Kể dự án khi phỏng vấn FDE: cách trả lời câu hỏi “bạn đã đánh đổi gì?”
Câu hỏi về đánh đổi kiểm tra xem bạn có thấy mình đã bỏ lại thứ gì, vì sao bỏ, và đã giải thích chuyện đó với khách hàng ra sao.
09/10/2026
Bách khoa
Giải thích từng khái niệm của nghề FDE: ngắn, có hình, có việc nên làm ngay.
Triển khai
Dựng sandbox cho agent: rào file và rào mạng phải đi cùng nhau
Agent càng được tự chạy lệnh ở máy khách hàng thì càng cần một hàng rào mà nó không thể thuyết phục để được cho qua.
09/10/2026
Triển khai
Trước khi giao agent hoàn tiền: unit test từng tool, rồi integration test cả luồng
Agent báo khách "đã hoàn tiền" chưa đủ để tin. Muốn biết nó có hoàn thật hay không, bạn phải xem database và chạy lại bài test nhiều lần.
09/10/2026
Triển khai
Trước ngày go-live, hãy tự tay tấn công trợ lý AI của khách
Kẻ tấn công thật chẳng cần toán cao cấp, chỉ cần một email viết khéo, và FDE nên là người gửi email đó đầu tiên.
09/10/2026
AI ứng dụng
Viết MCP client gọi server từ xa của khách: từ mã 401 đến lệnh gọi tool đầu tiên
Khách vừa gửi một URL MCP và bạn chỉ có một buổi chiều để gọi được tool đầu tiên. Phần khó thường nằm ở vài header bị bỏ sót chứ không nằm ở JSON-RPC.
09/10/2026
AI ứng dụng
Chunking tài liệu khách hàng: đo trước khi cắt, rồi gắn ngữ cảnh cho từng chunk
Bị cắt khỏi tài liệu gốc, một đoạn văn có thể mất cả tên công ty lẫn mốc thời gian. Chỉ cần gắn lại vài chục token ngữ cảnh, số lần truy xuất thất bại đã giảm 49%, và giảm 67% nếu thêm reranking.
09/10/2026
Nền tảng
Với FDE, chữ ký trên hợp đồng thường là lúc trách nhiệm bắt đầu
Có công ty cho FDE làm cả presales, có công ty thì không. Nhưng sau khi ký, FDE nào không rõ mình giữ phần nào thì rất dễ bàn giao một hệ thống không ai dùng.
09/10/2026
Kỹ thuật rộng
Spark cho FDE: đo dữ liệu của khách trước khi chọn cỡ cluster
Khi khách hỏi "cần mấy node", bạn chỉ cần một ngày dữ liệu thật và vài lệnh đo là biết họ cần compaction, cần cluster hay một máy là đủ.
09/10/2026
Kỹ thuật rộng
Sáu bước dựng demo React cho khách, bắt đầu từ máy chưa có Node
Màn hình chạy được trên localhost mới là nửa đường; nửa còn lại là kiểm kiểu, build sạch và không để lộ một chiếc API key nào trong bundle.
09/10/2026
Khách hàng
Kế hoạch 30-60-90 ngày cho FDE: khi mục tiêu là sáu tuần, bạn chỉ còn khoảng bốn tuần với khách
Hai tuần đầu thường dành cho việc nội bộ, nên FDE mới phải chọn đúng một việc nhỏ nhưng có tác động lớn, rồi chốt nó cùng khách trước bức tường của tuần năm hoặc tuần sáu.
09/10/2026
Triển khai
Che dữ liệu cá nhân trước khi gửi lên LLM: đổi tên thành nhãn vẫn có thể chưa đủ theo luật mới
Bộ lọc PII viết vội vẫn có thể để lọt dữ liệu cá nhân, còn bảng ánh xạ giữ lại cho tiện có thể khiến cả hệ thống khó được coi là đã khử nhận dạng.
09/10/2026
AI ứng dụng
RAG trên tài liệu thật của khách: xử lý PDF, bảng biểu và bản scan tiếng Việt
Demo RAG chạy mượt trên file mẫu sẽ vỡ ngay khi gặp ổ đĩa của khách, và chỗ vỡ thường không nằm ở model mà ở bước đọc tài liệu.
09/10/2026
Kỹ thuật rộng
Viết lớp gọi API cho agent TypeScript: timeout, retry và idempotency key
Agent của bạn gọi lại một API bị treo, và hệ thống khách hàng hoàn tiền hai lần; khoảng 80 dòng TypeScript là đủ để chuyện đó không xảy ra.
08/10/2026
Triển khai
Thực hành: đưa tác vụ AI chạy lâu vào hàng đợi RabbitMQ và trả HTTP 202 ngay
Một request phân tích tài liệu kéo dài vài phút không được giữ kết nối HTTP của khách hàng, và cũng không được biến mất khi worker sập giữa chừng.
08/10/2026
AI ứng dụng
Stream LLM tới giao diện: SSE trước, WebSocket khi thật cần
Phần lớn tính năng chat với LLM chỉ cần server đẩy token xuống trình duyệt. Chọn WebSocket theo thói quen có thể khiến bạn phải gánh thêm những đánh đổi hạ tầng mà khách hàng không cần.
08/10/2026
Triển khai
Rà soát API theo OWASP API Top 10 trước khi đội bảo mật của khách vào cuộc
Lỗ hổng đứng đầu danh sách OWASP có thể bị khai thác chỉ bằng cách đổi ID trong request, và bạn hoàn toàn có thể tự kiểm tra điều đó trước khi đội bảo mật của khách làm.
08/10/2026
Triển khai
Đừng để job đồng bộ của bạn khiến khách khóa API key
Một job đồng bộ chạy vô tư có thể khiến khách khóa API key của bạn ngay tuần đầu. Ngược lại, nếu API của bạn không có giới hạn thì chỉ một client lỗi cũng đủ làm nó sập; cả hai chiều đều xử lý được bằng vài chục dòng code.
08/10/2026
Triển khai
RBAC, ABAC, ReBAC hay PBAC: đưa mô hình phân quyền của khách vào ứng dụng AI
Chatbot nội bộ lộ dữ liệu thường không phải vì model nói bậy, mà vì bước retrieval chưa biết người đang hỏi là ai.
08/10/2026
Kỹ thuật rộng
API key, Basic Auth, session, JWT hay OIDC: cách đọc đúng cơ chế xác thực ở hệ thống khách hàng
Lỗi 401 đầu tiên ở site khách chưa phải điều đáng sợ nhất. Đáng sợ hơn là integration vẫn chạy trong khi bạn hiểu sai cách hệ thống xác thực.
08/10/2026
Kỹ thuật rộng
Kéo một triệu bản ghi qua API phân trang của khách hàng mà không mất dòng nào
Vòng lặp đọc dữ liệu chỉ có vài dòng code, nhưng nếu chọn sai cách phân trang, script sẽ chạy cả đêm hoặc trả về dữ liệu trùng mà bạn không hề hay biết.
08/10/2026
Triển khai
Thiết kế phản hồi lỗi theo RFC 9457 để đội vận hành của khách tự xử lý sự cố
Nếu API chỉ trả về một mã 500 kèm câu "Something went wrong", sự cố nào bên khách cũng sẽ thành ticket gửi về bạn. Vài trường JSON đặt đúng chỗ có thể thay đổi điều đó.
08/10/2026
Kỹ thuật rộng
Demo chạy tốt ở nhà nhưng hỏng trong mạng khách: cách dò lỗi từ DNS, qua proxy, đến CORS và cookie
Cùng một đoạn code, nhưng mạng của ngân hàng hay nhà máy có thể trả về 407, 504 hoặc một dòng CORS đỏ trong console, và FDE nào biết lỗi nằm ở tầng nào thì sửa xong trước.
08/10/2026
Triển khai
Edge AI ở nhà máy và cửa hàng: chọn TensorRT, LiteRT hay ExecuTorch
Model chạy mượt trên cloud vẫn có thể thất bại ngay cạnh băng chuyền, nơi đường truyền yếu, nên FDE phải tính đến thiết bị, nguồn điện và kế hoạch rollout trước khi nghĩ tới model.
08/10/2026
Đo lường
Data lineage: lần ngược từng chặng khi khách báo dự đoán sai
Khách gửi ảnh chụp một con số sai. Lần đường từ con số đó về đúng job và đúng lần chạy đã sinh ra nó giúp FDE tìm nguyên nhân gốc có định hướng, thay vì đoán mò ở model.
08/10/2026
Đo lường
Model sai mà không báo lỗi: tự dựng hệ thống bắt data drift bằng Prometheus và Grafana
Model vẫn trả HTTP 200 chỉ sau vài mili giây, kể cả khi dữ liệu khách hàng đã khác hẳn dữ liệu nó từng học. Hướng dẫn này giúp bạn dựng một hệ thống nhận ra chuyện đó trước khi khách hàng phát hiện.
08/10/2026
Triển khai
Từ notebook đến API trong hạ tầng khách: huấn luyện model scikit-learn, lưu an toàn và đóng container
Model đạt độ chính xác cao trên laptop vẫn có thể không load nổi trên server của khách hàng; bài thực hành này đi qua từng bước để tránh đúng tình huống đó.
08/10/2026
Triển khai
Thực hành DVC: mỗi lần khách gửi dữ liệu mới là một commit truy ngược được
Khi khách hỏi "model tháng trước học trên dữ liệu nào?", FDE cần trả lời bằng một commit hash, không phải bằng trí nhớ.
08/10/2026
Triển khai
Dựng CI/CD cho model ML với CML: đăng so sánh metric vào mỗi pull request
Một file workflow và ba script Python là đủ để reviewer biết thay đổi của bạn làm model tốt lên hay tệ đi, trước khi bấm merge.
08/10/2026
AI ứng dụng
ML cổ điển hay deep learning: chọn theo dạng dữ liệu của khách, đừng chọn theo mốt
Với bảng mười nghìn dòng, mô hình cây vẫn khó bị đánh bại. Với ảnh và văn bản thì ngược lại, và người FDE giỏi phải nói được vì sao ngay trong buổi họp đầu tiên.
