Lộ trình trở thành FDE
8 chặng, đi theo thứ tự hoặc bắt đầu từ chặng bạn còn yếu.
40 bài cốt lõi · khoảng 5 giờ đọc cho 8 chặng
Chưa rõ nghề này? Bắt đầu từ bài Forward Deployed Engineer là gì → · Muốn chuyển nghề? Lập kế hoạch chuyển sang FDE →
Nền tảng
Hiểu vai trò và cách FDE tạo ra giá trị.
Đích đến
Sau chặng này, bạn giải thích được FDE chịu trách nhiệm những gì mà software engineer hay solutions engineer không phải gánh, chủ động chuyển qua lại giữa tìm hiểu vấn đề của khách và bắt tay xây giải pháp, gói phạm vi dự án vào một bản brief ngắn có dòng "ngoài phạm vi", và xếp thứ tự các yêu cầu buổi sáng của khách theo việc ai đang bị chặn.
Bài cốt lõi · 5 bài · 37 phút
- 8 phút
- 7 phút
- 7 phút
- 7 phút
- 8 phút
Tự làm
Đọc đúng vai trò, rồi viết brief cho một dự án thật
- Mở một tin tuyển Solutions Engineer và một tin tuyển FDE, trả lời năm câu cho từng tin: vị trí báo cáo cho kỹ thuật hay kinh doanh, vào trước hay sau khi ký hợp đồng, code lên production hay dừng ở POC, ai trực khi hệ thống lỗi sau go-live, và lương có gắn với doanh số không.
- Chọn một dự án hoặc ticket bạn đang làm, viết brief bàn giao năm phần: người dùng, điểm nghẽn, cách họ đang xoay xở, quyết định họ muốn đưa ra sớm hơn, và bản prototype tối thiểu kèm ràng buộc.
- Chuyển nó thành brief dự án bảy dòng, bắt buộc có dòng "Ngoài phạm vi" và "Sau bàn giao".
- Trong ba buổi sáng, viết ghi chú phân loại P0/P1/P2 cho mọi yêu cầu đến từ tối hôm trước, xếp theo việc có ai bị chặn không, ai bị chặn, và cần ai quyết định để gỡ.
Đọc thêm trong chặng này (82)
- Bách khoaFDE Accenture làm để khách giữ lại, FDE Palantir làm cho sản phẩm công ty
- Bách khoaVì sao đếm log lỗi của khách sẽ sai nếu chưa chuẩn hoá
- Bách khoaViết client có kiểu cho API của khách mà test không cần mạng
- Bách khoaDịch vụ chạy ổn hôm nay vẫn có thể chết sau lần reboot đầu tiên
- Bách khoaMột codebase, nhiều khách hàng: cấu hình và secret phải nằm ở đâu
- Bách khoaBa byte vô hình làm hỏng file CSV của khách mà không báo lỗi
- Bách khoaScript báo 'Backup OK' mỗi đêm, đến ngày khôi phục thì file rỗng
- Bách khoaKhách hỏi FDE là ai: câu trả lời nên gói gọn trong một trang
- Bách khoaKhi hệ thống của khách sập, FDE sửa code còn TAM gọi cho khách
- Bách khoaKỹ sư triển khai dừng ở đâu, FDE bắt đầu từ đâu
- Bách khoaVì sao voice agent đã kết nối mà không ai nghe thấy gì
- Bách khoaMột parser viết trong hai ngày cho biết bạn là FDE hay consultant
- Bách khoaDòng hoàn tiền -3.50 qua mọi test viết tay mà vẫn bị đọc sai
- Bách khoaStaging của khách sập, bộ test của bạn vẫn phải chạy
- Bách khoaPyright tìm lỗi None trong repo của khách trước khi bạn chạy code
- Bách khoaForward Deployed Analyst, vai trò hỏi dữ liệu trả lời được gì trước
- Bách khoaVì sao FDE vẫn ở lại sau khi khách đã ký hợp đồng
- Bách khoaKhách đòi tính năng mới, FDE tự code hay chuyển cho PM?
- Bách khoaGhi API của khách một lần để CI vẫn xanh khi sandbox của họ sập
- Bách khoaMột bản ghi lỗi, Promise.all để dữ liệu của khách rơi vào vùng mù
- Bách khoaPython có mặt trong 66% tin tuyển FDE, gần gấp đôi kỹ năng thứ hai
- Bách khoaBatch 20.000 request LLM cần phanh, không cần chạy nhanh hơn
- Bách khoaScript chưa bàn giao được cho đến khi khách cài nó bằng một dòng lệnh
- Bách khoaVì sao pandas lặng lẽ làm hụt doanh thu trong file Excel bẩn của khách
- Bách khoaKhách chưa cấp dữ liệu, vẫn có demo thứ Sáu nhờ Python và Faker
- Bách khoaÔn thi FDE: DSA chỉ cần đủ, điểm nặng nằm ở vòng decomposition
- Bách khoaCâu SQL đầu tiên ở chỗ khách có thể chạy êm mà vẫn sai số
- Bách khoaChưa rõ why và what thì FDE đừng viết dòng code đầu tiên
- Bách khoaRanh giới giữa FDE và Solutions Architect nằm ở một commit
- Bách khoaVì sao các phòng lab AI đang săn Forward Deployed Engineer
- Công cụStreamlit cho bạn demo trong một buổi chiều, và ba dấu hiệu phải bỏ nó
- Công cụThiếu một dòng SQL, backend demo Supabase của FDE có thể hỏng
- Công cụThay Black bằng Ruff trên repo của khách mà không tạo PR nghìn dòng
- Công cụMở file CSV vài GB của khách mà laptop không đứng hình
- Công cụjq: lọc và định hình lại JSON từ API của khách ngay trong terminal
- Công cụBruno đưa collection API vào Git, không qua đám mây
- Công cụDữ liệu khách vừa gửi, truy vấn ngay trên laptop bằng DuckDB
- Công cụPipeline chạy trên laptop nhưng gãy ở máy khách, và uv sửa chỗ đó
- Sách & khoá họcNhận repo TypeScript của khách, đọc chương 14 của Matt Pocock trước
- Sách & khoá họcKhoá Python của Andrew Ng: hai module đáng giữ nếu bạn muốn làm FDE
- Sách & khoá họcSáu chương của Docker Deep Dive đủ để FDE chạy phần mềm ở máy khách
- Sách & khoá họcNăm tuần học bảo mật miễn phí trước khi vào hệ thống của khách
- Sách & khoá họcChương nào của Kurose và Ross giúp FDE gỡ lỗi mạng của khách
- Sách & khoá họcBảy chương của Automate the Boring Stuff dành cho việc ở site khách
- Sách & khoá họcKhoá bảo mật miễn phí FDE nên học trước khi chạm vào API của khách
- Sách & khoá họcSáu chữ cái giúp FDE thăm dò API của khách trước khi tích hợp
- Sách & khoá họcKhoá web miễn phí của Harvard lấp lỗ hổng JavaScript cho FDE Python
- Sách & khoá họcVì sao FDE nên đọc The Missing README không theo mục lục
- Sách & khoá họcĐọc Programming TypeScript từ chương 11 nếu bạn nhận repo Node của khách
- Sách & khoá họcCracking the Coding Interview dày 708 trang, ứng viên FDE cần ít hơn thế
- Sách & khoá họcCS50x miễn phí của Harvard bắt học C trước, và đó chính là điểm hay
- Sách & khoá họcKhoá Linux miễn phí nên học trước khi SSH vào máy chủ của khách
- Sách & khoá họcKhoá học 100 phút kéo kỹ sư từ khung chat sang code
- Sách & khoá họcCuốn sách 368 trang giúp bạn giảng LLM cho khách trên bảng trắng
- Sách & khoá họcGiáo trình thống kê từ 2013 dạy kỹ năng FDE hay bỏ qua nhất
- Sách & khoá họcCuốn sách miễn phí giúp FDE vững tay khi SSH vào máy chủ của khách
- Sách & khoá họcKhoá học miễn phí của Anthropic mà FDE nên dạy lại cho khách
- Sách & khoá họcĐọc Hands-On ML của Géron, FDE nên mở chương 2 trước
- Sách & khoá họcCuốn sách miễn phí giúp code tích hợp còn sửa được khi bạn rời đi
- Sách & khoá họcTrước khi sửa code Python của khách, hãy tìm khối except nuốt lỗi
- Sách & khoá họcGiáo trình mã nguồn mở giúp FDE quen Python đọc được backend Express
- Sách & khoá họcVì sao FDE không nên bỏ qua nửa sau của Python for Everybody
- Sách & khoá họcFluent Python chỉ có bốn chương mới, đúng loại code FDE gặp ở khách
- Sách & khoá họcThe Phoenix Project giải thích vì sao đội vận hành của khách chậm thế
- Sách & khoá họcFull Stack Open, khoá miễn phí cho stack mà FDE không được chọn
- Sách & khoá họcVì sao cuốn sách LLM với gần 300 hình vẽ hợp với nghề FDE
- Sách & khoá họcKhoá SQL miễn phí của Harvard cho database khách mà bạn không thiết kế
- Sách & khoá họcKhoá Machine Learning của Andrew Ng, đọc như bài chuẩn bị làm FDE
- Sách & khoá họcTuần học đáng giá nhất với FDE trong khoá Python miễn phí của Harvard
- Sách & khoá họcVì sao The Pragmatic Programmer hợp với FDE làm việc một mình ở khách
- Phân tíchn8n bán công cụ low-code, nhưng tuyển FDE phải biết viết backend thật
- Phân tíchAccenture có 1.000 FDE do Google đào tạo, nhưng không ai làm cho Google
- Phân tíchMột chức danh FDE, nhiều công việc: phần code dao động từ 30% đến 90%
- Phân tíchMastercard tuyển FDE để phục vụ chính các đội kỹ sư của mình
- Phân tíchKhi FDE thành dịch vụ cho thuê, ai trả lương sẽ quyết định công việc
- Phân tíchKhi nào FDE xây hào phòng thủ, khi nào chỉ là tư vấn đội lốt
- Phân tíchLàm FDE không cần bằng CS, nhưng có những yêu cầu không có chữ "hoặc"
- Phân tíchFDE lương trung vị $173,816, nhưng 68% vị trí bắt bạn đi công tác
- Phân tíchMột, bốn hay năm năm: tin tuyển dụng của Palantir, Anthropic và OpenAI cho biết quãng đường sang FDE dài bao lâu
- Phân tíchFDE gặp khách nhiều nhất, nhưng không tin tuyển nào bắt chịu doanh thu
- Phân tíchFDE hay sales engineer? Hãy hỏi ai bị gọi dậy lúc 2 giờ sáng
- Phân tíchCùng chức danh FDE, có vị trí không viết dòng production code nào
Kỹ thuật rộng
Tự xử lý từ dữ liệu, API đến hạ tầng.
Đích đến
Sau chặng này, bạn khám phá được dữ liệu PostgreSQL hoặc MongoDB của khách mà không làm nặng hệ thống production, khử trùng lặp bằng câu ROW_NUMBER cho cùng một kết quả ở mọi lần chạy, kiểm tra API của khách thực sự trả về gì bằng curl và Postman, kéo khối dữ liệu lớn qua API phân trang bằng Python có retry và checkpoint, và viết lệnh ghi API cũng như webhook handler chạy hai lần vẫn đúng.
Bài cốt lõi · 5 bài · 40 phút
- 7 phút
- 9 phút
- 6 phút
- 10 phút
- 8 phút
Tự làm
Kéo, khử trùng lặp và đối soát một bộ dữ liệu công khai
- Chọn một API công khai xác thực bằng token, gọi một endpoint bằng curl khi có và không có token, rồi dựng collection tạo/đọc/sửa/xoá trên Postman và chạy cả chuỗi bằng Collection Runner.
- Viết hàm pull_all() bằng Python với limit đặt rõ, retry khi gặp 429 và chỉ lưu cursor sau khi batch đã ghi xong xuống đĩa; tắt ngang giữa chừng, chạy lại, rồi kiểm tra số ID duy nhất có khớp số dòng đã ghi không.
- Nạp dữ liệu vào PostgreSQL trên máy, mở phiên phân tích bằng bốn dòng SET (chỉ đọc, cùng ba mức timeout cho câu lệnh, khoá và transaction bỏ treo), rồi thử một lệnh ghi để chắc nó bị từ chối.
- Khử trùng lặp bằng ROW_NUMBER() OVER (PARTITION BY khoá đã chuẩn hoá ORDER BY updated_at DESC NULLS LAST, id DESC), rồi đối chiếu số khoá khác nhau ở bảng gốc với số dòng còn lại sau khi lọc rn = 1.
