I. Giới thiệu khóa học:

Khóa học “Agentic Coding cho lập trình viên kinh nghiệm” giúp học viên chuyển từ tư duy trực tiếp viết code sang tư duy thiết kế, điều phối và kiểm soát AI coding agent. Học viên sẽ được tiếp cận các nội dung trọng tâm như lựa chọn mô hình ngôn ngữ lớn, Prompt Engineering, Context Engineering, kiến trúc coding agent, Tool Calling, Model Context Protocol, RAG cho codebase và hệ thống Multi-Agent.

Bên cạnh đó, khóa học còn hướng dẫn cách tích hợp coding agent vào quy trình CI/CD, kiểm thử, code review và triển khai phần mềm. Qua đó, học viên có thể ứng dụng Agentic Coding một cách hiệu quả, an toàn và phù hợp với yêu cầu thực tế của dự án cũng như tổ chức.

II. Thời lượng: 40 giờ (5 ngày)

III. Hình thức đào tạo:

Đào tạo trực tiếp tại lớp học, đào tạo online tương tác với giảng viên, đào tạo kết hợp online và trực tiếp tại lớp học, đào tạo tại văn phòng khách hàng theo yêu cầu.

IV. Mục tiêu khóa học:

Sau khóa học, học viên có thể:

• Hiểu nguyên lý và kiến trúc của coding agent.
• Lựa chọn mô hình AI và công cụ phù hợp.
• Thiết kế prompt, context và workflow cho coding agent.
• Xây dựng hệ thống Single-Agent và Multi-Agent.
• Tích hợp agent vào CI/CD, kiểm thử và triển khai.
• Kiểm soát chất lượng, bảo mật và chi phí khi sử dụng AI.

V. Đối tượng tham gia:

• Senior Developer, Software Engineer.
• Technical Lead, Team Lead.
• Software Architect, Solution Architect.
• DevOps Engineer, Platform Engineer.
• Quản lý kỹ thuật muốn triển khai Agentic Coding trong đội ngũ.

VI. Điều kiện tiên quyết:

• Có tối thiểu 2 năm kinh nghiệm phát triển phần mềm.
• Thành thạo ít nhất một ngôn ngữ lập trình.
• Có kiến thức về Git, API, kiểm thử và CI/CD.
• Đã sử dụng công cụ AI coding là một lợi thế

VII. Nội dung khóa học:

Ngày 1: Nền tảng & Chuyển đổi tư duy

1. Chương 1: Bức tranh toàn cảnh Agentic Coding

Lịch sử AI-assisted development, từ autocomplete đến autonomous agents. Các cột mốc: Codex, Copilot, Cursor, Cline, Devin. Định nghĩa agentic coding vs vibe coding. Xu hướng 2025-2026.

2. Chương 2: Mô hình LLM dành cho coding

So sánh các model: Claude, GPT, Gemini, DeepSeek, Qwen, Llama. Tiêu chí chọn model: context window, reasoning, cost, latency. Benchmark: HumanEval, SWE-bench. Local vs cloud.

3. Chương 3: Chuyển đổi tư duy từ Developer sang Agent Orchestrator

Từ "viết code" sang "thiết kế giải pháp". Kỹ năng mới: decomposing problems, reviewing AI output, system thinking. Vai trò mới của senior dev.

Ngày 2: Prompt Engineering Chuyên sâu

4. Chương 4: Kiến trúc Prompt cho coding agent

System prompt design. Context window management. Token budget. Prompt chaining. Few-shot & zero-shot strategies cho code generation.

5. Chương 5: Context Engineering

Cách agent thu thập context: file system, AST parsing, git history, docs, lint errors. Thiết kế context hiệu quả. Giới hạn context window và chiến lược compression.

6. Chương 6: Advanced Prompt Patterns

Chain-of-thought, tree-of-thought, ReAct pattern. Self-debugging prompts. Test-driven prompting. Refactoring prompts.

Ngày 3: Kiến trúc Coding Agent

7. Chương 7: Anatomy của một Coding Agent

Vòng lặp agent: perceive → plan → act → observe. Tool system design. Memory & state management. Approval & human-in-the-loop. Checkpoint & rollback.

8. Chương 8: Tool System & Function Calling

Thiết kế tool schema. File operations, shell execution, browser automation, API calls. Error handling. Tool chaining & composition.

9. Chương 9: Model Context Protocol (MCP)

MCP architecture: servers, clients, tools, resources. Xây dựng MCP server cho codebase. Tích hợp external services qua MCP. So sánh MCP vs custom plugins.

10. Chương 10: RAG cho Code Generation

Vector embedding cho codebase. Code indexing strategies. Semantic search vs grep. Hybrid retrieval. Context-aware code generation.

Ngày 4: Hệ thống Multi-Agent

11. Chương 11: Single Agent vs Multi-Agent

Khi nào cần multi-agent. Topology: sequential, hierarchical, peer-to-peer. Communication patterns. Shared memory vs message passing.

12. Chương 12: Orchestration & Coordination

Agent coordinator pattern. Task decomposition & delegation. Dependency management. Parallel vs sequential execution. Cline Kanban architecture.

13. Chương 13: Agent Frameworks

So sánh: LangChain, LangGraph, CrewAI, AutoGen, Cline SDK, OpenAI Agents SDK. Tiêu chí chọn framework. Tự build vs dùng framework.

Ngày 5: Production & Tương lai

14. Chương 14: Production Agentic Workflow

CI/CD integration. Agent trong pipeline: code review, testing, deployment. Scheduled agents. Monitoring & observability. Cost management.

15. Chương 15: Security & Governance

Prompt injection. Code security. Data privacy. IP & licensing cho AI-generated code. Audit trails. Policy enforcement.

16. Chương 16: Đánh giá & Cải thiện Agent

Evaluation metrics. Eval harness. A/B testing prompts. Continuous improvement loop. Học từ failure cases.

17. Chương 17: Tương lai & Lộ trình

Xu hướng 2026-2027. AI-first development. Kỹ năng cần phát triển. Xây dựng team agentic-ready. Q&A + Demo tổng hợp.