# Khoá crewAI của João Moura: học cách chia việc cho agent, phần production phải học ở khoá sau

> Ba tiếng video đủ để bạn dựng một crew chạy demo. Để nó chạy được ở chỗ khách hàng, bạn còn phải học thêm.

Bản gốc: https://fdetimes.net/vi/sach-khoa-hoc/khoa-multi-ai-agent-systems-crewai-deeplearning-ai/

Khoá có 18 video, 7 ví dụ code, tổng cộng khoảng 3 giờ 6 phút. Đó là toàn bộ "Multi AI Agent Systems with crewAI", khoá ngắn trình độ beginner trên DeepLearning.AI do João Moura, nhà sáng lập kiêm CEO của CrewAI, giảng. Khoá ra mắt tháng 5/2024, trang chính thức ghi bản cập nhật ngày 27/10/2026.

Câu hỏi với một FDE không phải là khoá hay hay dở. Câu hỏi là ba tiếng đó cho bạn được gì khi đứng trước một quy trình thật của khách hàng. Khoá dạy rất tốt cách chia một quy trình nghiệp vụ thành việc cho nhiều agent.

Nhưng khoá gần như không đụng tới những thứ giúp hệ thống trụ được khi gặp dữ liệu thật. Nắm được ranh giới đó, bạn biết phần nào nên học kỹ, phần nào chỉ cần lướt qua.

## Ba tiếng gần với việc FDE hơn bạn nghĩ

Theo mô tả chính thức, khoá dạy cách thiết kế agent và tổ chức một đội agent cho tác vụ nhiều bước, rồi áp dụng vào 6 quy trình kinh doanh phổ biến. Các bài học đi qua agent, tool, task và cách các agent cộng tác với nhau. Ví dụ code gồm customer support, outreach campaign, event planning, financial analysis và một crew tinh chỉnh hồ sơ xin việc.

Danh sách này chính là thứ khách hàng mang đến cho bạn. Họ hiếm khi nhờ "xây agent". Họ nhờ giảm tải cho tổng đài hỗ trợ, rút ngắn khâu chuẩn bị báo cáo tài chính, chuẩn hoá email tiếp cận khách. Khoá rèn cho bạn thói quen nhìn một quy trình như thế rồi tách nó thành các vai và các việc.

Hiện khoá miễn phí, nhưng chỉ trong thời gian giới hạn khi nền tảng của DeepLearning.AI còn chạy beta. Hãy kiểm tra lại trang trước khi gửi link cho đồng nghiệp hay khách.

## Ý thứ nhất: role, goal, backstory là một bản đặc tả công việc

Tài liệu CrewAI định nghĩa agent qua ba trường: role, goal và backstory. Trong đó backstory cung cấp bối cảnh và tính cách cho agent. Nhìn bằng mắt FDE, ba trường này là một bản mô tả công việc viết cho model.

Thử hình dung crew hỗ trợ khách của một hãng bảo hiểm. Agent "chuyên viên tra cứu hợp đồng" có goal là trả lời đúng điều khoản. Backstory nói rõ nó chỉ được trích dẫn từ tài liệu nội bộ.

Muốn viết được như vậy, bạn phải hỏi đúng những câu của customer discovery: ai đang làm việc này, họ được đánh giá theo tiêu chí gì, và điều gì họ tuyệt đối không được làm.

Việc nên làm đầu tiên ở chỗ khách: viết role, goal, backstory cùng người đang trực tiếp làm quy trình đó, đừng ngồi viết một mình.

## Ý thứ hai: vòng lặp nào cũng cần giới hạn

Framework giới hạn vòng lặp của agent bằng max_iter, mặc định là 20, quá số đó agent buộc phải đưa ra câu trả lời tốt nhất nó có. Dù khoá có nhắc tới hay không, FDE cũng phải để ý con số này.

Thử tính: một crew có 3 agent, mỗi lượt lặp gọi model ít nhất một lần. Nếu agent nào cũng chạy hết 20 lượt, một yêu cầu có thể tốn 60 lần gọi rồi mới dừng. Nhân lên với vài nghìn ticket mỗi ngày, đó là câu hỏi về chi phí và độ trễ mà khách sẽ hỏi bạn chứ không hỏi giảng viên.

Khi chạy lại ví dụ customer support, hãy ghi số lượt lặp thực tế của từng task rồi hạ max_iter xuống mức vừa đủ dùng.

