# ai-engineering-from-scratch: học AI từ nền tảng đến agent, có bài tập chạy thật — hướng dẫn cài đặt và dùng

> ai-engineering-from-scratch là khoá học AI Engineering miễn phí, giấy phép MIT, gồm 542 bài chia 20 phase, đi từ cài môi trường, toán nền tảng đến LLM và agent. Bạn có thể học ngay trên website, nhờ agent lập trình làm gia sư bằng một lệnh npx, hoặc clone repo về chạy code. Cài đặt không khó, nhưng cần khá nhiều thời gian học.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: Repo & Skill
- Đăng: 2026-08-25 · Cập nhật: 2026-11-14
- URL: https://ongt.vn/bai-viet/ai-engineering-from-scratch-hoc-ai-engineering-tu-co-ban

**ai-engineering-from-scratch là một khoá học AI Engineering miễn phí, mã nguồn mở, dạy bạn tự xây các phần bên trong của AI: mô hình, hệ thống truy xuất dữ liệu (retrieval) và agent.** Repo có 542 bài học, chia thành 20 phase, viết bằng Python, TypeScript, Rust, Julia và Go. Hiện repo có khoảng 78.600 sao và 14.000 fork trên GitHub.

Vấn đề repo giải quyết khá quen thuộc. Nhiều người chỉ biết gọi API của một mô hình AI rồi dừng ở đó. Khi kết quả sai, họ không biết sai ở đâu. Khoá học này đi ngược lại: bạn tự viết code, chạy nó, xem nó hỏng thế nào và giữ lại bằng chứng (lệnh đã chạy, kết quả, file bạn tạo ra).

Bạn nên xem repo này nếu là lập trình viên mới muốn hiểu AI thật sự hoạt động ra sao, hoặc người đi làm muốn có lộ trình bài bản thay vì xem video rời rạc. Điểm đáng giá nhất: bạn có ba cách học (website, gia sư AI, chạy code cục bộ) và có cả dự án thực hành kèm bộ chấm điểm chạy trên máy bạn.

```repo
- repo | rohitg00/ai-engineering-from-scratch
- kind | Danh sách tuyển chọn
- desc | Khoá học AI Engineering miễn phí, mã nguồn mở: 542 bài, 20 phase, có code chạy được, dự án có chấm điểm và gia sư AI cài bằng một lệnh.
- stars | 79k
- lang | Python
- license | MIT
```

## Khoá học này làm được gì

### Học thẳng trên website, không cần cài gì
Mở trang của dự án, chọn bài là học được. README ghi rõ cách này không cần setup, không cần clone. Hợp với người chỉ muốn đọc và hiểu khái niệm trước.

### Gia sư AI chạy trong agent lập trình của bạn
Repo có một bộ skill. Bạn cài bằng một lệnh, rồi agent lập trình của bạn (ví dụ Claude Code hay Codex) sẽ dạy từng bài một: giải thích khái niệm, toán, code, rồi quiz. Các skill chính:

- `start-learning`: làm quiz xếp lớp 10 câu, rồi lưu kế hoạch học cá nhân vào file `LEARNING.md`.
- `learn`: dạy mỗi phiên một bài, ôn lại bài cũ trước, ghi lại tiến độ và danh sách cần ôn.
- `course-guide`: bạn hỏi kiểu "học attention ở đâu?" hoặc "loss của mình bị NaN", nó chỉ đúng bài cần đọc.
- `check-understanding`: quiz 8 câu cho từng phase, kèm gợi ý bài cần xem lại.
- `find-your-level`: quiz 10 câu, cho ra lộ trình kèm ước tính số giờ.

Ngoài ra còn các tutor chuyên đề như `learn-mcp` (Model Context Protocol, 17 bài), `learn-agent-skills` (5 bài), `learn-reverse-engineering` và các skill luyện chứng chỉ.