08/10/2026
Đo lường
Thực hành: chọn ngưỡng cho model theo giá của từng lỗi, bỏ thói quen dùng 0.5
Trong ví dụ về tín dụng của scikit-learn, giữ nguyên model và chỉ dời ngưỡng quyết định đã giúp lợi ích kinh doanh tốt lên gần gấp đôi.
08/10/2026
Khách hàng
Ước tính chi phí token trước khi ký hợp đồng: đếm tiếng Việt bằng đúng tokenizer
Hệ số "4,54 lần" lan truyền trên mạng có thể làm bản báo giá đội lên gấp ba. Cách chữa rất đơn giản: lấy dữ liệu thật của khách và đếm.
08/10/2026
OpenAIAI ứng dụng
Thực hành nén context: giữ agent chạy phiên dài mà không quên việc đang làm
Cắt bớt lịch sử là cách dễ nhất để agent không bị tràn context, nhưng cắt sai chỗ thì lượt gọi model kế tiếp có thể lỗi, nên bạn cần một vòng nén làm có chủ đích và đo được kết quả.
08/10/2026
AI ứng dụng
Thực hành agentic RAG: cho agent tự viết lại truy vấn và từ chối trả lời khi thiếu bằng chứng
Hệ RAG cơ bản tìm một lần rồi trả lời bằng bất cứ thứ gì nó tìm được. Bài này dựng thêm một vòng lặp nhỏ để agent tự kiểm tra bằng chứng, và nếu chưa đủ thì tự sửa câu hỏi rồi tìm lại.
08/10/2026
Đo lường
Theo dõi agent trong production bằng bốn con số: tỷ lệ hoàn thành, lỗi tool, số bước và tỷ lệ chuyển cho người
Dashboard hạ tầng xanh hết mà khách hàng vẫn phàn nàn agent làm hỏng việc, vì bạn đang đo máy chạy chứ chưa đo việc có xong hay không.
08/10/2026
AI ứng dụng
Dựng agent xử lý hồ sơ nhiều bước bằng planner-executor, DAG và vòng tự phản biện
Một agent cứ làm xong một bước lại phải hỏi model lớn bước tiếp theo sẽ chậm và khó kiểm soát; tách việc lập kế hoạch, thứ tự chạy và khâu phản biện ra riêng sẽ cho bạn một hệ thống đo được, sửa được và giải thích được với khách hàng.
08/10/2026
AI ứng dụng
Dựng agent text-to-SQL trên kho dữ liệu của khách: viết định nghĩa trước, viết prompt sau
Câu SQL chạy không lỗi nhưng trả về một con số mà phòng tài chính không công nhận. Đó là kiểu lỗi bạn sẽ gặp nhiều nhất, và bài hướng dẫn này chỉ cách bắt nó trước khi khách bắt được.
08/10/2026
Triển khai
Thực hành: dựng cổng duyệt qua Slack trước khi agent hoàn tiền hay gửi email
Sáu bước để mọi lệnh hoàn tiền hay email của agent đều qua tay người duyệt mà khách không phải chờ vô thời hạn: trả lời cú bấm trong 3 giây, chờ quyết định bao lâu cũng được, và tự từ chối khi không ai bấm.
08/10/2026
AI ứng dụng
Agent đọc web cho khách hàng: chọn crawler, giữ nguồn và đừng coi robots.txt là giấy phép
Bản demo agent tìm kiếm web có thể xong trong một buổi chiều. Phần khó đến vào tuần sau, khi trang web trả về 403, đường link được trích dẫn không nói đúng điều agent khẳng định, và bộ phận pháp lý muốn biết ai đã cho phép crawl.
08/10/2026
Triển khai
Khi nào agent phải dừng: bốn lớp chặn và lúc bàn giao cho con người
Một agent không có điều kiện dừng có thể chạy vô hạn và đốt chi phí mà không ném ra lỗi nào, và người phải giải thích với khách hàng là FDE.
08/10/2026
AI ứng dụng
Viết tool definition cho API của khách: sáu bước để model chọn đúng tool và điền đúng tham số
Model không đọc code hay Swagger của khách. Mọi thứ nó biết về API chỉ gói trong vài dòng mô tả bạn viết, nên tool gọi sai thường bắt đầu từ chính mấy dòng đó.
08/10/2026
AnthropicĐo lường
Thực hành LLM-as-judge: hiệu chỉnh judge theo nhãn pass/fail của chuyên gia phía khách
Judge đạt 90% đồng thuận vẫn có thể bỏ sót mọi câu trả lời sai. Muốn khách tin con số eval, bạn phải đo judge với người hiểu nghiệp vụ nhất bên họ.
08/10/2026
Đo lường
Trợ lý AI của khách có đối xử khác nhau với từng nhóm người? Cách kiểm bằng phép thử hoán đổi
Xoá cột giới tính khỏi dữ liệu chưa chắc làm mô hình công bằng hơn. Muốn biết trợ lý có thiên lệch hay không, bạn phải đo nó, và việc đo cần một quy trình rõ ràng.