## Ý thứ ba: demo và deployment khác nhau ở lớp Flows

Theo tài liệu CrewAI, Flows là cách nối các Crew thành một quy trình có cấu trúc, chạy theo sự kiện. Flows quản lý state có kiểu dữ liệu và tự khôi phục state sau khi gặp lỗi hoặc khởi động lại. Đây chính là ranh giới giữa một notebook demo và một hệ thống chạy thật cho khách.

Một crew tinh chỉnh hồ sơ chạy suôn sẻ một lần là chuyện dễ. Một pipeline xử lý hàng trăm hồ sơ mà dừng giữa chừng thì phải biết mình đã xử lý tới đâu, nếu không sẽ phải chạy lại từ đầu và tốn tiền thêm lần nữa.

**Điểm mấu chốt:** Demo chứng minh được ý tưởng. Muốn chứng minh hệ thống, bạn cần state, giới hạn và đánh giá.

## Học theo thứ tự nào, bỏ qua phần nào?

Nếu bạn mới làm quen với agent, hãy học trọn khoá beginner và chạy lại cả 7 ví dụ. Nếu đã từng dựng agent, bạn có thể lướt nhanh phần khái niệm và dành thời gian cho các bài về cộng tác giữa nhiều agent. Đừng mất công biến ví dụ event planning hay outreach thành sản phẩm hoàn chỉnh, vì chúng chỉ là bài tập để hiểu khái niệm.

Sau đó, chuyển sang "Design, Develop, and Deploy Multi-Agent Systems with CrewAI" trên Coursera, cũng do João Moura giảng. Khoá này dạy dùng traces để theo dõi và debug agent, đánh giá hành vi bằng LLM-as-a-Judge, dùng MCP server, rồi thêm guardrails, hooks và cách kiểm soát chi tiết luồng chạy bằng Flows.

Coursera ghi thời lượng khoảng 2 tuần, mỗi tuần 10 giờ, nặng hơn hẳn khoá đầu, nhưng đó là phần FDE cần nhất.

## Biến khoá học thành bằng chứng trong CV

Chứng chỉ hoàn thành khoá không cho nhà tuyển dụng thấy bạn xử lý được dữ liệu thật hay không. Hãy dựng một crew cho một quy trình cụ thể, chẳng hạn phân loại ticket hỗ trợ từ dữ liệu công khai. Bọc nó trong một Flow, ghi trace, chấm điểm bằng LLM-as-a-Judge, và viết README giải thích bạn chọn max_iter bao nhiêu, vì sao.

Khi đọc JD của vị trí FDE, hãy để ý các từ evaluation, guardrails, observability. Đó là những gì khoá thứ hai dạy, và cũng là những từ nên đặt ở dòng đầu khi bạn mô tả dự án.

Ba tiếng với João Moura dạy bạn cách chia việc cho một đội agent. Phần còn lại của nghề FDE là chứng minh với khách rằng đội agent đó vẫn làm đúng việc khi không có ai ngồi theo dõi.

**Thử ngay tuần này:**

- Chạy lại ví dụ customer support trong khoá, ghi số lượt lặp thực tế của từng task rồi hạ max_iter xuống mức vừa đủ.
- Chọn một quy trình thật, ví dụ phân loại ticket hỗ trợ. Viết role, goal, backstory cho từng agent như viết mô tả công việc cho một nhân viên mới.
- Mở trang khoá trên Coursera, xem phần traces và guardrails, và xếp lịch 2 tuần, mỗi tuần 10 giờ, nếu bạn định nhắm vào vị trí FDE làm agent.

## Nguồn

- [Multi AI Agent Systems with crewAI – DeepLearning.AI](https://www.deeplearning.ai/courses/multi-ai-agent-systems-with-crewai)

- [🌟 New Course! Enroll in Multi AI Agent Systems with crewAI](https://community.deeplearning.ai/t/new-course-enroll-in-multi-ai-agent-systems-with-crewai/628066)

- [Multi AI Agent Systems with crewAI – DeepLearning.AI short course](https://www.deeplearning.ai/short-courses/multi-ai-agent-systems-with-crewai/)

- [Design, Develop, and Deploy Multi-Agent Systems with CrewAI – Coursera](https://www.coursera.org/learn/design-develop-and-deploy-multi-agent-systems-with-crewai)

- [Flows – CrewAI Documentation](https://docs.crewai.com/en/concepts/flows)

- [Agents – CrewAI Documentation](https://docs.crewai.com/en/concepts/agents)