Building with the Claude API: khoá miễn phí của Anthropic dạy được nửa kỹ thuật của nghề FDE

Tin tuyển Forward Deployed Engineer mà đội Applied AI của Anthropic đăng ngày 28/04/2026 yêu cầu ứng viên giao cho khách những thứ rất cụ thể: MCP server, sub-agent, agent skill. Khoá học miễn phí của chính Anthropic có module riêng cho MCP và cho agent workflow. Giáo trình và mô tả công việc gặp nhau ở khá nhiều điểm.

Nhưng cũng tin tuyển đó đòi FDE đi đến chỗ khách từ 25 đến 50% thời gian để cùng khách xây sản phẩm. Phần này thì không video nào dạy được.

Nếu bạn là developer Việt Nam đang tính đường sang FDE, khoá học này đáng bỏ thời gian. Có điều bạn cần biết nó lo được nửa nào của nghề và nửa nào bạn phải tự học.

Khoá này dành cho ai?

“Building with the Claude API” do Anthropic làm, đăng trên Skilljar trong Anthropic Academy và đăng ký miễn phí. Anthropic Academy tự giới thiệu là nơi đội giáo dục của Anthropic đăng khoá học và hướng dẫn miễn phí. Trang khoá học mô tả đây là khoá video dạy developer tích hợp Claude vào ứng dụng thông qua Anthropic API.

Yêu cầu đầu vào thấp: biết Python và JSON cơ bản, chưa từng làm với LLM cũng được. Đáng chú ý là trong nhóm người học mục tiêu có ghi rõ kỹ sư phần mềm đang chuyển sang phát triển ứng dụng AI. Đó gần như đúng là chân dung người muốn vào FDE.

Trang khoá học không ghi thời lượng, vì thế bạn nên tự đặt lịch, ví dụ mỗi tuần học xong một module và làm một bài tập nhỏ đi kèm.

Nên học module nào trước?

Lời khuyên là hãy học module Prompt evaluation trước tiên, trước cả RAG và agent. Module này dạy cách tạo dataset test, rồi chấm kết quả bằng model và bằng code. Khi ngồi ở chỗ khách, đây là công cụ giúp bạn chứng minh hệ thống chạy tốt bằng con số chứ không phải bằng cảm giác.

Thử hình dung khách là một công ty bảo hiểm muốn Claude trích xuất thông tin từ hồ sơ bồi thường. Bạn viết 20 hồ sơ mẫu. Code kiểm tra output có đúng JSON hay không, đủ trường bắt buộc hay không.

Model chấm những câu hỏi mà code không chấm được, chẳng hạn phần tóm tắt có bịa thêm chi tiết hay không. Nếu 17 trên 20 hồ sơ qua cả hai vòng, bạn có một con số để mang vào cuộc họp với khách, và 3 hồ sơ còn lại cho bạn biết cần sửa gì tiếp.

Sau eval, hãy học Tool use. Module này đi từ schema đến hội thoại nhiều lượt với nhiều tool, có thêm text edit tool và web search tool. Nếu thời gian eo hẹp, bạn có thể lướt nhanh hai tool dựng sẵn ấy.

Phần đáng dồn thời gian hơn là cách viết schema và xử lý hội thoại nhiều lượt với nhiều tool, vì hệ thống có tool nào bạn dựng cho khách cũng sẽ cần đến hai kỹ năng này.

Tiếp theo là RAG and Agentic Search: chunking, embeddings, BM25 và pipeline multi-index. Hầu như khách nào cũng có một đống tài liệu nội bộ và muốn hỏi đáp trên đó. Kết hợp BM25 với embeddings là cách bắt được cả mã sản phẩm viết chính xác lẫn câu hỏi diễn đạt theo nhiều kiểu khác nhau.

Ba ý đáng giữ lại

Ý thứ nhất là eval phải có hai lớp chấm. Code chấm những gì đo được một cách máy móc, model chấm phần còn lại. Thiếu lớp nào thì bạn cũng đang tự lừa mình.

Ý thứ hai nằm ở module Agents and workflows, với các bài về parallelization, chaining, routing và một bài riêng so sánh workflow với agent. Tốt nhất hãy chọn cấu trúc đơn giản nhất mà vẫn giải được bài toán. Một quy trình duyệt hồ sơ có các bước cố định thì chaining là đủ. Chỉ khi các bước không đoán trước được mới cần đến agent tự quyết.

Phần đó bạn sẽ phải tự mày mò thêm.

Ý thứ ba là MCP. Module này dạy client, server, tools, resources và prompts, và MCP server chính là một trong những thứ tin tuyển của Anthropic ghi rằng FDE phải giao cho khách. Vì thế, hãy học MCP như học cách đóng gói một sản phẩm giao hàng, đừng học nó như một giao thức để biết cho có.

Nửa còn lại khoá học không dạy

Gergely Orosz của The Pragmatic Engineer định nghĩa FDE là kỹ sư luân phiên giữa việc ngồi cùng đội khách hàng và việc làm trong đội sản phẩm lõi. Vai trò này ra đời ở Palantir đầu những năm 2010. Tin tuyển FDE của Google mô tả đây là người trực tiếp xây sản phẩm ngay trong đội của khách, nối sản phẩm AI tiên tiến với thực tế production.

Tin tuyển của Anthropic cũng yêu cầu làm việc ngay trong hệ thống của khách, đồng thời nhận diện và hệ thống hoá những pattern triển khai lặp lại. Không module nào dạy bạn cách đọc một codebase lạ trong hai ngày, hay cách biến lần triển khai thứ ba thành một mẫu để đội sản phẩm tái sử dụng.

Bạn có thể bù phần này bằng một dự án cá nhân. Chọn một bài toán giả định, ví dụ bộ phận chăm sóc khách hàng của một chuỗi bán lẻ. Dựng MCP server bọc API giả lập của họ, viết bộ eval, rồi viết một trang mô tả pattern mà lần triển khai sau có thể dùng lại.

Trên CV, hãy ghi đúng như vậy: sản phẩm giao, con số eval và pattern rút ra. Khi đọc JD, hãy tìm các cụm như “customer systems” hay “deployment patterns” để biết công ty đó cần nửa nào của bạn.

Khoá học giúp bạn viết được đoạn code mà khách cần. Còn chuyện bạn có được khách mời quay lại làm tiếp hay không thì phụ thuộc vào nửa kia của nghề.