Đọc thêm trong chặng này (125)
- Bách khoaVì sao doanh thu của khách bị nhân đôi sau một lệnh JOIN
- Bách khoaKiểm thử tích hợp AI: vì sao nên xây tầng rẻ nhất trước
- Bách khoaBản đồ HL7 v2 sang FHIR có sẵn, code chuyển đổi thì bạn tự viết
- Bách khoaChọn định dạng dữ liệu cho khách là chọn hợp đồng bạn phải giữ
- Bách khoaQuy tắc “mới nhất thắng” lặng lẽ ghi đè dữ liệu CRM của khách
- Bách khoaThêm Idempotency-Key để khách gọi lại POST không tạo đơn trùng
- Bách khoaKhách cấm cài broker? Dựng hàng đợi việc ngay trong Postgres
- Bách khoaVì sao chỉ ETag là chưa đủ để đồng bộ dữ liệu từ API của khách
- Bách khoaAPI bị khai tử vẫn chạy tiếp, và đó mới là cái bẫy
- Bách khoaMột file OpenAPI và môi trường staging đủ để tìm lỗi 500 trước go-live
- Bách khoaXử lý file vài GB của khách mà không làm sập tiến trình Node.js
- Bách khoaKhách trả tiền theo kết quả thì bộ đếm của bạn chính là hoá đơn
- Bách khoaAgent đúng 90% mỗi lần chỉ còn 43% khi phải đúng cả 8 lần
- Bách khoaKhi đồng bộ sang ERP hỏng giữa chừng, retry an toàn là phần khó nhất
- Bách khoaBa mươi trang của khách nói đúng hơn mọi bảng xếp hạng parser
- Bách khoaJob CSV chạy đêm sẽ chết lúc 2 giờ sáng, hãy để lần chạy lại vô hại
- Bách khoaBản tóm tắt hợp đồng không sai chữ nào vẫn có thể bỏ sót điều khoản
- Bách khoaVì sao parser EDI có thể đưa cho agent logistics một dòng thời gian sai
- Bách khoaDynamic Tables có đáng không? Dựng một pipeline Snowflake hai lần
- Bách khoaAccessDenied khi vào AWS của khách thường nằm ở sáu chỗ quen thuộc
- Bách khoaMột bảng Postgres sửa lỗi dual-write mà bản demo che giấu
- Bách khoaSchema strict vẫn để lọt refusal và JSON bị cắt giữa chừng
- Bách khoaỞ điện lực, GIS và SCADA lệch nhau thường không phải là bug
- Bách khoaHai agent ghi cùng một dòng, 50 credit biến mất mà không báo lỗi nào
- Bách khoaMột lần cấp Mail.Read là app đọc được mọi hộp thư trong tenant
- Bách khoaChép lại tuần trước có khi dự báo tốt hơn model của khách
- Bách khoaVoice agent biết dừng khi bị ngắt lời trên laptop chưa chứng minh gì
- Bách khoaDebezium đọc log của khách để bạn khỏi quét lại cả bảng
- Bách khoaỞ vòng system design của FDE, hệ thống legacy chính là đề bài
- Bách khoaVì sao thread lúc làm script Python nhanh hẳn, lúc chẳng đổi gì
- Bách khoaScript Python 100 dòng biến file OpenAPI của khách thành tool cho agent
- Bách khoaTự dựng bảng lương FDE từ Greenhouse, và đừng quên số tiền tính bằng cent
- Bách khoaTabPFN học từ 100 triệu bảng giả, không phải bảng của khách hàng bạn
- Bách khoaVới văn phòng luật, connector phải biết ai được xem hồ sơ nào
- Bách khoaVì sao báo cáo của khách lệch đúng một ngày
- Bách khoaĐọc dữ liệu Google Sheets của khách ngay ngày đầu, không chờ đội IT
- Bách khoaWidget AI chạy trên staging, thành ô trắng ở production của khách
- Bách khoaTừ Python sang TypeScript, FDE chỉ phải học ba thứ thật sự mới
- Bách khoaText-to-SQL chạy không lỗi vẫn có thể trả sai con số doanh thu
- Bách khoaPod restart liên tục mà log trống chưa phải là ngõ cụt
- Bách khoaNgân hàng đã lên ISO 20022 vẫn có thể đưa dữ liệu bẩn cho mô hình
- Bách khoaThiếu một mệnh đề WHERE, hệ thống RAG làm lộ dữ liệu giữa các khách
- Bách khoaDữ liệu bệnh viện đi hai đường, và agent của bạn phải chọn đúng
- Bách khoaCho agent thao tác trên web nội bộ không có API mà không giao nút Lưu
- Bách khoaVì sao “Nguyễn Thị Huệ” không bằng “Nguyễn Thị Huệ” khi join dữ liệu
- Bách khoaĐọc cụm Hadoop cũ ở ngân hàng thế nào để không làm sập nó
- Bách khoaMột thư mục Parquet trên S3 chưa phải là một bảng
- Bách khoaCâu hỏi doanh thu tưởng dễ làm khó database bán hàng của khách
- Bách khoaKhách đòi realtime, hãy hỏi dữ liệu đến muộn thì hỏng gì
- Bách khoaAgent trả lời sai, lỗi có thể nằm ở dữ liệu chứ không ở prompt
- Bách khoaKhách cần AI gắn nhãn ticket, không cần bạn vẽ lại kiến trúc
- Bách khoaVì sao câu truy vấn đầu tiên trên database của khách ra sai doanh thu
- Bách khoa"Chạy khá nhanh" không phải câu trả lời khi khách hỏi p99
- Bách khoaVì sao trợ lý AI vẫn báo đơn đã hủy là đang giao
- Bách khoaAPI của khách không phải REST? Hãy xin bản hợp đồng, đừng đọc hết tài liệu
- Bách khoaBa câu khách hỏi khi hệ thống chấm điểm thời gian thực gặp sự cố
- Bách khoaBa tuần code đổ bỏ vì một câu hỏi về nơi đặt dữ liệu
- Bách khoaChọn sai grant OAuth2, tích hợp chạy hôm nay nhưng sẽ gãy về sau
- Bách khoaModel chạy đẹp trong notebook vẫn chưa phải sản phẩm ở chỗ khách
- Bách khoaĐừng báo số node Spark trước khi đo dữ liệu thật của khách
- Bách khoaDemo React chạy được trên localhost mới đi được nửa đường
- Bách khoaKhi agent gọi lại API và một đơn hàng bị hoàn tiền hai lần
- Bách khoa“Auth có sẵn rồi” có thể là năm cơ chế hoàn toàn khác nhau
- Bách khoaDemo hỏng trong mạng khách dù code không đổi một dòng
- Bách khoaVài phút đầu trên máy chủ của khách bắt đầu bằng một dòng ssh -J
- Bách khoaCommit sai email làm khách mất niềm tin nhanh hơn một bug
- Bách khoaMột lần retry lúc 2 giờ sáng có thể nhân đôi dữ liệu của trợ lý AI
- Bách khoaChỉ biết Python vẫn đọc kịp code Go, Java hay Node.js của khách
- Bách khoaVì sao FDE nên viết hợp đồng API trước khi viết code
- Bách khoaVì sao tài khoản đọc thẳng database ERP là lối tắt đắt nhất của FDE
- Bách khoaCode giúp bạn qua vòng loại FDE, khách hàng quyết định ai được nhận
- Bách khoaKhi khách nói “có hết trong warehouse rồi”, hãy kiểm tra trước
- Công cụĐọc một flow Apache NiFi lạ ngay ngày đầu ở khách hàng
- Công cụThử SSO doanh nghiệp trên laptop trước khi gặp IT của khách
- Công cụBộ test API để lại cho khách có thể chỉ là vài file văn bản
- Công cụVì sao FDE nên sở hữu code giao diện thay vì cài thư viện UI
- Công cụAWS CDK giúp FDE dựng lại hạ tầng cho từng khách mà không chép tay
- Công cụKhách chưa cấp staging? Testcontainers cho bạn Postgres và Redis thật
- Công cụVì sao file SQL đã chạy ở môi trường khách thì không được sửa nữa
- Công cụNgười biết đáp án đúng lại không mở được notebook
- Công cụViết OAuth mất một buổi chiều, giữ connector sống mới là việc khó
- Công cụNotebook gửi khách không nên phụ thuộc vào thứ tự chạy cell
- Công cụỞ khách hàng dùng Workato, agent đầu tiên không cần tích hợp mới
- Công cụTích hợp ServiceNow ở khách lớn khó ở firewall, không phải ở code
- Công cụPrefect mua Dagster, nhưng lối nghĩ theo asset vẫn đáng giữ lại
- Công cụPipeline vẫn xanh trong khi dữ liệu của khách đã hỏng
- Công cụFirecrawl lấy tài liệu của khách cho agent, nhưng phạm vi là việc của bạn
- Công cụFile CSV của khách sẽ sai, hãy để pipeline từ chối nó ngay từ đầu
- Công cụNhiều demo RAG hỏng ngay từ file PDF, trước khi model được gọi
- Công cụQuên một phép chia, cảm biến 35°C hiện thành 350 trong buổi demo ở xưởng
- Công cụGọi API Tavily chỉ mất vài phút, sao Nebius vẫn cần FDE?
- Công cụDùng FastAPI biến model của khách thành API chạy được trong một buổi
- Công cụZod chặn dữ liệu sai từ API của khách trước khi agent dùng nó
- Công cụClaude Code lưu transcript repo của khách trên laptop bạn 30 ngày
- Công cụMetabase cài trong năm phút, rủi ro nằm ở những gì làm sau đó
- Công cụRetool giúp FDE kịp demo tuần đầu, nếu biết lúc nào phải bỏ nó
- Công cụDatabricks tuyển FDE bằng Spark, còn Genie đúng hay sai là do governance
- Công cụSai lầm đắt nhất tuần đầu của FDE là dùng nhầm bảng, không phải model
- Công cụAirbyte thay mớ script gom dữ liệu mà FDE hay viết vội ở chỗ khách
- Công cụTin tuyển FDSE của Palantir không nhắc tới Foundry lấy một lần
- Công cụVì sao câu SQL ở site khách cần git và test trước khi FDE bay về
- Sách & khoá họcLFS162: 12 giờ học để không lạc trong pipeline CI/CD của khách
- Sách & khoá họcCorey Ball và lỗi API mà FDE nên thấy trước đội bảo mật của khách
- Sách & khoá họcKhi Streamlit không đủ cho khách, khoá React miễn phí này lấp chỗ trống
- Sách & khoá họcHuy hiệu Postman Student Expert đã hết, CV FDE nên ghi gì thay vào
- Sách & khoá họcHợp đồng API sống lâu hơn demo, nên đọc API Design Patterns theo thứ tự này
- Sách & khoá họcCuốn sách Kubernetes 22 chương mà FDE không nên đọc từ trang đầu
- Sách & khoá họcFDE nên học gì trước trong khoá AWS 27 giờ của Maarek
- Sách & khoá học616 trang Building Microservices, FDE chỉ cần đọc kỹ năm chương
- Sách & khoá họcChứng chỉ AI Practitioner của AWS loại hẳn phần việc chính của FDE
- Sách & khoá họcCuốn sách dạy FDE gọi tên cái giá của mỗi lựa chọn kiến trúc
- Sách & khoá học76 phút để trả lời câu hỏi khách hay đặt nhất: có nên fine-tune không
- Sách & khoá họcLời than mơ hồ của khách thường che giấu một vòng phản hồi
- Sách & khoá họcĐọc Building LLMs for Production theo thứ tự khác mục lục
- Sách & khoá họcBộ test giúp khách dám sửa code của bạn sau khi bạn rời đi
- Sách & khoá họcCuốn sách thiết kế API mà người tích hợp được lợi nhiều nhất
- Sách & khoá họcChưa đầy 13 giờ học AWS để theo kịp đội IT của khách hàng
- Sách & khoá họcTheo cuốn sách năm 2004, phần lớn code FDE tiếp nhận đều là legacy
- Sách & khoá họcẤn bản 2 của DDIA theo chân dữ liệu từ ổ đĩa lên object store
- Sách & khoá họcVì sao số liệu quý trước tự đổi dù không ai sửa code
- Sách & khoá họcSau bốn năm, Joe Reis vẫn giữ gần nguyên cuốn sách data engineering
- Sách & khoá họcKhoá pipeline miễn phí có phần đáng học nhất ở ba tuần cuối
- Phân tíchLương FDE ở Tokyo chênh gần ba lần, nhưng cửa vào nằm ở chỗ khác
- Phân tíchVì sao số liệu lương FDE ở Ấn Độ chênh nhau hơn bốn lần
- Phân tíchTrần bench 35 ngày của TCS cho thấy FDE sẽ ra sao khi dự án kết thúc
AI ứng dụng
Dùng LLM và agent để giải bài toán thật.
Đích đến
Sau chặng này, bạn lần ra được vì sao LLM bịa câu trả lời qua những gì nằm trong context window và cách đặt tham số sampling, dựa vào số token để quyết định bộ tài liệu có cần RAG không và đo khâu truy xuất bằng Recall@k, tự viết vòng lặp agent có điều kiện dừng và trả lỗi của tool về cho mô hình, chọn giữa workflow và agent, và biến lời phàn nàn mơ hồ của khách thành bộ eval đạt/không đạt với ngưỡng được khách đồng ý.
Bài cốt lõi · 5 bài · 39 phút
- 8 phút
- 7 phút
- 9 phút
- 8 phút
- 7 phút
Tự làm
Trợ lý tài liệu đo được chất lượng
- Lấy một bộ tài liệu công khai, đếm token rồi so với context window của mô hình; nếu không vừa, chia chunk, sinh năm câu hỏi cho mỗi chunk và đo Recall@5, @10, @20 với BM25 làm mốc so sánh.