### Dự án thực hành có bộ chấm điểm
README giới thiệu ba dự án, mỗi dự án có bản khởi đầu (starter) theo từng giai đoạn, bản tham chiếu và bộ chấm điểm chạy ngay trên máy:

- Retrieval Evaluation Lab (Python): so sánh hai hệ thống truy xuất theo từng câu truy vấn, phát hiện trường hợp điểm trung bình tăng nhưng một câu quan trọng lại tệ đi.
- Agent Trace Debugger (TypeScript): đọc file trace của agent, tách thời gian của việc con khỏi việc cha, tạo báo cáo hồi quy.
- Tool Call Firewall (Rust): kiểm tra vai trò người gọi, đường dẫn, và chỉ dùng một lần cho mỗi phê duyệt gắn với đúng yêu cầu.

### Nhiều lộ trình theo mục tiêu
Bạn không phải đọc hết 542 bài. Có lộ trình cho người mới hoàn toàn (bắt đầu từ Phase 0), người biết Python (Phase 1: toán nền tảng), người làm ứng dụng LLM (Phase 11), người làm agent (Phase 14) và người muốn dùng agent lập trình trên repo thật.

## Cần chuẩn bị gì

Tuỳ cách học mà yêu cầu khác nhau. Theo tư liệu:

- **Học trên website:** chỉ cần trình duyệt. README nói không cần setup.
- **Gia sư AI:** cần Node.js, `npx` và một agent lập trình hỗ trợ skill. File `package.json` của repo yêu cầu Node từ 20 trở lên. Các lab chạy được cần `python3`. Với lab trên Agent Skills, bạn còn phải chọn host và có thư mục skill ghi được (của người dùng hoặc của dự án).
- **Chạy code cục bộ:** cần `git` và `python3`. README cũng nói bạn nên biết viết code (ngôn ngữ nào cũng được, biết Python thì tốt hơn).
- **Dự án thực hành:** Retrieval Evaluation Lab dùng Python 3.10 trở lên. Agent Trace Debugger cần Node.js 22.18 trở lên và Python 3 cho bộ chấm. Tool Call Firewall cần Rust và Python 3.10 trở lên.
- **Phần cứng, GPU, API key:** phần README mình có không nhắc tới. Mình không khẳng định gì thêm. Từng bài sẽ nói riêng nếu cần.

```note
Chưa có thông tin về chi phí API hay GPU trong phần README mình đọc. Trước khi làm bài dùng dịch vụ có tính phí, hãy đọc kỹ yêu cầu của bài đó. Nếu bài đòi API key, đừng dán key vào file rồi đưa lên GitHub.
```

## Cài đặt từng bước

```steps
- Kiểm tra công cụ | Xem máy đã có Node.js, npx, Python chưa
- Cài gia sư AI | Chạy một lệnh npx để thêm skill vào agent
- Clone repo | Tải mã nguồn về nếu muốn chạy code
- Chạy preflight | Kiểm tra môi trường theo lộ trình người mới
- Chạy bài đầu tiên | Chạy vectors.py để có kết quả đầu tiên
```

### Kiểm tra công cụ có sẵn
Mở terminal (PowerShell hoặc Command Prompt trên Windows, Terminal trên macOS/Linux). Chạy ba lệnh này để xem phiên bản:

```bash
node --version
npx --version
python3 --version
```

Mỗi lệnh phải in ra một số phiên bản. Nếu báo không tìm thấy lệnh, bạn chưa cài công cụ đó. README nói nếu thiếu Node.js, `npx`, `python3`, host hỗ trợ hoặc thư mục ghi được, bạn vẫn có thể học bằng website hoặc đọc file `docs/en.md`. Chỗ người mới hay vấp: trên Windows, lệnh Python đôi khi là `python` hoặc `py` chứ không phải `python3`. README chỉ ghi `python3`, nên nếu lệnh không chạy, bạn cần tự kiểm tra tên lệnh trên máy mình.

