AI hoạt động như thế nào? LLM là gì?
Hiểu LLM là gì, cách AI học mẫu và tạo câu trả lời từng token, cùng lý do chatbot có thể nói rất trôi chảy nhưng vẫn sai.
ZeroToHero · AI
AI Zero to Hero
Từ prompt, context và harness tới agentic loop và hệ thống AI hoàn chỉnh.
01Phase 1 · Bài #1–#10Prompt Engineering0/10
11 phút
Token, Context Window và Temperature
Hiểu token, context window và temperature bằng ví dụ dễ nhớ; biết chúng ảnh hưởng độ dài, ngữ cảnh và độ đa dạng câu trả lời ra sao.
Anatomy của một Prompt tốt
Hiểu cấu trúc prompt qua 5 phần: mục tiêu, dữ liệu, ràng buộc, đầu ra và cách xử lý thiếu thông tin; có mẫu thực hành 15 phút.
Vai trò (Role), Goal và Constraint
Phân biệt role, goal và constraint trong prompt; biết phần nào cần ưu tiên, cách tránh luật xung đột và bài tập test ba phiên bản prompt.
Few-shot vs Zero-shot Prompting
Hiểu zero-shot, one-shot và few-shot prompting; biết khi nào cần ví dụ mẫu, cách tránh dạy nhầm và bài tập A/B trong 15 phút.
Chain of Thought và Reasoning
Hiểu đúng Chain of Thought và reasoning, biết khi nào cần suy luận nhiều bước, cách prompt model mới và kiểm kết quả thay vì tin lời giải dài.
Structured Output (Markdown, JSON, XML)
Hiểu Structured Output là hợp đồng với nơi nhận: chọn Markdown, JSON hoặc XML đúng việc, rồi parse và kiểm trước khi dùng dữ liệu AI.
Prompt Debugging
Cách bắt lỗi prompt bằng test case, giả thuyết và một thay đổi mỗi lượt.
Những lỗi Prompt phổ biến
Sáu lỗi Prompt hay gặp và cách sửa ngắn gọn để AI bớt phải đoán.
Framework Prompt Engineering 80/20
Một khung năm ô giúp bạn viết prompt rõ, test được và biết khi nào phải dừng để kiểm.
02Phase 2 · Bài #11–#20Context Engineering0/10
Context Engineering là gì?
Cách chọn, sắp xếp và quản lý đúng thông tin để AI làm việc bớt phải đoán.
Vì sao Context quan trọng hơn Prompt?
Prompt giao việc, còn context quyết định AI có đủ dữ kiện và giới hạn để làm đúng việc hay không.
System Prompt vs User Prompt
System prompt đặt khung hoạt động; user prompt giao việc trong khung đó.
Context Window hoạt động như thế nào?
Hiểu context window theo từng lượt: phần nào AI đang mang theo, vì sao cần chừa chỗ cho câu trả lời và cách dọn context dài.
Memory và Long-term Context
Phân biệt memory dài hạn với context hiện tại, và biết cách lưu ghi chú có nguồn, phạm vi cùng đường sửa hoặc xóa.
RAG (Retrieval Augmented Generation)
RAG giúp AI tìm đoạn tài liệu để trả lời có căn cứ — nhưng vẫn cần kiểm nguồn, ngày và ngữ cảnh.
Knowledge Base & Second Brain
Cách biến tài liệu và ghi chú thành một kho nhỏ có nguồn, ngày, phạm vi và khả năng tìm lại.
Context Compression
Cách gói lại context để AI giữ đúng mục tiêu, ràng buộc, nguồn và điều chưa rõ.
Context Injection
Cách đưa đúng nguồn, ràng buộc và phần chưa rõ vào lượt hỏi để AI bám căn cứ thay vì đoán.
Framework Context Engineering
Framework C.L.E.A.R. giúp chọn, gắn nhãn và kiểm context trước khi AI trả lời.
03Phase 3 · Bài #21–#30Harness Engineering0/10
Harness là gì?
Hiểu harness là lớp điều phối quanh AI model: chuẩn bị context, giới hạn tool, kiểm kết quả, lưu trạng thái và dừng đúng lúc.
Kiến trúc một AI Agent
Hiểu kiến trúc AI agent qua goal, context, model, tool, state, harness và guardrail; kèm case đơn hàng giả và checklist dừng an toàn.
Tool Calling hoạt động như thế nào?
Hiểu tool calling qua flow model đề xuất, ứng dụng kiểm và chạy tool, rồi trả kết quả đúng call; kèm case đơn hàng giả và checklist an toàn.
Function Calling
Hiểu function calling qua function declaration, JSON Schema, strict mode và vòng call-result; kèm schema báo giá demo cùng checklist kiểm an toàn.
MCP (Model Context Protocol)
Hiểu MCP qua kiến trúc host-client-server, tools/resources/prompts và một phiên kết nối; kèm MCP Connection Card read-only để kiểm quyền trước khi dùng.
Prompt Routing
Prompt Routing giúp hệ thống AI phân loại request và chuyển tới prompt, model, tool set hoặc workflow phù hợp. Bài này giải thích flow, fallback, guardrail và cách tự lập Route Card an toàn.
Multi-Agent System
Multi-Agent System phối hợp nhiều agent để chia và ghép công việc. Bài này giải thích topology, task contract, shared state, ownership, failure handling và khi nào không nên thêm agent.
Guardrails & Safety
Guardrail là nhiều lớp kiểm soát quanh dữ liệu, model, tool và hành động. Bài này giúp bạn thiết kế quyền tối thiểu, cổng rủi ro, human approval, audit và đường dừng an toàn cho AI agent.
Error Handling & Retry
Error handling giúp AI agent phân loại lỗi trước khi retry. Bài này giải thích retry budget, timeout, backoff, jitter, idempotency, checkpoint và cách dừng đúng lúc.
Framework Harness Engineering
Framework Harness Engineering ghép goal, context, model, routing, tool/MCP, orchestration, guardrail, reliability và eval thành một hệ AI có thể chạy, dừng và kiểm chứng.
04Phase 4 · Bài #31–#40Agentic Loop0/10
Agentic AI là gì?
Agentic AI là hệ AI tự chọn bước và công cụ để đạt mục tiêu trong giới hạn, liên tục hành động, quan sát, cập nhật và biết khi nào phải dừng hoặc hỏi người.
ReAct Framework
ReAct Framework giúp agent xen kẽ quyết định ngắn, hành động bằng tool và quan sát kết quả để mỗi bước tiếp theo dựa trên bằng chứng mới thay vì tiếp tục đoán.
Think → Act → Observe
Think chọn một khoảng trống cần giảm, Act thực hiện một hành động kiểm được, còn Observe đưa kết quả thật trở lại state để agent biết tiếp tục, đổi cách hay dừng.
Planning Agent
Planning Agent biến một goal nhiều bước thành kế hoạch có dependency, done rule và trạng thái; khi observation đổi dữ kiện, nó giữ lịch sử rồi sửa phần tương lai thay vì cố theo plan cũ.
Reflection Loop
Reflection Loop dùng rubric và evidence để tìm defect cụ thể, sửa đúng chỗ rồi verify delta; tự chê mơ hồ hoặc tự chấm điểm không biến output sai thành output đúng.
Self Correction
Self Correction là repair transaction có evidence, correction scope, checkpoint và postcondition; agent chỉ accept bản sửa khi lỗi cũ hết và phần đã đúng không bị regression.
Task Decomposition
Task Decomposition biến một goal lớn thành task graph: mỗi subtask tạo deliverable có contract, dependency nối đúng thứ tự và join assertions kiểm kết quả ghép.
Long-running Agent
Long-running Agent là một job có thể khôi phục: state nằm ngoài model, worker nhận lease có hạn, checkpoint ghi bước an toàn và idempotency ngăn side effect chạy trùng.
Human in the Loop
Human in the Loop đặt quyền quyết định của con người vào đúng điểm rủi ro: agent chuẩn bị evidence, job pause và approval chỉ có hiệu lực với đúng action cùng artifact version.
Framework Agentic Loop
Framework Agentic Loop biến Think–Act–Observe thành runtime contract: state rõ, action qua authority gate, observation thành evidence, checkpoint sau verify và mỗi vòng có cửa thoát.
05Phase 5 · Bài #41–#50Building AI Systems0/10
Workflow Automation
Workflow Automation biến quy trình lặp lại thành executable contract: trigger rõ, step có schema, AI bị giới hạn, side effect chống chạy trùng và mọi lỗi đều có đường recovery cùng owner.
AI Copilot
AI Copilot là reviewable workbench trong luồng công việc: con người giữ intent và quyền execute, còn AI chuẩn bị draft, options, evidence và action preview để người dùng sửa hoặc từ chối.
AI Assistant
AI Assistant là conversation service có hợp đồng trạng thái: hiểu intent theo từng turn, lấy đúng context, hỏi lại khi mơ hồ và tách câu trả lời khỏi action, session khỏi memory.
Coding Agent
Coding Agent là controlled patch loop: nhận task có tiêu chí đạt, đọc repo trong workspace giới hạn, tái hiện lỗi, sửa diff nhỏ và dùng fresh verifier để chứng minh patch đúng.
Research Agent
Research Agent là evidence pipeline có Claim Ledger: lập kế hoạch câu hỏi, tìm nguồn theo policy, lưu bằng chứng có provenance rồi chỉ tổng hợp những claim thực sự được nguồn hỗ trợ.
Content Agent
Content Agent là content supply chain có canonical source và publish gate: nhận contract, tạo draft từ source pack, biến đổi sang từng kênh có lineage rồi qua claim, brand, accessibility và approval gates.
Trading Agent
Trading Agent là hệ thống biến dữ liệu thị trường thành order intent có kiểm soát: strategy đề xuất, risk engine độc lập có quyền veto, execution gateway gửi lệnh idempotent và reconciliation xác nhận trạng thái thật.
Multi-Agent Workflow
Multi-Agent Workflow là đồ thị công việc nơi mỗi agent nhận một nhiệm vụ rõ, bàn giao artifact có schema, dùng trạng thái chung có version và chịu kiểm tra độc lập trước khi workflow được hợp nhất hoặc dừng.
AI System Design
AI System Design là thiết kế toàn bộ sản phẩm quanh một lõi model có tính xác suất: deterministic shell giữ dữ liệu, context, quyền tool, state, guardrails, evals, observability, human operations và rollback.
Framework xây dựng AI Agent từ Zero đến Hero
Framework xây dựng AI Agent từ Zero đến Hero là build ladder eval-first: bắt đầu bằng use case và baseline đơn giản, rồi tăng prompt, context, tools, state, quyền, guardrails và mức release theo evidence.