- Tự viết vòng lặp agent với một tool tra cứu, MAX_TURNS = 8, lỗi của tool trả về qua is_error, và in messages sau mỗi lượt.
- Chạy trên 20 đầu vào khác nhau, ghi lại chuỗi tool được gọi mỗi lần, rồi chuyển những đường đi lặp lại thành một nhánh workflow cố định.
- Viết 10 câu hỏi mà tài liệu không trả lời được và một tiêu chí đạt/không đạt cho nhóm lỗi lớn nhất, rồi đếm số lần hệ thống nói tài liệu không có thông tin.
Đọc thêm trong chặng này (141)
- Bách khoaMười request mỗi phút: kéo ticket Zendesk đủ sạch để dựng tập eval
- Bách khoaNgười dùng gõ không dấu, RAG tiếng Việt cần hai đường tìm song song
- Bách khoaChỉ một tên CTE là đủ qua mặt guard chỉ cho SELECT của agent text-to-SQL
- Bách khoaĐể LLM tự chấm và sửa thư, phần khó nhất là biết lúc dừng
- Bách khoaAgent có 80 tool chọn sai nhiều hơn: đừng nạp hết vào context
- Bách khoaMô hình trả lời đúng, test LLM vẫn đỏ
- Bách khoaBản demo RAG trơn tru cho đến khi giám đốc tài chính đặt câu hỏi
- Bách khoaMỗi lần gọi API chỉ chờ 30 giây, người dùng vẫn phải đợi 90 giây
- Bách khoaBật RLS rồi mà trợ lý AI vẫn đọc được tài liệu phòng nhân sự
- Bách khoaTool tải URL của agent là một proxy vào mạng nội bộ của khách
- Bách khoaMCP server bạn đã duyệt hôm qua có thể đổi mặt sau một bản cập nhật
- Bách khoaChỉ có OAuth, nhân viên nào đăng nhập cũng bảo được agent hoàn tiền
- Bách khoaVì sao agent mẫu của FDE nên cố ý để lại chỗ hỏng
- Bách khoaThực hành: làm sạch chuỗi email của khách trước khi đưa vào RAG
- Bách khoaVì sao chatbot RAG hỏng ở câu hỏi thứ ba, và cách chứng minh đã sửa
- Bách khoaThực hành: dựng agent đối chiếu ba chiều không có quyền chi tiền
- Bách khoaMười LLM đều hỏi thiếu, vậy hãy dựng agent biết hỏi lại khi mơ hồ
- Bách khoaDựng MCP server giả để thử agent khi tool hỏng, không cần mạng
- Bách khoaĐồng bộ RAG từ SharePoint dễ bỏ lỡ lúc khách rút quyền đọc
- Bách khoaKhi hai tài liệu của khách nói ngược nhau, RAG phải nêu cả hai nguồn
- Bách khoaMột lệnh gọi tool không phân trang lớn gấp 15 lần context của Claude Code
- Bách khoaĐổi embedding model là dựng lại index trong lúc khách vẫn search
- Bách khoaThực hành RAG Việt–Anh: đo cả lỗi trả lời sai ngôn ngữ
- Bách khoaVì sao RAG đạt faithfulness 0,94 vẫn có thể làm khách thất vọng
- Bách khoaGhép khách hàng trùng giữa CRM và ERP mà không làm hỏng đồ thị
- Bách khoaKhi nào agent phân loại ticket được tự tạo issue trên Jira?
- Bách khoaTài khoản admin giúp kịp demo lại khiến agent trượt review bảo mật
- Bách khoaGiám đốc mỗi người một ý, 5.000 ticket sẽ chọn use case AI đầu tiên
- Bách khoaChỉ mục RAG vẫn nhớ tài liệu khách đã gỡ từ tuần trước
- Bách khoaEmbedding không phân biệt được chính sách cũ và mới, ngày hiệu lực thì có
- Bách khoaDựng voice agent tra đơn hàng trên ElevenLabs trong một buổi tối
- Bách khoaVì sao RAG làm kỹ thuật viên ca đêm mất niềm tin, và cách sửa retrieval
- Bách khoaPredictive maintenance hiếm khi thất bại vì mô hình
- Bách khoaAgent hỏng ở chỗ khách vì quy trình nghiệp vụ bị đặt sai chỗ
- Bách khoaKhi JSON hợp lệ nhưng tổng tiền trên hoá đơn lại sai
- Bách khoaMCP nối tool, A2A nối agent, và khách hàng cần cả hai
- Bách khoaChỉ đổi thứ tự ví dụ few-shot, model có thể từ đoán mò thành gần SOTA
- Bách khoaCách tổ chức lời gọi đưa GPT-4 từ 4% lên 74% trên một bài đố
- Bách khoaSystem prompt nào trụ được khi phòng ban thứ hai xin dùng chung
- Bách khoaNúm temperature đang bị khóa dần, việc chỉnh tham số thì chưa
- Bách khoaKhi câu hỏi gian lận cần JOIN chồng JOIN, dữ liệu của khách là một mạng
- Bách khoaAgent hỏng giữa chừng trên ba hệ thống, rollback không cứu được bạn
- Bách khoaChưa có quyền vào CRM của khách? Dựng trước một bản giả lập bằng MCP
- Bách khoaMCP server của khách trả 401, lỗi thường nằm ở header chứ không ở agent
- Bách khoaVài chục token ngữ cảnh giảm 49% số lần truy xuất thất bại
- Bách khoaRAG vỡ trên tài liệu thật của khách, và lỗi thường không nằm ở model
- Bách khoaStream LLM ra giao diện, SSE trước rồi mới tới WebSocket
- Bách khoaVới bảng mười nghìn dòng, deep learning vẫn khó thắng mô hình cây
- Bách khoaVì sao agent quên việc ở bước 60, và compaction sửa thế nào
- Bách khoaDạy agent RAG tìm lại thay vì trả lời bừa
- Bách khoaĐừng bắt model lớn quyết định sau từng bước của agent
- Bách khoaAgent text-to-SQL đúng hay sai nằm ở định nghĩa dữ liệu của khách
- Bách khoarobots.txt không phải giấy phép cho agent đọc web của khách
- Bách khoaAgent gọi sai tool thường bắt đầu từ mấy dòng mô tả bạn viết
- Bách khoaTóm tắt cuộc gọi tổng đài tiếng Việt, model lại là phần dễ nhất
- Bách khoaModel card của Llama 3.1 có tiếng Thái nhưng không có tiếng Việt
- Bách khoaDùng vision model đọc ảnh hiện trường, biểu mẫu viết tay và video
- Bách khoaPhân loại ticket hỗ trợ bằng LoRA, chỉ huấn luyện 0,07% tham số
- Bách khoaMột tham số đủ làm hỏng demo Claude, hãy tự gọi API thô một lần
- Bách khoaĐể điểm eval, không phải cảm giác, quyết định khi nào prompt cần nặng hơn
- Bách khoaEmbedding không phân biệt được HD-2024-0153 với HD-2024-0135, BM25 thì có
- Bách khoaChọn embedding tiếng Việt bằng 50 câu hỏi thật, đừng tin leaderboard
- Bách khoaAgent trả lời sai ở site khách thường do thứ nó đọc, không phải prompt
- Bách khoaAgent quên quá nhanh hay nhớ quá dai đều chung một lỗi thiết kế
- Bách khoaMuốn biến SOP của khách thành prompt, hãy viết bộ test trước
- Bách khoaVới tool calling, mô hình chỉ đề xuất, code của bạn mới thực thi
- Bách khoaBộ eval thật của agent chỉ xuất hiện sau go-live, trong trace của khách
- Bách khoaFine-tuning giúp nhóm này nhưng làm hỏng nhóm kia, hãy chẩn đoán trước
- Bách khoaRollback prompt xong, khách vẫn có thể nhận bản lỗi thêm một phút
- Công cụTầng parse đắt gấp 25 lần: khi nào đáng trả cho PDF khó của khách
- Công cụKhách không đọc notebook, hãy đưa họ một bản demo Gradio
- Công cụArcade.dev muốn agent hành động bằng quyền của đúng người dùng
- Công cụLetta lưu mọi thứ, nhưng agent chỉ nhớ những gì nằm trong context
- Công cụThiết lập mặc định của Unstructured bỏ qua file đính kèm email
- Công cụChọn Mastra theo người sẽ bảo trì code, không theo bản demo
- Công cụGiới hạn 72 giờ offline quan trọng hơn mọi tính năng AI cho nhà máy
- Công cụKhách chưa chốt model, tool bạn viết vẫn phải sống sót
- Công cụPydantic AI chặn tool call sai trước khi nó chạm tới hệ thống khách
- Công cụn8n cho bạn demo trong một buổi chiều, khó là biết lúc nào phải rời đi
- Công cụAgent sập ở đơn thứ 120, Temporal giúp bạn khỏi làm lại 119 đơn trước
- Công cụDSPy biến bộ eval của khách thành cỗ máy tự tìm prompt
- Công cụAutoGen vào chế độ bảo trì, bài học cho FDE khi chọn framework agent
- Công cụVector database tốt nhất thường là hệ thống khách đang chạy sẵn
- Công cụỞ công ty khách hàng, câu hỏi khó nhất về agent là ai bấm nút duyệt
- Công cụJSON hợp lệ vẫn có thể sai schema, hãy gửi lỗi về cho model tự sửa
- Công cụMCP vượt 10.000 server và thay đổi cách FDE nối hệ thống của khách
- Sách & khoá họcKhoá eval của W&B dạy dựng LLM judge, nhưng judge vẫn cần người chấm
- Sách & khoá họcHai bài có code đáng học nhất trong khoá browser agent 65 phút
- Sách & khoá họcĐịnh dạng skill mang đi được, việc triển khai thì không
- Sách & khoá họcKhoá guardrails dài 1 giờ 42 phút dạy FDE điều gì, và còn thiếu gì
- Sách & khoá họcKhoá computer use của Anthropic để computer use vào 10 phút cuối
- Sách & khoá học16 prompt pattern của Vanderbilt dạy cho chat, không phải cho pipeline
- Sách & khoá họcHọc xong khoá Claude with Amazon Bedrock, đừng vội hứa với khách AWS
- Sách & khoá họcKhi kho dữ liệu của khách toàn ảnh hoá đơn, RAG chỉ đọc chữ sẽ mù
- Sách & khoá họcKhoá GraphRAG của Neo4j dạy cách làm, blog của Neo4j dạy khi nào đừng làm
- Sách & khoá họcKhoá agent skills của Anthropic bỏ qua câu khách hàng sẽ hỏi
- Sách & khoá họcKhoá MCP của Anthropic dừng lại đúng chỗ đặc tả bắt đầu khắt khe
- Sách & khoá họcKhoá red teaming của Giskard cũ ở phần code, không cũ ở tư duy
- Sách & khoá họcKhoá LLMOps dựng trên GCP, nhưng bài học mang sang cloud khác được
- Sách & khoá họcKhoá MCP đã cũ so với spec, nhưng vẫn đáng hai tiếng của FDE
- Sách & khoá họcCode agent của Hugging Face mặc định chạy code LLM ngay trên máy bạn
- Sách & khoá họcKhoá LangGraph giúp hiểu vì sao agent quên lời sửa của khách
- Sách & khoá học19 phút đáng giá nhất trong khoá Building Systems with the ChatGPT API
- Sách & khoá họcBa tiếng học crewAI dạy bạn chia việc cho agent, chưa dạy production
- Sách & khoá họcChín phút đáng giá nhất của khoá function calling với FDE
- Sách & khoá họcSmol Course dạy cách chứng minh model đã tinh chỉnh làm đúng việc của khách
- Sách & khoá họcKhoá agentic RAG 54 phút, đáng học vì tư duy chứ không vì code
- Sách & khoá họcChatbot của khách trả lời sai, có khi model chỉ tóm tắt nhầm tài liệu
- Sách & khoá họcKhoá RAG đáng học vì phần đánh giá, không phải phần dựng pipeline
- Sách & khoá họcPrompt thật là đầu ra của một chương trình, không phải câu lệnh khéo
- Sách & khoá họcHọc khoá Agent Memory của Oracle, rồi thay database của Oracle đi
- Sách & khoá họcSách về agent của Albada dày 354 trang, FDE chỉ cần đọc kỹ một nửa
- Sách & khoá họcKhoá RAG của DeepLearning.AI để phần đáng học nhất ở cuối
- Sách & khoá họcKhoá agent miễn phí của Microsoft có 18 bài, FDE chỉ cần học kỹ 5
- Sách & khoá họcFDE nên học kỹ ngày nào trong khoá agent 5 ngày của Google
- Sách & khoá họcLời khuyên sống lâu nhất của một khoá LLM năm 2023 là lưu prompt trong Git
- Sách & khoá họcKhoá học fine-tuning đáng giá nhất ở phần trước khi train
- Sách & khoá họcKhoá LangGraph 102 phút trả lời hai câu khách hỏi đầu tiên
- Sách & khoá họcChatbot RAG trả lời sai thì Jason Liu bảo sửa retrieval trước
- Sách & khoá họcĐề thi GenAI của Databricks dồn 23/45 câu vào dựng và triển khai app
- Sách & khoá họcTrong khoá MCP miễn phí của Hugging Face, chỉ Unit 3 giống việc FDE
- Sách & khoá họcTrong khoá Agentic AI của Berkeley, bài FDE cần xem nhất là của Sierra
- Sách & khoá họcKhoá LLM miễn phí của Hugging Face dạy FDE để fine-tune sau cùng
- Sách & khoá họcVì sao FDE không train model vẫn nên tự viết GPT từ con số không
- Sách & khoá họcKhoá deep learning miễn phí mở đầu bằng mô hình chứ không bằng toán
- Sách & khoá họcKhoá Claude miễn phí của Anthropic không dạy 25-50% việc onsite của FDE
- Sách & khoá họcKhoá RAG miễn phí không dừng lại ở buổi demo
- Sách & khoá họcKhoá học LLM ra mắt năm 2023 vẫn giữ được bài học đáng giá nhất
- Sách & khoá họcBài học đáng giá nhất trong khoá agentic AI của Andrew Ng là eval
- Sách & khoá họcFDE nên mở sách của Chip Huyen từ chương 3, không phải trang đầu
- Sách & khoá họcAI Engineering của Chip Huyen ít code, và đó là lý do FDE nên đọc
- Sách & khoá họcỞ khoá agent của Hugging Face, chỉ cần đạt 30% bài thật là qua
- Phân tíchVì sao FDE nên học eval trước khi học fine-tuning
- Phân tíchDigital twin hay AI agent là câu hỏi sai với nhà máy
- Phân tíchQuảng cáo AI của Coca-Cola đạt điểm tối đa mà công chúng vẫn quay lưng
- Phân tíchHợp đồng của khách có thể tắt tracing của OpenAI Agents SDK
- Phân tíchCửa sổ ngữ cảnh chứa 5.000 trang, nhưng quá 500 trang vẫn cần RAG
- Phân tíchKhách trả tiền cho reasoning token mà họ không bao giờ đọc được
- Phân tíchỞ công ty khách, compliance chọn model chứ không phải bảng xếp hạng
- Phân tíchMulti-agent: song song hóa việc đọc, giữ việc ghi ở một luồng
- Phân tíchKhi agent viết code thay, FDE được trả tiền để định nghĩa và phán xét
Khách hàng
Tìm ra vấn đề thật và giao tiếp rõ ràng.