08/10/2026
AI ứng dụng
Biến ghi âm tổng đài tiếng Việt thành bản tóm tắt cuộc gọi
PhoWhisper lo phần chép lời tiếng Việt, WhisperX lo phần ai nói câu nào, còn những lỗi làm hỏng bản tóm tắt thường nằm ở khâu nối hai bên với nhau.
08/10/2026
AI ứng dụng
Đọc model card trước khi chọn Qwen, Llama, Gemma hay Mistral cho dự án tiếng Việt
Model card của Llama 3.1 có tiếng Thái nhưng không có tiếng Việt, và đó là loại chi tiết bạn phải nắm trước khi đưa một mô hình mở vào hệ thống của khách hàng.
08/10/2026
AI ứng dụng
Đọc ảnh hiện trường, biểu mẫu viết tay và video của khách bằng vision model: hướng dẫn từng bước
Ảnh chụp nghiêng, chữ viết tay có dấu và clip quay rung từ điện thoại mới là dữ liệu thật ở công trường, và pipeline của bạn chỉ dùng được khi xử lý được chúng.
08/10/2026
AI ứng dụng
Thực hành LoRA: dạy một model nhỏ phân loại ticket hỗ trợ mà không sửa trọng số gốc
Bài thực hành đi từ ticket đã gắn nhãn đến một adapter nhỏ gọn chạy trên model gốc, kèm cách giữ tập test để con số đánh giá cuối cùng còn đáng tin.
08/10/2026
AI ứng dụng
Gọi thẳng API Claude và OpenAI: tự viết vòng tool use, rồi đối chiếu với Gemini
Trước khi giao mọi thứ cho framework, bạn nên tự đi hết một vòng request, streaming và tool call với Claude và OpenAI, rồi biết Gemini khác ở đâu. Đó là những thứ bạn sẽ phải gỡ lỗi khi ngồi ở văn phòng khách hàng.
08/10/2026
Triển khai
Guardrails cho ứng dụng LLM của khách: chặn đầu vào, khóa đầu ra, thêm moderation
Prompt injection gần như chưa có cách chặn triệt để, nên FDE phải xếp nhiều lớp phòng thủ chồng lên nhau, sao cho một lớp thủng thì hậu quả vẫn nhỏ.
08/10/2026
AI ứng dụng
Zero-shot, few-shot, CoT hay ReAct: thử cả bốn trên một bộ ticket để biết lúc nào cần kỹ thuật nặng hơn
Model đời mới không làm prompt engineering lỗi thời. Chúng chỉ khiến thói quen bắt đầu bằng kỹ thuật nặng nhất trở nên tốn kém.
08/10/2026
Triển khai
Thực hành RAG phân quyền: lọc tài liệu theo phòng ban trước khi tới tay model
Chỉ cần một câu hỏi về lương là biết pipeline truy xuất của bạn hở ở đâu.
08/10/2026
AI ứng dụng
Hybrid search và rerank: dựng pipeline RAG tìm đúng số hợp đồng, mã sản phẩm
Embedding hiểu nghĩa câu hỏi rất tốt, nhưng lại dễ nhầm giữa HD-2024-0153 và HD-2024-0135. Bài hướng dẫn này đi qua sáu bước, từ bộ đo, tokenizer đến rerank, để sửa lỗi đó và đo được kết quả sau khi sửa.
08/10/2026
AI ứng dụng
Chọn embedding model cho dữ liệu tiếng Việt: dựng bộ test 50 câu hỏi trước khi tin leaderboard
Model được fine-tune cho luật tiếng Việt tự báo Accuracy@1 tăng từ 0.5682 lên 0.7274. Nhưng con số đó chưa nói được gì về kho tài liệu bảo hiểm của khách hàng mà bạn đang phụ trách.
08/10/2026
AI ứng dụng
Context engineering: chọn phần dữ liệu khách hàng mà model được thấy
Khi agent trả lời sai ở site khách hàng, lỗi thường không nằm ở câu prompt mà ở những gì bạn đã đưa vào context window, hoặc đã quên đưa vào.
08/10/2026
Sự nghiệp
Từ solutions engineer sang FDE: viết lại một PoC đến chuẩn production
Bản demo từng làm khách hàng gật gù sẽ hỏng ngay ở file CSV lỗi đầu tiên, và ở vai trò FDE, người phải sửa nó là bạn.
08/10/2026
Sự nghiệp
Từ data scientist sang FDE: giữ tư duy debug, học làm chủ cả hệ thống
Model của bạn đã đủ tốt. Thứ còn thiếu là phần việc sau khi model chạy xong: API, auth, monitoring, và một khách hàng đang đợi kết quả.
08/10/2026
Khách hàng
Viết design doc để đội kỹ thuật của khách duyệt trước khi bạn code
Ở site khách hàng, lỗi thiết kế bắt được trên một trang Google Doc rẻ hơn rất nhiều so với lỗi lộ ra khi code đã chạy, và đây là bảy bước để viết trang đó rồi đưa nó qua vòng duyệt.
