Liên hệ với chúng tôi

Đề cương khóa học

Mức độ Cá nhân hóa 4 Cấp

Cấp độ 1 | Hiểu 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 ra hướng dẫn dự án trung lập với công cụ
• Duy trì tính nhất quán giữa các nhóm phát triển và công cụ AI

Cấp độ 2 | Có khả năng (Can) – Kỹ năng (Skills)

Nội dung bao gồm:
• Tạo ra 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 cải thiện hiệu suất nhiệm vụ
• Xây dựng thư viện các quy trình làm việc và chuyên môn có thể tái sử dụng

Cấp độ 3 | Kết nối (Reaches) – MCP

Nội dung bao gồm:
• Kết nối công cụ AI với các hệ thống và dịch vụ bên ngoài
• Truy cập vào 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 bảo mật và kiểm soát quản trị

Cấp độ 4 | Hành động (Acts) – Tác nhân (Agents)

Nội dung bao gồm:
• Hiểu về tác nhân AI tự chủ và khả năng của chúng
• Đọc, viết, kiểm tra và tinh chỉnh mã một cách tự động
• Quản lý quy trình làm việc hướng đến mục tiêu và các nhiệm vụ đã được ủy quyền
• Thiết lập cơ chế giám sát và xem xét bởi con người đối với các hệ thống tác nhân

Ngày 1 | Ủy quyền và Mở rộng Công cụ

Mô-đun 1 | Từ Trợ lý sang Tác nhân

Nội dung bao gồm:
• Hiểu sự khác biệt giữa trợ lý AI và tác nhân tự chủ
• Hoàn thành mã nội tuyến (inline) so với ủy quyền theo mô hình Agentic
• Cách các quy trình làm việc Agentic thay đổi cách cấu trúc hóa các nhiệm vụ phát triển
• Xác định các nhiệm vụ phù hợp để ủy quyền cho tác nhân
• Các phương pháp hay nhất trong việc cộng tác với các hệ thống AI tự chủ

Mô-đun 2 | Các Lời Ủy Quyền Hiệu Quả Không Cần Giám Sát Liên Tục & Vòng Lặp (Loops)

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

Mô-đun 3 | Bộ Công cụ Cá nhân hóa và Áp Dụng Ở Đâu

Nội dung bao gồm:
• Hiểu về bộ công cụ cá nhân hóa 4 cấp độ
• Sử dụng Quy tắc và AGENTS.md để xác định quy ước dự án
• Xác định các cơ chế cá nhân hóa phù hợp trong từng tình huống khác nhau
• Quản lý ngữ cảnh hiệu quả giữa các công cụ và dự án
• Tạo ra môi trường phát triển hỗ trợ AI nhất quán

Mô-đun 4 | Kỹ năng (Skills) và Tác nhân con (Subagents)

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

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

Mô-đun 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 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 quyền kiểm soát truy cập và các cân nhắc về bảo mật

Mô-đun 6 | Quy trình Làm việc Agentic Kỷ luật

Nội dung bao gồm:
• Thiết lập quy trình phát triển hỗ trợ AI có thể lặp lại
• Brainstorming và lập kế hoạch với tác nhân AI
• Xây dựng và triển khai giải pháp một cách cộng tác
• Kiểm tra và xác thực các đầu ra được tạo bởi AI
• Xem xét và hoàn thiện sản phẩm cuối cùng với các bước xác minh phù hợp
• Cách thiết lập mục tiêu

Mô-đun 7 | Phát triển Song song (Parallel Development)

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

Mô-đun 8 | Rủi ro, Xem xét và Quản trị

Nội dung bao gồm:
• Đánh giá và thẩm định Kỹ năng (Skills) bên ngoài và máy chủ MCP
• Hiểu về rủi ro 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 các thực hành đảm bảo chất lượng

Mô-đun 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 công nghiệp khác nhau
• Các phương pháp áp dụng AI phổ biến: cá nhân hóa, dựa trên nhóm và thúc đẩy toàn tổ chức
• Các trường hợp sử dụng điển hình trong SDLC:
• Thu thập yêu cầu và tài liệu hóa
• Tạo mã và xây dựng nguyên mẫu (prototyping)
• Kiểm thử và đảm bảo chất lượng
• Xem xét mã và tái cấu trúc (refactoring)
• Tài liệu hóa và quản lý tri thức
• DevOps và quản lý sự cố (incident management)
• Các mô hình quản trị, chính sách và cân nhắc về bảo mật
• Đo lường năng suất và tỷ suất hoàn vốn (ROI) của quá trình phát triển hỗ trợ AI
• Xây dựng lộ trình áp dụng AI nội bộ
• Xác định các bước thực tế tiếp theo cho người tham gia và nhóm của họ

Hội thảo Thảo luận Tương tác

• Những 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, điểm nghẽn 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 dòng lệnh (terminal) và kiến thức làm việc với Git. Việc sử dụng thường xuyên một công cụ mã hóa AI hoặc đã hoàn thành Khóa học Nền tảng.

Đối tượng tham gia

Nhà phát triển đang sử dụng các công cụ AI, người dẫn dắt kỹ thuật chịu trách nhiệm về việc áp dụng trong nhóm, và kỹ sư nền tảng hoặc DevOps xây dựng Kỹ năng (Skills) và máy chủ MCP.

 14 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan