Giới thiệu chung
Khóa học Phát triển Ứng dụng AI - Tích hợp LLM, RAG & AI Agent tại VTI Academy giúp Developer tích hợp AI vào toàn bộ vòng đời phát triển phần mềm (SDLC): phân tích yêu cầu, thiết kế kiến trúc, lập trình, kiểm thử, bảo mật, triển khai và giám sát. Bạn thực hành trên một dự án xuyên suốt, kết nối đặc tả, mã nguồn, kiểm thử và quy trình phát hành thành một quy trình kỹ thuật có thể kiểm chứng.
Chương trình bắt đầu với nền tảng mô hình AI, Prompt/Instruction, Context Engineering và kiểm soát rủi ro. Tiếp đó, bạn phát triển tính năng hoặc cải tiến mã nguồn trên dự án InsightHub, ứng dụng TDD, Coding Agent có giám sát và CI/CD với các điều kiện kiểm tra chất lượng rõ ràng.
Đối tượng tham gia
- Developer muốn chuẩn hóa cách ứng dụng AI từ phân tích yêu cầu đến phát triển, kiểm thử và triển khai phần mềm.
- Sinh viên CNTT có nền tảng lập trình và dự án, muốn rèn luyện quy trình phát triển phần mềm với AI và hoàn thiện hồ sơ năng lực.
- Lập trình viên có kinh nghiệm muốn nâng cao kỹ năng refactoring, kiểm soát Coding Agent và đánh giá hiệu quả AI trong công việc.
Học xong làm ở đâu?
- Developer backend, frontend hoặc fullstack: chuyển yêu cầu thành đặc tả, triển khai tính năng và kiểm thử với sự hỗ trợ có kiểm soát của AI.
- Developer phụ trách bảo trì và nâng cấp hệ thống: đọc hiểu mã hiện có, điều tra nguyên nhân lỗi và refactoring với kiểm thử bảo vệ hành vi.
- Thành viên nhóm phát triển sản phẩm: chuẩn hóa quy trình AI, code review, kiểm soát chất lượng, bảo mật và phát hành phần mềm.
LÝ DO LỰA CHỌN CHÚNG TÔI?
VTI Academy trực thuộc VTI Group - tập đoàn công nghệ hàng đầu chuyên gia công phần mềm cho thị trường trong và ngoài nước 
Chương trình đào tạo chất lượng từ cơ bản tới nâng cao, bám sát yêu cầu của doanh nghiệp
Đội ngũ giảng viên là các chuyên gia lâu năm kinh nghiệm, luôn hỗ trợ học viên 24/7
Tham gia các dự án xuyên suốt khóa học để tăng khả năng thực chiến
.png)
Cam kết giới thiệu việc làm sau khóa học
Giá trị nhận được sau khóa học
- Phát triển theo đặc tả, truy vết xuyên suốt: Chuyển yêu cầu thành tiêu chí chấp nhận có thể kiểm thử; liên kết đặc tả, quyết định kiến trúc, mã nguồn và kết quả kiểm thử.
- Lập trình và refactoring có kiểm chứng: Áp dụng TDD, chia thay đổi thành Pull Request nhỏ; kiểm tra mã do AI hỗ trợ tạo và giải thích quyết định kỹ thuật trước khi tích hợp.
- Điều phối Coding Agent có giám sát: Thiết kế ngữ cảnh và giao việc rõ ràng; giới hạn quyền công cụ, ngân sách, điều kiện dừng và lưu vết thao tác của Agent.
- Kiểm thử và bảo mật trong quy trình phát triển: Xây chiến lược kiểm thử theo rủi ro, đánh giá chất lượng test; kiểm tra mã nguồn, thư viện phụ thuộc và thông tin bí mật, lập danh mục thành phần phần mềm (SBOM).
- Đo hiệu quả AI trên chính bài làm: So sánh thời gian, lỗi và khối lượng sửa lại với mốc đo ban đầu; xây quy tắc sử dụng AI và kế hoạch áp dụng 30 ngày vào công việc.
- Triển khai và giám sát theo tiêu chí kỹ thuật: Thiết lập CI/CD, kiểm tra điều kiện phát hành, diễn tập rollback; sử dụng dữ liệu giám sát, mục tiêu mức dịch vụ (SLO) và cảnh báo trên dự án học tập.
Lộ trình khóa học
.png)
Chặng 1. Nền tảng AI và kiểm soát rủi ro
Học phần: Nền tảng AI cho Developer; AI có trách nhiệm và kiểm soát rủi ro.
Lựa chọn mô hình, thiết kế Prompt/Instruction, tổ chức Project và ngữ cảnh, sử dụng kết nối công cụ và Agent Skill theo mẫu; thiết lập quy tắc bảo vệ dữ liệu và kiểm chứng đầu ra.
Chặng 2. Đặc tả và thiết kế kiến trúc với AI
Học phần: AI trong SDLC Chuẩn Dự án | Unit 1-4.
-
Mốc 1 - Thiết lập quy trình và mốc đo ban đầu (buổi 4): xác định tác vụ, phạm vi AI được thực hiện, quyền công cụ và cách ghi nhận kết quả.
