
Giới thiệu tổng quan về các kiến thức sẽ học
Phân tích chi tiết các kiến thức sẽ học trong khóa học
Mục tiêu sử dụng Coding Agent để fix bug và nhìn thấy sức mạnh của công cụ hiện tại
Từ "hỏi AI code" đến "giao việc cho AI", sự khác biệt lớn nhất mà nhiều dev chưa nhận ra
Vòng lặp Reasoning - Action - Observation: cách một coding agent thực sự "làm việc" thay vì chỉ trả lời 1 câu
Agent không "tự nhiên" biết sửa code, nó làm được nhờ được trang bị các "công cụ" (tools) cụ thể
Vì sao agent "quên" mất phần đầu project khi codebase quá lớn, và cách hiểu đúng về giới hạn này
AI Agent mạnh, nhưng không phải việc gì cũng nên giao - 4 tình huống bạn cần tự cầm lái và kiểm soát AI
Demo quy trình review và sửa code do AI tạo ra
Agent tự tin không có nghĩa là code đúng, hiểu đúng bản chất để tránh "tai nạn" trong project thật
Không cần đọc từng dòng như debug thủ công, 3 lớp kiểm tra giúp review nhanh mà vẫn chắc
Phần lớn lỗi không đến từ AI viết dở, mà từ yêu cầu mơ hồ ngay từ đầu
Task càng lớn, agent càng dễ đi lạc hướng, chia nhỏ giúp cả agent lẫn bạn kiểm soát tốt hơn
Giới thiệu hệ sinh thái của OpenAI, từ ChatGPT (work) đến Codex (code)
Tài Liệu Chính Thức Của OpenAI (ChatGPT)
Các chuẩn bị nên có khi tạo tài khoản ChatGPT và Codex
Chọn gói phù hợp (Free/Go/Plus/Pro/API) ?
Tất cả cách cài đặt và tích hợp Codex: Extensions, CLI, Desktop App (chat/code/cowork)
Lưu ý cần biết khi dùng: Tài khoản mua lậu (không chính chủ) với giá rẻ, tài khoản doanh nghiệp, Tips/Trick để tăng quota khi sử dụng với cường độ lớn.
Viết Hello World khi sử dụng ChatGPT (Codex) trong ứng dụng
Hướng dẫn cài đặt môi trường Nodejs cho dự án thực hành
Hướng dẫn cài đặt Codex CLI để thao tác qua terminal
Cả 3 hãng lớn đều đã có coding agent riêng, điểm khác biệt nằm ở triết lý vận hành, không chỉ ở mô hình AI đứng sau.
Triết lý cốt lõi của Codex: hiểu đúng ngữ cảnh trước khi hành động, không đoán mò
Codex không chỉ có 1 mức "tự động", người dùng có thể điều chỉnh mức độ can thiệp phù hợp với từng tình huống
Khái niệm Sandbox và các chế độ permission của ChatGPT cung cấp.
Lưu ý về cách sử dụng danger-full-access Mode an toàn
4 thao tác dùng hàng ngày, bắt buộc phải thành thạo trước khi giao bất kỳ task nào: chọn model & effort, upload file, và add context bằng cách tag file
Lựa chọn model phù hợp với mục đích phù hợp, tránh lãng phí không cần thiết
Áp dụng đúng triết lý "đọc hiểu trước khi sửa" đã học - thực hiện ngay trong panel chat, không cần rời khỏi VS Code, rất hữu ích khi tích hợp AI vào projects đã được code sẵn tại doanh nghiệp.
Thử thách cao hơn 1 bậc, dùng Plan Mode để xem trước kế hoạch dưới dạng văn bản và điều chỉnh nếu cần thiết.
Áp dụng tư duy vibe coding hiệu quả với AI (module 1 và module 2), nhưng review kết quả trực tiếp qua khung diff hiển thị ngay trong VS Code
Session history, đa tab, và checkpoint rewind ngay trong panel, không cần nhớ dòng lệnh nào
"Vibe coding" để AI tự do viết code theo cảm hứng yêu cầu, rất nhanh, nhưng nhanh không đồng nghĩa với an toàn nếu thiếu 1 lưới đỡ phía sau
3 bước lặp đi lặp lại cho mọi task giao cho AI - nguyên tắc duy nhất cần nhớ trong quá trình vibe coding hiệu quả và chuyên nghiệp.
