VNPT

AI-Native SDLC Playbook & Course — Tổng quan Khóa học

Khung phương pháp luận phát triển phần mềm AI-Native: Tối ưu hóa Bottleneck, phân tầng quyền hạn và vận hành Continuous Loop

Bài gốc: Anthropic Claude Academy reference/ai-native-sdlc/blog/the-ai-native-sdlc-playbook.md 2026-09-16 ~10 phút đọc

1. Triết lý AI-Native SDLC & Dịch chuyển Bottleneck

Trong suốt nhiều thập kỷ, quy trình phát triển phần mềm (SDLC) truyền thống được thiết kế xoay quanh một giả định cốt lõi: khâu Viết Code (Build) là điểm nghẽn lớn nhất (primary bottleneck) của toàn bộ dây chuyền sản xuất. Do việc lập trình thủ công tốn rất nhiều thời gian và công sức, toàn bộ quy trình từ Requirement, Architecture, Testing đến Deployment đều được tối ưu hóa để bảo vệ tối đa năng lực gõ code của kỹ sư.

Khi các mô hình Agentic AI hiện đại xuất hiện, năng lực sinh code của AI đã giải phóng hoàn toàn điểm nghẽn tại khâu Build. Giờ đây, việc viết hàng nghìn dòng mã, tạo unit tests hay chuyển đổi interface diễn ra gần như tức thì. Điều này dẫn đến sự dịch chuyển mang tính cấu trúc của Bottleneck:

  • Dịch chuyển về Upstream (Stage 1 & 2): Năng lực nắm bắt ý định người dùng (Capture Intent) và chuyển hóa thành thiết kế kỹ thuật chính xác (spec.mdPlan Mode) trở thành yếu tố quyết định thành bại. Nếu intent mơ hồ, Agent sẽ sinh ra hàng nghìn dòng code sai với tốc độ ánh sáng.
  • Dịch chuyển về Downstream (Stage 4, 5 & 6): Khi lượng code sinh ra tăng vọt, con người không thể review thủ công từng dòng diff. Trọng tâm chuyển sang việc xây dựng các bộ đánh giá tự động (Continuous Evals), chốt chặn phê duyệt (Hooks as Approval Gates), quy trình review phân tầng (PR Review Loop) và cơ chế tự phục hồi (Closing the Loop on Metrics).
Ý chính

AI-Native SDLC tái cấu trúc vòng đời phát triển phần mềm từ một chu trình tuyến tính thành chu trình liên tục (Continuous Loop). Mỗi giai đoạn kết thúc bằng một artifact kiểm soát phiên bản (committed artifact), và mỗi artifact được chấp thuận sẽ tự động kích hoạt giai đoạn tiếp theo dưới sự kiểm soát an toàn của con người.

2. Sơ đồ chu trình tổng thể: The Continuous Loop

Sơ đồ dưới đây thể hiện kiến trúc tổng thể của The Continuous Loop qua 6 giai đoạn, phân định rành mạch giữa vai trò con người (Humans above the loop) và Agent theo nguyên tác Anthropic:

Sơ đồ tương tác: The AI-Native Continuous Loop Mở toàn màn hình ↗

3. Danh mục 14 Sessions khóa học

Khóa học được chia thành 14 chuyên đề chuyên sâu, dẫn dắt đội ngũ kỹ sư qua từng giai đoạn của AI-Native SDLC:

# Giai đoạn SDLC Tên chuyên đề khóa học Mục tiêu & Trọng tâm kỹ thuật Truy cập
01 Overview 01. Introduction: The AI-Native SDLC & The New Bottleneck

Phân tích SDLC truyền thống, khi code không còn là bottleneck và kiến trúc Continuous Loop tổng thể qua 6 đề mục chuẩn:

  1. SDLC truyền thống
  2. Khi code không còn là bottleneck
  3. Sơ đồ tương tác The AI-Native Continuous Loop
  4. Bảng đối chiếu chuyển dịch
  5. Nguyên tắc vận hành của các Play
  6. Kiểm soát & Đo lường hiệu quả
Xem bài học →
02 Stage 1: Plan 02. Capture as intent.md (Stage 1: Plan) Chuẩn hóa ingestion ý tưởng, bug ticket và alert thành artifact intent.md. Xem bài học →
03 Stage 2: Design 03. Requirements and Design with Skills (Stage 2: Design) Thiết kế kỹ thuật nén với Skills bảo mật, database và API để sinh spec.md. Xem bài học →
04 Stage 2: Design 04. Claude Code Plan Mode as Default (Stage 2: Design) Quy trình khảo sát codebase chỉ đọc và lập kế hoạch thực thi plan.md. Xem bài học →
05 Stage 3: Build 05. The CLAUDE.md (Stage 3: Build) Đóng gói bối cảnh dự án, commands và conventions cốt lõi vào file root CLAUDE.md. Xem bài học →
06 Stage 3: Build 06. Skills as Institutional Knowledge (Tri thức nội bộ) (Stage 3: Build) Đóng gói Tri thức nội bộ thành các thư mục Skill tự kích hoạt qua semantic description. Xem bài học →
07 Stage 3: Build 07. Parallel Sessions and Subagents (Stage 3: Build) Điều phối Lead Session và Worker Subagents chạy song song trên các Git Worktrees. Xem bài học →
08 Stage 4: Test 08. Give Claude a Feedback Loop (Stage 4: Test) Thiết lập phản hồi kiểm thử tự động (TDD red-green) giúp Agent tự sửa lỗi. Xem bài học →
09 Stage 4: Test 09. Continuous Evals in CI (Stage 4: Test) Xây dựng pipeline đánh giá liên tục: Deterministic Unit Tests kết hợp LLM Evals Grader. Xem bài học →
10 Stage 5: Deploy 10. Hooks as Approval Gates (Stage 5: Deploy) Chốt chặn bảo vệ: PreToolUse interceptors ngăn chặn lệnh cấm và ghi nhật ký kiểm toán. Xem bài học →
11 Stage 5: Deploy 11. AI in the PR Review Loop (Stage 5: Deploy) Đưa Claude Code vào PR Review Loop: thực thi chính sách REVIEW.md, tự động sửa comment qua tag @claude, kết hợp incident triage (phân loại và cô lập sự cố sản xuất). Xem bài học →
12 Stage 5: Deploy 12. CI/CD Integration and Deployment (Stage 5: Deploy) Thực thi Claude Code headless trong pipeline, phân tầng quyền hạn, áp dụng canary deployment (triển khai thử nghiệm trên tỷ lệ nhỏ lưu lượng thực tế, ví dụ 5%) và thiết lập rollback gate (chốt chặn tự động revert khi vượt ngưỡng lỗi). Xem bài học →
13 Stage 6: Maintain 13. Closing the Loop on Metrics (Stage 6: Maintain) Giám sát Telemetry Metrics qua control bands (dải chỉ số giới hạn vận hành như CPU, tỷ lệ lỗi, độ trễ), tự động hóa incident triage (phân loại và cô lập sự cố sản xuất) và sinh intent.md tái khởi động Stage 1. Xem bài học →
14 Summary 14. Closing Thoughts and Resources Tổng kết triết lý chuyển đổi AI-Native SDLC, Adoption Roadmap 12 Plays và thư viện tài nguyên kỹ thuật Platform Team. Xem bài học →

4. Ma trận 12 Plays & Nguyên tắc Two-Gate Protocol

Để kiểm soát an toàn và duy trì tốc độ thực thi tự chủ, quy trình làm việc áp dụng nguyên tắc Two-Gate Protocol (Giao thức 2 Cổng Kiểm soát Con người):

G1

Cổng 1: Phê duyệt Intent & Kế hoạch (Approve Plan before mutating code)

Con người kiểm duyệt và phê duyệt intent.md, spec.mdplan.md trước khi cho phép Agent can thiệp chỉnh sửa bất kỳ dòng mã nguồn nào. Đây là chốt chặn quan trọng nhất của Upstream.

Upstream Gate contract

Thực thi tự chủ giữa hai cổng (Autonomous Execution between Gates)

Sau khi Gate 1 được thông qua, Agent thực thi độc lập: viết code, chạy feedback loop, điều phối subagents, tự sửa lỗi unit tests mà không làm phiền kỹ sư bằng các câu hỏi tầm thường.

Agent Speed uninterrupted
G2

Cổng 2: Chấp thuận Bằng chứng Xác minh (Accept Final Verification before landing)

Trước khi merge PR vào main branch hoặc kích hoạt triển khai ra production, con người kiểm tra bằng chứng thực nghiệm: kết quả test, tỷ lệ green evals và review tally để ký duyệt phát hành.

Downstream Gate sign-off

5. Hướng dẫn triển khai thực tế tại VNPT

Đối với các dự án chuyển đổi số và phát triển phần mềm nội bộ tại VNPT, đội ngũ kỹ sư khuyến nghị áp dụng các tiêu chuẩn sau:

  1. Quản lý context qua CLAUDE.md: Mỗi repository bắt buộc có file CLAUDE.md tại root quy định sẵn lệnh build, test, lint và các thư viện bị cấm để Agent nạp quy chuẩn ngay khi khởi động.
  2. Thống nhất thuật ngữ kỹ thuật: Giữ nguyên các thuật ngữ gốc (intent.md, spec.md, plan.md, Continuous Evals, canary deployment, rollback gate) trong câu prompt và cấu hình pipeline để Agent hiểu chính xác.
  3. Khép kín chu trình bảo trì (Closing the loop): Khi hệ thống giám sát (Zabbix/Prometheus) phát hiện số liệu vượt ngưỡng cho phép (bands.yaml), AI Agent sẽ tự động phân loại sự cố (incident triage) và sinh file intent.md chuyển thẳng về khâu lập kế hoạch sửa lỗi, thay vì chờ con người tạo ticket thủ công.
Bắt đầu ngay

Nhấn vào 01. Introduction: The AI-Native SDLC & The New Bottleneck để bắt đầu chu trình triển khai phương pháp luận AI-Native SDLC.