08/10/2026
Khách hàng
Báo cáo tuần cho khách: một trang, ba câu hỏi, và mục quyết định giúp dự án hết treo
Nhiều dự án trễ không phải vì code mà vì một quyết định còn treo. Bản báo cáo gửi khách mỗi tuần là nơi bạn đưa quyết định đó ra.
08/10/2026
Khách hàng
Hiểu kinh doanh cho FDE: lần theo dòng tiền trước khi viết dòng code đầu tiên
Một pilot chạy tốt về kỹ thuật vẫn có thể chết trong cuộc họp ngân sách, nếu FDE không trả lời được khách kiếm tiền ở đâu, tiền dự án lấy từ quỹ nào và ai là người ký.
08/10/2026
Khách hàng
Thực hành: vẽ quy trình thật của khách trước khi để AI tự động hoá nó
Quy trình trong tài liệu và quy trình nhân viên đang thật sự làm hiếm khi trùng nhau, và agent bạn xây sẽ hỏng đúng ở những chỗ hai bản đó lệch nhau.
08/10/2026
Kỹ thuật rộng
Debug máy chủ Linux của khách qua bastion: một dòng ssh -J và ba lệnh đầu tiên cần gõ
Ở site khách, máy chủ đang lỗi thường không có dashboard và không cho cài thêm công cụ. Thứ bạn chắc chắn có chỉ là một bastion, một shell và vài phút trước khi có người hỏi bạn đã tìm ra nguyên nhân chưa.
08/10/2026
Kỹ thuật rộng
Git khi code nằm trong repo của khách: danh tính, remote, credential và luật review
Ngày đầu ở site khách, lỗi Git đáng sợ nhất thường không phải conflict mà là một commit mang sai email bị đẩy lên sai server.
08/10/2026
Triển khai
Máy chủ của khách không có internet thì pipeline phải kết thúc bằng một file tar
docker save, docker load, một registry nội bộ và một người ký duyệt là bốn thứ đưa bản build của bạn vào mạng cách ly của khách.
08/10/2026
Triển khai
Bedrock, Azure OpenAI, Vertex AI: đưa mô hình vào đúng đám mây của khách
Prototype chạy ổn bằng API key cá nhân của bạn vẫn chưa đủ: việc thật bắt đầu khi phải đưa nó vào tài khoản, vùng và hệ thống phân quyền của khách.
08/10/2026
Triển khai
Dự án tổng hợp: ứng dụng hỏi đáp tự ghi trace và đếm token cho từng câu hỏi
Ứng dụng nào cũng trả lời được câu hỏi trong buổi demo. Khi đưa lên production, bạn còn phải chỉ ra được nó đã trả lời thế nào và mỗi câu trả lời tốn bao nhiêu token.
08/10/2026
Kỹ thuật rộng
Pipeline Airflow hằng đêm cho trợ lý AI: chạy lại vẫn không hỏng
Chỉ cần một task bị retry lúc 2 giờ sáng là dữ liệu nạp đêm qua có thể bị nhân đôi. Nếu bạn là FDE, sáng hôm sau người phải giải thích chuyện đó với khách hàng có thể chính là bạn.
08/10/2026
Kỹ thuật rộng
Lần đầu vào database của khách hàng: đọc schema, truy vấn trên bản sao và khoá phiên chỉ đọc
Trước khi gõ truy vấn đầu tiên ở khách hàng, hãy tìm một bản sao để đọc; nếu buộc phải dùng primary, hãy khoá phiên ở chế độ chỉ đọc và đặt thời hạn cho mọi câu lệnh.
08/10/2026
Kỹ thuật rộng
Đọc codebase Java, Go hay Node.js của khách khi bạn chỉ quen Python
Trước buổi review tích hợp, bạn chưa cần học thêm ngôn ngữ mới. Bạn cần biết mở ba file nào trước, rồi lần theo một request cho tới tận database.
08/10/2026
Kỹ thuật rộng
Thiết kế API cho giải pháp bàn giao: viết hợp đồng trước, viết code sau
Đội tích hợp của khách hàng sẽ dùng endpoint của bạn lâu hơn rất nhiều so với thời gian bạn ở lại dự án, nên mỗi tên trường bạn đặt hôm nay là một lời hứa phải giữ.
08/10/2026
Triển khai
Prompt injection khi agent có quyền gọi vào hệ thống của khách: lập mô hình đe doạ và chặn theo từng lớp
Chỉ cần một dòng chữ giấu trong ticket là agent có thể đọc nó như một mệnh lệnh. Vì vậy, thứ phải thiết kế cẩn thận là giới hạn những gì agent được phép làm sau khi đọc.
08/10/2026
Triển khai
Thực hành: dựng vLLM trong VPC của khách mà không để lộ cổng nội bộ
Chạy được model chỉ là phần dễ. Phần khó là dựng nó trong mạng của khách sao cho đội bảo mật chịu ký duyệt và hệ thống không nghẽn khi tải tăng.
