Nội dung khóa học

• Buổi 1: Tổng quan Claude & Kỹ thuật Prompting Thực chiến
Chủ đề:

Tổng quan về Claude & Kỹ thuật Prompting Ứng dụng

Mục tiêu:

- Hiểu nguyên lý hoạt động, thế mạnh và giới hạn của Claude để giao việc đúng phạm vi
- Nắm công thức viết prompt rõ ràng, chính xác để AI xử lý đúng ngay từ lần đầu
- Biết tạo không gian làm việc riêng biệt (Projects) cho từng dự án
- Biết chuẩn hóa dữ liệu đầu vào để AI soạn thảo đúng văn phong doanh nghiệp

Ứng dụng:

- Nguyên lý hoạt động, thế mạnh/giới hạn của Claude
- Kỹ thuật Prompting (công thức viết yêu cầu rõ ràng)
- Claude Projects (không gian làm việc riêng theo dự án)
- Chuẩn hóa dữ liệu đầu vào (văn bản mẫu, quy định công ty)

Case Study:

- Xây dựng các mẫu câu lệnh xử lý công việc lặp lại hằng ngày (tóm tắt nội dung, soạn email, lên lịch)
- Sản phẩm đạt được: Bộ 3 mẫu câu lệnh (prompt) dùng ngay cho công việc hằng ngày

• Buổi 2: Xử lý Tài liệu Hiệu suất cao (PDF/Word quy mô lớn)
Chủ đề:

Xử lý Tài liệu Chuyên sâu (PDF/Word dung lượng lớn)

Mục tiêu:

- Biết đưa tài liệu dài (hợp đồng, báo cáo) vào AI để trích xuất nhanh ý chính
- Nắm kỹ thuật Prompt theo chuỗi để chia nhỏ yêu cầu phức tạp thành nhiều bước
- Biết yêu cầu AI đóng vai chuyên gia kiểm duyệt để rà soát rủi ro
- Biết dùng Artifacts để trực quan hóa dữ liệu thành bảng biểu, dàn ý

Ứng dụng:

- Xử lý tài liệu dài (PDF, Word)
- Prompt theo chuỗi (chia nhỏ yêu cầu phức tạp)
- Đóng vai chuyên gia (Role-play kiểm duyệt rủi ro)
- Claude Artifacts (trực quan hóa dữ liệu, bảng biểu)

Case Study:

- Xử lý một báo cáo hoặc hợp đồng dài, nhiều trang
- Sản phẩm đạt được: Bản tóm tắt hành động và bảng đánh giá rủi ro chi tiết, sẵn sàng trình ký

• Buổi 3: Khai phá Dữ liệu & Báo cáo (Tích hợp Excel & Google Sheets)
Chủ đề:

Khai phá Dữ liệu & Báo cáo (Tích hợp Excel & Google Sheets)

Mục tiêu:

- Biết yêu cầu AI làm sạch, gộp dòng, sửa lỗi định dạng trên file Excel/Google Sheets lớn
- Biết đặt câu hỏi để AI phát hiện số liệu bất thường hoặc bị thiếu
- Biết chuyển bảng số liệu thành biểu đồ trực quan mà không cần code
- Biết yêu cầu AI phân tích, diễn giải biểu đồ thành nhận xét chuyên sâu

Ứng dụng:

- Tiền xử lý số liệu (Data Preprocessing) trên Excel/Google Sheets
- Truy vấn thông minh phát hiện số liệu bất thường/thiếu
- Trực quan hóa dữ liệu không cần code
- Phân tích, diễn giải số liệu từ biểu đồ

Case Study:

- Xử lý một file dữ liệu doanh thu thực tế
- Sản phẩm đạt được: Biểu đồ trực quan và báo cáo đề xuất chiến lược

• Buổi 4: Xây dựng Quy trình Công việc & Claude Skills
Chủ đề:

Tự động hóa Công việc (Tích hợp Outlook, Word, Docs & Gmail)

Mục tiêu:

- Biết tích hợp Claude với Google Workspace và Microsoft 365 để số hóa quy trình làm việc
- Biết đóng gói một chuỗi thao tác lặp lại thành Claude Skill có thể tái sử dụng
- Biết chuẩn hóa chuỗi câu lệnh dùng chung cho một nghiệp vụ, áp dụng cho cả phòng ban
- Biết kiểm thử, tinh chỉnh Skill và xác định bước cần con người kiểm tra, phê duyệt

Ứng dụng:

- Kết nối đa nền tảng: Google Workspace (Docs, Sheets, Gmail), Microsoft 365 (Word, Excel, Outlook)
- Claude Skills (đóng gói quy trình thành kỹ năng tái sử dụng)
- Chuỗi prompt dùng chung cho một nghiệp vụ
- Kiểm thử, tinh chỉnh và xác định điểm cần con người phê duyệt

Case Study:

- Xây dựng một Skill phục vụ công việc văn phòng như xử lý email, tổng hợp tài liệu hoặc lập báo cáo, chạy xuyên suốt trên nhiều nền tảng (Gmail, Docs, Sheets)
- Sản phẩm đạt được: Một Claude Skill hoàn chỉnh, tái sử dụng được cho quy trình văn phòng tương tự

• Buổi 5: Phân tích Nghiệp vụ & Thiết kế Trợ lý AI
Chủ đề:

Phân tích Vận hành & Thiết kế Trợ lý số

Mục tiêu:

- Biết phân tích, xác định điểm nghẽn tốn nhiều nguồn lực nhất trong phòng ban
- Biết xây dựng sơ đồ thiết kế trợ lý ảo (đối tượng dùng, đầu vào, đầu ra)
- Biết trao đổi trực tiếp với AI để tìm phương án giải quyết bài toán chuyên môn khó
- Biết lập kế hoạch hành động, chuẩn bị tài liệu triển khai trợ lý ảo

Ứng dụng:

- Xác định điểm nghẽn vận hành (bottleneck)
- Thiết kế AI Assistant (sơ đồ đối tượng dùng - đầu vào - đầu ra)
- Trao đổi trực tiếp với AI để giải quyết bài toán chuyên môn
- Lập kế hoạch hành động triển khai

Case Study:

- Phân tích và xác định đúng vấn đề hiệu suất thực tế của phòng ban
- Sản phẩm đạt được: Khung thiết kế giải pháp AI cho vấn đề đó

• Buổi 6: Claude CoWork & AI Workflow: Thực chiến, Hoàn thiện Dự án
Chủ đề:

Kiến trúc sư AI Workflow – Triển khai & Bàn giao Dự án

Mục tiêu:

- Biết triển khai, kết nối các luồng câu lệnh dưới sự hướng dẫn trực tiếp (Coworking)
- Biết tinh chỉnh logic (debugging) để AI hiểu đúng nghiệp vụ đặc thù của công ty
- Biết thuyết trình nghiệm thu, tính toán hiệu quả thời gian tiết kiệm được
- Hoàn thiện và bàn giao sản phẩm AI Assistant

Ứng dụng:

- Coworking (thực hành triển khai trực tiếp có giảng viên hỗ trợ)
- Debugging (tinh chỉnh logic AI theo nghiệp vụ công ty)
- Thuyết trình nghiệm thu, đo lường hiệu quả (giờ tiết kiệm được)
- Bàn giao sản phẩm

Case Study:

- Triển khai và hoàn thiện một Trợ lý AI (Bot) theo 1 trong 3 case study tự chọn (Nhân sự, Kế toán, hoặc Quản lý)
- Sản phẩm đạt được: Trợ lý AI (Bot) hoàn chỉnh — lọc CV (HR), rà soát chi phí (Kế toán), hoặc theo dõi tiến độ (Quản lý)

• Buổi 7: Kiến trúc AI Agent & Nguyên lý hoạt động
Chủ đề:

Giải mã kiến trúc Agent & tư duy "nhân sự ảo"

Mục tiêu:

- Hiểu khái niệm AI Agent và xu hướng "nhân sự ảo"
- Nắm cấu trúc vận hành cốt lõi: Nhận thức - Suy luận - Hành động
- Biết so sánh các nền tảng dựng Agent chuyên sâu
- Biết định hình vai trò, tính cách, mục tiêu cho Agent chuyên biệt

