Liên hệ với chúng tôi

Đề cương khóa học

Bộ phân tầng cá nhân hóa bốn cấp độ<\/p>

Cấp độ 1 | Biết (Knows) – Quy tắc và AGENTS.md

Nội dung bao gồm:
• Xác định các quy ước dự án và tiêu chuẩn mã hóa
• Tài liệu hóa kiến trúc và các ràng buộc kỹ thuật
• Tạo hướng dẫn dự án trung lập với công cụ
• Duy trì sự nhất quán giữa các nhóm phát triển và công cụ AI

Cấp độ 2 | Có thể (Can) – Kỹ năng (Skills)<\/h3>

Nội dung bao gồm:
• Tạo các đơn vị kiến thức chuyên môn có thể tái sử dụng
• Tải thông tin ngữ cảnh chỉ khi cần thiết
• Giảm kích thước ngữ cảnh trong khi vẫn cải thiện hiệu suất nhiệm vụ
• Xây dựng thư viện các quy trình làm việc và kinh nghiệm có thể tái sử dụng

Cấp độ 3 | Kết nối (Reaches) – MCP

Nội dung bao gồm:
• Kết nối các công cụ AI với các hệ thống và dịch vụ bên ngoài
• Truy cập kho lưu trữ, cơ sở dữ liệu và nguồn tài liệu
• Mở rộng khả năng của các trợ lý mã hóa AI
• Triển khai các tích hợp an toàn và kiểm soát chính sách

Cấp độ 4 | Hành động (Acts) – Tác nhân (Agents)<\/h3>

Nội dung bao gồm:
• Hiểu về tác nhân AI tự trị và khả năng của chúng
• Đọc, viết, thử nghiệm và sửa đổi mã một cách tự chủ
• Quản lý quy trình làm việc hướng đến mục tiêu và các nhiệm vụ đã được ủy thác
• Thiết lập cơ chế giám sát và xem xét bởi con người cho các hệ thống trí tuệ nhân tạo

Ngày 1 | Ủy thác và Mở rộng công cụ<\/p>

Module 1 | Từ Trợ lý sang Tác nhân

Nội dung bao gồm:
• Hiểu sự khác biệt giữa trợ lý AI và tác nhân tự trị
• Hoàn thành mã trong dòng so với ủy thác trí tuệ nhân tạo
• Quy trình làm việc trí tuệ nhân tạo thay đổi cách thức cấu trúc hóa các nhiệm vụ phát triển như thế nào
• Xác định các nhiệm vụ phù hợp để ủy thác cho tác nhân
• Thực hành tốt nhất khi cộng tác với các hệ thống AI tự trị

Module 2 | Các lệnh ủy thác hiệu quả không cần giám sát sát sao

Nội dung bao gồm:
• Viết hướng dẫn hiệu quả cho tác nhân AI
• Cung cấp đầy đủ ngữ cảnh và yêu cầu kinh doanh
• Xác định các ràng buộc và ranh giới thực thi
• Thiết lập tiêu chí chấp nhận rõ ràng và các thước đo thành công
• Giảm thiểu sự can thiệp của con người trong khi vẫn duy trì chất lượng

Module 3 | Bộ phân tầng cá nhân hóa và phạm vi áp dụng

Nội dung bao gồm:
• Hiểu bộ phân tầng cá nhân hóa bốn cấp độ
• Sử dụng Quy tắc và AGENTS.md để xác định quy ước dự án
• Xác định các cơ chế cá nhân hóa nào phù hợp trong từng tình huống khác nhau
• Quản lý ngữ cảnh hiệu quả trên các công cụ và dự án
• Tạo môi trường phát triển hỗ trợ AI nhất quán

Module 4 | Kỹ năng và Tác nhân phụ (Subagents)<\/h3>

Nội dung bao gồm:
• Tạo Kỹ năng (Skills) có thể tái sử dụng cho các quy trình làm việc và nhiệm vụ phổ biến
• Đóng gói kiến thức chuyên môn để sử dụng lặp lại
• Hiểu vai trò của tác nhân phụ và ngữ cảnh biệt lập
• Ủy thác các nhiệm vụ giới hạn cho các tác nhân chuyên biệt
• Cải thiện hiệu quả thông qua các quy trình làm việc AI mô-đun hóa