08/10/2026
Đo lường
Thực hành: dựng eval hồi quy bằng promptfoo trong GitHub Actions, tự chạy mỗi khi đổi prompt
Sửa vội một câu prompt có thể làm hỏng thứ đang chạy đúng, và một golden dataset gắn vào pull request sẽ bắt được lỗi đó trước khi khách hàng phát hiện.
08/10/2026
AI ứng dụng
Bộ nhớ của agent: ba tầng lưu trữ, mỗi tầng một lịch xoá riêng
Khi agent quên sạch hội thoại sau một lần deploy, hay nhớ mãi điều người dùng đã bảo bỏ, đừng vội đổ lỗi cho model mà hãy tự hỏi: bạn đã quyết định lưu gì, lưu ở đâu và bao giờ xoá chưa?
08/10/2026
AI ứng dụng
Tự viết vòng lặp agent bằng Python, không dùng framework: một tool, một vòng for, bốn chỗ hay sai
Khi agent của khách hàng chạy sai lúc 2 giờ sáng, người tự viết vòng lặp sẽ biết ngay cần mở dòng code nào. Người chỉ biết gọi framework thì không.
08/10/2026
AI ứng dụng
Biến SOP của khách thành prompt: viết bộ test trước, viết prompt sau
Tài liệu quy trình của khách đã là một nửa prompt. Nửa còn lại là bộ ca kiểm thử để prompt không âm thầm hỏng khi model đổi phiên bản.
08/10/2026
AI ứng dụng
LLM căn bản cho FDE: token, context window, temperature và lý do model “bịa”
Khi trợ lý AI của khách hàng tự bịa ra một điều khoản không có thật, phải hiểu bốn khái niệm này thì bạn mới tìm được lỗi nằm ở đâu, thay vì chỉ biết sửa prompt rồi cầu may.
08/10/2026
Đo lường
Thực hành: đo retrieval của RAG bằng hit rate và MRR trước khi khách hàng tự phát hiện lỗi
Hai con số, một bộ câu hỏi chuẩn và vài chục dòng Python đủ để bạn biết hệ thống tìm sai ở đâu, trước khi phải đọc câu trả lời sai của LLM.
08/10/2026
Dẫn dắt
Nâng tự chủ cho agent từng bậc, rồi bàn giao quyền giám sát cho đội vận hành của khách
Hai thứ quyết định agent được khách tin dùng hay bị khoá mãi ở chế độ duyệt tay: một bảng phân quyền kiểu đèn giao thông, và một bản bàn giao vẫn chạy được khi bạn đã rời dự án.
08/10/2026
Kỹ thuật rộng
Khi ERP không có API tử tế: cách FDE tích hợp mà không kéo theo cả hệ thống cũ
Lối tắt nhanh nhất vào một hệ thống cũ thường là lối gỡ ra đắt nhất, vì vậy cần chọn cửa vào trước khi bắt đầu viết code.
08/10/2026
Khách hàng
Đề bài khách đưa hiếm khi là đề bài thật: cách FDE làm rõ yêu cầu trước khi viết code
Một yêu cầu "tự động hoá review PR" có thể hoá ra là chuyện hai người duyệt code đang ngập việc, và bạn hoàn toàn học được cách phát hiện điều đó trước khi mất ba tuần build sai hướng.
08/10/2026
Triển khai
SAML, SCIM và bảng câu hỏi bảo mật: những ràng buộc FDE gặp từ hợp đồng doanh nghiệp đầu tiên
Bản demo có thể chạy hoàn hảo, nhưng nếu bạn không trả lời được câu "nhân viên nghỉ việc thì bao lâu sau mất quyền truy cập?", đội bảo mật của khách sẽ không cho bạn lên production.
08/10/2026
AI ứng dụng
Workflow hay agent: chọn mẫu thiết kế nào khi khách nói "chúng tôi muốn một agent"
Khách thường xin một agent, nhưng câu hỏi bạn cần mang vào buổi họp lại khác: bạn có liệt kê trước được các bước hệ thống phải đi hay không.
08/10/2026
Triển khai
Debug khi không được vào production của khách: tìm lỗi bằng log, mẫu dữ liệu và bản tái hiện
Khi bạn là người duy nhất nhìn thấy hệ thống đang chạy, kỹ năng quý nhất là biến những gì mình thấy thành một bản tái hiện mà người ở xa chạy được ngay.
08/10/2026
Đo lường
Thực hành: viết bộ eval 50 mẫu cho trợ lý hỏi đáp bằng Python
Năm mươi câu hỏi lấy từ lỗi thật, chấm đúng/sai bằng pytest và một LLM judge đã đối chiếu với nhãn chấm tay: đủ để biến cảm giác "có vẻ ổn hơn" thành một con số cả đội cùng tin.
08/10/2026
Dẫn dắt
Từ bản vá cho một khách đến tính năng chung: FDE phản hồi cho đội product thế nào
Đoạn code bạn viết vội ở chỗ khách có thể chết cùng dự án đó, hoặc thành tính năng cho hàng trăm khách khác. Kết cục nào xảy ra phụ thuộc vào cách bạn ghi lại và chuyển nó về cho đội product.
