chấm, scorecard theo nhóm lỗi và regression gate.
02Phase 2 · Bài #7–#12Advanced Context0/6
Long Context là gì?
Long Context cho model một cửa sổ đầu vào rộng hơn, nhưng chất lượng vẫn phụ thuộc việc chọn, sắp xếp, gắn nguồn và kiểm tra thông tin.
Memory Architecture cho hệ thống AI
Memory Architecture thiết kế cách hệ thống AI chọn điều cần nhớ, tìm đúng record và sửa hoặc xóa nó theo vòng đời.
Vector Database là gì?
Vector Database quản lý bản ghi có vector, metadata và chỉ mục để tìm ứng viên gần, nhưng không tự kiểm chứng sự thật hoặc quyền truy cập.
Embedding là gì trong AI?
Embedding là vector do model tạo để đặt dữ liệu vào một không gian quan hệ; similarity giúp so các điểm nhưng không tự chứng minh sự thật.
Hybrid RAG là gì?
Hybrid RAG kết hợp tìm từ khóa, tìm vector, metadata filter, fusion và read gate để lấy bằng chứng phù hợp hơn trước khi sinh câu trả lời.
Context Optimization: Tối ưu ngữ cảnh
Cách chọn, nén, sắp xếp và đóng gói bằng chứng để AI dùng đúng thông tin trong một context budget có giới hạn.
03Phase 3 · Bài #13–#18Agent Engineering0/6
Agent Planning nâng cao
Cách biến mục tiêu thành action graph có trạng thái, gates, verifier và đường replan an toàn cho AI agent.
Multi-Agent Collaboration hoạt động thế nào?
Cách nhiều AI agent chia ownership, chuyển giao evidence và tích hợp kết quả mà không giẫm việc hoặc làm rơi ngữ cảnh.
Supervisor Agent là gì?
Cách Supervisor Agent giữ goal, state, policy và budget để điều phối workers mà không trở thành một super worker quá quyền.
Reflection Agent là gì?
Hiểu Reflection Agent như một vòng critique–revise có rubric, bằng chứng, ngân sách và điểm dừng rõ ràng.
Tool Agent là gì?
Hiểu Tool Agent qua execution boundary, schema, authorization, least privilege, idempotency và verify.
Autonomous Agent là gì?
Hiểu Autonomous Agent qua dynamic path, autonomy envelope, action risk, budgets và human gate.
04Phase 4 · Bài #19–#24AI System Design0/6
Workflow Design cho hệ thống AI
Thiết kế AI workflow bằng state, transition guard, owner, artifact, evidence và failure policy.
AI Architecture cho hệ thống production
Thiết kế hệ thống AI production bằng ranh giới tin cậy, control plane, data plane, execution plane và bằng chứng vận hành.
AI Automation: Tự động hóa có kiểm soát
Thiết kế AI Automation bằng Automation Contract, Control Ladder R0–R3, approval, idempotency và evidence.
AI Infrastructure gồm những gì?
Hiểu AI Infrastructure qua hai plane, tám nhóm component và contract owner-capacity-dependency-failure-evidence.
AI Observability là gì?
Hiểu AI Observability qua một trace hoàn chỉnh: hệ thống đã làm gì, vì sao sai, phiên bản nào tham gia, tốn bao lâu và kết quả có an toàn hay không.
AI Security: Bảo mật hệ thống AI
Bảo mật hệ thống AI bằng threat model, least privilege và chuỗi kiểm soát độc lập để nội dung không đáng tin không thể tự biến thành hành động có quyền.
05Phase 5 · Bài #25–#30Production AI0/6
AI Product Design: Thiết kế sản phẩm AI
Thiết kế sản phẩm AI từ vấn đề và outcome của người dùng, chọn đúng vai trò tự động hóa, đo với baseline và giữ control khi hệ thống không chắc.
AI Startup: Từ vấn đề đến sản phẩm
Phân biệt demo AI với startup, thu hẹp ICP và wedge, leo thang bằng chứng từ interview đến retention, payment và unit economics trước khi scale.
AI Cost Optimization: Tối ưu chi phí AI
Đo và tối ưu tổng chi phí trên mỗi task AI đạt chuẩn bằng routing, context, cache, retry budget và hạ tầng, luôn giữ quality, safety, latency guardrail.
AI Scaling: Mở rộng hệ thống AI
Hiểu AI scaling theo toàn luồng demand, queue, orchestration, model, data và tool; dùng load test để mở đúng cổ chai mà vẫn giữ quality, safety, latency và cost.
Enterprise AI là gì?
Hiểu Enterprise AI như một operating model quản lý portfolio AI: mỗi use case có owner, platform chuẩn, data/identity control, risk tier, evidence và vòng đời rõ.
Production AI System Framework
Capstone tám gate biến một demo AI thành release decision có evidence: product, data, architecture, evaluation, security, observability, cost/capacity và ownership.