# ai-engineering-from-scratch: học AI qua 542 bài có code — hướng dẫn cài đặt và dùng

> ai-engineering-from-scratch là một khoá học AI engineering miễn phí, giấy phép MIT, gồm 542 bài chia 20 phần, dùng Python, TypeScript, Rust, Julia và Go. Bạn có thể đọc thẳng trên website, cài thành trợ lý dạy học trong coding agent, hoặc clone về chạy code. Cách đọc web không cần cài gì, cách clone chỉ cần Python và git.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: Repo & Skill
- Đăng: 2026-05-17 · Cập nhật: 2026-11-13
- URL: https://ongt.vn/bai-viet/ai-engineering-from-scratch-hoc-ai-tu-co-ban-542-bai

ai-engineering-from-scratch là một khoá học AI engineering mã nguồn mở, miễn phí, nằm trọn trong một repo GitHub. Khoá có 542 bài chia thành 20 phần. Mỗi bài có tài liệu để đọc, code để chạy và bài kiểm tra. Mục tiêu của tác giả là bạn tự dựng lại các phần bên trong của AI: mô hình, hệ thống tìm kiếm tài liệu (retrieval) và agent. Bạn không chỉ gọi API có sẵn.

Repo hợp với ba nhóm người. Nhóm đầu là lập trình viên mới muốn hiểu AI thật sự chạy ra sao. Nhóm thứ hai là người đã biết Python và muốn đi từ toán nền tảng lên machine learning. Nhóm thứ ba là người muốn làm ứng dụng LLM hoặc agent. Người làm kinh doanh, văn phòng cũng đọc được trên web, nhưng hãy nhớ đây là khoá học kỹ thuật. Bạn sẽ gặp code và toán, không phải một bộ công cụ bấm là dùng.

Điểm đáng giá nhất là bạn có ba cách học. Cách thứ nhất là đọc trên website, không cần cài gì. Cách thứ hai là cài một "gia sư" vào coding agent của bạn, nó hỏi bạn biết gì rồi dạy từng bài. Cách thứ ba là clone repo về chạy code tại máy. Hiện repo có khoảng 78.594 sao và 13.990 fork, giấy phép MIT.

```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 phần, vừa học vừa tự viết code từ mô hình, RAG đến agent. Học trên web, với AI tutor hoặc chạy local.
- stars | 79k
- lang | Python
- license | MIT
```

## ai-engineering-from-scratch làm được gì

### Khoá học 20 phần, đi từ nền tảng đến agent

Bạn có thể bắt đầu từ Phase 0 (cài môi trường), Phase 1 (toán nền tảng), Phase 11 (xây ứng dụng LLM) hoặc Phase 14 (kỹ thuật agent). Bạn không phải đọc hết 542 bài mới bắt đầu. Hãy chọn một mục tiêu rồi vào đúng phần đó.

### Bảng lộ trình theo mục tiêu

README có sẵn bảng gợi ý. Người mới hoàn toàn bắt đầu từ Phase 0. Người biết Python và muốn học toán cùng ML vào Phase 1. Người muốn làm ứng dụng LLM vào Phase 11. Người muốn làm agent vào Phase 14. Ngoài ra còn có lộ trình riêng cho việc dùng coding agent trên repo thật, và cho việc xác định đúng thứ cần xây trước khi code.

### Gia sư AI dưới dạng skill

Sau khi cài, coding agent của bạn có thêm các skill dạy học:

- `start-learning`: hỏi lý do học, cho một bài kiểm tra đầu vào rồi lưu kế hoạch học cá nhân vào file `LEARNING.md`.
- `learn`: dạy mỗi phiên một bài, theo thứ tự ôn lại, học bài mới rồi làm quiz. Nó 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 tám câu cho từng phần, có nhận xét và gợi ý bài cần xem lại.
- `find-your-level`: bài kiểm tra mười câu để xác định điểm bắt đầu, kèm ước lượng số giờ học.

Ngoài ra còn các skill chuyên đề: `learn-mcp` (Model Context Protocol), `learn-agent-skills` (viết và phát hành Agent Skills), `learn-reverse-engineering`, và các skill luyện chứng chỉ. Bài viết này chỉ tập trung vào lộ trình chính.

### Ba dự án thực hành có chấm điểm tự động

README giới thiệu ba dự án. Mỗi dự án có bộ khung (starter), bản tham chiếu và bộ chấm điểm chạy ở máy bạn:

- Retrieval Evaluation Lab (Python): so sánh hai hệ thống tìm kiếm theo từng câu truy vấn, bắt được trường hợp điểm trung bình tăng nhưng một câu quan trọng lại tệ đi.
- Agent Trace Debugger (TypeScript): đọc log của agent, tính thời gian và token cho từng bước, rồi xuất báo cáo HTML và JSON.
- Tool Call Firewall (Rust): kiểm tra quyền của người gọi và chỉ cho một lần phê duyệt dùng một lần, gắn đúng với yêu cầu đó.

Bộ khung sẽ báo lỗi cho đến khi bạn tự viết xong từng giai đoạn. Việc đó là có chủ đích.

## Cần chuẩn bị gì

Cái bạn cần phụ thuộc vào cách học. README không nêu hệ điều hành cụ thể, nên mình không khẳng định về Windows, macOS hay Linux. Phần này dựa đúng theo tư liệu:

- Học trên website: chỉ cần trình duyệt. README ghi rõ là không cần cài, không cần clone.
- Dùng AI tutor: cần Node.js, `npx` và một coding agent hỗ trợ skill. Muốn chạy các lab thì cần thêm `python3`. Bạn cũng cần chọn một host (ví dụ Claude Code hay Codex) và một thư mục skill ghi được.
- Chạy code local: cần `git` và `python3`. Các bài đầu như `vectors.py` không phụ thuộc thư viện nào.
- Ba dự án: dự án 01 dùng Python 3.10+. Dự án 02 dùng Node.js 22.18+ và Python 3 cho bộ chấm. Dự án 03 dùng Rust và Python 3.10+.
- Kiến thức: README ghi bạn biết viết code (ngôn ngữ nào cũng được, Python có lợi) và muốn hiểu AI hoạt động thế nào.

Tư liệu không nói gì về API key, tài khoản trả phí hay yêu cầu GPU cho các bước trong bài này. Repo có file `package.json` (cho phần website, yêu cầu Node từ 20 trở lên) và `requirements.txt`. Một số bài sau này có thể cần thêm thư viện, bạn xem hướng dẫn trong từng bài.

## Cài đặt từng bước

```steps
- Chọn cách học | Web (không cài), AI tutor hoặc clone repo về máy
- Kiểm tra công cụ | Chạy node, npx, python3 xem đã có chưa
- Cài gia sư AI | Chạy npx skills add rồi chọn host và phạm vi
- Hoặc clone repo | git clone và cd vào thư mục
- Chạy kiểm tra môi trường | Chạy verify.py với route beginner
- Chạy bài đầu tiên | Chạy vectors.py và lưu kết quả
```

### Bước 1: Chọn cách học

Nếu bạn chỉ muốn thử, hãy mở website của dự án (aiengineeringfromscratch.com), chọn bài đầu tiên ở Phase 0 và đọc luôn. Không cần làm gì thêm. Hai cách còn lại bên dưới dành cho người muốn học sâu hơn.

### Bước 2: Kiểm tra công cụ (cho cách dùng AI tutor)

Mở terminal (Terminal trên macOS/Linux, hoặc PowerShell trên Windows) rồi chạy ba lệnh sau. Mỗi lệnh in ra số phiên bản nếu công cụ đã có.

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

Nếu một lệnh báo không tìm thấy, bạn cần cài công cụ đó trước. Người mới hay vấp ở chỗ này: trên một số máy Windows, lệnh Python có thể tên khác `python3`. Nếu máy không nhận `python3`, hãy kiểm tra lại cách cài Python của bạn. README chưa hướng dẫn riêng cho trường hợp này.

### Bước 3: Cài gia sư AI

Lệnh dưới đây cài các skill của khoá học vào coding agent. Bạn không cần clone repo.

