grep -r "tutorial"
120 posts tagged tutorial
- Kubernetes A-to-Z Series
- Kibana từ A đến Z: Series Plan
- LLM từ zero: Series Plan
- Claude Code từ zero: Series Plan
- [1/24] K is for Kubernetes: Understanding the Basics and Architecture
- [2/24] C is for Containers: Docker Fundamentals Before Kubernetes
- [26/26] X is for eXtensibility: CRDs, Webhooks, and the API Aggregation Layer
- LLM hoạt động thế nào: mental model cho dev
- Calculus cho LLM: gradient, chain rule, backprop intuition
- Linear algebra cho LLM: vector, matrix, dot product
- Neural network tối giản: perceptron, MLP từ zero
- Probability cho LLM: softmax, cross-entropy, perplexity
- Build BPE tokenizer từ đầu (theo Karpathy minbpe)
- Attention mechanism: Query, Key, Value intuition
- Embeddings: word2vec, contextual, và positional encoding (RoPE)
- Multi-head attention: tại sao chia nhiều head
- nanoGPT: 300 dòng PyTorch tái tạo GPT từ đầu
- Self-attention: code từ đầu bằng NumPy
- Transformer block: attention + MLP + layer norm + residual
- Tokenization: BPE, WordPiece, SentencePiece
- Claude Code là gì: CLI, IDE, Web, SDK và anatomy của 1 session
- autoMemoryDirectory: chia memory theo project hoặc client
- Branch-per-machine: sync ~/.claude/ giữa các máy
- Auto-memory: file-based, MEMORY.md index, các loại memory
- CLAUDE.md và rules: kiến trúc instructions hierarchical, path-scoping
- Context window: prompt được dựng thế nào mỗi turn
- Compaction và prompt cache: cách CC quản lý conversation dài
- Anatomy của 1 hook production-grade: shell script và exit codes
- Hooks: lifecycle events, exit codes, và các kiểu hook thực tế
- Mobile coding qua Telegram bridge
- MCP servers: context bên ngoài, khi nào tự build, khi nào dùng có sẵn
- Plan mode: state file, exit prompt, plan vs todo vs memory
- Permission model: ask, auto, acceptEdits, bypassPermissions và deny list
- Plugins: khác skill thế nào, marketplace, khi nào dùng
- Settings.json load-bearing: env, permissions, hooks, plugins
- Anatomy của 1 skill production-grade: từ ý tưởng đến SKILL.md
- Skills: SKILL.md frontmatter, slash command, và disable-model-invocation
- Subagents: anatomy, tools whitelist, system prompt, và examples block
- TeamCreate và SendMessage: persistent addressable agents
- Spawning patterns: foreground, background, sequential, teammate
- Tool use loop: vòng giữa model và tool, retry, parallel calls
- Worktree hotfix trong khi main session đang debug production
- Worktree isolation: vì sao tách working tree và base branch hook
- Background session và worktree: setting worktree.bgIsolation từ 2.1.143
- Distributed training: DP, DDP, FSDP, pipeline parallel
- DPO và RLHF: alignment với preference data
- Hands-on fine-tune Llama-3 với dataset tiếng Việt LoRA $20 GPU
- LoRA và QLoRA: parameter-efficient fine-tuning
- Scaling laws: Chinchilla, compute-optimal, data efficient
- SFT: supervised fine-tuning với instruction dataset
- Training loop: forward, backward, optimizer, lr schedule
- Agent là gì: LLM cộng tools cộng memory cộng loop
- Control loop: ReAct, agentic loop, điều kiện dừng
- Chain-of-Thought so với structured reasoning
- Build agent từ đầu: 100 dòng Python với Anthropic SDK
- Memory cho agent: context window, scratchpad, summarization
- Plan-and-Execute: tách planning khỏi execution
- Tree of Thoughts và tree search cho agent
- Agent communication: shared state so với message passing
- Eval cho agent: trace, replay, golden set, regression
- Cost và latency: token budget, streaming, prompt caching
- Failure modes: hallucination, infinite loop, hijacking
- On-call cho agent: monitoring, alerts, rollback, A/B test
- Security: prompt injection, tool sandboxing, secrets
