# ai-engineering-from-scratch: học AI từ nền tảng qua 542 bài — hướng dẫn cài đặt và dùng

> ai-engineering-from-scratch là một giáo trình AI miễn phí, giấy phép MIT, gồm 542 bài học chia 20 chặng, từ cài môi trường đến xây agent. Bạn có thể học thẳng trên website không cần cài gì, cài thành gia sư trong Claude Code/Codex bằng một lệnh npx, hoặc clone repo về chạy code. Cài không khó, nhưng cần Node.js 20 trở lên và Python 3 nếu muốn chạy bài thực hành.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: Repo & Skill
- Đăng: 2026-05-15 · Cập nhật: 2026-11-13
- URL: https://ongt.vn/bai-viet/ai-engineering-from-scratch-hoc-ai-tu-con-so-0

ai-engineering-from-scratch là một giáo trình học kỹ thuật AI hoàn chỉnh, miễn phí và mã nguồn mở (giấy phép MIT). Giáo trình có 542 bài học chia thành 20 chặng, viết bằng Python, TypeScript, Rust, Julia và Go. Mục tiêu của tác giả là bạn tự dựng lại từng phần: ruột của mô hình, đường ống tìm kiếm tài liệu (retrieval), và "vòng lặp" của agent. Bạn chạy thử, xem nó hỏng ở đâu, rồi giữ lại cả code lẫn kết quả đánh giá.

Repo này hợp với ba nhóm người. Nhóm một là lập trình viên mới muốn hiểu AI chạy thật sự thế nào, không chỉ gọi API. Nhóm hai là người đã biết Python, muốn học toán và machine learning bài bản. Nhóm ba là người muốn làm ứng dụng LLM hoặc agent và cần một lộ trình rõ ràng. Hiện repo có khoảng 78.600 sao và khoảng 13.990 fork, và vẫn được cập nhật trong vài tháng gần đây.

Điểm đáng giá nhất là bạn chọn cách học tuỳ ý. Bạn đọc trên website không cần cài gì. Bạn có thể biến Claude Code hoặc Codex thành gia sư riêng bằng một lệnh. Hoặc bạn clone repo về, chạy code từng bài và giữ lại kết quả làm bằng chứng đã học.

```repo
- repo | rohitg00/ai-engineering-from-scratch
- kind | Danh sách tuyển chọn
- desc | Giáo trình AI miễn phí, mã nguồn mở: 542 bài, 20 chặng, học trên web, với trợ lý lập trình AI hoặc chạy code ngay trên máy bạn.
- stars | 79k
- lang | Python
- license | MIT
```

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

Đây là giáo trình, không phải phần mềm để chạy một lần là xong. Những thứ bạn nhận được:

- **Lộ trình theo mục tiêu.** README có sẵn bảng chọn đường đi. Người mới hoàn toàn bắt đầu từ Chặng 0 (Setup và Tooling). Người biết Python bắt đầu từ Chặng 1 (nền tảng toán). Ai muốn làm ứng dụng LLM vào Chặng 11. Ai muốn làm agent vào Chặng 14. Bạn không phải đọc hết 542 bài mới bắt đầu được.
- **Học trên website.** Mở bài học trên trang aiengineeringfromscratch.com là đọc được ngay, không cần cài, không cần clone.
- **Gia sư AI qua các skill.** Cài một lần, rồi gọi bằng tên. `start-learning` làm bài kiểm tra xếp trình độ (mười câu) và lưu kế hoạch học vào file `LEARNING.md`. `learn` dạy mỗi buổi một bài: khái niệm, toán, code, rồi câu hỏi kiểm tra, đồng thời ghi tiến độ. `course-guide` giúp khi bạn kẹt: hỏi "học attention ở đâu?" hoặc "loss của mình bị NaN" là nó chỉ đúng bài. `check-understanding` làm bài quiz tám câu cho từng chặng.
- **Lộ trình hẹp.** Nếu chỉ muốn học Model Context Protocol (MCP) thì có `learn-mcp` (17 bài). Muốn học Agent Skills thì có `learn-agent-skills` (5 bài). README còn có skill cho Reverse Engineering và các skill luyện chứng chỉ.
- **Ba dự án thực hành có chấm điểm tại máy.** Gồm Retrieval Evaluation Lab (Python), Agent Trace Debugger (TypeScript) và Tool Call Firewall (Rust). Mỗi dự án có mã khởi đầu, bản tham chiếu và bộ chấm điểm cục bộ. Cái bạn giữ lại là sản phẩm thật, ví dụ báo cáo so sánh từng truy vấn hoặc biên nhận kiểm toán.
- **Thói quen học có bằng chứng.** Mỗi bài theo cùng một nhịp: đọc, tự gõ code, chạy, giữ lại bằng chứng (lệnh, thư mục chạy, mã thoát, kết quả), rồi mới sang bài tiếp.

## Cần chuẩn bị gì

Tuỳ cách học mà yêu cầu khác nhau. Mình tóm theo đúng những gì tư liệu nói:

- **Học trên website:** chỉ cần trình duyệt. README ghi rõ không cần setup, không cần clone.
- **Cài gia sư AI:** cần Node.js (file `package.json` của repo yêu cầu Node từ phiên bản 20 trở lên), `npx`, và một trợ lý lập trình hỗ trợ skill (README nhắc Codex và Claude Code, cùng các host tương thích khác). Muốn chạy bài lab có code thì cần thêm `python3`. Bạn cũng cần một thư mục skill ghi được (của người dùng hoặc của dự án).
- **Chạy code trên máy:** cần `git` và Python 3. Các dự án ghi rõ: dự án 1 dùng Python 3.10 trở lên; dự án 2 dùng Node.js 22.18 trở lên cộng Python 3 cho bộ chấm; dự án 3 dùng Rust cộng Python 3.10 trở lên.
- **Kiến thức:** README nói bạn viết được code (ngôn ngữ nào cũng được, biết Python thì tốt) và muốn hiểu AI hoạt động thế nào, không chỉ gọi API.
- **Tiền bạc, GPU, API key:** tư liệu chưa nói gì về GPU hay key cho các bước cài dưới đây. Nếu một bài cụ thể cần thì bài đó sẽ ghi.

## Cài đặt từng bước

```steps
- Kiểm tra công cụ | Xem máy đã có Node.js, npx, Python 3 chưa
- Cài gia sư AI | Chạy một lệnh npx để cài skill vào Claude Code, Codex...
- Bắt đầu học | Gọi start-learning để xếp trình độ và lập kế hoạch
- Clone repo (tuỳ chọn) | Tải toàn bộ mã nguồn về nếu muốn chạy code bài học
- Chạy preflight | Kiểm tra môi trường và chạy bài đầu tiên
```

### Kiểm tra công cụ có sẵn

Mở terminal (trên Windows là PowerShell hoặc Windows Terminal, trên Mac là Terminal) rồi chạy ba lệnh sau. Mỗi lệnh in ra số phiên bản. Nếu báo "không tìm thấy lệnh" nghĩa là bạn chưa cài công cụ đó.

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

Với Node, bạn cần số phiên bản từ 20 trở lên.

### Cài gia sư AI bằng npx

Đây là cách nhanh nhất nếu bạn đã dùng một trợ lý lập trình AI. Bạn không cần clone repo.

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

Trình cài đặt sẽ hỏi bạn chọn host (Claude Code, Codex, Cursor...) và phạm vi cài. README cho biết skill được ghi vào thư mục của host bạn chọn, ví dụ `.claude/skills/`, `.cursor/skills/` hoặc `.codex/skills/`. Chỗ người mới hay vấp: cài xong, hãy mở đúng thư mục đó kiểm tra xem host có "nhìn thấy" skill không. README nhấn mạnh nên xác nhận host đọc đúng nơi đã cài.

### Bắt đầu học với start-learning

Cách gọi tuỳ host, không nằm trong lệnh cài:

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

Gia sư sẽ hỏi mười câu xếp trình độ rồi lưu kế hoạch cá nhân vào `LEARNING.md`. Sau đó dùng `/learn` (hoặc `learn`) để học mỗi buổi một bài.

### Clone repo để chạy code (tuỳ chọn)

Bước này chỉ cần khi bạn muốn chạy code bài học trên máy. Lệnh `git clone` tải repo về, `cd` đi vào thư mục vừa tải. Từ đây, mọi lệnh trong bài đều chạy từ thư mục gốc này (nơi có `README.md` và thư mục `phases/`).

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

### Chạy preflight và bài đầu tiên

```bash
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py
```

Lệnh đầu kiểm tra máy bạn. README mô tả nó tách riêng "cần ngay bây giờ" với "cần sau", và mỗi lỗi bắt buộc đều có lý do phát hiện kèm lệnh sửa. Lệnh hai chạy một bài không cần thư viện ngoài, cuối bài cho thấy phép nhân ma trận với vector chính là phép tính bên trong một lớp mạng nơ-ron.

Về thư viện Python: repo có file `requirements.txt` nhưng phần README mình có không ghi lệnh cài từ file đó. Nếu một bài cần thêm gói, hãy xem hướng dẫn trong chính bài (`docs/en.md` của bài) hoặc chạy preflight để xem gợi ý.

## Kiểm tra đã chạy được chưa

Với gia sư AI: gọi `/start-learning` (hoặc cách gọi tương ứng của host). Nếu host nhận ra skill và bắt đầu hỏi bạn các câu xếp trình độ thì cài thành công. Nếu host báo không tìm thấy skill, quay lại kiểm tra thư mục skill đã chọn lúc cài.

Với chạy code trên máy: lệnh `verify.py --route beginner` phải chạy xong mà không có lỗi bắt buộc nào. Lệnh `vectors.py` phải in ra kết quả ở terminal và kết thúc bằng phần cho thấy ma trận nhân vector là phép tính trong một lớp mạng nơ-ron. README khuyên bạn lưu đầu ra này làm bằng chứng đầu tiên của mình.

```note
Các dự án có mã khởi đầu (starter) sẽ cố tình báo lỗi cho đến khi bạn tự viết xong từng giai đoạn. Đó là thiết kế của bài tập, không phải cài sai.
```

## Dùng vào việc thật

### Nhân viên văn phòng muốn hiểu AI mà chưa muốn cài gì

Bạn là nhân viên kinh doanh, nghe nói nhiều về agent nhưng chưa biết nó là gì. Bạn mở trang aiengineeringfromscratch.com, vào bài "The Agent Loop" ở Chặng 14 hoặc mở mục Contents để chọn chặng. README nói rõ cách này không cần setup và không cần clone. Kết quả: bạn hiểu vòng lặp của một agent trước khi đem đi bàn với đội kỹ thuật. Lưu ý các bài là code kỹ thuật, nên đọc khái niệm trước, phần code có thể để sau.

> Đừng chọn cách học nặng nhất, hãy chọn cách bạn sẽ thật sự mở ra mỗi ngày.
>
> — Ông T

### Lập trình viên mới dùng Claude Code làm gia sư

Bạn đã có Claude Code và Node.js. Bạn chạy lệnh `npx skills add rohitg00/ai-engineering-from-scratch`, chọn host, rồi gõ `/start-learning`. Sau mười câu hỏi xếp trình độ, bạn có file `LEARNING.md` ghi kế hoạch cá nhân. Mỗi buổi sau đó bạn gõ `/learn`: gia sư dạy một bài gồm khái niệm, toán, code và quiz, đồng thời ghi tiến độ cùng danh sách bài cần ôn lại. Khi kẹt ở chỗ cụ thể, bạn gõ `/course-guide` rồi mô tả, ví dụ "my loss is NaN", để được chỉ đúng bài liên quan.

### Người muốn học riêng về MCP hoặc Agent Skills

Bạn làm tự động hoá và chỉ cần hiểu Model Context Protocol. Bạn gọi `/learn-mcp` trong Claude Code. Skill này tạo file `MCP-LEARNING.md` và dẫn bạn đi một lộ trình 17 bài: từ request không trạng thái, transport, công việc hai chiều, đến bảo mật, độ tin cậy và kiểm tra tuân thủ. Nếu chỉ cần Agent Skills thì gọi `/learn-agent-skills`, lộ trình gồm năm bài, tạo file `AGENT-SKILLS-LEARNING.md`. Bạn không phải học cả 542 bài.

### Dev làm dự án Retrieval Evaluation Lab

Bạn đang làm hệ thống tìm kiếm tài liệu và muốn biết bản mới có thật sự tốt hơn không. Tình huống README mô tả: điểm NDCG trung bình tăng nhưng có một truy vấn xếp bằng chứng quan trọng nhất xuống thấp hơn. Bạn dùng Python 3.10 trở lên, đứng ở thư mục gốc repo và chạy:

```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
```

Lệnh đầu tạo mã khởi đầu trong thư mục `learning-artifacts/retrieval-evaluation-lab`. Lệnh sau chấm giai đoạn 1 sau khi bạn viết xong. Khi xong hết, dùng `--all` thay cho `--stage 1`. Kết quả bạn giữ lại là bản so sánh có chênh lệch theo từng truy vấn và các đánh giá dùng để chấm. README lưu ý các chỉ số chỉ mô tả những đánh giá đó, không chứng minh câu trả lời đúng.

## Lỗi hay gặp và cách xử lý

**Báo "command not found" với node, npx hoặc python3.** Nghĩa là máy chưa có công cụ đó (hoặc terminal chưa nhận). Cài Node.js bản 20 trở lên và Python 3, rồi đóng mở lại terminal và chạy lại ba lệnh kiểm tra. Trên Windows, nếu `python3` không nhận, hãy kiểm tra lại bản Python bạn cài đã sẵn sàng trong terminal chưa trước khi học tiếp.

**Cài skill xong nhưng host không thấy.** README nói skill được ghi vào thư mục của host và phạm vi bạn chọn lúc cài. Hãy mở đúng thư mục đó (ví dụ `.claude/skills/` cho Claude Code), xác nhận có skill bên trong, và nhớ cách gọi tuỳ host: `/start-learning` với Claude Code, `start-learning` với Codex.

**Chạy lệnh báo không tìm thấy file.** Phần lớn lệnh trong bài tính đường dẫn từ thư mục gốc repo, tức nơi có `README.md` và `phases/`. Bạn hãy `cd` vào đúng thư mục `ai-engineering-from-scratch` rồi chạy lại.

**Dự án báo fail ngay sau khi `--init`.** Đây là bình thường, vì starter cố tình thất bại cho đến khi bạn tự cài đặt các giai đoạn. Làm từng giai đoạn rồi chạy `--stage N`.

**Dự án 2 hoặc 3 không chạy.** Dự án TypeScript cần Node.js 22.18 trở lên (cao hơn mức 20 của gia sư), dự án Rust cần cài Rust. Kiểm tra phiên bản trước khi nghi ngờ code của mình.

## Có nên dùng không

**Điểm mạnh.** Miễn phí, giấy phép MIT, nội dung rất rộng (542 bài, 20 chặng), có nhiều cách học cho nhiều kiểu người. Ba dự án có bộ chấm tại máy giúp bạn kiểm tra mình làm đúng hay sai, không chỉ đọc cho vui. Cách học "giữ bằng chứng" cũng ép bạn thật sự chạy code.

**Giới hạn.** Đây là giáo trình lớn, không phải công cụ dùng xong trong một buổi. README ước tính người mới hoàn toàn cần khoảng 306 giờ nếu đi từ Chặng 0. Nội dung và giao diện chủ yếu bằng tiếng Anh. README có liệt kê một bản Tiếng Việt, nhưng mình chưa có thông tin về mức độ đầy đủ của bản đó. Gia sư AI cần Node.js, `npx`, Python 3 và một host hỗ trợ skill. Thiếu những thứ này thì README khuyên dùng website hoặc đọc `docs/en.md`.

**Khi nào chọn cách khác.** Nếu bạn chỉ cần gọi một API AI để làm ngay một tính năng nhỏ, giáo trình này quá dài so với nhu cầu. Hãy đọc tài liệu của nhà cung cấp API. Còn nếu bạn muốn hiểu tận gốc, từ toán đến agent, và chịu học đều mỗi ngày, thì đây là một lựa chọn rất đáng thử. Bạn có thể bắt đầu bằng một bài trên website, thấy hợp rồi mới cài gia sư.

## Câu hỏi thường gặp

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

Có. README ghi rõ giáo trình miễn phí, mã nguồn mở, giấy phép MIT. Bạn có thể học trên website, cùng một trợ lý lập trình AI hoặc chạy code cục bộ. Tư liệu không nói gì về chi phí dịch vụ AI bên thứ ba nếu bạn dùng chúng.

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

README ghi điều kiện là bạn viết được code (ngôn ngữ nào cũng được, biết Python thì tốt). Bảng lộ trình có dòng cho người mới hoàn toàn với Chặng 0, ước tính khoảng 306 giờ. Nếu chưa biết code chút nào thì chặng đầu có thể khó, nhưng tư liệu chưa nói rõ thêm.

### Cài đặt như thế nào, có cần clone repo không?

Không bắt buộc. Để học trên web thì không cần cài gì. Để cài gia sư AI chỉ cần chạy `npx skills add rohitg00/ai-engineering-from-scratch`, README ghi không cần clone. Chỉ khi muốn chạy code bài học trên máy mới cần `git clone`.

### Cần GPU hoặc máy mạnh không?

Tư liệu mình có không nói gì về yêu cầu GPU hay cấu hình máy. Bài mở đầu `vectors.py` được README mô tả là không cần thư viện ngoài. Với các bài nặng hơn, bạn nên xem yêu cầu trong chính bài đó.

### Chạy được trên Windows không?

Tư liệu không ghi giới hạn hệ điều hành. Các lệnh trong README dùng `python3`, Node.js và `git`. Bạn nên chạy lệnh kiểm tra phiên bản trước, và dùng preflight `verify.py` để xem máy mình đã đủ điều kiện chưa.

### Gia sư AI hoạt động với những công cụ nào?

README nêu Codex và Claude Code, kèm lệnh gọi riêng cho từng host, và nói các host tương thích khác dùng câu nhắn tự nhiên như "Use start-learning to begin the course.". Skill được cài vào thư mục do host bạn chọn, ví dụ `.claude/skills/`, `.cursor/skills/`, `.codex/skills/`.

### Các dự án thực hành dùng ngôn ngữ gì?

Có ba dự án: Retrieval Evaluation Lab dùng Python, Agent Trace Debugger dùng TypeScript (Node.js 22.18 trở lên cùng Python 3 để chấm), và Tool Call Firewall dùng Rust (cùng Python 3.10 trở lên). Mỗi dự án có bộ chấm điểm chạy tại máy và chạy từ thư mục gốc repo.