08/10/2026
Dẫn dắt
Dẫn dắt kỹ thuật tại khách hàng khi không ai báo cáo cho bạn
Ở site khách hàng, FDE phải thuyết phục một đội kỹ sư không thuộc quyền mình đổi hệ thống của chính họ, và chức danh không giúp được gì trong việc đó.
08/10/2026
PalantirTriển khai
Sự cố production tại khách hàng: phân vai trước, sửa sau, viết postmortem để không lặp lại
Khi hệ thống bạn deploy hỏng ngay trên hạ tầng của khách hàng, 60 phút đầu cần một người điều phối hơn là thêm một người đọc log.
08/10/2026
Kỹ thuật rộng
API và webhook cho FDE: viết tích hợp như thể mọi thứ sẽ được gửi hai lần
Lỗi đắt nhất của một tích hợp doanh nghiệp thường không làm sập hệ thống: nó lặng lẽ trừ tiền khách hai lần, hoặc bỏ sót một sự kiện mà không ai hay.
08/10/2026
Nền tảng
Python và SQL cho FDE: đếm khóa, kiểm tra JOIN rồi mới tin số liệu
Ngày đầu ở site khách hàng, câu SQL đầu tiên bạn viết có thể chạy đúng cú pháp mà vẫn trả về con số sai, và người phát hiện ra đầu tiên lại là khách hàng.
08/10/2026
Khách hàng
Một deployment, bốn kiểu người nghe: FDE làm việc với kỹ thuật, nghiệp vụ và lãnh đạo khách hàng thế nào
CTO, kế toán trưởng, CFO và nhân viên ngồi trước màn hình cùng nhìn một hệ thống nhưng mỗi người hỏi một câu khác nhau. FDE nào chỉ trả lời được một câu thì deployment sẽ dừng ở bản demo.
08/10/2026
Triển khai
Viết tài liệu bàn giao để khách tự vận hành mà không cần gọi lại FDE
Hệ thống bạn dựng có sống được sau khi bạn rời dự án hay không thường phụ thuộc vào vài trang giấy bạn viết vội trong tuần cuối.
08/10/2026
Triển khai
Từ POC lên production: vì sao nhiều dự án AI dừng lại ở buổi demo
Phần lớn công sức của một dự án AI nằm ở những việc diễn ra sau khi khách hàng vỗ tay ở buổi demo, và FDE thường là người phải gánh phần ấy.
08/10/2026
Đo lường
Đo ROI cho khách hàng: đếm việc đạt chuẩn, trừ công kiểm tra và sửa lỗi
Khi CFO của khách hàng hỏi dự án có đáng tiền không, câu "người dùng thấy nhanh hơn" sẽ không thuyết phục được ai.
08/10/2026
Khách hàng
Chốt phạm vi dự án FDE: ba phép thử tách scope creep khỏi discovery
Gật đầu với mọi yêu cầu thì dự án mất biên lợi nhuận, từ chối mọi yêu cầu thì mất luôn lý do khách chọn bạn, nên kỹ năng thật nằm ở chỗ biết yêu cầu nào thuộc loại nào.
08/10/2026
Triển khai
On-prem, VPC hay SaaS: FDE phải vẽ được bản đồ “cái gì chạy ở đâu”
Khi khách hỏi “chạy được trong VPC của chúng tôi không?”, họ cần biết control plane, compute và dữ liệu sẽ nằm ở đâu, nên một chữ “có” là chưa đủ.
08/10/2026
Triển khai
Cấp quyền cho AI agent trong hạ tầng khách hàng: bắt đầu từ việc agent không được làm gì
Ngày đầu trên site khách hàng, ai cũng muốn agent làm được thật nhiều việc. Kỹ năng đáng tiền nằm ở chỗ khác: biết cắt quyền nào để một ticket chứa chỉ thị độc không biến thành sự cố rò rỉ dữ liệu.
08/10/2026
Đo lường
Observability cho hệ thống LLM: trace từng request, kiểm soát log và đối soát chi phí
Khách hỏi vì sao hóa đơn tuần này tăng vọt. Bạn chỉ trả lời được nếu mỗi lần gọi model đều để lại một span ghi token, tên tính năng và tên khách hàng.
08/10/2026
AI ứng dụng
Tool calling: mô hình chỉ đề xuất, còn code của bạn mới thực thi
Khi agent “tự hoàn tiền” trong buổi demo, thứ thực sự cầm tiền của khách hàng là đoạn vòng lặp vài chục dòng do FDE viết, chứ không phải mô hình.
08/10/2026
AI ứng dụng
Khoan dựng RAG: đếm token trước, đo Recall@k sau
Khi khách hàng gửi một thư mục PDF và đòi một chatbot, việc đầu tiên nên làm là đếm token, chưa phải chọn vector database.