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

Trình cài đặt sẽ hỏi bạn chọn host và phạm vi (cho riêng một dự án hay cho cả tài khoản người dùng). Theo README, skill được ghi vào thư mục của host bạn chọn, ví dụ `.claude/skills/`, `.cursor/skills/` hoặc `.codex/skills/`. Bạn nên kiểm tra host của mình có thấy đúng thư mục đó không.

Sau khi cài xong, cách gọi tuỳ từng host:

- Codex: gõ `start-learning`, hoặc chọn từ `/skills`.
- Claude Code: gõ `/start-learning`.
- Host khác tương thích: nhắn "Use start-learning to begin the course."

### Bước 4: Hoặc clone repo về máy

Nếu bạn muốn chạy code từng bài, hãy clone repo rồi vào thư mục vừa tạo:

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

Lệnh đầu tải toàn bộ repo về máy. Lệnh thứ hai đưa terminal vào thư mục dự án. README nhấn mạnh rằng mọi lệnh trong bài chạy từ thư mục gốc của repo, là nơi có `README.md` và thư mục `phases/`. Nếu bạn đứng sai thư mục, đường dẫn sẽ báo lỗi không tìm thấy file.

### Bước 5: Chạy kiểm tra môi trường

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

Đây là bước kiểm tra trước khi học. Theo README, nó tách riêng những gì cần ngay bây giờ và những gì để sau. Mỗi lỗi bắt buộc đều kèm lý do phát hiện được và một lệnh gợi ý để sửa.

### Bước 6: Chạy bài đầu tiên

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

Đây là bài không cần thư viện ngoài. Kết quả cuối cùng cho thấy phép nhân ma trận với vector chính là phép tính nằm trong một lớp của mạng nơ-ron. README khuyên bạn lưu lại kết quả in ra terminal làm "bằng chứng" đầu tiên của mình.

```note
Dùng AI tutor nghĩa là skill được ghi vào thư mục của coding agent. Hãy đọc kỹ host và phạm vi bạn chọn khi trình cài hỏi, đặc biệt nếu bạn dùng máy công ty. Tư liệu không nói repo thu phí hay yêu cầu key. Nhưng coding agent bạn dùng để chạy tutor có thể có chi phí riêng, bạn hãy kiểm tra gói của mình.
```

## Kiểm tra đã chạy được chưa

Với cách clone, bạn có hai dấu hiệu rõ ràng. Thứ nhất, `verify.py --route beginner` chạy xong mà không báo lỗi bắt buộc nào. Nếu có lỗi, nó nêu lý do và lệnh sửa. Thứ hai, `vectors.py` chạy hết và in kết quả minh hoạ phép nhân ma trận với vector.

Với cách dùng AI tutor, hãy mở coding agent và gọi `/start-learning` (Claude Code) hoặc `start-learning` (Codex). Nếu skill hiện ra và bắt đầu hỏi bạn về mục tiêu học, tức là skill đã được cài đúng chỗ. Nếu agent không nhận ra tên skill, hãy kiểm tra lại thư mục skill đã chọn lúc cài.

README còn gợi ý một quy tắc dùng cho mọi bài. Bạn chỉ sang bài tiếp khi giải thích được kết quả và sửa được một chỗ nhỏ mà không đoán mò. Bạn nên giữ lại lệnh đã chạy, thư mục chạy, mã thoát (exit code) và kết quả in ra.

## Dùng vào việc thật

### Người mới hoàn toàn muốn biết nên học gì trước

Bạn là nhân viên văn phòng, từng viết vài dòng Python nhưng không biết bắt đầu từ đâu. Cài tutor bằng `npx skills add`, rồi gọi `start-learning`. Skill sẽ hỏi lý do học, cho bài kiểm tra mười câu và lưu kế hoạch vào `LEARNING.md`. Mỗi lần ngồi học, bạn gọi `learn` để học đúng một bài: khái niệm, toán, code, rồi quiz. Kết quả là một kế hoạch bằng chữ, có tiến độ và danh sách cần ôn, nằm ngay trong thư mục của bạn.