- Browser automation cho agent: Playwright và computer use
- Code execution sandbox: subprocess, Docker, e2b
- MCP (Model Context Protocol): chuẩn hoá tool layer
- Multi-agent patterns: supervisor, handoff, debate
- RAG cho agents: retrieval trong vòng lặp, không phải QA
- ReAct: thought, action, observation cycle
- Self-reflection: critic, verifier, retry pattern
- Specialized agent roles: planner, executor, reviewer
- Tool design: schema, validation, idempotency
- Tool use cơ bản: function calling, JSON schema, error handling
- AI cho người không code, bài A: AI là gì (đúng cách)
- AI cho người không code, bài B: bộ não của AI hoạt động ra sao
- AI cho người không code, bài C: ChatGPT vs Claude vs Gemini, chọn cái nào
- AI cho người không code, bài D: dạy AI bằng prompt, cách 'ra lệnh' cho AI hiểu
- Background Agents 2026, bài 1: anatomy của async coding
- Background Agents 2026, bài 2: Claude Code BG mode và FleetView
- Local LLM 2026, bài 3: Ollama vs LM Studio vs vLLM vs llama.cpp
- Local LLM 2026: gpt-oss, Qwen 3, DeepSeek R1, Gemma 3 và Llama 4
- MCP từ zero, bài 2: build MCP server đầu tiên với TypeScript và Python
- MCP từ zero, bài 3: transport sâu, stdio, SSE, Streamable HTTP
- MCP từ zero, bài 4: Auth và Authorization, OAuth 2.0 Resource Server
- MCP từ zero, bài 5: resource design, pagination, cursor, MIME
- MCP từ zero, bài 6: tool design, schema, error handling, idempotency
- MCP từ zero, bài 7: prompt resources và sampling
- AI cho người không code, bài E: 'em phịa' (hallucination) và cách phát hiện
- AI cho người không code, bài F: phòng đối thoại (context window) và tại sao AI quên
- AI cho người không code, bài G: ghi nhớ, AI có thực sự nhớ bạn không
- AI cho người không code, bài H: token, gói trả phí, có đáng tiền không
- Background Agents 2026, bài 3: Cursor Background Agent deep dive
- Background Agents 2026, bài 4: Devin vs OpenDevin vs Replit Agent, so sánh
- Background Agents 2026, bài 5: BG vs sync agent, chọn cái nào, khi nào
- Local LLM 2026, bài 4: MCP cho local agents, Ollama, Cursor, gptme cắm tool
- Local LLM 2026, bài 5: failure modes, agent loops, tool-call format mismatch, OOM
- MCP từ zero, bài 11: test và evaluate MCP server, MCP Inspector và security checklist
- MCP từ zero, bài 12: MCP cho Cursor, Windsurf, gptme, Codex, không chỉ Claude
- MCP từ zero, bài 8: deploy MCP server, Cloudflare Workers, Railway, self-host
- AI cho người không code, bài I: viết email và content
- AI cho người không code, bài J: tóm tắt PDF dài, sách, báo cáo
- AI cho người không code, bài K: ghi chú họp và action items
- AI cho người không code, bài L: Excel và Google Sheet với AI
- AI cho người không code, bài M: slide thuyết trình với AI
- AI cho người không code, bài N: dịch thuật chuyên nghiệp với AI
- AI cho người không code, bài O: one-day research với AI
- AI cho người không code, bài P: phát triển kỹ năng mới cùng AI
- AI cho người không code, bài Q: quẩy du lịch cùng AI
- AI cho người không code, bài R: rèn sức khoẻ với AI, ranh giới với bác sĩ
- AI cho người không code, bài T: học và dùng tiếng Anh với AI
- AI cho người không code, bài S: sổ chi tiêu và đầu tư cơ bản với AI
- AI cho người không code, bài U: ươm con, AI giúp con học mà không hỏng
- AI cho người không code, bài V: vai trò người lắng nghe, AI có coach được không
- AI cho người không code, bài W: Wifi, privacy, dữ liệu nào không nên đưa AI
- AI cho người không code, bài X: xác minh deepfake, ảnh AI, voice clone
- AI cho người không code, bài Y: những yêu cầu KHÔNG nên dùng AI
- AI cho người không code, bài Z: zero panic, AI có thay nghề bạn không
- AI cho người không code: đọc series này thế nào
- Mở khóa /workflows: từ env CLAUDE_CODE_WORKFLOWS đến 10 multi-agent flow