### Cài gia sư AI (không cần clone repo)
Dùng lệnh sau:

```bash
npx skills add rohitg00/ai-engineering-from-scratch
```

Trình cài đặt sẽ liệt kê các host nó cấu hình được và hỏi bạn muốn cài vào đâu. Chọn đúng agent bạn đang dùng và phạm vi (người dùng hoặc dự án). README cho biết skill được ghi vào thư mục của host bạn chọn, ví dụ `.claude/skills/`, `.cursor/skills/`, `.codex/skills/` hoặc thư mục skill khác. Hãy kiểm tra agent của bạn có thật sự nhìn thấy đúng thư mục đó.

Sau khi cài, cách gọi tuỳ host: trong Codex dùng `start-learning`, trong Claude Code dùng `/start-learning`, host khác thì nhắn "Use start-learning to begin the course."

### Clone repo để chạy code
Nếu muốn chạy code bài học, tải repo về:

```bash
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
```

Lệnh `cd` đưa bạn vào thư mục repo. Đây là "thư mục gốc" mà README nhắc đi nhắc lại: nơi có file `README.md` và thư mục `phases/`. Mọi lệnh trong bài đều chạy từ đây, trừ khi bài nói khác.

### Chạy preflight

```bash
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner
```

Đây là bước kiểm tra môi trường. README cho biết nó tách riêng thứ cần ngay bây giờ với thứ cần về sau, và mỗi lỗi bắt buộc đều kèm lý do phát hiện được và lệnh sửa. Cứ làm theo gợi ý nó in ra.

### Chạy bài đầu tiên

```bash
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py
```

Bài này không cần thư viện ngoài. README nói nó kết thúc bằng việc cho thấy phép nhân ma trận với vector chính là phép tính bên trong một lớp của mạng nơ-ron. Hãy lưu lại kết quả terminal làm bằng chứng đầu tiên của bạn.

Repo có file `requirements.txt`, nhưng phần README mình có không ghi lệnh cài nó. Nếu một bài cần thêm gói, hãy xem file `docs/en.md` của bài đó.

## Kiểm tra đã chạy được chưa

Với gia sư AI: mở agent của bạn, gõ `/start-learning` (Claude Code) hoặc `start-learning` (Codex). Nếu skill hiện ra và bắt đầu hỏi mục đích học cùng quiz xếp lớp, tức là đã cài đúng. Nếu agent không biết skill này, quay lại kiểm tra thư mục skill mà bạn đã chọn khi cài.

Với code cục bộ: lệnh `verify.py --route beginner` không in lỗi bắt buộc nào, và `vectors.py` chạy xong, in ra kết quả phép nhân ma trận với vector. README gợi ý thêm một thói quen tốt: giữ lại lệnh, thư mục chạy, mã thoát (exit code) và kết quả có ý nghĩa.

Với dự án thực hành: bản khởi đầu cố ý thất bại cho tới khi bạn viết xong từng giai đoạn. Vì vậy thấy lỗi lúc đầu là bình thường, chưa phải cài sai.

## Dùng vào việc thật

### Nhân viên văn phòng muốn học AI từ con số không
Bạn làm kế toán, chưa từng lập trình bài bản, muốn hiểu AI để nói chuyện với đội kỹ thuật. Cài gia sư AI rồi mở agent, gõ `/start-learning`. Nó hỏi 10 câu, xếp bạn vào phase phù hợp và lưu kế hoạch vào `LEARNING.md`. Mỗi buổi gõ `/learn` để học một bài. Kết quả: có kế hoạch học cụ thể và tiến độ được ghi lại, không phải tự mò xem nên bắt đầu từ đâu.

> Đừng cố đọc hết 542 bài. Chọn một mục tiêu, học một bài mỗi buổi, giữ lại bằng chứng.
>
> — Ông T

### Lập trình viên đang bị kẹt khi huấn luyện mô hình
Loss của bạn ra NaN và bạn không biết tìm ở đâu. Trong agent đã cài skill, hỏi `course-guide` như README gợi ý (kiểu "my loss is NaN"). Skill sẽ chỉ đến đúng các bài liên quan kèm link. Kết quả: bạn được dẫn thẳng tới bài cần đọc thay vì lục cả khoá học.

