- Repo GitHub mới nhất dạy bạn thiết kế, xây dựng và vận hành AI agent production-grade chỉ trong 22 chương - hoàn toàn miễn phí.
- Triết lý cốt lõi: đọc cùng AI assistant, để AI viết code, bạn đặt câu hỏi đúng.
- Không gắn với LangChain hay bất kỳ framework nào - chỉ pattern kiến trúc bền vững theo thời gian.
- Phù hợp cả người kỹ thuật lẫn non-technical.
TL;DR
Một repo GitHub vừa xuất hiện với tên bryanyzhu/agentic-ai-system-course - khóa học 22 chương dạy cách thiết kế, xây dựng và vận hành AI agent production-grade. Điều khác biệt: khóa học này không có tutorial từng bước, không gắn với framework nào, và được viết để đọc cùng với AI assistant như Claude Code hay Codex. Bạn học kiến trúc, AI viết code.
Bối cảnh năm 2026
Gartner dự báo đến năm 2028, 33% enterprise software sẽ tích hợp agentic AI (so với chưa đến 1% năm 2024). 15% quyết định hàng ngày trong doanh nghiệp sẽ được thực hiện hoàn toàn tự động. Đến 2029, 80% customer service queries sẽ được xử lý tự động mà không cần con người can thiệp.
Nhưng cũng chính Gartner cảnh báo: hơn 40% dự án agentic AI sẽ thất bại hoặc bị hủy trước cuối năm 2027, do chi phí leo thang, thiếu giá trị kinh doanh rõ ràng, hoặc thiếu kiểm soát rủi ro. McKinsey gọi đây là "moment of strategic divergence" - ai đi trước sẽ định hình lại cạnh tranh.
Câu hỏi đặt ra: làm thế nào để học AI agent đúng cách, không bị ràng buộc vào một framework có thể lỗi thời sau 6 tháng? Đó là lý do khóa học này ra đời.
Triết lý cốt lõi: Skeleton + AI Partner
Tác giả mô tả cách tiếp cận bằng một ẩn dụ rõ ràng: khóa học cung cấp "skeleton" - bộ xương kiến trúc gồm các pattern, quyết định thiết kế và trade-off quan trọng. Nhiệm vụ của AI partner là "đắp thịt" - viết code thực tế, điền vào chi tiết theo ngôn ngữ và stack phù hợp với project của bạn.
Triết lý này gợi nhớ đến "idea file" của Andrej Karpathy trong LLM-wiki. Không phải tutorial dẫn tay, mà là bộ câu hỏi đúng để bạn hỏi AI trong lúc build.
Khóa học không phải:
- Tutorial từng bước có project walkthrough
- Gắn với một stack cụ thể - không đề xuất LangChain, Pydantic AI hay bất kỳ framework nào
- Reference manual tra cứu API
Khóa học là:
- Pattern kiến trúc load-bearing - những thứ ít thay đổi theo thời gian dù framework đến rồi đi
- File pair
course + CLAUDE.mdđược viết để AI có thể đọc và thực thi trực tiếp - Thiết kế cho paired learning: bạn đọc một chương, AI giải thích và demo ngay
Cấu trúc 22 chương
Toàn bộ khóa học chia thành 7 block chủ đề:
| Chapters | Theme |
|---|---|
| Ch.00 | Cách dùng khóa học với AI partner |
| Ch.01-04 | Foundations: tool calls, agent loop, tool contracts, prompts & caching |
| Ch.05-08 | Memory & State: short-term, long-term, curation, persistence |
| Ch.09-11 | Coordination: planning, multi-agent delegation, orchestration harness |
| Ch.12-14 | External Surface: human-in-the-loop, MCP connectors, skills/subagents |
| Ch.15-17 | Production Scale: backend, observability, cost/latency/model strategy |
| Ch.18-19 | Quality & Ops: safety, adversarial inputs, operations |
| Ch.20-21 | Agency: proactive agents, self-evolving agents |
| Ch.22 | Design Canvas: framework thiết kế agent riêng của bạn |
Các chương được sắp xếp tuyến tính, mỗi chương chỉ giả định bạn đã đọc những gì đến trước. Nhưng nếu bạn có project cụ thể, hoàn toàn có thể bỏ qua chương chưa cần và quay lại sau.
Dành cho ai?
Điểm thú vị nhất của khóa học là không phân biệt kỹ thuật hay không kỹ thuật. Cách tiếp cận khác nhau, kết quả như nhau.
Nếu bạn là developer: Clone repo, mở IDE, trỏ Claude Code vào project root và thử các prompt như:
- "Give me 3 real-world examples of where this pattern matters."
- "I just read about [pattern X]. I am building [project]. Translate the pattern into the smallest version that works in my stack."
- "Show me how OpenCode handles this, and what we should borrow."
Nếu bạn không biết code: Download repo, mở với Claude Code, bắt đầu chat:
- "Design an agentic system for me using this course as the guide, put it in a EXEC_PLAN doc."
- "Build a MVP prototype of [project]. Explain what each piece does in plain language."
- "Give me a PRD for [project] using Ch.22's design canvas as the spine."
Tác giả tóm gọn triết lý cuối README: "Người ship nhiều nhất không phải người nhiều kinh nghiệm nhất. Đó là người vào tight loop với AI partner sớm nhất và duy trì lâu nhất. Khóa học này tồn tại để khi bạn trong vòng lặp đó, bạn biết phải hỏi gì."
4 hệ thống tham khảo mã nguồn mở
Kèm theo khóa học là 4 open-source reference systems để xem pattern hoạt động ra sao trong code thực tế:
- OpenCode - coding agent (terminal-first, typed tools, sessions, compaction)
- Hermes Agent - personal assistant (memory, skills, cron, channels)
- OpenClaw - self-hosted personal-assistant gateway (channel adapters)
- Paperclip - workflow control plane (multi-agent orchestration, durable Postgres state)
Bạn không cần clone bất kỳ repo nào trong số này để học. Chúng là "sanity check" - khi bạn muốn câu trả lời có ground truth trong code thực. Chạy setup.sh để clone toàn bộ về thư mục references/.
Tổng kết và bước tiếp theo
Khóa học agentic-ai-system-course đang thu hút chú ý với 161 stars chỉ sau vài ngày ra mắt. MIT license, hoàn toàn miễn phí.
Trong các bài tiếp theo của series này, chúng ta sẽ đi sâu vào từng block:
- P2: Foundations, Memory và Multi-Agent Coordination (Ch.01-11) - kiến trúc cốt lõi của một AI agent
- P3: Production Scale, Observability, Safety và Agency (Ch.12-22) - đưa agent ra môi trường thực tế