Vibe coding hiệu quả không phải là 1 vòng lặp lớn cho cả buổi làm việc, mà là nhiều vòng lặp nhỏ nối tiếp nhau
Bước khởi đầu bắt buộc của mọi vòng lặp, thực hành tạo "điểm lưu" ngay trong VS Code trước khi mở lời với Codex
Đừng để "tốt rồi" chỉ nằm trong đầu, commit ngay để biến nó thành điểm lưu chính thức
Khi kết quả không như ý, đừng cố "vá" tiếp trên nền sai, rollback về điểm sạch và thử lại là cách nhanh hơn
Đóng gói một cách làm hay đã kiểm chứng, để AI Agents tự nhớ và tự áp dụng lại đúng lúc, không cần giải thích lại từ đầu mỗi lần
Từ 1 cách làm đã lặp lại nhiều lần trong thực hành, đóng gói thành 1 Skill dùng lại được
Skill và AGENTS.md giống và khác nhau như nào, khi nào dùng loại nào ?
Một chuẩn kết nối chung, không thuộc riêng công cụ nào, giúp bất kỳ AI Agent nào cũng có thể "với tay" ra ngoài phạm vi mặc định của nó
Hướng dẫn quy trình tích hợp và sử dụng MCP với Codex
Sức mạnh thực sự nằm ở việc kết hợp cả 2, Skill định hướng quy trình, MCP thực thi việc kết nối ra bên ngoài
Hướng dẫn quy trình tự tạo MCP Server của chính bạn, chạy tại môi trường local hoặc sử dụng Docker
Nhìn lại bức tranh tổng thể trước khi bắt tay vào thực hành, AI Agent hỗ trợ ở giai đoạn nào của một chu trình phát triển phần mềm bình thường, và vì sao bám sát đúng quy trình lại tạo ra khác biệt rõ rệt
Cảm nhận được giá trị áp dụng vào công việc thật, không phải bài tập giả lập
Thực hành đúng 1 vòng lặp an toàn hoàn chỉnh trên chính task thật, quy trình này áp dụng được cho mọi AI Agent lập trình, không phụ thuộc công cụ cụ thể nào
Nhìn lại toàn bộ hành trình bằng chính sản phẩm vừa hoàn thành.
Thay vì tự xây từng Skill, tự cấu hình từng MCP Server, Plugin đóng gói sẵn tất cả thành 1 lần cài đặt duy nhất
Chọn ra một danh sách Plugin cụ thể, đã được kiểm chứng thực tế, để giới thiệu chi tiết (công dụng, cách cài, điểm mạnh - điểm hạn chế).
Khi 1 agent không đủ nhanh hoặc không đủ "sạch" ngữ cảnh để làm hết mọi việc, chia nhỏ ra cho nhiều agent chuyên trách, chạy cùng lúc để tăng tốc.
Biến quy tắc vẫn hay nhắc miệng hoặc ghi trong tài liệu thành hành động tự động thực thi mỗi lần Codex chạm tới đúng thời điểm
Cách tách môi trường làm việc để Codex xử lý nhiều nhánh việc cùng lúc mà không ảnh hưởng đến code đang làm dở
Phiên làm việc vẫn chạy trên máy tính của bạn - điện thoại chỉ là "cửa sổ" để nhìn vào và điều khiển từ xa
AI Coding Agent đang thay đổi cách developers làm việc với source code. Thay vì chỉ dùng AI để sinh một vài đoạn code riêng lẻ, bạn có thể giao cho AI đọc codebase, sửa lỗi, phát triển tính năng, chạy test, build project và hỗ trợ nhiều bước trong quy trình phát triển phần mềm.
Khóa học này tập trung vào cách sử dụng ChatGPT/Codex và AI Coding Agent trong công việc lập trình thực tế, với trọng tâm không chỉ là “dùng được công cụ”, mà còn là biết cách giao việc, kiểm soát, review và đánh giá kết quả do AI tạo ra.