-
Mốc 2 - Hoàn thiện đặc tả và kiến trúc (buổi 7): chốt phạm vi, tiêu chí chấp nhận, yêu cầu phi chức năng, quyết định kiến trúc, mô hình đe dọa và liên kết truy vết.
.png)
.png)
Chặng 3. Phát triển, kiểm thử và bảo mật
Học phần: AI trong SDLC Chuẩn Dự án | Unit 5-9.
Thực hành TDD, refactoring an toàn, Coding Agent có giám sát, chiến lược kiểm thử và kiểm tra bảo mật mã nguồn, thư viện phụ thuộc.
-
Mốc 3 - Tích hợp tính năng có kiểm chứng (buổi 10): Pull Request nhỏ, build và test đạt, code review và nhật ký Agent; học viên giải thích được thay đổi.
Chặng 4. Triển khai, giám sát và đánh giá hiệu quả
Học phần: AI trong SDLC Chuẩn Dự án | Unit 10-12.
- Mốc 4 - Kiểm thử và triển khai (buổi 13): báo cáo chất lượng/bảo mật, CI/CD, phát hành và rollback, giám sát SLO và cảnh báo.
-
Mốc 5 - Nghiệm thu dự án và bảo vệ kỹ thuật (buổi 15): tính năng hoạt động, hồ sơ minh chứng, báo cáo hiệu quả AI và kế hoạch áp dụng 30 ngày.
Khung chương trình
Nền tảng AI cho Developer
Unit 1. Nền tảng mô hình AI và thiết kế chỉ dẫn hiệu quả
- Toàn cảnh AI và hệ sinh thái ứng dụng cho Developer
- Cơ chế hoạt động và giới hạn của mô hình AI
- Phân loại và lựa chọn mô hình theo yêu cầu công việc
- Thiết kế Prompt và Instruction theo mục tiêu, ngữ cảnh và ràng buộc
- Kiểm chứng và cải thiện chất lượng đầu ra AI
Unit 2. Context Engineering và tổ chức môi trường làm việc với AI
- Thiết kế và quản lý ngữ cảnh với Context Engineering
- Tổ chức Project và quản lý Instruction, Knowledge, Memory
- Kết nối dữ liệu và công cụ qua Connector, MCP và Plugin
- Chuẩn hóa tác vụ bằng Agent Skills có thể tái sử dụng
- Thiết kế quy trình làm việc với AI cho Developer
AI có trách nhiệm và kiểm soát rủi ro
Unit 1. Sử dụng AI có trách nhiệm và kiểm soát rủi ro
- Nhận diện thiên lệch và trách nhiệm của con người khi sử dụng AI
- Bảo vệ dữ liệu và tuân thủ khi sử dụng AI trong công việc
- Đánh giá rủi ro và thiết lập điều kiện triển khai ứng dụng AI
.png)
AI trong SDLC Chuẩn Dự án
Unit 1. Engineering Workflow và Baseline
- AI-integrated SDLC operating model và manual-first loop
- Task taxonomy, baseline cycle time, defects và rework
- Autonomy boundary, AI evidence manifest và data policy
Unit 2. Requirements Có thể Kiểm thử
- Discovery evidence và problem framing
- User story, acceptance criteria và example mapping
- NFR, risk, Definition of Ready và Definition of Done
Unit 3. Spec-driven Development
- Specification như hợp đồng có thể kiểm tra
- Repo map, context pack và source hierarchy
- Traceability matrix và change control
Unit 4. Architecture và Design với AI
- System decomposition, boundaries và dependency map
- ADR, trade-off và design review với AI
- Threat model, data flow và permission model
Unit 5. TDD và Small-Diff Delivery
- Red-Green-Refactor loop với AI
- Test generation, oracle quality và mutation thinking
- Small diffs, PR contract và explain-back review
Unit 6. Legacy Code và Refactoring An toàn
- Characterization tests và seam discovery
- Safe refactoring plan và invariants
- AI-assisted debugging và root-cause analysis
Unit 7. Agentic Coding Có kiểm soát
- Task contract và phân rã việc cho coding agent
- Tool/MCP permissions, least privilege và sandbox
- Guardrails, budget, stop conditions và audit trail
Unit 8. Testing và Quality Engineering
- Risk-based test strategy và test pyramid
- Negative, property-based, contract và fuzz testing
- Coverage, flaky tests, defects và quality dashboard
Unit 9. Secure SDLC và Agent Security
- NIST SSDF và secure coding evidence
- OWASP agentic threats, prompt/data/tool abuse
- SAST, SCA, secrets, SBOM và dependency policy
Unit 10. Delivery và Observability
- CI/CD policy, deterministic gates và artifact provenance
- Feature flag, progressive release và rollback rehearsal
- Telemetry, SLI/SLO, alerts và feedback loop
Unit 11. Capstone Build và Evidence Review
- Feature integration và end-to-end verification
- Peer review, red-team review và explain-back
- Hồ sơ minh chứng bàn giao gap closure
Unit 12. Demo, Defense và Adoption
- Live demo và evidence-based defense
- Team AI standard và 30-day adoption plan
- Time/quality delta, retrospective và next experiment
Đối tác
Học viên nói gì về chúng tôi?
