ai-engineering-from-scratch: học AI từ nền tảng đến agent — hướng dẫn cài đặt và dùng
Bài này là một góc nhìn khác về rohitg00/ai-engineering-from-scratch — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: ai-engineering-from-scratch: học AI từ nền tảng qua 542 bài — hướng dẫn cài đặt và dùng →

Tóm tắt nhanh
ai-engineering-from-scratch là một giáo trình AI mã nguồn mở, miễn phí (giấy phép MIT), gồm 542 bài học chia thành 20 phần. Bạn có thể học ngay trên website, nhờ trợ lý lập trình AI làm gia sư, hoặc chạy code trên máy. Học trên web không cần cài gì; chạy code cục bộ chỉ cần git và Python.
ai-engineering-from-scratch là một giáo trình học kỹ thuật AI mã nguồn mở, miễn phí, gồm 542 bài học chia thành 20 phần. Mỗi bài có tài liệu đọc, code để bạn tự gõ và chạy, rồi có bài kiểm tra. Code viết bằng Python, TypeScript, Rust, Julia và Go.
Vấn đề repo này giải quyết khá quen thuộc. Nhiều người dùng được ChatGPT hay API của các mô hình AI, nhưng không hiểu bên trong chúng chạy ra sao. Giáo trình này dẫn bạn đi từ môi trường làm việc, toán nền tảng, tới hệ thống LLM và agent. Cách học là tự xây: bạn viết phần ruột của mô hình, pipeline truy xuất thông tin, và vòng lặp của agent. Sau đó bạn chạy, xem chỗ nào hỏng và giữ lại kết quả.
Ai nên dùng? Người biết viết code (ngôn ngữ nào cũng được, biết Python thì tốt hơn) và muốn hiểu AI hoạt động thế nào, chứ không chỉ gọi API. Điểm đáng giá nhất là bạn có ba cách học: đọc trên web không cần cài gì, nhờ trợ lý lập trình AI dạy từng bài, hoặc chạy code ngay trên máy. Hiện repo có khoảng 78.631 sao và 13.997 fork.
rohitg00/ai-engineering-from-scratch
Giáo trình mã nguồn mở miễn phí gồm 542 bài, 20 phần, giúp bạn học và tự tay xây AI từ toán nền tảng đến LLM và agent.
I.Giáo trình này làm được gì
Đây là một khóa học, không phải một phần mềm để bạn bấm nút. Những thứ bạn nhận được gồm:
- 542 bài, 20 phần, đi theo lộ trình. Bạn không phải đọc hết từ đầu. README đưa sẵn ba hướng: nền tảng mô hình (bắt đầu từ phần Setup and tooling), hệ thống LLM (bắt đầu từ Prompt engineering), và agent (bắt đầu từ The agent loop). Nhờ vậy bạn đi thẳng vào mục tiêu của mình.
- Mỗi bài theo một nhịp cố định. Đọc tài liệu
docs/en.md, tự gõ code quan trọng, chạy lệnh, giữ bằng chứng (lệnh, thư mục, mã thoát, kết quả), rồi mới sang bài tiếp. Nhịp này giúp bạn không rơi vào kiểu "chép code mà không hiểu". - Gia sư AI qua Agent Skills. Bạn cài một bộ skill vào trợ lý lập trình AI. Skill
start-learninglàm bài kiểm tra xếp trình độ và lưu kế hoạch học vào fileLEARNING.md. Skilllearndạy mỗi phiên một bài: khái niệm, toán, code, câu hỏi kiểm tra. Skillcourse-guidechỉ bạn đúng bài cần đọc khi bạn mắc kẹt, ví dụ khi loss ra NaN. - Lộ trình chuyên đề. Có riêng lộ trình cho Model Context Protocol (MCP) gồm 17 bài, cho Agent Skills gồm 5 bài, và cho đọc chương trình đã biên dịch (reverse engineering). Mỗi lộ trình có skill gia sư riêng.
- Ba dự án có chấm điểm tại máy. Retrieval Evaluation Lab (Python), Agent Trace Debugger (TypeScript) và Tool Call Firewall (Rust). Mỗi dự án có bản khởi đầu, bản tham chiếu và bộ chấm điểm cục bộ.
- Hỗ trợ nhiều ngôn ngữ đọc, trong đó có tiếng Việt, theo danh sách ngôn ngữ trong README.
II.Cần chuẩn bị gì
Tùy cách học mà bạn cần khác nhau:
- Học trên website: không cần cài gì, không cần clone repo.