Đích đến
Sau chặng này, bạn coi yêu cầu của khách là một giả thuyết cần kiểm chứng, lập kế hoạch discovery trên một trang với sơ đồ các bên liên quan có cả người hoài nghi, phỏng vấn người dùng về lần gần nhất họ làm việc đó thay vì hỏi họ muốn gì, quan sát công việc thật mà không cắt ngang, biến đòi hỏi "lúc nào cũng phải đúng" thành tiêu chí nghiệm thu có ngưỡng được khách ký, và viết design doc có mục những việc không làm để kỹ sư phía khách duyệt trước khi bạn viết code.
Bài cốt lõi · 5 bài · 38 phút
- 6 phút
- 8 phút
- 8 phút
- 8 phút
- 8 phút
Tự làm
Từ yêu cầu một dòng đến design doc được duyệt
- Chọn một quy trình ở công ty bạn hoặc ở một doanh nghiệp bạn hiểu rõ, viết kế hoạch discovery một trang, có người hoài nghi trên sơ đồ các bên liên quan và để trống dòng định nghĩa thành công.
- Phỏng vấn một người dùng 20 phút về lần gần nhất họ làm việc đó, rồi ngồi cạnh họ hai tiếng với bảng ghi chép bốn cột, để dành câu hỏi đến giờ họ nghỉ.
- Điền dòng thành công theo mẫu "[ai] giảm [X] từ [Y] xuống [N], đo bằng [cách nào]", và viết lại mỗi yêu cầu mơ hồ thành tiêu chí có ngưỡng, cỡ mẫu và cách đo.
- Viết design doc hai trang có ít nhất ba việc không làm và so sánh đánh đổi giữa hai phương án; gửi một người đọc trước, rồi mới gửi cả nhóm kèm hạn góp ý cách ít nhất hai ngày làm việc.
Đọc thêm trong chặng này (83)
- Bách khoaKế hoạch go-live thường chết ở cột việc của phía khách
- Bách khoaAi được gửi việc cho FDE, và khi nào trả việc cho đội product
- Bách khoaCùng một hệ thống, vì sao FDE phải giải thích theo hai cách
- Bách khoaViết RFC thế nào để CAB của khách không chặn deploy phút chót
- Bách khoaKhách hỏi tính năng bao giờ có, FDE được hứa đến đâu?
- Bách khoaShadow AI ở khách hàng là bản yêu cầu, đừng xử như một vụ án
- Bách khoaKhách hỏi 'tự xây hay mua?', câu trả lời đúng thường là cả hai
- Bách khoaTiếp quản dự án nhà thầu bỏ dở: tuần đầu chưa vội sửa code
- Bách khoa45 phút lập RACI và bản đồ stakeholder trước dòng code đầu tiên
- Bách khoaPrompt và eval bạn viết cho khách thực ra thuộc về ai?
- Bách khoaKhách đã trả tiền Copilot rồi, đừng cãi chuyện model nào giỏi hơn
- Bách khoaKhi CTO của khách bác kiến trúc AI, đừng giải thích lại lần nữa
- Bách khoaPhỏng vấn FDE cộng điểm khi bạn nói to rằng đã đoán sai
- Bách khoaVòng phỏng vấn FDE ứng viên hay xem nhẹ lại được Distyl coi trọng nhất
- Bách khoaDemo 30 phút mỗi tuần để không bị bất ngờ ở tuần thứ tám
- Bách khoaChốt nghĩa của "đơn hoàn thành" trước khi viết dòng SQL đầu tiên
- Bách khoaKhách im lặng sau demo thường đã được định đoạt trước khi họp xong
- Bách khoaỞ AssemblyAI, FDE canh lúc usage tăng vọt rồi im bặt
- Bách khoaKhách hỏi thêm use case mới, và người trả lời đầu tiên là FDE
- Bách khoaAgent AML được go-live khi bên tuân thủ ký, không phải khi demo chạy
- Bách khoaKhi dữ liệu chỉ ra lỗi nằm ở bước duyệt do chính khách thiết kế
- Bách khoaPilot AI trả phí hay miễn phí: ba điều FDE phải chốt trước ngày đầu tiên
- Bách khoaBiến việc khách chậm cấp quyền thành quyết định của sponsor
- Bách khoaDemo hỏng chỉ mất một luồng, hoảng loạn mất cả buổi họp
- Bách khoaKiến trúc sư của khách bảo sẽ sập, hãy mời họ cùng load test
- Bách khoaPhỏng vấn FDE chấm chuyện tin xấu ở những gì bạn làm sau đó
- Bách khoaKhách thứ ba gặp cùng một lỗi thì hãy sửa nền tảng, đừng sửa cho khách
- Bách khoaDashboard chạy tốt không có nghĩa dữ liệu của khách đã sẵn sàng cho AI
- Bách khoaOutreach muốn FDE hiểu quy trình bán hàng trước khi viết prompt
- Bách khoaMột câu hỏi lại bị bỏ qua có thể khiến FDE làm sai hai tuần
- Bách khoaChuẩn bị business review ngược từ quyết định bạn cần khách đưa ra
- Bách khoaPhần lớn deployment thắng hay thua ngay từ buổi workshop discovery
- Bách khoaKhách nhờ “thêm một chút”, FDE hãy đọc lại SOW trước khi gật đầu
- Bách khoaChạy UAT cho tính năng AI khi không có một đáp án đúng duy nhất
- Bách khoaVì sao README dài không cứu được một cuộc bàn giao FDE
- Bách khoaKhách gửi thẳng lên CEO? Báo tin trước khi mở log
- Bách khoaNgười khen demo nhiều nhất chưa chắc sẽ bảo vệ dự án khi bị cắt ngân sách
- Bách khoaEmail từ pháp chế có thể dừng một pipeline đang chạy ổn
- Bách khoaNói “không” với một thiết kế sai mà khách vẫn ngồi lại bàn tiếp
- Bách khoaVì sao thí điểm AI vẫn hỏng dù mô hình chạy tốt
- Bách khoaSáu tuần pilot được định đoạt trong 10 phút với lãnh đạo khách hàng
- Bách khoaVì sao tuần đầu ở chỗ khách, FDE chưa nên viết code
- Bách khoaSponsor phía khách nghỉ việc, code vẫn chạy nhưng dự án thì chưa chắc
- Bách khoaHỏi năm người dữ liệu nằm ở đâu, nhận về năm câu trả lời
- Bách khoaAUC đẹp đến đâu, model cho vay vẫn nợ khách một lý do bị từ chối
- Bách khoaThứ CFO cần để duyệt pilot AI là một trang giấy, không phải model
- Bách khoaMười giây sau buổi demo AI quyết định cả dự án với khách
- Bách khoaSáu tuần để FDE mới chứng minh giá trị thực ra chỉ còn khoảng bốn
- Bách khoaHệ số "4,54 lần" có thể đẩy báo giá token tiếng Việt lên gấp ba
- Bách khoaDự án trễ vì quyết định còn treo, báo cáo tuần là nơi gỡ nút
- Bách khoaPilot chạy tốt vẫn có thể chết sau một câu hỏi của phòng tài chính
- Bách khoaTự động hoá theo quy trình trên giấy là tự động hoá sai quy trình
- Bách khoaBốn người phía khách hàng, bốn câu hỏi khác nhau dành cho FDE
- Bách khoaScope creep hay discovery? Ba phép thử cho mỗi yêu cầu mới của khách
- Bách khoaKhách kêu dashboard chậm, nhưng vấn đề hiếm khi nằm ở độ trễ
- Công cụChốt ưu tiên với khách trong một buổi Miro
- Công cụNăm phút video Loom thay cho cuộc họp nửa đêm với khách
- Sách & khoá họcShape Up và câu hỏi FDE nên hỏi khách trước mọi ước lượng
- Sách & khoá họcSáu giờ design thinking giúp FDE khỏi xây sai thứ khách cần
- Sách & khoá họcPhần mềm nhà nước hỏng ở đúng khoảng trống FDE được trả tiền để lấp
- Sách & khoá họcKhoá startup miễn phí của Steve Blank cũng là cẩm nang discovery cho FDE
- Sách & khoá họcCuốn sách không dạy thuật toán mà FDE nên đọc trước sách ML
- Sách & khoá họcViết cho đội product, cuốn sách này nhắc FDE gặp người dùng mỗi tuần
- Sách & khoá họcWorking Backwards: viết thông cáo báo chí trước dòng code đầu tiên
- Sách & khoá họcMade to Stick: vì sao lãnh đạo khách quên con số đẹp nhất của bạn
- Sách & khoá họcKhi ba phòng ban của khách hiểu "đơn hàng" theo ba kiểu
- Sách & khoá họcVì sao câu hỏi lịch sự với khách chỉ mang về một chữ "có"
- Sách & khoá họcVì sao người dùng hiểu hệ thống mới mà vẫn quay về cách cũ
- Sách & khoá họcKhoá học Yale của Robert Shiller dạy FDE nói được ngôn ngữ ngân hàng
- Sách & khoá họcCâu bị động khiến chứng chỉ SSL không ai gia hạn
- Sách & khoá họcCuốn sách bán hàng năm 1988 dạy FDE tìm vấn đề khách chịu trả tiền
- Sách & khoá họcCâu hỏi của Clayton Christensen mà FDE nên đặt trước mỗi buổi discovery
- Sách & khoá họcFDE nên viết theo kim tự tháp Minto khi gửi lãnh đạo khách hàng
- Sách & khoá họcDemo chạy tốt mà cả phòng im lặng thì hãy đọc Peter Block
- Sách & khoá họcKhi khách Mỹ khen ba câu, điều họ thật sự muốn nói nằm ở vế sau
- Sách & khoá họcCựu đàm phán viên FBI dạy FDE cách giữ phạm vi dự án
- Sách & khoá họcCuốn sách năm 2002 FDE cần khi buổi họp với khách sắp hỏng
- Sách & khoá họcKhách khen ý tưởng của bạn, đó mới là tin xấu
- Phân tíchKhi tin tuyển FDE đòi "viết giỏi", bạn chứng minh bằng gì?
- Phân tíchKhách muốn một nhân viên AI, còn FDE giao được một agent
- Phân tíchChọn data mesh hay fabric là đọc sơ đồ tổ chức, không phải chọn stack
- Phân tíchKlarna quay lại với con người, điều danh sách use case AI bỏ sót
- Phân tíchHầu hết FDE phải ở chỗ khách từ một phần tư đến nửa thời gian
Triển khai
Đưa giải pháp vào vận hành với dữ liệu thật.
Đích đến
Sau chặng này, bạn nối được các nguồn dữ liệu đặt tên lệch nhau của khách và báo được tỉ lệ khớp sau đối chiếu, dựng được pipeline hằng ngày chạy lại hay nạp bù bao nhiêu lần cũng không trùng dữ liệu, điều phối được một đêm cutover có kế hoạch rollback đã diễn tập, đặt được SLO kèm error budget, và chỉ huy được một sự cố cho đến bản postmortem không đổ lỗi.