Ứng dụng:

- AI Agent, Virtual Employee (nhân sự ảo)
- Perception - Reasoning - Action (Nhận thức - Suy luận - Hành động)
- Nền tảng dựng Agent: Custom GPTs, Dify, Coze
- Persona, Role, Goals

Case Study:

- Thiết kế khung Persona chi tiết cho một vị trí nhân sự ảo (VD: Trợ lý Content)
- Tạo Custom GPT đóng vai trợ lý chuyên môn nội bộ cơ bản
- Cấu hình tùy chọn giao tiếp và giới hạn hành vi cho Agent

• Buổi 8: Quản lý tri thức & Kho tri thức (Knowledge Base)
Chủ đề:

Xây bộ não tri thức cho Agent với RAG

Mục tiêu:

- Hiểu giới hạn ngữ cảnh xử lý của AI và lý do cần RAG
- Nắm kiến trúc cơ bản của Vector Database
- Biết kỹ thuật xâu chuỗi lệnh (Prompt Chain) để định hướng Agent suy luận
- Biết chuẩn bị, làm sạch dữ liệu trước khi nạp vào kho tri thức

Ứng dụng:

- Context Window (giới hạn ngữ cảnh xử lý)
- RAG (kỹ thuật truy xuất dữ liệu bổ sung cho AI)
- Vector Database (cơ sở dữ liệu tìm kiếm theo ngữ nghĩa)
- Prompt Chain (chuỗi lệnh dẫn dắt suy luận)

Case Study:

- Làm sạch, định dạng lại bộ tài liệu quy trình nội bộ/chính sách bán hàng
- Upload tài liệu lên hệ thống RAG để tạo Knowledge Base trên Coze/Dify
- Test khả năng truy xuất thông tin của Agent, tinh chỉnh cấu hình truy xuất

• Buổi 9: Xây dựng Agent chuyên biệt
Chủ đề:

Huấn luyện Agent tự suy luận và tự sửa lỗi

Mục tiêu:

- Biết xây dựng quy trình suy luận cho Agent trên nền tảng chuyên sâu
- Thiết kế được lệnh gốc giúp Agent tự kiểm tra, tự sửa kết quả
- Biết xây dựng luồng logic rẽ nhánh xử lý tình huống phức tạp
- Nắm cơ chế ghi nhớ dài hạn giúp Agent bám sát bối cảnh người dùng

Ứng dụng:

- Workflow suy luận của Agent
- Self-Correction (Agent tự đánh giá, tự sửa kết quả)
- Luồng logic rẽ nhánh xử lý tình huống
- Memory (bộ nhớ dài hạn của Agent)

Case Study:

- Build Agent chuyên phân tích đối thủ cạnh tranh dựa trên sườn prompt
- Thiết lập luồng rẽ nhánh: thiếu dữ liệu → yêu cầu cung cấp thêm; đủ dữ liệu → xuất báo cáo
- Kích hoạt và kiểm tra bộ nhớ dài hạn của Agent trong hội thoại

• Buổi 10: Trang bị Kỹ năng (Plugins) cho Agent
Chủ đề:

Trang bị vũ khí cho Agent hành động ngoài đời thực

Mục tiêu:

- Hiểu cơ chế Function Calling giúp Agent tương tác với thế giới bên ngoài
- Biết tích hợp các công cụ cốt lõi (tìm kiếm web, chạy code, phân tích dữ liệu)
- Biết tích hợp API của ứng dụng bên thứ ba
- Nắm nguyên tắc thiết lập giới hạn an toàn khi Agent tự động thực thi

Ứng dụng:

- Function Calling (cơ chế gọi công cụ)
- Tools: Web Search, Code Interpreter, Data Analysis
- Tích hợp API bên thứ ba (Google Workspace, Notion)
- Guardrails (ranh giới an toàn khi Agent tự hành động)

Case Study:

- Trang bị công cụ Web Search cho Agent để tự động tổng hợp tin tức thị trường
- Cấu hình Plugin để Agent lấy báo giá tự động theo thời gian thực
- Test kịch bản: Agent tự tìm kiếm → phân tích chéo → trả về file báo cáo

• Buổi 11: Multi-Agent & Đánh giá hiệu suất
Chủ đề:

Dàn dựng đội hình Multi-Agent phối hợp ăn ý

Mục tiêu:

- Hiểu mô hình nhiều Agent phối hợp làm việc
- Biết phân vai giữa các Agent theo mô hình phân công - thực thi - kiểm duyệt
- Biết thiết lập chỉ số đo lường và tiêu chí đánh giá chất lượng cho Agent
- Nắm chiến lược cải tiến Agent liên tục dựa trên dữ liệu thực tế

Ứng dụng:

- Multi-Agent (hệ nhiều Agent phối hợp)
- Router (phân công) - Worker (thực thi) - Reviewer (kiểm duyệt)
- KPI & Eval (chỉ số đo lường, đánh giá chất lượng)
- Fine-tune Agent dựa trên log

Case Study:

- Build "phòng ban ảo" gồm 2 Agent: 1 viết bài PR, 1 đóng vai Editor kiểm duyệt
- Chạy thử mô hình Multi-Agent xử lý khép kín một chiến dịch content
- Đọc log hệ thống, phân tích điểm nghẽn và tinh chỉnh lại System Prompt

• Buổi 12: Giới thiệu và cài đặt n8n
Chủ đề:

Nhập môn n8n – mở khóa tự động hóa mã nguồn mở

Mục tiêu:

- Hiểu sự khác biệt giữa n8n với Zapier/Make và lợi thế mã nguồn mở
- Biết cài đặt môi trường n8n (bản đám mây hoặc tự triển khai)
- Làm quen giao diện làm việc, phân quyền người dùng và quản lý API Keys
- Nắm cấu trúc cơ bản của một workflow tự động hóa

Ứng dụng:

- So sánh n8n với Zapier/Make
- Cài đặt n8n bản Cloud (đám mây) và Self-host (tự triển khai)
- Workspace, User Permission, Credentials/API Keys
- Canvas Editor, Trigger Node, Action Node

Case Study:

- Đăng ký n8n Cloud hoặc cài đặt cục bộ (Local)
- Tạo workflow "Hello World": trigger thủ công → biến đổi dữ liệu → xuất kết quả
- Kết nối thành công n8n với một ứng dụng bên ngoài (Telegram/Discord)

• Buổi 13: Tự động hóa luồng dữ liệu
Chủ đề:

Kết nối và đồng bộ dữ liệu xuyên nền tảng

Mục tiêu:

- Hiểu tư duy Data Mapping (ánh xạ dữ liệu giữa các ứng dụng)
- Biết kết nối Google Workspace và Airtable qua API
- Thành thạo thao tác tạo - đọc - sửa - xóa dữ liệu tự động
- Biết định dạng lại dữ liệu trước khi gửi đi

Ứng dụng:

- Data Mapping (ánh xạ luồng dữ liệu giữa ứng dụng)
- Kết nối API Google Sheets, Gmail, Airtable
- Thao tác CRUD (Tạo - Đọc - Sửa - Xóa)
- Node Set, Node Edit Fields

Case Study:

- Tạo Webhook/Trigger nhận dữ liệu đăng ký từ Google Forms
- Xây dựng luồng: nhận form → lọc thông tin → lưu vào Sheets và Airtable đồng thời
- Cấu hình Gmail Node tự động gửi email xác nhận cá nhân hóa cho khách hàng

• Buổi 14: Xử lý dữ liệu thực tế & Rẽ nhánh
Chủ đề:

Xử lý dữ liệu thực chiến và tư duy rẽ nhánh thông minh

Mục tiêu:

- Biết xử lý các dạng dữ liệu phức tạp (mảng, JSON) thường gặp trong doanh nghiệp
- Thành thạo rẽ nhánh quy trình theo điều kiện
- Biết dùng Code Node viết mã tiền xử lý, tính toán nâng cao
- Nắm cách xử lý hàng loạt dữ liệu lớn bằng vòng lặp