- Học với gia sư AI: cần Node.js,
npx, và một trợ lý lập trình hỗ trợ skill (README nhắc tới Codex, Claude Code, Cursor và các host tương thích). Các lab chạy được còn cầnpython3. Bạn cũng cần một thư mục skill có quyền ghi, ở phạm vi người dùng hoặc dự án. - Chạy code trên máy: cần git và
python3. Lệnh kiểm tra ban đầu dùng cờ--route beginner. - Làm dự án: dự án 1 dùng Python 3.10 trở lên. Dự án 2 dùng Node.js 22.18 trở lên và Python 3 cho bộ chấm. Dự án 3 dùng Rust và Python 3.10 trở lên.
- Tệp
package.jsoncủa repo yêu cầu Node 20 trở lên (đây là phần website của repo).
Tư liệu không nói gì về GPU hay API key. Phần README mình có không nhắc yêu cầu đó cho các bước ở dưới.
III.Cài đặt từng bước
- Kiểm tra máyXem Node, npx, Python đã có chưa
- Cài gia sư AI (tùy chọn)Dùng npx skills add để thêm bộ skill vào trợ lý lập trình
- Tải repo vềgit clone rồi cd vào thư mục
- Chạy kiểm tra môi trườngChạy verify.py với route beginner
- Chạy bài đầu tiênChạy vectors.py và giữ kết quả
A.Kiểm tra máy đã có gì
Mở terminal (PowerShell hoặc Terminal trên máy bạn) và chạy ba lệnh sau. Mỗi lệnh in ra số phiên bản. Nếu báo không tìm thấy lệnh, bạn cần cài công cụ đó trước, hoặc chọn học trên website.
node --version
npx --version
python3 --versionLưu ý cho người dùng Windows: README viết lệnh python3. Nếu máy bạn chỉ chạy được python thì README chưa hướng dẫn riêng cho trường hợp này. Bạn xem thêm trong phần Setup and tooling của giáo trình.
B.Cài gia sư AI (làm hoặc bỏ qua tùy bạn)
Bước này không bắt buộc. Nó biến trợ lý lập trình của bạn thành gia sư. Bạn không cần clone repo để cài hay đọc gia sư.
npx skills add rohitg00/ai-engineering-adoptedCHÚ Ý: dòng trên chỉ là minh họa sai chính tả, đừng chép. Lệnh đúng theo README là:
npx skills add rohitg00/ai-engineering-from-scratchKhi trình cài đặt hỏi, bạn chọn host (trợ lý bạn dùng) và phạm vi (người dùng hay dự án). Skill sẽ được ghi vào thư mục của host đó, ví dụ .claude/skills/, .cursor/skills/ hoặc .codex/skills/. Sau khi cài, hãy kiểm tra host của bạn có thấy đúng thư mục đó không.
Cách gọi gia sư tùy host. Trong Claude Code bạn gõ /start-learning. Trong Codex bạn dùng start-learning hoặc chọn từ /skills. Với host khác, bạn nhắn: Use start-learning to begin the course.
C.Tải repo về máy
Bước này dành cho ai muốn chạy code cục bộ. Hai lệnh đầu tải repo và vào thư mục. Hãy chạy các lệnh sau từ thư mục gốc của repo, tức nơi có README.md và thư mục phases/.
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratchD.Chạy kiểm tra môi trường
Lệnh này chạy bước "preflight". Theo README, nó tách riêng thứ bạn cần ngay và thứ cần về sau. Mỗi lỗi bắt buộc đều có lý do được phát hiện và lệnh sửa gợi ý.
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginnerE.Chạy bài đầu tiên
Bài này không cần thư viện ngoài. Nó kết thúc bằng việc cho bạn thấy một ma trận nhân với một vector chính là phép tính nằm trong một lớp của mạng nơ-ron. README dặn bạn lưu lại kết quả in ra terminal làm bằng chứng đầu tiên.
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.pyTư liệu README mình có không đề cập key hay chi phí cho các bước trên. Khi cài skill, hãy đọc kỹ thư mục mà trình cài sắp ghi vào, và chỉ chọn đúng host và phạm vi bạn muốn.
IV.Kiểm tra đã chạy được chưa
Có ba dấu hiệu theo README:
- Lệnh
verify.py --route beginnerkhông báo lỗi bắt buộc nào. Nếu có lỗi, mỗi lỗi đều đi kèm lý do và lệnh sửa. - Lệnh
vectors.pychạy xong và in ra kết quả, kết thúc bằng phần cho thấy ma trận nhân vector là phép tính trong một lớp mạng nơ-ron. - Với gia sư AI: bạn gõ
/start-learning(hoặc cách gọi tương ứng của host) và trợ lý bắt đầu bài kiểm tra xếp trình độ gồm mười câu. Nếu trợ lý không nhận ra skill, hãy kiểm tra thư mục skill mà bạn đã chọn lúc cài.
