Định hướng: Năng lực đạt được sau Module 2

Module này cung cấp bộ công cụ cụ thể để phân định ranh giới giữa một bản chạy thử (prototype/POC) với một hệ thống sẵn sàng vận hành thực tế (production system):

• Thiết lập chốt chặn chất lượng (quality gate) trước khi bắt tay vào xây dựng.

• Xây dựng mô hình chi phí và độ tin cậy (cost and reliability model) trước khi triển khai.

• Khung đánh giá tính khả thi (feasibility framework) trước khi cam kết giải pháp.

• Kiến trúc tích hợp vượt qua các vòng kiểm tra bảo mật khắt khe (security review).

• Phương pháp thử nghiệm (experimentation method) để đo lường chính xác hiệu quả của các thay đổi.

5 Mục tiêu Năng lực Cốt lõi (Learning Outcomes)

Sau khi hoàn thành Module 2, bạn sẽ có khả năng:

1. Xác định tiêu chí thành công và xây dựng bộ Eval Suite trước khi viết dòng code production đầu tiên:

   • Phân biệt rõ ràng giữa đánh giá bằng model (model-based evals) và đánh giá bằng code (code-based evals).

   • Lựa chọn các giai đoạn trong quy trình eval (eval workflow stages).

   • Sử dụng evals làm cơ chế kiểm soát (gating mechanism) bắt buộc cho mọi thay đổi đưa lên hệ thống production.

2. Thực thi bản kiểm tra chuyển giao từ POC sang Production (POC-to-production checklist):

   • Ánh xạ chi phí và độ trễ (latency) vào ngân sách thực tế.

   • Quy định chi tiết các mẫu thiết kế độ tin cậy (reliability patterns): cơ chế thử lại (retries), dự phòng (fallbacks), và ngắt mạch tự động (circuit breakers).

   • Gọi tên chính xác các failure modes của kiến trúc đã chọn và đề xuất giải pháp giảm thiểu rủi ro cho từng loại.

   • Nắm vững kỹ thuật giúp các Agents (hệ thống dùng tools, suy luận qua nhiều lượt và thực thi chuỗi hành động phức tạp) vận hành ổn định trên production.

3. Đánh giá tính khả thi và định hình Use Case (Use Case Scoping):

   • Ước tính lưu lượng cuộc gọi (call volume), lượng tokens tiêu thụ và tổng chi phí vận hành.

   • Đánh giá tính khả thi kỹ thuật dựa trên 4 đặc tính hành vi của Claude (Next-token prediction, Knowledge, Working memory, Steerability).

   • Chuyển hóa bài toán kinh doanh thành một kiến trúc giải pháp có phạm vi rõ ràng cùng các điều kiện ranh giới (boundary conditions) minh bạch.

4. Thiết kế kiến trúc triển khai Claude đạt chuẩn Enterprise:

   • Định rõ các mẫu tích hợp phục vụ tuân thủ pháp lý (compliance): rào cản ngành chịu kiểm soát, phạm vi thỏa thuận BAA, và lưu trú dữ liệu (data-residency).

   • Tích hợp định danh (SSO/OAuth), phân quyền truy cập (authorization), xử lý dữ liệu an toàn và thiết lập hệ thống quan sát/giám sát (observability instrumentation).

   • Đặt đúng điểm tích hợp (Direct API, SDK, MCP, Claude Code) vào từng vị trí tương ứng trong hệ thống.

5. Lập kế hoạch và phân tích thử nghiệm A/B Testing hoặc thực nghiệm có cấu trúc:

   • Thiết lập giả thuyết kiểm định (hypothesis), lựa chọn hệ số đo lường (metrics).

   • Ước tính kích thước mẫu thử cần thiết (sample size).

   • Đọc hiểu và diễn giải kết quả thực nghiệm một cách chuẩn xác, tránh diễn giải quá đà hoặc ngộ nhận kết quả (overclaiming).

Bối cảnh kỹ thuật & Lưu ý

• Yêu cầu nền tảng: Module này giả định bạn đã có nền tảng vững chắc về thiết kế hệ thống (systems background) và được xây dựng trực tiếp nối tiếp Module 1. Nội dung sẽ bỏ qua các khái niệm cơ bản để đi thẳng vào các quyết định kỹ thuật then chốt biến một bản thử nghiệm thành một hệ thống doanh nghiệp thực thụ.

• Tuyên bố nội dung giáo dục: Nội dung khóa học mang tính chất đào tạo kỹ thuật, không cấu thành tư vấn pháp lý hay tài chính độc lập. Do các dịch vụ AI phát triển rất nhanh, các thông số kỹ thuật, cấu hình hỗ trợ và chính sách sản phẩm cần được đối soát cập nhật trên tài liệu chính thức của Anthropic khi đưa vào dự án thực tế.