### Dev muốn đánh giá một hệ thống truy xuất (RAG)
Bạn vừa đổi cách tìm kiếm tài liệu, điểm NDCG trung bình tăng, nhưng sợ có câu quan trọng bị tệ đi. Làm dự án Retrieval Evaluation Lab. Từ thư mục gốc repo, khởi tạo, rồi chấm từng giai đoạn:

```bash
python3 scripts/project_test.py retrieval-evaluation-lab \
  --init learning-artifacts/retrieval-evaluation-lab
python3 scripts/project_test.py retrieval-evaluation-lab \
  --stage 1 --path learning-artifacts/retrieval-evaluation-lab --strict
python3 scripts/project_test.py retrieval-evaluation-lab \
  --all --path learning-artifacts/retrieval-evaluation-lab --strict
```

Lệnh đầu tạo bản khởi đầu trong thư mục `learning-artifacts/retrieval-evaluation-lab`. Lệnh thứ hai chấm giai đoạn 1. Lệnh thứ ba chấm tất cả. Kết quả bạn giữ lại: bản so sánh theo từng câu truy vấn có độ chênh lệch và các đánh giá đã dùng để chấm. README lưu ý các chỉ số chỉ mô tả những đánh giá đó, không chứng minh câu trả lời đúng.

### Người làm agent muốn kiểm soát việc agent gọi công cụ
Bạn lo agent tự ý ghi file hoặc một phê duyệt bị dùng lại. Làm dự án Tool Call Firewall (cần Rust và Python 3.10+). Cách chạy giống trên, chỉ thay tên dự án:

```bash
python3 scripts/project_test.py tool-call-firewall \
  --init learning-artifacts/tool-call-firewall
python3 scripts/project_test.py tool-call-firewall \
  --stage 1 --path learning-artifacts/tool-call-firewall --strict
python3 scripts/project_test.py tool-call-firewall \
  --all --path learning-artifacts/tool-call-firewall --strict
```

Bạn sẽ viết phần kiểm tra cấu trúc lời gọi, vai trò, đường dẫn và phê duyệt dùng một lần. Kết quả: biên bản kiểm toán cho thấy thao tác được yêu cầu và quyết định của chính sách. README nói rõ dự án này không cung cấp phân quyền lâu dài hay sandbox cấp hệ điều hành, nên đây là bài học khái niệm, không phải sản phẩm bảo mật hoàn chỉnh.

## Lỗi hay gặp và cách xử lý

### Lệnh `npx` hoặc `node` báo không tìm thấy
Bạn chưa cài Node.js, hoặc terminal mở trước khi cài nên chưa nhận. Cài Node.js (repo yêu cầu 20 trở lên), đóng terminal, mở lại rồi chạy lại `node --version`.

### Lệnh `python3` không chạy trên Windows
Trên Windows tên lệnh có thể khác. Hãy kiểm tra xem máy bạn gọi Python bằng tên nào, rồi dùng đúng tên đó thay cho `python3`. Cũng nhớ rằng nhiều dự án đòi Python 3.10 trở lên, nên kiểm tra phiên bản bằng lệnh `--version`.

### Cài skill xong nhưng agent không thấy
Có thể bạn chọn nhầm host hoặc phạm vi khi cài. README dặn kiểm tra xem host có tìm thấy đúng thư mục đích không. Chạy lại lệnh `npx skills add` và chọn đúng host.

### Lệnh chạy báo không tìm thấy file hoặc thư mục
Gần như chắc chắn bạn đang đứng sai thư mục. Mọi đường dẫn trong bài tính từ thư mục gốc repo (nơi có `README.md` và `phases/`). Hãy `cd` về đó rồi chạy lại.

### Dự án thực hành báo thất bại ngay từ đầu
Đây là thiết kế. README ghi rõ bản khởi đầu sẽ thất bại cho tới khi bạn cài đặt xong các giai đoạn. Làm theo từng giai đoạn bằng `--stage 1`, `--stage 2`… rồi mới chạy `--all`.