V.Dùng vào việc thật
A.Người mới hoàn toàn muốn học có kế hoạch
Bạn là nhân viên văn phòng, biết chút code, muốn hiểu AI. Bạn cài gia sư bằng npx skills add, rồi gõ /start-learning trong Claude Code. Trợ lý hỏi vì sao bạn học, cho làm bài kiểm tra mười câu, rồi lưu kế hoạch cá nhân vào LEARNING.md. Từ ngày sau bạn gõ /learn, mỗi phiên học một bài: khái niệm, toán, code, câu hỏi. Kết quả là bạn có một lộ trình rõ ràng thay vì đọc lung tung. Phần mô tả trong README ước tính người mới hoàn toàn có thể cần khoảng 306 giờ đi từ phần Setup.
B.Dev đang bị kẹt khi huấn luyện mô hình
Bạn đang chạy thử một mô hình và loss ra NaN. Bạn hỏi course-guide, ví dụ: my loss is NaN. README nói skill này là bộ định tuyến chủ đề: nó chỉ đúng các bài liên quan kèm đường dẫn. Bạn nhận được danh sách bài cần đọc thay vì lục cả 542 bài.
Đừng cố đọc hết 542 bài; hãy chọn một mục tiêu, bắt đầu từ đúng phần, và giữ bằng chứng mỗi lần chạy.
Ông T
C.Chủ doanh nghiệp nhỏ muốn đánh giá hệ thống tìm kiếm tài liệu
Bạn có một hệ thống tìm kiếm nội bộ và thấy điểm trung bình tăng, nhưng nghi một số câu hỏi quan trọng bị tụt hạng. Dự án Retrieval Evaluation Lab dạy bạn so sánh từng câu hỏi và có thể làm hỏng bước kiểm tra phát hành khi có hồi quy. Bạn tạo bản khởi đầu rồi chạy từng giai đoạn:
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 --strictBản khởi đầu sẽ báo lỗi cho tới khi bạn tự cài đặt các giai đoạn. Kết quả bạn giữ lại là một bản so sánh có thể chạy lại, kèm chênh lệch theo từng câu hỏi. README cũng lưu ý: các chỉ số mô tả những đánh giá bạn dùng, chứ không chứng minh câu trả lời đúng.
D.Dev muốn hiểu và gỡ lỗi agent
Bạn làm agent và thấy một lần chạy vẫn mất 100 ms nhưng tổng token tăng thêm 200 và một bước bắt đầu lỗi. Dự án Agent Trace Debugger (TypeScript) hướng dẫn bạn đọc file trace dạng JSONL, kiểm tra quan hệ cha con, tính khoảng thời gian chồng lấn, rồi xuất báo cáo. Bạn giữ lại trace gốc, dòng thời gian HTML và báo cáo hồi quy JSON. Dự án thứ ba, Tool Call Firewall (Rust), dạy bạn kiểm tra vai trò người gọi và phê duyệt dùng một lần cho một yêu cầu cụ thể. README nói rõ dự án này không cung cấp phân quyền lâu dài hay sandbox hệ điều hành.
VI.Lỗi hay gặp và cách xử lý
A.Chạy lệnh sai thư mục
Các lệnh trong bài là đường dẫn tính từ thư mục gốc của repo, trừ khi bài nói khác. Nếu bạn đứng ở thư mục con, lệnh sẽ báo không tìm thấy tệp. Hãy cd về thư mục chứa README.md và phases/, rồi chạy lại.
B.python3 hoặc npx không được nhận
Nếu terminal báo không có lệnh, hãy chạy lại ba lệnh kiểm tra phiên bản ở trên. README nói nếu thiếu Node.js, npx, python3, host được hỗ trợ hoặc thư mục ghi được, bạn nên dùng website hoặc đọc docs/en.md. Cách này dạy được khái niệm, nhưng phần bằng chứng cho host thật sẽ chưa có.
C.Gia sư cài xong mà trợ lý không thấy skill
Skill được ghi vào thư mục của host bạn chọn lúc cài. Hãy mở đúng thư mục đó (ví dụ .claude/skills/) và xác nhận skill nằm trong đó. Nhớ rằng cú pháp gọi do host quy định: Claude Code dùng /start-learning, Codex dùng start-learning hoặc chọn trong /skills.
D.Bài dự án báo lỗi ngay khi mới tạo
Đây là bình thường. README ghi rõ bản khởi đầu sẽ thất bại cho tới khi bạn cài đặt các giai đoạn. Hãy làm xong giai đoạn 1, chạy lại lệnh --stage 1, rồi mới sang giai đoạn tiếp.