Bài cốt lõi · 5 bài · 39 phút
- 7 phút
- 8 phút
- 8 phút
- Sách & khoá họcLời hứa uptime mà FDE không bao giờ nên đưa ra với khách7 phút
- 9 phút
Tự làm
Pipeline chạy lại an toàn và runbook go-live
- Chọn hai bộ dữ liệu công khai gọi cùng một đối tượng bằng tên khác nhau, chuẩn hoá cả hai về một khoá chung, xuất các dòng không khớp ra file ngoại lệ và in tỉ lệ khớp sau mỗi lần chạy.
- Nạp dữ liệu đã nối vào bảng đích bằng MERGE theo khoá nghiệp vụ, mỗi lần chạy một ngày, rồi chạy lại đúng ngày đó và kiểm tra rằng truy vấn tìm bản ghi trùng không trả về dòng nào.
- Viết runbook cutover dạng bảng (giờ, việc, người phụ trách, điểm quyết định) với ba điều kiện đối chiếu và một ngưỡng kích hoạt rollback, rồi bấm giờ một lần khôi phục từ bản sao lưu.
- Đặt một SLI và một SLO nới lỏng cho pipeline, tính error budget cho bốn tuần, rồi cố tình làm hỏng pipeline và viết một bản postmortem một trang không đổ lỗi cho ai.
Đọc thêm trong chặng này (168)
- Bách khoaChuyến đầu đến site khách có thể hỏng chỉ vì thiếu một quyền truy cập
- Bách khoaPhát lại request thật bằng GoReplay: replay chạy xong vẫn chưa đủ
- Bách khoaKhách hỏi dữ liệu xử lý ở đâu? Region lưu trữ chưa trả lời được
- Bách khoaHợp đồng kết thúc, ai quyết định xoá hay trả lại dữ liệu của khách?
- Bách khoaLập bản đồ egress trước khi IT của khách hỏi cổng 80 để làm gì
- Bách khoaBản ghi lỗi của khách đi đâu khi pipeline không được phép dừng
- Bách khoaMột bản vá cho một khách có thể làm hỏng ba khách khác
- Bách khoaMột file khách gửi sinh nhiều bản sao, mỗi bản một người xoá
- Bách khoaPipeline báo xanh chưa chắc bản cài ở chỗ khách đã chạy
- Bách khoaKhách không có Kubernetes, Docker Compose vẫn tự rollback bản lỗi
- Bách khoaKhi khách hỏi "bản giao có gì", SBOM phải trả lời thay bạn
- Bách khoaViết script preflight để máy khách nói thật trước khi bạn cài
- Bách khoaMật khẩu Postgres chỉ sống một giờ với Vault AppRole
- Bách khoaĐừng sửa cột cũ: đổi schema của khách mà không dừng hệ thống
- Bách khoaKiểm toán viên không đọc code, họ lần theo một quyết định của AI
- Bách khoaĐưa phần mềm vào máy chủ của khách mà vẫn thấy được nó chạy
- Bách khoaRobot không biết nói, nên kỹ sư hiện trường ở Monumental phải nói thay
- Bách khoaỞ Ema, người dựng demo cũng là người đưa nó lên production
- Bách khoaAGENTS.md chỉ nhắc agent tránh xa, muốn chặn thật phải có hook
- Bách khoaAgent sửa nhầm CRM của khách thì không có nút hoàn tác
- Bách khoaCùng chức danh FDE, Together AI tuyển cho ba công việc rất khác nhau
- Bách khoaỞ Clay, phần khó nhất của enrichment là ghi ngược vào CRM của khách
- Bách khoaRobot trong kho làm rơi hộp, đoán bừa là mất hai ngày
- Bách khoaVì sao benchmark vLLM mặc định cho ra con số đẹp mà sai
- Bách khoaSnowConvert deploy không lỗi lại là lúc migration dễ hỏng nhất
- Bách khoaLỗi production đầu tiên của agent thử thách FDE nhiều hơn model
- Bách khoaLàm FDE cho Lầu Năm Góc, hỏi impact level trước khi viết code
- Bách khoaBuổi họp 30 phút khiến khách nói ra điều họ giấu trước go-live
- Bách khoaBáo gì cho khách khi sự cố chưa rõ nguyên nhân
- Bách khoaRunbook không cứu được sự cố đầu tiên sau khi FDE rời khách
- Bách khoaHPE bán "AI trong một chiếc hộp", việc của FDE bắt đầu khi hộp đến nơi
- Bách khoa“Nhóm sẽ phản hồi sớm” là câu khiến lời hứa với khách trôi mất
- Bách khoaHypercare sau go-live: FDE trực thế nào và khi nào mới được rút
- Bách khoaPrivateLink hay VPN: hỏi đội mạng của khách xem ai cần gọi vào ai
- Bách khoaXử lý 300.000 tài liệu với nửa giá, miễn là không ai ngồi chờ kết quả
- Bách khoaLỗi xảy ra ngoài biển, mang log về văn phòng chạy lại vẫn đúng
- Bách khoaVì sao chép từng bảng sang MongoDB Atlas là nước đi sai
- Bách khoaMột dấu thời gian đặt sai chỗ đủ làm hỏng cả prompt cache
- Bách khoaThực hành: dựng lớp API mỏng bằng Hono trên Cloudflare Workers để bọc hệ thống cũ của khách
- Bách khoaGặp lỗi 403 trên GCP của khách, FDE đừng vội nhận quyền Editor
- Bách khoaTrong OT, câu hỏi đầu tiên là AI của bạn có ghi được vào PLC không
- Bách khoaỞ nhà máy air-gap, thứ gì không có trong USB thì hôm nay không chạy
- Bách khoaAgent qua hết bộ test vẫn có thể hỏng ở lượt hỏi thứ ba
- Bách khoaCửa sổ chống replay 5 phút không chặn được sự kiện trùng từ Stripe
- Bách khoaPipeline voice agent mẫu của Twilio chậm hơn gấp đôi mục tiêu 500ms
- Bách khoaBảng câu hỏi bảo mật chặn FDE trước cả dòng code đầu tiên
- Bách khoaQuản trị thay đổi: vì sao việc của FDE chưa xong vào ngày go-live
- Bách khoa“Có backup hằng ngày” chưa trả lời câu khách hỏi về mất dữ liệu
- Bách khoaSửa một dòng prompt cũng là deploy, nên hãy chạy canary
- Bách khoaModel 70B cần mấy GPU, và cách tính xong ngay tại bàn họp
- Bách khoaSchema chưa phải hợp đồng, cú đổi tên field chiều thứ Sáu sẽ cho thấy
- Bách khoaCopy production sang staging là phản xạ sai đầu tiên ở site khách
- Bách khoaSQS chỉ hứa giao ít nhất một lần, hãy dựng pipeline chịu được trùng lặp
- Bách khoa200 cảm biến, 17 triệu bản ghi mỗi ngày và một khóa lưu trữ không được sai
- Bách khoaMô hình tốt đến đâu cũng vô ích nếu dự đoán không lên dashboard
- Bách khoa"Bên em mã hoá hết rồi" không trả lời được đội bảo mật của khách
- Bách khoaĐiểm AI mà đội sales không thấy thì coi như chưa deploy
- Bách khoaMột lệnh UPDATE âm thầm viết lại doanh thu năm ngoái
- Bách khoaNăm lớp kiểm thử chặn dữ liệu bẩn của khách trước khi tới model
- Bách khoaĐừng nhét file PDF vào hàng đợi
- Bách khoaTăng lên ba replica, mỗi khách nhận ba email nhắc nợ
- Bách khoa45 câu SELECT mỗi lần gọi đẩy độ trễ lên gần một phút
- Bách khoaKhi retry biến một lỗi API LLM thành sự cố toàn hệ thống
- Bách khoaThêm xác thực và log cho ứng dụng cũ mà không ai dám deploy lại
- Bách khoaGắn agent AI vào hệ thống cũ mà không nhiễm quy ước lộn xộn của nó
- Bách khoaĐừng để agent báo cáo quét thẳng bảng mà máy thu ngân đang ghi
- Bách khoaKhi khách bắn 50.000 đơn hàng vào webhook trong mười phút
- Bách khoaSau load balancer của khách, mọi request bỗng chung một IP
- Bách khoaĐừng để 100 GB mỗi ngày chảy qua server ứng dụng của bạn
- Bách khoaCache sai cách, bạn chỉ đổi hệ thống chậm lấy dữ liệu sai
- Bách khoaSLA 99,9% chỉ cho bạn 86 giây downtime mỗi ngày
- Bách khoaKhách đổi tên một field, code tích hợp của bạn hỏng không một tiếng động
- Bách khoaHội đồng AI của khách châu Âu không hỏi model chính xác đến đâu
- Bách khoaĐổi sang model rẻ hơn nên là cách giảm chi phí LLM sau cùng
- Bách khoaDựng sandbox cho agent: rào file và rào mạng phải đi cùng nhau
- Bách khoaAgent báo đã hoàn tiền, nhưng bảng refunds không có dòng nào
- Bách khoaChỉ một email viết khéo cũng đủ chiếm quyền trợ lý AI của khách
- Bách khoaĐổi tên thành nhãn trước khi gửi LLM chưa chắc đã là khử nhận dạng
- Bách khoaRabbitMQ quên sạch tác vụ khi crash, trừ khi bạn dặn nó đừng quên
- Bách khoaLỗ hổng API số một chỉ cần đổi một ID trong request
- Bách khoaJob đồng bộ chạy quá nhanh có thể khiến khách khóa API key ngay tuần đầu
- Bách khoaChatbot lộ bảng lương thì lỗi nằm ở retrieval, không phải ở model
- Bách khoaLỗi 500 trơn khiến bạn thành ca trực đêm cho hệ thống của khách
- Bách khoaModel chạy tốt trên cloud vẫn có thể hỏng ngay cạnh băng chuyền
- Bách khoaModel chạy ngon trên laptop chưa chắc load được trên server của khách
- Bách khoaThực hành DVC: mỗi lần khách gửi dữ liệu mới là một commit truy ngược được
- Bách khoaCho reviewer thấy model tốt lên hay tệ đi trước khi bấm merge
- Bách khoaSlack cho cổng duyệt 3 giây, còn người duyệt có thể mất hàng tháng
- Bách khoaVì sao agent có thể chạy suốt đêm trên một ticket mà không báo lỗi
- Bách khoaChưa chặn triệt để được prompt injection, guardrails phải xếp nhiều lớp
- Bách khoaMột câu hỏi về lương đủ để lộ lỗ hổng phân quyền trong RAG
- Bách khoaMạng của khách cách ly hoàn toàn thì image phải đi vào dưới dạng file
- Bách khoaBản demo chạy tốt cho đến khi đội an ninh của khách thấy API key cá nhân
- Bách khoaỨng dụng hỏi đáp chưa biết mỗi câu trả lời tốn bao nhiêu thì mới là demo
- Bách khoaPrompt injection đến từ dữ liệu agent đọc, không phải từ khung chat
- Bách khoaMột API key không đủ để bảo vệ vLLM trong VPC của khách
- Bách khoaDemo chạy ngon, đội bảo mật hỏi người nghỉ việc bao lâu thì mất quyền
- Bách khoaDebug hệ thống của khách khi đội ở trụ sở không nhìn thấy gì
- Bách khoaBàn giao đã thất bại nếu khách vẫn phải nhắn hỏi bạn
- Bách khoaBuổi demo là phần dễ nhất của một dự án AI
- Bách khoaKhách hỏi chạy trong VPC được không, trả lời “được” ngay là nguy hiểm
- Bách khoaAgent bị một ticket độc lừa thì nó làm được những gì?
- Công cụDựng Open WebUI cho khách: rủi ro nằm ở volume và giấy phép
- Công cụTự host Dify ở chỗ khách, biết trước lúc nào phải viết code
- Công cụMột file pcap kết thúc cuộc tranh cãi lỗi do mạng hay do code
- Công cụCaddy đưa bản demo lên HTTPS bằng hai dòng, mạng của khách mới là rủi ro
- Công cụKhách nói "không Terraform": chọn Pulumi hay OpenTofu?