> Học AI mà không tự chạy code thì chỉ là đọc truyện.
>
> — Ông T

### Lập trình viên đang bí một lỗi huấn luyện

Bạn đang train một mô hình và loss ra NaN. Thay vì tìm lung tung, bạn gọi `course-guide` và nhắn "my loss is NaN". README nói skill này định tuyến từ triệu chứng sang đúng các bài liên quan, kèm liên kết. Bạn đọc bài đó, chạy code của bài trong repo clone, rồi so với mô hình của mình. Kết quả là bạn tìm ra bài cần đọc nhanh hơn việc lướt 542 bài.

### Dev muốn học cách kiểm tra hệ thống tìm kiếm tài liệu

Team của bạn vừa đổi cách tìm kiếm trong một chatbot nội bộ. Điểm NDCG trung bình tăng, nhưng có người báo một câu hỏi quan trọng lại ra kết quả tệ hơn. Đó đúng là kịch bản của dự án Retrieval Evaluation Lab. Bạn tạo bộ khung, chạy từng giai đoạn, rồi chạy toàn bộ với cờ `--strict`:

```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 bộ khung trong `learning-artifacts/retrieval-evaluation-lab`. Lệnh thứ hai chấm giai đoạn 1. Lệnh thứ ba chấm toàn bộ. Dự án này cần Python 3.10+. Kết quả bạn giữ lại là bản so sánh tái lập được, có chênh lệch theo từng câu truy vấn. README cũng lưu ý các số đo chỉ mô tả các nhận định bạn dùng để chấm, chúng không chứng minh câu trả lời đúng.

### Người làm agent muốn hiểu vì sao agent chậm và tốn token

Bạn có một file log của agent, tổng thời gian vẫn 100 ms nhưng token tăng 200 và một bước bắt đầu lỗi. Dự án Agent Trace Debugger (TypeScript, cần Node.js 22.18+ và Python 3 cho bộ chấm) dạy bạn đọc file JSONL, kiểm tra quan hệ cha-con giữa các bước và tách thời gian chạy chồng nhau. Kết quả là một timeline HTML và một báo cáo JSON chỉ ra sự thay đổi. Lệnh chạy có cùng dạng với dự án trên, chỉ đổi tên dự án thành `agent-trace-debugger`.

## Lỗi hay gặp và cách xử lý

### Chạy lệnh báo không tìm thấy file

Nguyên nhân thường gặp nhất là bạn đang đứng sai thư mục. README nói mọi lệnh tính từ thư mục gốc của repo, chỗ có `README.md` và `phases/`. Hãy `cd` vào thư mục `ai-engineering-from-scratch` rồi chạy lại. Nếu vẫn lỗi, kiểm tra xem bạn đã clone xong chưa.

### Máy báo không có node, npx hoặc python3

Bạn cần cài công cụ còn thiếu trước khi cài tutor hoặc chạy lab. Chạy lại ba lệnh kiểm tra phiên bản ở bước 2 để biết cái nào thiếu. Nếu chưa muốn cài, bạn vẫn học được bằng cách đọc trên website hoặc đọc file `docs/en.md` của từng bài. README ghi rõ cách này dạy được khái niệm, nhưng phần bằng chứng khi chạy thật trên host sẽ chưa có.

### Gọi skill mà agent không nhận

Cú pháp gọi skill do host quy định, không phải do repo. Codex dùng tên skill như `start-learning`. Claude Code dùng dấu gạch chéo như `/start-learning`. Các host khác thì bạn nhắn bằng lời, ví dụ "Use start-learning to begin the course." Nếu vẫn không được, hãy kiểm tra thư mục skill mà bạn đã chọn lúc cài có nằm đúng nơi host tìm hay không.

### Dự án báo lỗi ngay khi vừa tạo

Đây là chuyện bình thường. README ghi rõ bộ khung sẽ thất bại cho đến khi bạn tự viết xong các giai đoạn. Hãy chạy `--stage 1` trước, sửa code cho qua, rồi mới sang giai đoạn kế. Đừng vội chạy `--all` khi chưa làm xong.