Ứng dụng:

- Xử lý dữ liệu dạng Array, JSON
- IF Node, Switch Node (nút rẽ nhánh điều kiện)
- Code Node (viết mã JavaScript/Python)
- Loop Node (vòng lặp xử lý hàng loạt)

Case Study:

- Nạp danh sách 50 đơn hàng từ Sheets vào n8n
- Dùng Code Node tính chi phí vận chuyển hoặc tiền hoa hồng
- Thiết lập Switch Node: đơn trên 10 triệu báo Quản lý, dưới 10 triệu báo Sale

• Buổi 15: Tích hợp LLMs vào Quy trình
Chủ đề:

Đưa sức mạnh AI (LLMs) vào từng quy trình tự động

Mục tiêu:

- Biết cách n8n kết nối với các mô hình ngôn ngữ lớn (LLMs)
- Thành thạo dùng API của OpenAI và Anthropic (Claude) trong tự động hóa
- Biết xây dựng luồng tiền xử lý văn bản phi cấu trúc
- Biết quản lý giới hạn gọi API và xử lý độ trễ khi chờ AI phản hồi

Ứng dụng:

- Kết nối LLMs qua HTTP Request Node/Advanced AI Node
- API OpenAI, Anthropic (Claude)
- Tiền xử lý văn bản phi cấu trúc
- Quản lý rate limit, timeout

Case Study:

- Tạo luồng tự động đọc email phàn nàn của khách hàng (inbound)
- Truyền nội dung qua OpenAI Node để phân tích cảm xúc và tóm tắt vấn đề
- Tự động ghi kết quả đánh giá của AI vào bảng theo dõi chất lượng

• Buổi 16:Webhook & Kết nối AI Agent
Chủ đề:

Kết nối AI Agent qua Webhook (điểm nhận dữ liệu tức thời), vận hành 24/7

Mục tiêu:

- Hiểu cơ chế Webhook nhận/gửi dữ liệu theo thời gian thực
- Biết kết nối n8n với AI Agent qua API để xử lý tác vụ phức tạp
- Thành thạo tích hợp hệ thống nhắn tin đa kênh
- Biết xử lý định dạng tin nhắn chuẩn để gửi văn bản, hình ảnh qua mạng xã hội

Ứng dụng:

- Webhook (điểm nhận/gửi dữ liệu thời gian thực)
- Kết nối AI Agent qua API
- Tích hợp đa kênh: Zalo OA, Facebook Messenger, Slack

Case Study:

- Cấu hình Webhook Node nhận tin nhắn khách hàng từ fanpage
- Chuyển tiếp câu hỏi vào API của AI Agent để lấy câu trả lời
- Đẩy ngược câu trả lời từ Agent về fanpage tạo thành chatbot hoạt động 24/7

• Buổi 17: Tối ưu vận hành & Xử lý lỗi
Chủ đề:

Tối ưu vận hành – quy trình không bao giờ đứng hình

Mục tiêu:

- Hiểu tầm quan trọng của việc xử lý lỗi để luồng không bị gián đoạn âm thầm
- Biết thiết lập cơ chế thử lại cho tác vụ dễ fail do mạng/API
- Biết dùng Error Trigger Node để bắt lỗi và gửi cảnh báo khẩn cấp
- Thành thạo lên lịch chạy tự động định kỳ cho các tác vụ lặp lại

Ứng dụng:

- Error Handling (xử lý lỗi)
- Retry (cơ chế thử lại)
- Error Trigger Node (bắt luồng lỗi, gửi cảnh báo)
- Cron/Scheduler Node (lên lịch chạy tự động định kỳ)

Case Study:

- Review và tối ưu lại toàn bộ luồng tự động hóa đã xây
- Cấu hình Scheduler tự động quét dữ liệu mỗi 24 giờ
- Giả lập lỗi hệ thống, quan sát cơ chế n8n tự động bắt lỗi và gửi cảnh báo
- Dựng luồng đăng bài tự động: lấy nội dung/ảnh từ Sheets → đăng lên Facebook/Zalo OA theo lịch