- Công cụBản giao chạy được trên web của khách? Để trace của Playwright trả lời
- Công cụThử Helm chart trên laptop trước khi chạm vào cụm của khách
- Công cụVì sao FDE nên thôi chép YAML riêng cho từng khách hàng
- Công cụk9s giúp đọc cụm của khách nhanh hơn, và cũng giúp xoá nhầm nhanh hơn
- Công cụOpen Policy Agent biến luật phân quyền của khách thành code có test
- Công cụRepo sạch ở HEAD vẫn có thể lộ key trong lịch sử Git
- Công cụHoá đơn đám mây nên hiện ra trong pull request, đừng đợi cuối tháng
- Công cụBàn giao repo có secret mà không phải chờ Vault của khách
- Công cụChuyển xong dữ liệu của khách chưa đủ, rclone check mới là bằng chứng
- Công cụCloudflare Tunnel cho khách dùng thử ngay khi phiếu mở cổng còn chờ IT
- Công cụPipeline GitLab đầu tiên ở chỗ khách có thể hỏng dù YAML không sai
- Công cụVào máy chủ của khách hàng mà không cần mở cổng 22
- Công cụPresidio che PII trước khi gọi LLM, và tự nhận sẽ bỏ sót
- Công cụThiếu trace_id, FDE bế tắc ngay trước mặt khách hàng
- Công cụZarf, công cụ gốc Hải quân Mỹ, gom mọi lần chép file vào cụm cắt mạng
- Công cụAgentCore trả lời ba câu hỏi của security team, nhưng chưa trọn vẹn
- Công cụMuốn replay webhook trên ngrok, bạn phải lưu trọn dữ liệu của khách
- Công cụSandbox E2B vẫn ra được internet nếu bạn không tự tắt
- Công cụVẫn nên quét bằng Trivy trước khi khách quét, dù Trivy từng bị chiếm
- Công cụTin tuyển FDE của Snowflake cho thấy việc thật nằm ở semantic model
- Công cụVì sao FDE nên dựng một dashboard Grafana thay vì 48 bản copy
- Công cụArgo CD không xoá thứ bạn gỡ khỏi Git, trừ khi bạn bật prune
- Công cụHệ thống SCADA nhà máy bạn chạy được trên laptop ngay tối nay
- Công cụBắt data drift bắt đầu từ việc chọn đúng tháng model còn chạy tốt
- Công cụFine-tune ngay trên GPU của khách, dữ liệu không rời khỏi hạ tầng
- Công cụMột file JSON cứu ngày đầu tiên của FDE ở site khách
- Công cụPilot hai tuần trên Google Cloud của khách, đừng chờ cụm Kubernetes
- Công cụKhi tài liệu API và traffic thật vênh nhau, mitmproxy phân xử
- Công cụModal biến một hàm Python thành demo chạy GPU trong một buổi chiều
- Công cụAzure AI Foundry đổi tên, nhưng FDE phải lo dữ liệu được xử lý ở đâu
- Công cụSửa lỗi ở site khách khi không SSH được vào server
- Công cụVào hệ thống nội bộ của khách mà không cần mở một cổng inbound nào
- Công cụMột Helm chart cho nhiều khách, không phải sửa YAML bằng tay
- Công cụĐổi model qua OpenRouter mất hai dòng code, có nên đổi thì cần eval
- Công cụTrên Redshift Serverless, bấm Cancel không xóa được tiền truy vấn
- Công cụKhách cấm API cloud, buổi demo chỉ còn trông vào một chiếc laptop
- Công cụỞ khách dùng Azure, hỏi ngay họ chạy ADF hay Fabric
- Công cụOrchestrator tốt nhất là thứ khách tự vận hành được khi FDE đã rời đi
- Công cụViết một file OpenAPI cho cả đội tích hợp lẫn agent cùng đọc
- Công cụMột playbook cho 20 server của khách mà không cài gì lên máy
- Công cụMLflow trả lời câu hỏi “model nào đang chạy?” ở site khách
- Công cụvLLM nhanh hơn 24 lần hay 2-4 lần, tùy bạn so với mốc nào
- Công cụVì sao workspace Terraform không hợp để tách từng khách hàng của FDE
- Công cụCó những Docker image tới server của khách bằng một chiếc USB
- Sách & khoá họcBốn câu hỏi của Adam Shostack nên có trước buổi duyệt bảo mật
- Sách & khoá họcRob Zuber cho rằng kiểm thử LLM đã có sẵn 90% công cụ
- Sách & khoá họcCuốn sách ML dạy FDE làm phần việc không ai muốn khoe
- Sách & khoá họcSemantic cache giảm lượt gọi mô hình, nhưng hãy đo câu trả lời sai
- Sách & khoá họcKhoá 11 giờ của Andrew Ng về lý do model sai dần sau ngày bàn giao
- Sách & khoá họcRelease It!, cuốn sách cho FDE phải sống trong production của khách
- Phân tíchReddit tuyển FDE nội bộ để các phòng ban bớt cần đến chính họ
- Phân tíchĐội FDE đầu tiên của Figma sẽ dạy agent hiểu design system của khách
- Phân tíchKhi FDE rời đi, khách hàng thường là người ôm nợ kỹ thuật
- Phân tíchPostHog tính phí FDE theo mốc bàn giao, không theo giờ
- Phân tíchChọn nền tảng ML pipeline theo người sẽ vận hành nó khi bạn rời đi
- Phân tíchNợ từ vibe coding đến hạn đúng ngày lên production
- Phân tíchĐổi GPT sang Claude không chỉ là đổi endpoint
- Phân tíchTrước khi tách code, hãy quyết định cách chia khách hàng
- Phân tíchBảng log phải nhớ suốt 12 tháng nhưng cũng phải biết quên
- Phân tíchAssistants API đã tắt, lịch sử hội thoại của khách có thể mất theo
- Phân tíchFramework agent bạn chọn sẽ ở lại codebase của khách sau khi bạn rời đi
Đo lường
Chứng minh giá trị bằng con số khách hàng quan tâm.
Đích đến
Sau chặng này, bạn biến được mục tiêu mà khách cho là "không đo được" thành những tín hiệu quan sát được, đo được mức nền và báo cáo khoản tiết kiệm ròng sau khi trừ thời gian kiểm tra và làm lại, đối chiếu được số liệu của hệ thống với sổ sách của khách, đo adoption bằng hành động có giá trị thay vì số lần đăng nhập, và trình bày kết quả thành một thông điệp mà người ra quyết định có thể hành động ngay.
Bài cốt lõi · 5 bài · 37 phút
- Sách & khoá họcCuốn sách giúp FDE đo cả thứ khách hàng gọi là “vô hình”7 phút
- 8 phút
- 9 phút
- 7 phút
- Sách & khoá họcPilot chạy tốt vẫn có thể hỏng trong 30 phút báo cáo cuối6 phút
Tự làm
Báo cáo giá trị trong một trang
- Chọn một quy trình bạn nắm rõ, liệt kê ba dấu hiệu quan sát được cho thấy nó đã tốt lên, bấm giờ năm việc chọn ngẫu nhiên và lấy khoảng từ nhanh nhất đến chậm nhất làm mức nền đầu tiên.
- Sau khi thay đổi, ghi lại thời gian xử lý, thời gian kiểm tra và việc có phải làm lại hay không cho từng việc, rồi điền bảng gồm tiết kiệm gộp, kiểm tra, làm lại và tiết kiệm ròng.
- So số dòng cùng SUM, MIN, MAX, AVG của từng cột số với dữ liệu nguồn, tách chênh lệch theo từng ngày và ghi rõ nguyên nhân.
- Định nghĩa một hành động có giá trị, đếm số người đã làm hành động đó trong bảy ngày qua trên tổng số người dùng dự kiến, rồi đưa kết quả lên một biểu đồ có tiêu đề là chính câu kết luận.
Đọc thêm trong chặng này (96)
- Bách khoaGiám sát agent tại khách hàng không có nghĩa là duyệt từng bước
- Bách khoaBa lỗi metering khiến khách khiếu nại hoá đơn token
- Bách khoaKhách chưa than phiền không có nghĩa là dự án đang ổn
- Bách khoaHai site pilot cho bạn con số DiD, không cho bạn khoảng tin cậy
- Bách khoaDashboard giờ công tiết kiệm phải bắt đầu từ trước khi agent chạy
- Bách khoaUptime 99,9% mà câu trả lời vẫn sai: đặt SLO cho chất lượng LLM
- Bách khoaUse case AI nên làm trước hiếm khi là ý tưởng giá trị nhất
- Bách khoaKhông đo "trước", bạn sẽ không bao giờ chứng minh được "sau"
- Bách khoaRouter email chia đội: dựng bộ eval 40 mẫu trước khi viết agent
- Bách khoaPSI 0,23 chưa phải lệnh huấn luyện lại model
- Bách khoaTrong bake-off AI, ai dựng bộ eval thì người đó đặt luật chơi
- Bách khoaAgent nói đã hủy đơn chưa chắc đơn đã bị hủy
- Bách khoaDạy trợ lý của khách biết lúc nào nên nói "không đủ thông tin"
- Bách khoaModel lớn thắng buổi demo, model nhỏ mới qua được đội hạ tầng
- Bách khoaAgent khớp 90% với nhân viên vẫn có thể chưa học được gì
- Bách khoaVì sao tích hợp cứ treo sau một giờ trên mạng của khách
- Bách khoaMột prompt, 1.000 lần chạy ở temperature 0, ra 80 đáp án khác nhau
- Bách khoaMột lời gọi tool bị timeout có thể làm hỏng cả lượt của agent
- Bách khoaMười bước agent, mỗi bước đúng 95%, cả luồng chỉ đúng khoảng 60%
- Bách khoaGọi LLM 1,8 cent mỗi lần, sao mỗi việc làm xong lại tốn 7,5 cent
- Bách khoaCâu SQL dễ ở vòng screen FDE của Databricks là cơ hội để hỏi thêm
- Bách khoaKhi agent làm sai, audit log lại ghi tên người ra lệnh
- Bách khoaSáu vòng eval để tìm ra thay đổi nào trong 64 làm hỏng agent của khách
- Bách khoaZ-score có thể bỏ sót ổ trục quá nhiệt, median thì không
- Bách khoaModel trả lời tệ đi trong khi git log vẫn trống trơn
- Bách khoaHai chuyên gia đồng ý 80%, bộ eval vẫn có thể chưa đáng tin
- Bách khoaMỗi trường đúng 98%, hơn nửa hồ sơ bảo hiểm vẫn có lỗi
- Bách khoaKhi mỗi lần trả lời tốn một ngày, tin nhắn phải xong việc ngay lần đầu
- Bách khoaVì sao agent chạy trơn tru buổi demo thứ Sáu lại hỏng vào thứ Hai
- Bách khoaKhông có người giới thiệu, hãy viết thẳng cho hiring manager
- Bách khoaChampion gật đầu chưa có nghĩa là được phép đăng case study
- Bách khoaTừ 96 ca test do LLM sinh ra đến 50 ca đáng tin
- Bách khoaLLM judge đồng thuận 85% vẫn có thể bỏ lọt phần lớn lỗi thật
- Bách khoaĐừng đoán vì sao job Python của khách chậm, hãy profile nó
- Bách khoaEval báo 97%, khách vẫn kêu bot trả lời sai
- Bách khoaKhông được SSH vào máy khách, hãy để một lệnh grep tìm ra lỗi
- Bách khoaĐiểm eval ở temperature 0 vẫn chỉ là một lần lấy mẫu
- Bách khoaTrước khi viết evaluator, hãy đọc 100 trace và đếm lỗi
- Bách khoaThứ làm khách mất niềm tin là bất ngờ, không phải con số eval hụt
- Bách khoaEval đầu tiên với Inspect AI có thể chấm 3/3 khi model chỉ đúng 1/3
- Bách khoaFile thumbs-down là nguyên liệu cho eval, không phải danh sách bug
- Bách khoaAgent trả lời đúng vẫn có thể đi sai đường, hãy chấm cả chuỗi tool call
- Bách khoaChặn câu trả lời bịa của RAG trước khi tới tay khách hàng
- Bách khoaĐừng để con số “chắc 95%” của LLM quyết định khi nào chuyển cho người
- Bách khoaPipeline báo xanh vẫn có thể đang đưa số liệu sai cho khách
- Bách khoaEval offline không giúp khách gia hạn, A/B test sạch mới làm được
- Bách khoaDatabase chập chờn 30 giây, cả cụm bạn bàn giao bị restart
- Bách khoaLatency trung bình 167ms vẫn có thể giấu p95 tới hai giây
- Bách khoaKhách báo dự đoán sai, đừng vội nghi model
- Bách khoaModel vẫn trả HTTP 200 nhưng dự đoán đã sai từ lâu
- Bách khoaChỉ dời một ngưỡng, model tín dụng bớt lỗ mà không cần train lại
- Bách khoaDashboard xanh hết mà khách vẫn kêu agent làm hỏng việc
- Bách khoaJudge đồng thuận 90% mà không bắt được một câu trả lời sai nào
- Bách khoaĐo thiên lệch của trợ lý AI bằng phép thử hoán đổi nhân khẩu học
- Bách khoaBắt lỗi prompt ngay trong pull request, trước khi khách hàng phát hiện
- Bách khoaĐo retriever của RAG trước khi khách tự phát hiện lỗi
- Bách khoaNăm mươi câu hỏi và một buổi chiều là đủ cho bộ eval đầu tiên
- Bách khoaHóa đơn LLM tăng vọt vì đâu? Chỉ có trace mới trả lời được khách
- Công cụKhách đã chạy Superset? Hãy đo kết quả dự án ngay trên đó
- Công cụKhi API của khách đổi, Pact báo trước khi tích hợp của bạn vỡ
- Công cụMột dòng k6 đủ để chặn bản build chậm trước khi lên production
- Công cụKiểm thử voice agent như người ta kiểm thử xe tự lái
- Công cụgarak của NVIDIA cho FDE bản quét bảo mật trước khi khách kịp hỏi
- Công cụLệnh Monte Carlo có thể lặng lẽ xóa sạch cảnh báo của khách
- Công cụW&B Weave biến lời phàn nàn của khách thành bài eval chạy lại được
- Công cụSDK của Logfire là mã nguồn mở, còn backend chứa trace thì không
- Công cụDebug ứng dụng LLM của khách khi prompt không được rời mạng nội bộ
- Công cụTách một hoá đơn LLM cho ba khách hàng bằng LiteLLM Proxy
- Công cụBraintrust chặn prompt đã qua demo trước khi nó làm hỏng production
- Công cụMột file YAML trả lời hai câu khách dùng LLM nào cũng hỏi
- Công cụMột lần instrument OpenTelemetry, trace sang cả Datadog lẫn Langfuse
- Công cụRagas chấm RAG không cần đáp án mẫu, và đó chính là cái bẫy
- Công cụBa câu hỏi khách nào cũng hỏi khi ứng dụng LLM lên production
- Sách & khoá họcKhoá học của DeepLearning.AI bắt bạn cho LLM bịa trước khi sửa
- Sách & khoá họcLean Analytics dạy FDE chọn một con số, rồi biết lúc nào phải bỏ nó
- Sách & khoá họcVì sao code tích hợp bạn bàn giao cần ít mock hơn bạn nghĩ
- Sách & khoá họcKhoá Evaluating Generative AI dài 47 phút, phần LLM chỉ có 14 phút
- Sách & khoá họcMeasure What Matters: viết KR cùng khách trước dòng code đầu tiên
- Sách & khoá họcTiểu thuyết nhà máy từ 1984 chỉ cho FDE khâu nào không nên tự động hoá
- Sách & khoá họcKhoá Wharton không dành cho kỹ sư, và đó là lý do FDE nên học
- Sách & khoá họcTay poker hàng đầu dạy FDE trả lời câu "chắc chạy được không?"