### Dự án TypeScript hoặc Rust không chạy

Dự án 02 cần Node.js 22.18+, còn dự án 03 cần Rust. Nếu bạn đang dùng Node cũ hơn hoặc chưa cài Rust, hãy cài đúng phiên bản yêu cầu rồi chạy lại. Cần cài ra sao thì README chưa ghi chi tiết, bạn xem trang của từng dự án trên website.

## Có nên dùng không

Điểm mạnh lớn nhất là bạn có thể học theo ba mức. Đọc web thì không tốn gì. Có tutor thì được dẫn dắt từng bài. Chạy code local thì có bằng chứng cụ thể cho từng bước. Khoá học miễn phí, giấy phép MIT, và theo tư liệu repo vẫn được cập nhật trong vài tháng gần đây. Ba dự án có bộ chấm tự động cũng giúp bạn biết mình làm đúng hay sai mà không cần ai kiểm tra.

Giới hạn cũng rõ. Khoá rất lớn (542 bài), nên nếu bạn chỉ cần một công cụ dùng ngay để xử lý công việc văn phòng, đây không phải thứ bạn cần. Đây là tài liệu để học, không phải phần mềm làm việc hộ. Người mới hoàn toàn nên chuẩn bị tinh thần cho một hành trình dài: README ước lượng khoảng 306 giờ nếu bắt đầu từ Phase 0 cho người mới với lập trình và AI. README còn nhấn mạnh bạn nên tự gõ và chạy code, chứ đọc lướt thì không có tác dụng. Một số phần như tutor còn phụ thuộc vào host bạn dùng, và tư liệu mình có chưa nói rõ về hệ điều hành.

Nếu bạn chỉ muốn gọi API để làm nhanh một sản phẩm, hãy dùng tài liệu chính thức của nhà cung cấp mô hình. Nếu bạn muốn hiểu bên trong AI và xây từ đầu, đây là một lộ trình tự học có hệ thống, và bạn có thể bắt đầu ngay hôm nay bằng bài đầu tiên trên website.

## Câu hỏi thường gặp

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

Có. README ghi rõ khoá học miễn phí, mã nguồn mở, giấy phép MIT. Bạn có thể học trên website, với coding agent hoặc chạy code local. Tư liệu không nhắc đến phí nào khác, nhưng coding agent bạn dùng cho phần tutor có thể có chi phí riêng.

### Tôi có cần GPU để học không?

Tư liệu mình có không nói về yêu cầu GPU. Các bước trong README, như bài vectors.py và verify.py, chỉ dùng Python. Nếu một bài sau này cần phần cứng đặc biệt, thông tin đó sẽ nằm trong bài đó.

### Học được trên Windows không?

README không nêu hệ điều hành cụ thể, nên chưa có thông tin chắc chắn. Các lệnh trong README dùng python3, node và npx, bạn cần có các công cụ này chạy được trong terminal. Cách chắc chắn nhất là đọc bài trực tiếp trên website, không cần cài gì.

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

README ghi người học cần biết viết code (ngôn ngữ nào cũng được, Python có lợi). Bảng lộ trình có dòng cho người mới với lập trình và AI, bắt đầu từ Phase 0, ước lượng khoảng 306 giờ. Đây là khoá dài, cần kiên nhẫn.

### AI tutor khác gì việc đọc bài trên website?

Tutor là các skill cài vào coding agent của bạn. Nó hỏi bài kiểm tra đầu vào, lưu kế hoạch vào LEARNING.md, dạy mỗi lần một bài, cho quiz và ghi tiến độ. Đọc web thì bạn tự chọn bài và tự theo dõi tiến độ.

### Khoá học dạy những ngôn ngữ lập trình nào?

README ghi khoá có code bằng Python, TypeScript, Rust, Julia và Go. Ba dự án thực hành dùng Python, TypeScript và Rust. Nếu một bài có nhiều ngôn ngữ, README khuyên chạy bản của ngôn ngữ bạn đang học.

### Có học riêng về MCP hoặc Agent Skills được không?

Được. README có lộ trình riêng cho Model Context Protocol (17 bài) và cho Agent Skills (5 bài), kèm skill learn-mcp và learn-agent-skills. Mỗi lộ trình tạo một file ghi tiến độ riêng trong thư mục của bạn.