## Có nên dùng không

**Điểm mạnh:** miễn phí, giấy phép MIT, nội dung đồ sộ nhưng có lộ trình chọn theo mục tiêu. Học kiểu "gõ code, chạy, giữ bằng chứng" giúp bạn hiểu thật chứ không chỉ đọc. Có gia sư AI, quiz và dự án có bộ chấm điểm. Repo còn được cập nhật trong vài tháng gần đây và có bản dịch nhiều ngôn ngữ, trong đó có tiếng Việt.

**Giới hạn:** khoá học rất dài. README ước tính khoảng 306 giờ nếu bạn bắt đầu từ Phase 0 và chưa biết gì về lập trình hay AI. Mình chưa thấy trong tư liệu thông tin về yêu cầu GPU hay chi phí API cho từng bài, nên bạn cần đọc kỹ từng bài. Một số tính năng gia sư phụ thuộc vào agent lập trình bạn dùng, và cách gọi skill khác nhau giữa các host.

**Khi nào nên chọn cách khác:** nếu bạn chỉ cần một công cụ làm xong việc ngay (ví dụ viết nội dung, tóm tắt tài liệu), khoá học này không phải thứ bạn cần. Nó dành cho người muốn hiểu và tự xây. Nếu chỉ muốn học một mảng hẹp, hãy dùng thẳng lộ trình chuyên đề như MCP hay Agent Skills thay vì đi hết cả khoá.

## Câu hỏi thường gặp

### ai-engineering-from-scratch có miễn phí không?

Có. README ghi rõ đây là khoá học miễn phí, mã nguồn mở, giấy phép MIT. Bạn học được trên website, qua gia sư AI hoặc chạy code cục bộ. Chi phí của dịch vụ bên thứ ba (nếu một bài dùng) thì tư liệu chưa nói.

### Tôi chưa biết lập trình thì học được không?

README ghi người mới hoàn toàn bắt đầu từ Phase 0 (cài môi trường), ước tính khoảng 306 giờ cho cả lộ trình. Phần điều kiện tiên quyết nói bạn nên viết được code (ngôn ngữ nào cũng được, biết Python thì tốt). Bạn có thể dùng quiz xếp lớp để biết nên bắt đầu từ đâu.

### Có cần GPU không?

Phần README mình có không nhắc yêu cầu GPU. Bài đầu như vectors.py được mô tả là không cần thư viện ngoài. Với các bài sau, hãy đọc yêu cầu riêng trong từng bài.

### Chạy được trên Windows không?

Tư liệu không nêu rõ hệ điều hành bị giới hạn. Các lệnh trong README dùng python3, node và npx. Trên Windows bạn cần tự kiểm tra tên lệnh Python trên máy mình có khớp không.

### Cài gia sư AI bằng cách nào và cần gì?

Chạy npx skills add rohitg00/ai-engineering-from-scratch rồi chọn host và phạm vi cài. Bạn cần Node.js, npx và một agent lập trình hỗ trợ skill. Lab chạy được cần thêm python3. Không cần clone repo chỉ để cài hoặc đọc gia sư.

### Khoá học này khác gì xem video hay đọc tài liệu thông thường?

Mỗi bài yêu cầu bạn tự gõ code, chạy lệnh và giữ lại bằng chứng như kết quả, file tạo ra. Ngoài ra có dự án kèm bộ chấm điểm chạy cục bộ và gia sư AI ghi lại tiến độ. So sánh chi tiết với khoá học khác thì tư liệu chưa có.

### Dữ liệu của tôi có an toàn không?

Phần README mình có không nói gì về xử lý dữ liệu. Các lab và dự án chạy lệnh trên máy bạn. Vì chưa có thông tin cụ thể, hãy đọc kỹ từng bài và không đưa dữ liệu nhạy cảm hay API key vào bài tập.