E.Dự án dùng phiên bản Node hoặc Python thấp hơn yêu cầu
Dự án Agent Trace Debugger cần Node.js 22.18 trở lên, dự án Retrieval cần Python 3.10 trở lên. Nếu máy bạn thấp hơn, hãy nâng phiên bản trước khi chạy. Tư liệu chưa chỉ cách nâng phiên bản, bạn xem hướng dẫn chính thức của Node hoặc Python.
VII.Có nên dùng không
Điểm mạnh. Giáo trình miễn phí, giấy phép MIT, và đang được cập nhật trong vài tháng gần đây. Bạn có ba cách học nên hợp nhiều kiểu người. Cách học bắt buộc gõ code và giữ bằng chứng giúp bạn hiểu chứ không chỉ đọc. Ba dự án có bộ chấm điểm cục bộ để bạn tự kiểm tra mình.
Giới hạn. Khối lượng lớn: 542 bài, người mới ước tính hàng trăm giờ. Bài giảng và README chủ yếu bằng tiếng Anh, dù có bản dịch tiếng Việt. Gia sư AI cần đúng công cụ ở máy bạn. Tư liệu mình có chưa nói về yêu cầu phần cứng hay chi phí khi dùng trợ lý AI, nên bạn cần tự kiểm tra gói đang dùng.
Khi nào chọn cách khác. Nếu bạn chỉ cần một công cụ làm việc ngay (viết báo cáo, tự động hóa việc văn phòng) mà không muốn học nền tảng, giáo trình này không phải lựa chọn nhanh nhất. Nếu bạn muốn một khóa học ngắn quanh một chủ đề, hãy dùng thẳng các lộ trình chuyên đề nhỏ như MCP (17 bài) hoặc Agent Skills (5 bài) trong repo.
Câu hỏi thường gặp
ai-engineering-from-scratch có miễn phí không?
Có. README ghi rõ đây là giáo trình miễn phí, mã nguồn mở, giấy phép MIT. Bạn có thể học trên website, với gia sư AI, hoặc chạy code cục bộ. Chi phí khi dùng trợ lý lập trình AI (nếu có) phụ thuộc gói của bạn; tư liệu chưa nói rõ.
Học giáo trình này có cần GPU không?
Tư liệu README mình có không nêu yêu cầu GPU cho các bước cài đặt, bài đầu tiên và ba dự án mẫu. Bài đầu tiên `vectors.py` được mô tả là không cần thư viện ngoài. Với các bài nặng hơn ở phần sau, chưa có thông tin trong tư liệu, bạn nên xem từng bài.
Có chạy được trên Windows không?
Tư liệu không nói rõ về hệ điều hành. README dùng lệnh `python3`, `git` và `npx`, nên máy bạn cần các công cụ này chạy được trong terminal. Nếu chưa cài được, bạn vẫn có thể học trực tiếp trên website mà không cần cài gì.
Tôi chưa biết gì về AI thì có học được không?
Có. README ghi điều kiện là bạn viết được code (ngôn ngữ nào cũng được, biết Python thì tốt hơn) và muốn hiểu AI thực sự hoạt động thế nào. Người mới với lập trình và AI được gợi ý bắt đầu từ phần Setup, ước tính khoảng 306 giờ. Skill `start-learning` có bài kiểm tra xếp trình độ để chọn điểm bắt đầu.
Gia sư AI khác gì việc đọc trên website?
Trên website bạn tự đọc từng bài và không cần cài gì. Với gia sư AI, bạn cài skill vào trợ lý lập trình bằng `npx skills add rohitg00/ai-engineering-from-scratch`. Khi đó trợ lý dạy từng bài, ra câu hỏi kiểm tra, lưu tiến độ và hàng đợi ôn tập vào file trong thư mục làm việc của bạn.
Giáo trình này có phần học về MCP và Agent Skills không?
Có. README có lộ trình riêng cho Model Context Protocol gồm 17 bài và lộ trình Agent Skills gồm 5 bài. Mỗi lộ trình có skill gia sư riêng, lần lượt là `learn-mcp` và `learn-agent-skills`. Chúng tạo file tiến độ riêng cho từng lộ trình.
Dữ liệu của tôi có an toàn khi dùng không?
Tư liệu không nói gì về xử lý dữ liệu riêng tư. Các bài chạy code cục bộ trên máy bạn, còn gia sư AI ghi file vào thư mục host mà bạn chọn khi cài. Nếu bạn dùng trợ lý AI trực tuyến, dữ liệu sẽ theo chính sách của dịch vụ đó.


