Xây dựng HATECH
Facebook dự án
Đăng nhập / Đăng ký

Tư duy và Phát triển

Không gian nghiên cứu và phát triển: thủy lực, địa kỹ thuật, tài nguyên nước, AI agent và các lĩnh vực kỹ thuật đang được phát triển liên tục.

Không gian làm việc chính, nơi tri thức được rèn giũa từ nguyên liệu thô thành sản phẩm có thể dùng được. Mỗi subfolder là một lĩnh vực nghiên cứu hoặc thực hành đang được phát triển liên tục.

Nghiên cứu và Phát triển (Tổng hợp): Chuyên mục tổng hợp 9 bài viết thuộc hai nhánh: AI Agent và Công cụ với cách thiết lập Claude Cowork, best practices Claude Code, thư viện học AI agent và viết sách trên GitHub; Data Science & Thuật toán với quy hoạch tuyến tính, mô phỏng MCMC, quá trình ngẫu nhiên trong tài chính và tư duy học coding thời đại AI.

  • AI Agent và Công cụ: Ghi chép thực chiến dùng AI trong quản lý dự án, kỹ thuật xây dựng và nghiên cứu: thiết lập Claude Cowork đúng cách, best practices Claude Code từ Anthropic, thư viện tài nguyên học xây dựng AI agent, và chiến lược viết sách dài hạn trên nền GitHub. Trọng tâm là cách dùng cụ thể, tiết kiệm chi phí và tránh các bẫy phổ biến, không phải lý thuyết AI.
    • Thiết lập và sử dụng Claude Cowork hiệu quả: Tổng hợp hướng dẫn mới nhất của Ruben Hassid (07/2026) sau khi tác giả thừa nhận sai lầm về files và folders. Cowork là nhiều phiên Claude chạy song song: đọc file, lập kế hoạch, phân phối việc cho các mini-Claude rồi tổng hợp kết quả. Bài trình bày cách dùng Skills và Projects đúng, trick AskUserQuestion và cách tiết kiệm tokens khi làm việc nhóm.
    • Thư viện AI agent: Danh sách tài nguyên học xây dựng AI agent gồm bốn nhóm: Video, Repo mã nguồn, Guide/Whitepaper và Sách, bao phủ lộ trình từ nền tảng LLM đến agentic AI production-grade. Nguồn từ Stanford, Anthropic, Google, OpenAI, Microsoft, kèm thực hành xây agent từ scratch và kết nối công cụ ngoài qua MCP.
    • Thực hành Claude code: Tổng hợp best practices chính thức từ Anthropic cho Claude Code, một agentic coding environment. Ràng buộc cốt lõi: context window đầy rất nhanh nên quản lý context là tài nguyên quan trọng nhất. Hướng dẫn cách cho Claude tự kiểm chứng qua check pass/fail, quy trình Explore-Plan-Code, viết CLAUDE.md hiệu quả, dùng subagent và scale với auto mode.
    • Viết sách trên nền GitHub: Khảo sát phương pháp dùng Git repository làm đơn vị làm việc cho viết sách và bản thảo dài hạn: repo thay workspace, Markdown làm định dạng chủ đạo, skills và agents đặt cùng nơi với bản thảo, GitHub Actions chạy khi máy đã tắt. Kèm đánh giá ưu nhược điểm, so sánh với các nền tảng hiện hành và lộ trình triển khai theo giai đoạn.
  • Data Science & Thuật toán: Quá trình học lại tư duy tính toán từ nền tảng kỹ sư xây dựng: quy hoạch tuyến tính (lý thuyết và ứng dụng lpsolve), mô phỏng ngẫu nhiên với MCMC và suy luận Bayes, 16 quá trình ngẫu nhiên trong định giá tài sản, cùng góc nhìn vì sao vẫn nên học coding trong thời đại AI. Ứng dụng vào quản lý dự án, rủi ro kết cấu và tài chính định lượng.
    • Quy hoạch Tuyến tính: Cơ sở toán học của quy hoạch tuyến tính: dạng chính tắc, lý thuyết đa diện lồi, lý thuyết đối ngẫu (weak/strong duality, complementary slackness) và so sánh ba thuật toán Simplex, Interior Point, Ellipsoid. Nội dung dựa trên các công bố gốc của Dantzig, Karmarkar và Khachiyan, làm nền tảng toán học cho phần ứng dụng lpsolve.
    • Giải thuật lpsolve và ứng dụng quy hoạch tuyến tính: Ba bài toán thực tế được mô hình hóa và giải bằng quy hoạch tuyến tính: quản lý sản xuất, vận chuyển và quản lý dự án theo CPM. Triển khai song song bằng Python (SciPy), R (lpSolveAPI), Octave (GLPK) và Julia (JuMP), kèm phân tích độ nhạy với shadow price và reduced cost phục vụ ra quyết định.
    • Markov Chain Monte Carlo (MCMC): Tổng quan chuỗi Markov, phương pháp Monte Carlo và suy luận Bayesian, dẫn đến các thuật toán lấy mẫu MCMC như Metropolis-Hastings, Gibbs Sampling và HMC/NUTS. Ứng dụng vào phân tích rủi ro tiến độ dự án (PERT/CPM), độ tin cậy kết cấu chịu tải trọng ngẫu nhiên và tối ưu danh mục đầu tư, kèm mô phỏng minh họa bằng Jupyter Notebook.
    • Toán ứng dụng cho tài chính: Tổng hợp nhanh từ thread PyQuant News về 16 quá trình ngẫu nhiên quan trọng nhất trong định giá tài sản: Brownian Motion, Geometric Brownian Motion, Poisson Process, Cauchy Process, Gamma Process và các biến thể. Đây là nền tảng toán học cho mô hình Black-Scholes, định giá quyền chọn và quản trị rủi ro định lượng.
    • Vì sao nên học coding: Bài "Đọc Chậm" của TS. Hồ Quốc Tuấn phản biện trào lưu "đừng học code": ngay cả khi AI thay thế nhiều việc lập trình, học coding vẫn rèn luyện tư duy phân tích, phân rã vấn đề, kỹ năng quản lý dự án và làm việc nhóm, tương tự việc vẫn cần học Toán dù đã có máy tính.

Liên hệ Tác giả để được tư vấn và hỗ trợ.