Ngày 2 | Kết nối công cụ, Tính song song và Quản trị

Module 5 | MCP: Kết nối và Xây dựng

Nội dung bao gồm:
• Hiểu các nguyên lý của Giao thức Ngữ cảnh Mô hình (Model Context Protocol - MCP)
• Kết nối các công cụ AI với các hệ thống và dịch vụ bên ngoài
• Tích hợp trình duyệt, cơ sở dữ liệu, kho lưu trữ và nguồn tài liệu
• Xây dựng máy chủ MCP tùy chỉnh
• Quản lý kiểm soát truy cập và các cân nhắc về bảo mật

Module 6 | Quy trình làm việc trí tuệ nhân tạo có kỷ luật

Nội dung bao gồm:
• Thiết lập quy trình phát triển hỗ trợ AI có thể lặp lại
• Động não và lập kế hoạch với tác nhân AI
• Xây dựng và triển khai giải pháp hợp tác
• Thử nghiệm và xác minh đầu ra đã tạo
• Xem xét và hoàn thiện sản phẩm bàn giao cùng các bước xác minh phù hợp

Module 7 | Phát triển song song

Nội dung bao gồm:
• Chạy nhiều tác nhân AI đồng thời
• Làm việc với các nhánh biệt lập và Git worktrees
• Phối hợp các hoạt động phát triển trên các quy trình làm việc song song
• Hợp nhất và xác minh đầu ra từ nhiều tác nhân
• Cải thiện năng suất thông qua các chiến lược thực thi song song

Module 8 | Rủi ro, Xem xét và Quản trị

Nội dung bao gồm:
• Đánh giá và thẩm tra các Kỹ năng (Skills) và máy chủ MCP bên ngoài
• Hiểu rõ rủi ro về bảo mật và quản trị
• Quản lý quyền hạn và quyền truy cập
• Bảo vệ dữ liệu nhạy cảm và tài sản trí tuệ
• Thiết lập quy trình xem xét và thực hành đảm bảo chất lượng

Module 9 | Áp dụng AI trong Phát triển Phần mềm: Các trường hợp sử dụng và Các bước tiếp theo

Nội dung bao gồm:
• Cách các tổ chức tích hợp AI vào Vòng đời Phát triển Phần mềm (SDLC)
• Các trường hợp sử dụng thực tế và ví dụ triển khai từ nhiều ngành khác nhau
• Các phương pháp áp dụng AI phổ biến: cá nhân hóa, theo nhóm và khả năng truy cập trên toàn tổ chức
• Các trường hợp sử dụng điển hình xuyên suốt SDLC:
• Thu thập yêu cầu và tài liệu hóa
• Tạo mã và phát mẫu (prototyping)
• Thử nghiệm và đảm bảo chất lượng
• Xem xét mã và tái cấu trúc
• Tài liệu hóa và quản lý kiến thức
• DevOps và quản lý sự cố
• Các mô hình quản trị, chính sách và cân nhắc về bảo mật
• Đo lường năng suất và tỷ suất lợi nhuận đầu tư (ROI) của phát triển hỗ trợ AI
• Xây dựng lộ trình áp dụng AI nội bộ
• Xác định các bước thực tiễn tiếp theo cho người tham gia và nhóm của họ

Hội thảo Thảo luận Tương tác

• Các thách thức hiện tại trong nhóm phát triển của người tham gia • Xác định các trường hợp sử dụng có giá trị cao để áp dụng ngay lập tức • Rủi ro, vật cản và các cân nhắc về tổ chức • Xây dựng kế hoạch hành động ban đầu để tích hợp AI.

Yêu cầu

Kinh nghiệm phát triển chuyên nghiệp, sự quen thuộc với thiết bị đầu cuối (terminal) và kiến thức làm việc với Git. Cần sử dụng thường xuyên một công cụ mã hóa AI hoặc đã hoàn thành khóa học Nền tảng.<\/p>

Đối tượng<\/p>

Các nhà phát triển đang sử dụng công cụ AI, trưởng nhóm kỹ thuật phụ trách việc áp dụng AI trong nhóm và các kỹ sư nền tảng hoặc DevOps đang xây dựng Kỹ năng (Skills) và máy chủ MCP.<\/p>

 14 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan