Cách học khóa này
Lời cảm ơn đặc biệt
Những người đóng góp và thử nghiệm chính của khóa học đến từ Tsinghua University Shenzhen International Graduate School. Cảm ơn các bạn sinh viên đã liên tục chỉ ra vấn đề, đưa ra đề xuất và cùng sửa bài qua quá trình học và thao tác thật. Nhờ vậy, tài liệu rõ ràng, đáng tin và gần với nhu cầu thực tế của người mới hơn. 👉 Xem danh sách người đóng góp
Trước đây, làm phần mềm có rào cản rất cao. Bạn phải học ngôn ngữ lập trình, công cụ phát triển và nhiều kiến thức kỹ thuật trước khi biến một ý tưởng thành chương trình chạy được. Mô hình ngôn ngữ lớn và công cụ lập trình AI đã thay đổi điều đó: con người có thể mô tả ý định bằng ngôn ngữ tự nhiên và nhờ AI tạo mã, dựng giao diện và sửa tính năng.
Từ Vibe Coding đến xây sản phẩm
Cụm từ Vibe Coding xuất hiện ngày 2 tháng 2 năm 2025. Nhà nghiên cứu AI Andrej Karpathy dùng nó để mô tả cách lập trình mới: con người nói với AI điều mình muốn bằng ngôn ngữ tự nhiên, quan sát kết quả rồi tiếp tục trò chuyện và sửa, thay vì tự viết, hiểu và quản lý từng dòng ngay từ đầu.
Vibe Coding là gì? Nói đơn giản, đó là “lập trình bằng lời nói”: mô tả ý tưởng, để AI tạo chương trình, chạy thử rồi tiếp tục điều chỉnh bằng hội thoại.
Thay đổi đầu tiên là nhiều người vượt qua được rào cản “không biết viết mã nên không thể bắt đầu”. Người chưa có kinh nghiệm cũng có thể làm một trò chơi nhỏ, trang web hoặc nguyên mẫu có thể trình bày chỉ trong vài phút.
Đây là thay đổi lớn: cách con người giao tiếp với máy tính đang mở rộng từ cú pháp nghiêm ngặt sang ngôn ngữ tự nhiên.
Nhưng khi làm một bản demo chạy được trở nên dễ hơn, các câu hỏi mới xuất hiện:
- Nên làm gì, chứ không chỉ là có thể làm gì?
- Sản phẩm giải quyết vấn đề cho ai, người đó có thật sự cần không?
- Làm sao biến bản đầu AI tạo thành sản phẩm ổn định, rõ và tiếp tục bảo trì được?
- Làm sao đưa sản phẩm đến người dùng thay vì chỉ chạy trên máy mình?
- Làm sao dùng việc sử dụng, phản hồi và thanh toán để chứng minh giá trị?
Vibe Coding không xóa yêu cầu học tập mà thay đổi và nâng yêu cầu lên.
Nếu chỉ nhìn Coding, mục tiêu là làm mã chạy. Xây sản phẩm nghĩa là chịu trách nhiệm toàn bộ từ vấn đề đến kết quả:
Coding: tôi có làm được không?
Build Product: có đáng làm không, ai sẽ dùng, đưa đến họ thế nào và biết hiệu quả bằng cách nào?
Vibe Coding là điểm bắt đầu chứ không phải điểm cuối. Trước tiên ta làm nhanh một thứ, rồi học cách chọn vấn đề, kiểm chứng nhu cầu, thiết kế giải pháp, xây dựng, gặp người dùng và lặp lại từ kết quả.
Khóa học thật sự muốn rèn gì?
Khóa học không chỉ dạy công cụ lập trình AI. Mục tiêu là giúp bạn trở thành một Product Engineer ở mức nhập môn: tìm vấn đề, kiểm chứng nhu cầu, tự tay xây sản phẩm, giao cho người dùng thật và cải thiện theo kết quả.
Vì sao bây giờ cần kỹ sư sản phẩm?
Kỹ sư sản phẩm không phải nghề đột nhiên xuất hiện năm 2026.
Ngay từ 2018, Intercom đã dùng Product Engineer để chỉ kỹ sư có quyền sở hữu sản phẩm: không chỉ hiện thực tính năng người khác thiết kế, mà còn hiểu khách hàng, tham gia quyết định và liên tục cải thiện thứ mình giao.
AI giảm mạnh chi phí “làm ra” và cho kỹ sư cơ hội đảm nhận phần việc từng chia cho nhiều vai trò. Với mô hình lớn và agent lập trình, một người có thể đi qua nguyên mẫu, giao diện, frontend, backend, kết nối AI, kiểm thử và triển khai. Công việc vượt khỏi “xong mã”: trực tiếp hiểu người dùng, kiểm chứng giải pháp, thúc đẩy sử dụng và chịu trách nhiệm về kết quả kinh doanh.
Từ “tham gia sản phẩm” đến “chịu trách nhiệm kết quả”
Các mốc thật sau cho thấy thay đổi:
| Thời gian | Công ty và vị trí | Tín hiệu của vị trí |
|---|---|---|
| 5/2018 | Intercom: Product Engineer | Kỹ sư cũng là người sản phẩm, hiểu khách hàng và tham gia quyết định hướng đi |
| 2/2026 | Hamilton AI: Product Engineer | Nói trực tiếp với khách, biến một cuộc trò chuyện thành sản phẩm và kiểm chứng với người dùng thật |
| 6/2026 | Alma: Product Engineer - AI | Một người thiết kế agent, viết backend, làm giao diện và quan sát luật sư cùng khách hàng sử dụng |
| 7/2026 | Harper: Product Engineer | Đi vào bán hàng, hỗ trợ, bảo hiểm và chịu chỉ số như chuyển đổi, không chỉ tính năng ra mắt |
| 8/2026 | Paradigm: Product Engineer, Applied AI | Tìm vấn đề trong đầu tư, nghiên cứu và vận hành, xây sản phẩm nội bộ và mã nguồn mở |
| Đến 8/2026 | OpenAI: Forward Deployed Engineer | Chịu từ khám phá, kế hoạch, xây hệ thống đến sản xuất; đo bằng mức dùng và tác động quy trình |
Xem thêm vị trí thật ở nhiều ngành
Các ví dụ trải qua hàng không, pháp lý, bảo hiểm, tuân thủ tài chính, sinh học, công nghiệp, dịch vụ doanh nghiệp và hạ tầng AI.
| Công bố | Công ty và vị trí | Vòng việc cần hoàn thành |
|---|---|---|
| 2/2026 | Sphinx: Product Engineer | Chọn cơ hội từ trao đổi khách hàng, làm nguyên mẫu, thử và dùng kết quả ảnh hưởng lộ trình |
| 3/2026 | Hyperscale: Founding Forward Deployed Engineer | Tham gia nghiên cứu, PoC, triển khai tại chỗ và bán hàng doanh nghiệp |
| 4/2026 | Sphere: Founding Forward Deployed Engineer | Đi từ khám phá khách đến triển khai và biến nhu cầu thành năng lực chung |
| 5/2026 | Avent: Founding Forward Deployed Engineer | Hiểu công việc, viết mã, tích hợp hệ thống và chịu trách nhiệm khách hàng chạy thành công |
| 5/2026 | Tamarind Bio: Founding Forward Deployed Engineer | Bao phủ trao đổi đầu, thử nghiệm, sản xuất, mở rộng, demo và chu kỳ bán hàng |
| 6/2026 | Protege: Forward Deployed Engineer, New Verticals | Xây hướng kinh doanh từ nhu cầu sớm và biến cách làm hiệu quả thành nền tảng |
| 6/2026 | Dataleap: Founding Forward Deployed Engineer | Tìm quy trình quan trọng, xây agent, tích hợp và dạy khách sử dụng |
| 6/2026 | Collinear AI: Product Engineer | Đi qua backend, frontend, API, trải nghiệm, kiểm thử và chất lượng sản xuất |
| 7/2026 | Restate: Forward Deployed Engineer | Chịu trách nhiệm PoC, sẵn sàng sản xuất và triển khai, biến việc một lần thành mẫu lặp lại |
| Đến 8/2026 | Scale AI: Forward Deployed Engineer, GenAI | Làm trực tiếp với khách kỹ thuật, phát triển đầu cuối, thử nhanh và ảnh hưởng lộ trình |
Thời điểm khảo sát
Trang được tổng hợp ngày 9 tháng 8 năm 2026. Ngày của vị trí Ashby lấy từ trường publishedAt trong dữ liệu tuyển dụng công khai; trang không có ngày dùng ngày kiểm tra. Trang có thể biến mất khi vị trí đóng.
Đây là quan sát từ một nhóm vị trí thật, không phải thống kê toàn thị trường. Nó cho thấy hướng năng lực trong công ty AI-native và đội sản phẩm nhỏ, không có nghĩa mọi công ty sẽ bỏ chuyên môn sản phẩm, thiết kế, kỹ thuật và bán hàng.
Các vị trí này đang thay đổi thế nào?
- Điểm bắt đầu đổi: không chờ yêu cầu viết sẵn, mà đi vào bối cảnh người dùng và doanh nghiệp để tìm vấn đề.
- Vai trò nguyên mẫu đổi: không chỉ trình bày kỹ thuật, mà nhanh chóng giao cho người dùng để kiểm chứng nhận định.
- Biên kỹ thuật đổi: từ một mô-đun sang giao diện, backend, AI, triển khai và trải nghiệm.
- Thước đo thành công đổi: từ “tính năng ra mắt” sang mức dùng, tiết kiệm thời gian, chuyển đổi, doanh thu và tác động.
- Quan hệ với bán hàng đổi: một số kỹ sư tham gia demo, PoC và ra mắt khách hàng để chứng minh giá trị bằng kỹ thuật.
“Biết bán” không có nghĩa ai cũng phải thành nhân viên bán hàng truyền thống. Với kỹ sư sản phẩm, trước hết là tìm người có thể cần, hiểu vấn đề, trình bày giải pháp, mời dùng và kiểm tra họ có tiếp tục hoặc trả tiền không.
Product Engineer, FDE và OPC liên hệ ra sao?
Ba khái niệm nằm trên cùng chuỗi năng lực nhưng không giống nhau.
| Khái niệm | Là gì | Bối cảnh chính | Phạm vi trách nhiệm |
|---|---|---|---|
| Product Engineer | Vị trí kết hợp sản phẩm và kỹ thuật | Trong đội sản phẩm | Từ vấn đề và giải pháp đến ra mắt, phản hồi và chỉ số kinh doanh |
| FDE (Forward Deployed Engineer) | Kỹ thuật sản phẩm mở rộng đến nơi làm việc của khách | Doanh nghiệp, công việc thật và sản xuất | Khám phá, PoC, tích hợp, triển khai, sử dụng, mở rộng và đôi khi bán hàng |
| OPC (One-Person Company) | Cách vận hành công ty do một người dẫn dắt, không phải chức danh | Một người dùng agent, tự động hóa và dịch vụ ngoài | Thị trường, sản phẩm, marketing, bán hàng, giao hàng, hỗ trợ và dòng tiền |
Đây không phải thang nghề nghiệp bắt buộc, mà là các phạm vi khác nhau cùng một bộ năng lực có thể bao phủ.
Có thể hiểu như ba vòng tròn lớn dần:
Product Engineer: làm đúng sản phẩm và làm nó chạy
FDE: đưa sản phẩm vào nơi làm việc và tạo kết quả
OPC: dùng cùng năng lực để vận hành cả doanh nghiệp
FDE: kỹ sư đi vào nơi làm việc của khách
FDE không chỉ là người cài phần mềm hay kỹ sư trước bán hàng chỉ làm demo. Ở công ty AI, họ thường làm bốn việc:
- Cùng khách tìm vấn đề đáng giải quyết nhất.
- Nhanh chóng làm nguyên mẫu hoặc PoC để chứng minh giá trị kỹ thuật và kinh doanh.
- Viết mã sản xuất và nối giải pháp với dữ liệu và quy trình thật.
- Quan sát mức dùng và biến nhu cầu lặp lại thành năng lực chung.
Đến tháng 8/2026, OpenAI tuyển FDE ở nhiều quốc gia, coi mức dùng trong sản xuất, tác động đo được và phản hồi hiện trường thay đổi lộ trình là tiêu chí thành công. FDE đang mở rộng từ cách làm đặc biệt của vài công ty phần mềm thành một hình thức quan trọng để đưa AI vào thực tế.
OPC: một người cũng có “đội ngũ số”
OPC ở đây không chỉ là hình thức pháp lý. Nó là One-Person Company: doanh nghiệp do một người dẫn dắt, dùng phần mềm, agent AI và hạ tầng ngoài để làm công việc từng cần nhiều người.
Nó cũng không phải “công ty không người” do AI vận hành hoàn toàn. Người sáng lập vẫn phải đánh giá thị trường, chịu trách nhiệm, gặp người dùng và quyết định. AI giống một đội ngũ số có thể giao việc.
Xu hướng không bắt đầu từ AI. Nhà phát triển độc lập Pieter Levels cho biết ông đã tự xây và vận hành Nomads.com, Remote OK, Photo AI, Interior AI. AI mở rộng cách này sang thiết kế, lập trình, nội dung, phân tích và hỗ trợ, nhưng thị trường thật vẫn kiểm chứng giá trị. Xem dự án của Pieter Levels
Năm 2025, Microsoft Work Trend Index gọi người tạo, giao việc và quản lý agent AI là Agent Boss. Khảo sát 31.000 người ở 31 nước cho thấy 81% lãnh đạo kỳ vọng tích hợp agent ở mức vừa hoặc sâu vào chiến lược AI trong 12–18 tháng. Microsoft 2025 Work Trend Index
Tháng 6/2025, Wix mua nền tảng làm ứng dụng bằng ngôn ngữ tự nhiên Base44 với khoảng 80 triệu USD. Base44 không hẳn là OPC, nhưng cho thấy điều kiện quan trọng: cơ sở dữ liệu, xác thực và triển khai, từng cần nhiều vai trò, đang được đóng gói và tự động hóa trong sản phẩm hội thoại. Thông báo của Wix
“Khi nào có kỳ lân một người đầu tiên” vẫn là dự đoán, không phải việc đã xảy ra. Điều đáng chú ý hơn với người mới là một người đã có thể kiểm chứng nhanh hơn với ít tiền và đội nhỏ hơn, đồng thời vận hành doanh nghiệp nhỏ nhưng thật sự có lãi.
Vì sao khóa học nói cả ba con đường?
Dù vào đội sản phẩm, làm FDE hay thử OPC, điểm bắt đầu đều giống nhau: tìm vấn đề thật, làm sản phẩm nhỏ nhất, giao cho người dùng, giải thích giá trị và lặp theo sử dụng cùng thanh toán.
Vì vậy khóa học rèn một vòng sản phẩm hoàn chỉnh, không phải các chức danh rời rạc:
Tìm vấn đề → Kiểm chứng nhu cầu → Thiết kế giải pháp → Xây sản phẩm → Giao người dùng → Giải thích giá trị → Quan sát kết quả → Tiếp tục cải thiện
Nhờ AI viết mã chỉ là bước đầu. Sản phẩm dùng được còn có nhiều câu hỏi:
- Làm sao để AI viết mã sạch, dễ bảo trì?
- Làm sao ghép mã rời thành ứng dụng chạy được?
- Làm sao đưa ứng dụng lên mạng để người khác dùng?
- Làm sao nối tạo văn bản, hiểu ảnh và năng lực AI khác?
- Làm sao biết người dùng thật sự cần và có thể trả tiền?
Khóa học sẽ lần lượt trả lời.
Dù là sinh viên, giáo viên, bác sĩ, công nhân hay người không biết kỹ thuật, bạn không cần học lập trình nhiều năm trước khi bắt đầu nguyên mẫu đầu tiên.
| Bạn là ai | Khóa học giúp gì |
|---|---|
| Sinh viên | Tự làm bài tập, cuộc thi và dự án khởi nghiệp |
| Người đi làm | Tự động hóa việc lặp, tăng hiệu quả và thử nghề tay trái |
| Product manager / Nhà thiết kế | Biến ý tưởng thành demo và đưa cho người dùng |
| Người khởi nghiệp / Doanh nghiệp nhỏ | Kiểm chứng ít tốn kém trước khi lập đội đầy đủ |
| Giáo viên / Người làm giáo dục | Tạo công cụ, bài giảng và câu hỏi tự động |
| Bác sĩ / Luật sư / Chuyên gia | Tự động hóa quy trình chuyên môn và làm công cụ riêng |
| Bất kỳ ai | Dùng AI giải quyết vấn đề cụ thể trong cuộc sống hoặc công việc |
AI giảm chi phí hiện thực, nhưng giá trị vẫn phụ thuộc vào việc tìm vấn đề thật và đưa giải pháp đến người dùng.
Lộ trình trưởng thành: từ dùng AI đến kỹ sư sản phẩm
Trải nghiệm đầu tiên
Thử lập trình AI
Stage 1
Nhập môn kỹ sư sản phẩm
Stage 2
Kỹ sư sản phẩm full stack
Stage 3
Kỹ sư sản phẩm AI / Phụ trách kỹ thuật
Đi hết lộ trình này, bạn có:
- Năng lực Vibe Coding: dùng công cụ AI thành thạo và hướng dẫn nó tạo mã tốt mà chưa cần học thuộc mọi cú pháp.
- Kỹ năng full stack: từ UI và frontend đến cơ sở dữ liệu, API, phát triển cục bộ và triển khai đám mây.
- Kết nối AI: gọi API đa phương thức cho văn bản, ảnh, âm thanh và sau đó xây với kỹ thuật như RAG.
- Tư duy sản phẩm và vận hành: nghiên cứu người dùng, phân tích nhu cầu, MVP, lặp, thanh toán và quản lý người dùng.
Học xong làm được gì?
Stage 1: làm nguyên mẫu sản phẩm đầu tiên
Giai đoạn này dành cho người chưa biết lập trình hoặc biết một chút nhưng chưa tự tin. Bạn không học một đống lý thuyết trước, mà vừa làm vừa học cách nhờ AI viết mã và sửa lỗi.
Học xong bạn có thể:
- tự hoàn thành một ứng dụng web bằng công cụ lập trình AI;
- biến ý tưởng thành nguyên mẫu có thể nhấn và tương tác;
- thêm chức năng AI như tạo ảnh hoặc hội thoại;
- điều tra và giải quyết lỗi thay vì dừng ở lần thất bại đầu.
Nói gọn, bạn làm được thứ chạy và có thể trình bày cho người khác.
Ta bắt đầu bằng trò chơi nhỏ, học viết và sửa mã với AI, đi từ trang đơn giản đến ứng dụng tương tác, thêm khả năng AI và hoàn thành một dự án độc lập.
Vì sao học bằng dự án?
Thử thách của công việc thật
Ở nơi làm việc, bạn thường có mục tiêu nhưng không có tài liệu đầy đủ, bộ khung sẵn hay yêu cầu chi tiết.
Người quản lý hoặc khách: cần làm xxx và đạt yyy.
Tài liệu? Khung có sẵn? Đặc tả? Nhiều khi không có.