Những kiến thức chính bạn sẽ học
1. Tư duy làm việc với AI Coding Agent
Bạn sẽ xây dựng nền tảng để hiểu cách AI Agent hoạt động trong lập trình, bao gồm:
Agentic Loop và cách AI xử lý một task từ yêu cầu đến kết quả.
Tool Use trong quá trình đọc, sửa và thao tác với code.
Context Window và cách làm việc với codebase lớn.
Khi nào nên giao task cho AI và khi nào không nên.
Cách chia nhỏ task để giảm sai sót và dễ kiểm soát hơn.
2. Review và kiểm soát code do AI tạo ra
Thay vì sử dụng ngay code AI generate, bạn sẽ học cách:
Đọc nhanh và xác định phần code AI đã thay đổi.
Kiểm tra logic và phạm vi ảnh hưởng.
Phát hiện các rủi ro hoặc thay đổi không mong muốn.
Viết yêu cầu rõ ràng để AI hiểu đúng nhiệm vụ.
Review kết quả trước khi đưa code vào project.
3. Làm việc thực tế với ChatGPT Codex
Khóa học hướng dẫn từ setup môi trường đến các thao tác thường xuyên với Codex:
Cài đặt và sử dụng Codex CLI.
Làm việc với model, reasoning effort, file và context.
Sử dụng Codex để đọc hiểu project có sẵn.
Dùng AGENTS .md để định hướng cách AI làm việc với codebase.
Sử dụng Plan Mode trước khi triển khai tính năng.
Giao task sửa lỗi và phát triển chức năng mới.
Theo dõi thay đổi và hoàn tác code khi cần.
4. Xây dựng quy trình Vibe Coding an toàn
Một trong những trọng tâm của khóa học là xây dựng workflow có khả năng kiểm soát và rollback:
Commit trạng thái sạch → Giao task cho AI → Review → Test → Commit hoặc Rollback
Bạn sẽ thực hành quy trình này với nhiều task nhỏ liên tiếp, từ sửa lỗi, phát triển tính năng cho đến hoàn thiện sản phẩm.
Mục tiêu là tận dụng tốc độ của AI nhưng vẫn giữ được khả năng kiểm soát source code.
5. Skills, MCP và khả năng mở rộng
Ở phần nâng cao, bạn sẽ tìm hiểu cách mở rộng năng lực của Codex thông qua:
Skills để đóng gói các hướng dẫn và workflow có thể tái sử dụng.
Sự khác nhau giữa Skills và AGENTS .md
MCP: Model Context Protocol và cách tích hợp MCP Server.
Kết hợp Skills và MCP trong các bài toán thực tế.
Tự xây dựng MCP Server chạy local hoặc Docker.
6. Automation và Multi-Agent
Khóa học tiếp tục mở rộng sang những workflow nâng cao hơn:
Plugin và cách đóng gói Skill, Command, Connector.
Subagents để chia nhỏ và xử lý nhiều công việc song song.
Git Worktree hỗ trợ làm việc trên nhiều task mà không làm hỏng code, giúp tiết kiệm thời gian.
Hooks để tự động kích hoạt hành động theo sự kiện.
Remote Control để làm việc với Codex từ thiết bị khác.
Thực hành với workflow hoàn chỉnh
Các kiến thức trong khóa học được kết nối lại thông qua quy trình:
Requirement → Plan → Code → Test → Build → Review → Commit
Bạn sẽ thực hành cách đưa một yêu cầu thực tế cho AI, kiểm tra kết quả và đánh giá xem thay đổi đó có đủ chất lượng để được chấp nhận hay cần tiếp tục chỉnh sửa.
Ngoài ra, khóa học cũng đề cập đến những vấn đề quan trọng khi sử dụng AI trong môi trường doanh nghiệp như:
Tối ưu token và chi phí sử dụng.
Kiểm soát ngân sách khi áp dụng cho team.
Bảo mật source code và dữ liệu nội bộ.
Các nguyên tắc cần lưu ý khi cấp quyền cho AI Agent.
Mục tiêu cuối cùng của khóa học là giúp bạn chuyển từ cách “nhờ AI viết code” sang cách làm việc có hệ thống hơn: giao đúng task, cung cấp đúng context, kiểm soát thay đổi, review kết quả và sử dụng AI như một công cụ hỗ trợ trong quy trình phát triển phần mềm chuyên nghiệp.