- Sách & khoá họcKhóa học dựng data agent mà bài dài nhất lại dạy cách chấm điểm
- Sách & khoá họcGoverning AI Agents: khoá 1,5 giờ dạy đúng phần nền, nhưng chưa đủ cho production
- Sách & khoá họcKhóa học Stanford dạy phần việc sau ngày bàn giao hệ thống ML
- Sách & khoá họcKhoá học an toàn LLM có bài dài nhất dành cho việc giám sát
- Sách & khoá họcDashboard xanh mà khách vẫn kêu chậm, cuốn sách này dạy bạn tìm lý do
- Sách & khoá họcTỉ lệ lỗi của agent không chỉ ra chỗ cần sửa
- Sách & khoá họcGiao đủ tính năng đúng hạn vẫn có thể là một dự án thất bại
- Sách & khoá họcAccelerate biến câu “deploy chậm quá” thành bốn con số đo được
- Sách & khoá họcKhoá AI evals lớn nhất Maven dạy đọc output trước khi dạy công cụ
- Phân tíchLần chạy êm ở site khách là một bài test không ai chạy lại được
- Phân tíchLàm FDE từ Việt Nam, hình thức hợp đồng quyết định ai khai thuế cho bạn
- Phân tíchCâu hỏi visa trong form ứng tuyển FDE thực ra đang hỏi gì
- Phân tíchPalantir ghi cùng một khung lương FDSE từ Seoul đến New York
- Phân tíchChọn công cụ LLM observability theo nơi dữ liệu khách được phép đến
- Phân tíchTỷ lệ pass là quyết định sản phẩm, và đó là việc của FDE
Dẫn dắt
Điều phối dự án và đưa phản hồi về đội sản phẩm.
Đích đến
Sau chặng này, bạn viết được bản brief ba dòng và phân biệt được đâu là làm rõ yêu cầu, đâu là phình phạm vi, dẫn dắt được đội kỹ thuật của khách dù không ai báo cáo cho bạn bằng cách đặt các phương án trước người có quyền quyết định, duy trì được RAID log và decision log ghi rõ người duyệt cho từng rủi ro, chuyển được phát hiện từ hiện trường về đội product kèm bằng chứng và đề xuất hướng xử lý, và khép lại dự án bằng cách xếp mọi việc còn dang dở vào ba giỏ: bài học, nợ còn lại và lỗi sản phẩm.
Bài cốt lõi · 5 bài · 43 phút
- 9 phút
- 7 phút
- 10 phút
- 8 phút
- 9 phút
Tự làm
Chạy một việc nhỏ như một dự án tại khách
- Với một việc bạn đang làm, viết bản brief đúng ba dòng (kết quả đo được, thời hạn dự kiến, thế nào là xong) và nhờ người giao việc xác nhận.
- Tạo file raid-log.md có cột người phụ trách và cột người duyệt tách riêng, ghi ba giả định chưa kiểm chứng kèm cách kiểm và hạn kiểm, rồi viết một quyết định mới chỉ thống nhất miệng thành một file quyết định riêng.
- Chuyển một quyết định kỹ thuật đang bị kẹt thành ba phương án xanh, vàng, đỏ, mỗi phương án kèm một dòng rủi ro, rồi gửi cho người có quyền quyết định.
- Khi xong việc, xếp mọi workaround và ticket còn mở vào ba giỏ bài học, nợ còn lại và lỗi sản phẩm, rồi viết một lỗi sản phẩm thành ghi chú phản hồi gồm bằng chứng, workaround, phạm vi và đề xuất phân loại.
Đọc thêm trong chặng này (86)
- Bách khoaAgent chạy tốt vẫn kẹt ở tuần thứ sáu, và ai nên gỡ nút thắt
- Bách khoaKhi hai khách là đối thủ, bài học được đi còn dữ liệu phải ở lại
- Bách khoaLỗi AI vẫn trả mã 200, nên helpdesk của khách cần runbook riêng
- Bách khoaDự án đóng màu xanh vẫn có thể chết sau khi FDE rời đi
- Bách khoaNhận xét code thế nào để FDE mới cần bạn ít đi mỗi tuần
- Bách khoaCâu 'thứ Năm tôi quay lại' giữ uy tín hơn một câu trả lời đoán
- Bách khoaKhông định nghĩa P1 cùng khách, lỗi nào cũng thành sự cố lớn
- Bách khoaKhi khách đổi ý, ADR giúp dự án khỏi cãi lại từ đầu
- Bách khoaWorkshop enablement thường hỏng ở bài lab, không phải ở slide
- Bách khoaAgent ghi sai bút toán thì ai ký? Bài toán của FDE ở phòng tài chính
- Bách khoaBa khách gọi cùng lúc, và người gọi to nhất chưa chắc được xử lý trước
- Bách khoaAccenture đã ngồi sẵn ở chỗ khách, vậy FDE đến đó để làm gì?
- Bách khoaKhi khách nói “đội mình tự build được”, hãy bắt đầu bằng chữ “đúng”
- Bách khoaĐội IT của khách coi bạn là mối đe doạ, nhưng bạn vẫn cần họ
- Bách khoa90 ngày để FDE mới thành người đầu tiên khách tìm đến
- Bách khoaThống nhất khi nào dừng pilot AI trước khi bắt đầu chạy
- Bách khoaHai câu mô tả dự án cho người tuyển FDE thấy bạn đã làm thật
- Bách khoaFDE ở Cisco được đánh giá qua escalation, không phải qua code
- Bách khoaTin tuyển FDE của Intercom không ghi chỉ tiêu, nên eval là việc của bạn
- Bách khoaỨng tuyển FDE mùa 2027, ngày tốt nghiệp được xét trước kỹ năng
- Bách khoaỞ Palantir, strategist đặt câu hỏi, còn FDSE viết code trả lời
- Bách khoaTin tuyển FDE của Notion giấu ba công việc trong một chức danh
- Bách khoaĐừng đóng tin tuyển FDE của Turing khi thấy dòng “5–8+ năm”
- Bách khoaTin tuyển FDE của Chalk ngắn tới mức ai đọc cũng thấy mình hợp
- Bách khoaTin tuyển FDE của Arize AI là bản đặc tả, mỗi dòng cần một bằng chứng
- Bách khoaỞ Cursor, FDE được đánh giá bằng PR được merge, không phải demo
- Bách khoaSenior FDE ở Cresta làm remote, nhưng mỗi dòng tin là việc ở chỗ khách
- Bách khoaCohere tuyển FDE cho bốn việc khác nhau dưới cùng một chức danh
- Bách khoaBaseten muốn 70% những gì FDE xây được đưa vào sản phẩm
- Bách khoaBốn tin FDE của C3 AI chung chức danh, nhưng điều kiện vào cửa khác hẳn
- Bách khoaHandshake nói FDE không phải tư vấn, và điều đó đổi cách bạn chuẩn bị
- Bách khoaVòng mô phỏng khách hàng FDE thưởng cho người hỏi trước, xây sau
- Bách khoaPhỏng vấn FDE ở Google Cloud hỏi những gì
- Bách khoaProof-of-concept đứng im là lúc nên tuyển FDE đầu tiên
- Bách khoaCâu trả lời “vì sao làm FDE” dễ bị recruiter gạch tên nhất
- Bách khoaỞ bài take-home FDE của OpenAI, walkthrough có thể nặng ký hơn code
- Bách khoaỞ onsite FDSE của Palantir, lỗi có khi chỉ là một dấu trừ bị đảo
- Bách khoaHợp đồng thứ hai của FDE nằm sẵn trong dự án vừa giao
- Bách khoaDự án vừa giao nên là điểm xuất phát cho khách tiếp theo
- Bách khoaTrao quyền tự chủ cho agent từng bậc, và ai giữ nó khi bạn rời dự án
- Công cụVì sao sơ đồ kiến trúc đã lỗi thời trước ngày bàn giao
- Sách & khoá họcExtreme Ownership dạy FDE điều gì khi deployment ở khách đi chệch
- Sách & khoá họcSách thiết kế phần mềm nên đọc trước khi bàn giao code AI cho khách
- Sách & khoá họcTeam of Teams dạy FDE gì về việc nối đội khách với đội product
- Sách & khoá họcImpact Mapping dạy FDE hỏi một câu trước mỗi tính năng khách xin
- Sách & khoá họcCuốn sách về tàu ngầm dạy FDE thôi làm nút thắt của khách hàng
- Sách & khoá họcVì sao FDE nên học khoá thứ ba trong chuỗi lãnh đạo của Michigan trước
- Sách & khoá họcKỹ năng giúp FDE được thăng chức không dạy cách dẫn người
- Sách & khoá họcCuốn sách khởi nghiệp năm 2011 cho pilot AI một điểm dừng
- Sách & khoá họcNhững câu hỏi về quyền riêng tư làm deployment đứng lại lúc bàn giao
- Sách & khoá họcCuốn sách bán hàng cảnh báo FDE đừng chỉ chiều lòng khách
- Sách & khoá họcVì sao ước lượng của FDE luôn sai về cùng một phía
- Sách & khoá họcKhách phải gọi bạn mới chạy được hệ thống là đang thiếu tài liệu
- Sách & khoá họcPhép chia giúp FDE chọn yêu cầu nào của khách làm trước
- Sách & khoá họcDBA của khách không nợ bạn gì, hãy tìm thứ họ coi trọng
- Sách & khoá họcCuốn sách coi thông báo lỗi là giao diện quan trọng nhất của sản phẩm
- Sách & khoá họcKhi FDE lên làm lead, vì sao đội càng đông việc càng chậm
- Sách & khoá họcVì sao cử thêm hai kỹ sư sang lại làm dự án trễ của khách trễ hơn
- Sách & khoá họcĐừng cãi hạn hai tuần của khách, hãy hỏi vì sao lại là hai tuần
- Sách & khoá họcCuốn sách giải thích vì sao bề rộng là năng lực thật của FDE
- Sách & khoá họcVì sao cách triển khai chinh phục khách đầu tiên lại mất khách thứ hai
- Sách & khoá họcCuốn sách giải thích nghề FDE mà không hề nhắc tới FDE
- Sách & khoá họcThói quen tệ nhất của FDE ở site khách không phải sự thô lỗ
- Sách & khoá họcQuy tắc 30% mà FDE sắp lên dẫn đội nên biết
- Sách & khoá họcCuốn sách Google mà FDE nên đọc lại không dạy viết code
- Sách & khoá họcCuốn sách cho staff engineer hoá ra là cẩm nang của nghề FDE
- Sách & khoá họcCuốn sách từ năm 2000 cho FDE công thức giành lòng tin của khách hàng
- Phân tíchKhách hàng thứ 30 có nhanh hơn khách hàng thứ 3 không?
- Phân tíchMột FDE ở nhà máy có thay được chuyên gia ngành và kỹ sư dữ liệu?