08/10/2026
AI ứng dụng
Sau go-live, bộ eval thật của agent nằm trong trace của khách hàng
Bộ test xanh trước ngày ra mắt chỉ cho biết agent làm đúng những gì bạn đoán người dùng sẽ hỏi. Còn những gì người dùng thật sự hỏi thì nằm trong trace.
08/10/2026
Sự nghiệp
Ôn thuật toán chỉ chuẩn bị cho một vòng trong loop phỏng vấn FDE
Ở vòng quyết định, người phỏng vấn không đưa đề có input và output rõ ràng. Họ đưa một mục tiêu kinh doanh mơ hồ, rồi ngồi nghe bạn suy nghĩ thành tiếng.
08/10/2026
DatabricksTriển khai
Nối dữ liệu khách hàng là việc chính của FDE, không phải việc lặt vặt trước khi “làm thật”
Mô hình tốt đến đâu cũng đứng im nếu mã thiết bị ở hai hệ thống không khớp nhau, và người gỡ nút thắt đó thường là FDE.
08/10/2026
Kỹ thuật rộng
Nhà tuyển dụng FDE tìm gì: code là ngưỡng, giao tiếp với khách hàng là thước đo
Code là điều kiện bắt buộc để làm FDE, nhưng khi ứng viên đã qua ngưỡng đó, khả năng giao tiếp và thuyết phục khách hàng mới là thứ phân định ai được chọn.
08/10/2026
AI ứng dụng
Từ câu "con bot trả lời dở quá" đến một bộ eval: biến lời phàn nàn thành thước đo
Khách hàng không bao giờ đưa bạn một metric, họ chỉ đưa một lời phàn nàn, và việc của FDE là biến lời phàn nàn đó thành phép đo cả hai bên cùng ký vào.
08/10/2026
Nền tảng
Why, what, how: tách một FDE engagement thành ba câu hỏi trước khi viết code
Databricks neo mỗi FDE engagement vào OKR chung với khách trước khi bắt tay xây, và một tấm brief một trang chia ba tầng giúp bạn khoá phần "what" theo cách tương tự.
08/10/2026
Nền tảng
Ngày làm việc của FDE chạy theo standup của khách, không chỉ của công ty bạn
FDE giỏi triage những gì khách gửi từ tối hôm trước rồi mới bước vào standup của khách, để cuộc họp đó chốt được việc đáng làm nhất trong ngày.
08/10/2026
Khách hàng
Khách nói dashboard chậm, nhưng thứ họ thiếu là conversion: bài học discovery của FDE
Kevin B., FDE tại Rippling, gọi lời phàn nàn của khách là triệu chứng; việc của bạn là tìm ra căn bệnh trước khi viết dòng code đầu tiên.
08/10/2026
Nền tảng
Delta và Echo: vì sao Palantir giao việc triển khai cho hai vai, và cách một FDE tự đóng cả hai
Khi không có ai giữ vai Echo cho bạn, kỹ năng thật nằm ở chỗ biết lúc nào mình đang lắng nghe, lúc nào đang xây, và viết ra bản brief nối hai việc đó.
08/10/2026
Nền tảng
FDE và software engineer: cùng viết code, nhưng FDE sở hữu kết quả của một khách hàng
Khi code của bạn ship cho một khách hàng thay vì cho mọi người, cách bạn định nghĩa "xong", chọn giải pháp và nói chuyện mỗi ngày đều phải đổi.
08/10/2026
Nền tảng
FDE hay Solutions Architect: ai được commit vào production mới là ranh giới
Hai vai trò có thể vẽ cùng một sơ đồ, nhưng chỉ một người phải mở pull request vào repo của khách và đưa nó tới production ổn định.
08/10/2026
Nền tảng
Vì sao các phòng lab AI đang săn Forward Deployed Engineer
Trong 300 dự án AI doanh nghiệp mà MIT NANDA khảo sát, 95% không tạo ra lợi nhuận đo được, và OpenAI lẫn Anthropic đang trả lời bằng cách gửi kỹ sư thẳng tới văn phòng khách hàng.
08/10/2026
AI ứng dụng
Fine-tuning hay RAG: đừng chọn kỹ thuật, hãy chẩn đoán vấn đề
Với cùng một cặp kỹ thuật, một nghiên cứu cộng dồn được lợi ích còn một nghiên cứu khác ghi nhận mô hình kém đi. Với FDE, điều đó có nghĩa là phải phân loại lỗi và đo baseline trước khi chọn bất cứ thứ gì.
08/10/2026
AI ứng dụng
Deploy prompt bằng một label, và vì sao rollback có thể mất tới một phút
Khi prompt được version như code, chuyển label là deploy, eval chặn merge là test, còn kế hoạch rollback phải được viết trước khi sự cố xảy ra.
08/10/2026
Kỹ thuật rộng
Data lake, warehouse hay lakehouse: đọc đúng kiến trúc dữ liệu của khách trước khi viết pipeline ML đầu tiên
Câu "dữ liệu có hết trong warehouse rồi" thường chỉ đúng một nửa. FDE nào tin trọn câu đó có thể mất vài tuần mới phát hiện model của mình đang học từ một bảng dashboard.
08/10/2026