Nhiều nhiệm vụ thật là giải vấn đề chưa từng gặp trong môi trường không chắc chắn. Yêu cầu mơ hồ, biên thay đổi, không ai đưa đáp án. Bạn phải tìm tài liệu, thử nghiệm, dựng nguyên mẫu, lặp rồi giao giải pháp chạy được, dùng được và đưa lên mạng được.
Khóa học tạo một mô phỏng an toàn:
- dự án khó buộc bạn phân rã vấn đề, thiết kế giải pháp và tự tìm thông tin;
- mã không bị đơn giản quá mức dạy cách đọc và sửa một codebase cỡ vừa;
- hành trình từ ý tưởng đến ra mắt cho trải nghiệm sản phẩm từ 0 đến 1.
Ngắn hạn có thể vất vả, dài hạn nó tăng khả năng chịu trách nhiệm, tìm đường trong sự không chắc chắn và biến AI thành sản phẩm thật thay vì demo.
Nghệ thuật đặt câu hỏi: kỹ năng cơ bản trong thời đại AI
Đặt câu hỏi là kỹ năng cơ bản. Với cùng mã và lỗi, cách bạn hỏi gần như quyết định câu trả lời: nói chung chung hay các bước làm được.
Tạo thói quen: coi hỏi AI là một phần phát triển. Không hiểu hoặc mắc kẹt thì hỏi ngay.
Vì sao đây là kỹ năng bắt buộc?
- Thực tế hiếm có tài liệu đầy đủ: bạn gặp yêu cầu không rõ, mã dở dang và lỗi rải rác.
- AI có thể là giáo viên và đồng nghiệp: câu hỏi tốt biến nó thành lập trình cặp chất lượng.
- Giao tiếp quyết định giới hạn: ngữ cảnh và ràng buộc càng tốt, câu trả lời càng dùng được.
Lỗi phổ biến: chỉ hỏi “vì sao lỗi?” sẽ nhận phỏng đoán. Thêm ngữ cảnh để có kế hoạch thực hiện được.
Đưa thông tin cho AI: ảnh hay sao chép?
Cả hai đều được, nhưng dùng khác nhau:
| Cách | Phù hợp | Yêu cầu chính |
|---|---|---|
| Sao chép và dán | Stack lỗi, log, mã, cấu hình, phản hồi API | Đưa đầy đủ phần liên quan, không chỉ một dòng |
| Ảnh chụp | Bố cục UI, lỗi tương tác, không tìm thấy nút | Chụp cả ngữ cảnh, đánh dấu điểm chính và thêm một câu |
⚠️ Điều kiện quan trọng
Không phải AI nào cũng nhận ảnh. Ảnh chụp cần mô hình đa phương thức như Claude, GPT-4V/GPT-4o, Gemini, Qwen hoặc ERNIE Bot.
Nếu AI không hỗ trợ ảnh, nó không đọc được ảnh chụp. Hãy sao chép văn bản.
Prompt giúp AI giải thích tốt
Nếu muốn học chứ không chỉ lấy đáp án, thử:
Ví dụ học tập
- “Hãy giải thích khái niệm trong năm câu, sau đó hỏi tôi để kiểm tra hiểu biết.”
- “Hãy giải thích chi tiết lỗi này; tôi không hiểu vì sao nó xảy ra.”
Tôi đã cố lâu và muốn bỏ cuộc
Có thể cách kiên trì cần đổi, không phải bạn thiếu kiên trì. Đừng chịu một mình. Hãy nói với tác giả và trợ giảng về điều đã thử, chỗ mắc cụ thể và tâm trạng hiện tại. Đôi khi chỉ cần đổi hướng một chút hoặc bổ sung một khái niệm là đi tiếp được.
Tôi thấy một số thiết kế của tài liệu chưa hợp lý
Hãy liên hệ tác giả, mở issue hoặc phản hồi trong lớp hay cộng đồng. Nói rõ chỗ chưa rõ, trải nghiệm chưa tốt và nơi làm bạn mất thời gian. Phản hồi thật và cụ thể giúp người học sau tránh vấp lại.