- Phân tíchChữ "own" trong tin tuyển FDE được chứng minh bằng công cụ bạn tự xây
- Phân tíchVì sao FDE giỏi tìm cách để khách không cần gọi mình nữa
- Phân tíchVì sao Eudia đưa luật sư đi cùng kỹ sư đến chỗ khách
- Phân tíchVì sao một ngân hàng bán API lại tuyển FDE
- Phân tíchThuê được FDE theo từng deal, nhưng không thuê được vòng phản hồi
- Phân tíchVì sao Thomson Reuters hỏi FDE của CoCounsel về trường luật
- Phân tíchTin tuyển FDE ở Ấn Độ tăng gần 19 lần, người đủ sức làm chỉ chừng 1.200
- Phân tíchZip tuyển hai kiểu FDE, nộp nhầm cửa thì hồ sơ tốt cũng khó qua
- Phân tíchHai tin FDE của ElevenLabs đặt hai mức Python rất khác nhau
- Phân tíchTòa không cho đổ lỗi cho AI, rủi ro của agent dồn vào việc FDE làm
- Phân tíchỨng viên kể vòng cuối FDE ở Cognition có buổi pitch trước lãnh đạo
- Phân tíchTin tuyển FDE logistics nhắc TMS, nhưng việc thật bắt đầu từ hộp thư
- Phân tíchỞ Việt Nam, tiếng Anh với khách hàng có thể làm lương FDE chênh 60%
- Phân tích550.000 USD là trần thu nhập FDE ở hai lab AI, không phải lương phổ biến
- Phân tíchMột khách hay hơn trăm khách, điều gì định ra tải thật của FDE
- Phân tíchFDE hay professional services, hãy nhìn code tùy biến đi về đâu
- Phân tíchKhách thứ ba hỏi cùng một integration là lúc tuyển FDE đầu tiên
Sự nghiệp
Xây portfolio và vượt qua vòng phỏng vấn FDE.
Đích đến
Sau chặng này, bạn tạo được bằng chứng FDE từ một vấn đề chưa ai nhận ở công việc hiện tại, công bố được repo portfolio có bộ eval dựng từ lỗi thật và con số pass^k trung thực, viết được CV một trang mà mỗi gạch đầu dòng mở bằng kết quả đo được, vượt qua các vòng phân rã bài toán, thiết kế hệ thống, debug và đóng vai khách hàng bằng cách hỏi làm rõ trước và nói to suy nghĩ của mình, và thương lượng offer bằng cách chốt level và equity trước khi bàn đến lương cơ bản.
Bài cốt lõi · 5 bài · 42 phút
- 8 phút
- 9 phút
- 9 phút
- 9 phút
- 7 phút
Tự làm
Bộ hồ sơ ứng tuyển FDE
- Chọn một vấn đề cứ lặp đi lặp lại mà chưa đội nào nhận ở công ty hiện tại, ngồi cạnh một người hay gặp nó, triển khai cách sửa và đo một con số trước và sau.
- Dựng một repo agent nhỏ trên dữ liệu bẩn sát thực tế, ghi mỗi lần chạy thành một dòng JSONL, biến các lỗi tìm được thành test case và ghi pass^3 cùng số lượng case vào README.
- Viết lại ba gạch đầu dòng trong CV theo thứ tự kết quả, con số trước/sau, quy mô, công nghệ, chỉ dùng số liệu từ hai bước trên.
- Dành 30 phút cho đề bài hồ sơ bệnh nhân nằm rải rác ở sáu hệ thống không kết nối với nhau, ghi âm lại và đếm xem bạn đã hỏi bao nhiêu câu làm rõ trước khi lần đầu nói đến kiến trúc.
Đọc thêm trong chặng này (98)
- Bách khoa"Travel 50%" trong tin tuyển dụng FDE thực ra nghĩa là gì
- Bách khoaRogo không công bố vòng phỏng vấn FDE, nhưng job post nói khá nhiều
- Bách khoaPhỏng vấn FDE ở Snowflake có thể mở đầu bằng chính sếp tương lai
- Bách khoaVẽ ngay pipeline RAG là bỏ lỡ điều Cohere muốn xem ở vòng thiết kế FDE
- Bách khoaPhỏng vấn FDE Agentforce ở Salesforce hỏi những gì
- Bách khoaNhững điều kiện cứng trong tin tuyển FDE ở châu Á
- Bách khoaTin tuyển FDE của Anthropic làm đúng điều gì, và cách học theo
- Bách khoaSinh viên mới ra trường làm FDE: đọc tin tuyển dụng 2027 và chuẩn bị hồ sơ cho đúng
- Bách khoaỞ vòng decomposition, lỗi đầu tiên là trả lời trước khi kịp hỏi
- Bách khoaỞ vòng onsite của Sierra, người phỏng vấn ra ngoài, coding agent ở lại
- Bách khoaTake-home FDE ở OpenAI là việc giao cho khách, không phải bài thi
- Bách khoaPhỏng vấn FDE ở Scale AI chấm công việc thật, không phải thuật toán
- Bách khoaVòng phỏng vấn FDE ở Databricks giống hệt công việc thật
- Bách khoaTin tuyển FDE của Anthropic chính là đề cương ôn phỏng vấn
- Bách khoaSang FDE, ML engineer không còn được chấm bằng điểm F1
- Bách khoaAi dậy lúc 2 giờ sáng là khác biệt thật giữa SE và FDE
- Bách khoaChỉ 12% tin tuyển FDE nhận người mới ra trường, và chúng nằm ở đâu
- Bách khoaData engineer làm FDE phải quen với schema không phải của mình
- Bách khoaThói quen của dân backend khiến họ trượt phỏng vấn FDE
- Bách khoaPhỏng vấn FDE, câu hỏi về đánh đổi mới là câu chính
- Bách khoaFile CSV lỗi lúc 3 giờ sáng phân biệt solutions engineer với FDE
- Bách khoaVới data scientist muốn làm FDE, giỏi modeling chỉ là vé vào cửa
- Bách khoaVòng quyết định trong phỏng vấn FDE không có đáp án LeetCode nào
- Sách & khoá họcCuốn sách năm 1985 dạy FDE rằng khách luôn có vấn đề, dù họ nói không
- Sách & khoá họcVì sao nên gửi counteroffer bằng email
- Sách & khoá họcLàm đủ tính năng khách đòi, hợp đồng vẫn chưa chắc gia hạn
- Sách & khoá họcSách của Gergely Orosz không nói về FDE nhưng bàn trúng việc của FDE
- Sách & khoá học30 chương System Design Interview của Alex Xu không có chương nào về ML
- Sách & khoá họcKhoá FDE của Educative nhắm vào vòng phỏng vấn, không dành cho người mới
- Phân tíchKỹ năng viết eval của FDE đang có người mua mới: các AI lab
- Phân tíchHai tin tuyển FDE y tế, hai yêu cầu đầu vào trái ngược nhau
- Phân tíchOffer FDE trong tay: đếm số giờ code trước khi ký
- Phân tíchỞ Ramp, kỹ thuật chỉ là ngưỡng, động lực mới chọn ra FDE
- Phân tíchPhần duy nhất trong luyện phỏng vấn FDE bạn không thể tự làm
- Phân tíchĐừng săn chức danh FDE, hãy săn trách nhiệm với kết quả của khách
- Phân tíchFDE ở Vori thực chất là kỹ sư dữ liệu ngồi trong đội vận hành
- Phân tíchFDE ở HackerRank không xây từ đầu mà cấu hình, gỡ lỗi và giải thích
- Phân tíchTin tuyển FDE đòi kỹ năng API sâu hơn một chữ REST trong CV
- Phân tíchSalesforce sở hữu MuleSoft nhưng không bắt FDE Lead phải biết nó
- Phân tíchTin tuyển FDE frontend thật ra đòi cả backend
- Phân tíchTake-home FDE chấm việc bạn hiểu khách dùng sản phẩm thế nào
- Phân tíchInvisible không công bố vòng phỏng vấn FDE, tin tuyển đã nói thay
- Phân tíchTin tuyển FDE ghi rõ phải đi công tác nhưng hiếm khi nói ai trả tiền
- Phân tíchRed Cell tuyển FDE chịu trách nhiệm đến tận khâu khách nghiệm thu
- Phân tíchỞ Fireworks, AI Field Engineer nửa là sales engineer, nửa là FDE
- Phân tíchCùng một vị trí FDE ở Stripe, Dublin đòi 5 năm, Mỹ đòi 10 năm
- Phân tíchỞ Deepgram, mỗi FDE chỉ phục vụ một khách hàng và không ai khác
- Phân tíchLàm FDE ở UAE, lương cơ bản quan trọng hơn tổng lương
- Phân tíchMức lương FDE €205.000 ở Paris mà bạn không còn nộp được
- Phân tíchỞ Snowflake, lương trần FDE làm AI agent thấp hơn lương sàn FDE Spark
- Phân tíchLuật Ontario biến tin tuyển FDE ở Toronto thành nguồn lương đáng tin
- Phân tíchBa median lương FDE chênh nhau $41.000, và không con số nào sai
- Phân tíchPhỏng vấn kỹ sư giờ chấm điểm cách bạn nghi ngờ code AI viết
- Phân tíchPalantir có một kiểu FDE dành riêng cho kỹ sư hạ tầng
- Phân tíchỞ Vannevar Labs, FDE phải có clearance Top Secret mới được deploy
- Phân tíchCác vị trí FDE tưởng rời rạc của Adobe cùng chỉ về một điểm nối
- Phân tíchAitomatic và nghề FDE trong nhà máy: việc khó nằm ngoài model
- Phân tíchVị trí FDE $320.000 của Snorkel AI đặt việc xây evaluator lên đầu
- Phân tíchFDE senior ở Owkin dùng cùng stack với junior, khác ở trách nhiệm
- Phân tíchDù có luật minh bạch lương, 43% tin FDE vẫn không ghi mức lương
- Phân tíchTrung vị lương FDE 220.000 USD, cao hơn cả mức trần của Palantir
- Phân tíchBlackRock tuyển vai giống FDE mà không nhắc chữ “forward deployed”
- Phân tíchDữ liệu không được rời khỏi khách, nên Tonic.ai gửi FDE tới tận nơi
- Phân tíchRogo có ba vai “forward deployed”, chỉ một vai hỏi đến Kubernetes
- Phân tíchFDE sáng lập ở Glean phải tự viết bản đặc tả chưa ai viết
- Phân tíchCoinbase quay FDE vào trong, nơi kiểm toán viên chấm bài
- Phân tíchLương FDE ở London chênh gần bốn lần cho cùng một chức danh
- Phân tíchTrên Senior, nấc thang FDE không còn đo hệ thống bạn sở hữu
- Phân tíchSingapore cần FDE, nhưng gần như không ai công bố mức lương
- Phân tích20.000 option trong offer FDE có thể là 0,2% hoặc chỉ 0,05%
- Phân tíchTin FDE ở Abu Dhabi ghi rõ mức đi công tác, tin ở Bengaluru thì im lặng
- Phân tíchTuyển FDE, bài thuật toán nhường chỗ cho bằng chứng từ production
- Phân tíchSRE đã làm sẵn nửa việc FDE, nửa quyết định tuyển dụng nằm ở khách hàng
- Phân tíchRủi ro khi sang FDE không nằm ở lương mà ở kỹ năng code nguội dần
- Phân tíchConsultant muốn sang FDE cần code do chính mình viết
- Phân tíchTin FDE remote rất hiếm, và remote vẫn phải đến chỗ khách
- Phân tíchViết về dự án giúp xin việc FDE, nhưng hiếm khi khiến người tuyển tìm tới
- Phân tíchMọi lối ra sau FDE đều đòi một kỹ năng mà công việc hằng ngày không dạy
- Phân tíchTin tuyển FDE tăng 1.165% nhưng con số đếm chức danh, không đếm việc
- Phân tíchFDE cho quốc phòng không được trả cao hơn như lời đồn
- Phân tíchAgent tính tiền theo kết quả, chữ “đã giải quyết” thành doanh thu
- Phân tíchCV FDE cần một con số có mốc so sánh, không phải danh sách stack
- Phân tíchKhi AI viết code hàng loạt, FDE được trả tiền để chịu trách nhiệm
- Phân tíchLàm FDE vài năm chỉ cho bạn một nửa hành trang founder
- Phân tíchNửa năm sống ở chỗ khách, FDE giữ tay nghề kỹ thuật bằng cách nào
- Phân tíchTin tuyển FDE tăng 800%, nhưng không phải tin nào cũng là FDE
- Phân tíchTin tuyển FDE của Anthropic và Palantir không nhắc chứng chỉ AI nào
- Phân tíchPalantir tuyển FDE chưa tốt nghiệp, Paraform khuyên đừng tuyển junior
- Phân tíchĐiều thật sự tách FDE khỏi AI Engineer và ML Engineer
- Phân tíchVì sao hàng trăm giờ LeetCode ít giúp bạn qua phỏng vấn FDE
- Phân tíchVới nhà tuyển dụng FDE, code production chỉ là vé vào cửa
- Phân tíchVới kỹ sư Việt, tin tuyển FDE ghi “Remote” thường là cánh cửa sai
- Phân tíchMỗi FDE tốn 400.000 USD/năm, mô hình chỉ sống nếu deployment rẻ dần
- Phân tíchPalantir chia việc FDE cho hai người, vài startup AI dồn cả cho một
- Phân tíchHippocratic AI đặt việc onsite dài ngày trên kinh nghiệm y tế
- Phân tíchVì sao Palantir từ chối làm "Accenture có phần mềm tốt hơn"
- Phân tíchPalantir tuyển FDE chỉ cần một năm kinh nghiệm, lương từ 135.000 USD
- Phân tíchOpenAI và Anthropic dồn tuyển dụng vào việc giúp khách dùng được AI