Language: Tiếng Việt
Liên hệ

Giải pháp / AVATAR CODING

Giải pháp / AVATAR series – các nền tảng AI cho doanh nghiệp

AVATAR CODING

Nền tảng context cho AI-Driven Development

Nền tảng context quản lý tri thức của doanh nghiệp và đội phát triển (triết lý thiết kế, quy tắc phát triển, kiến thức kỹ thuật) rồi chia sẻ cho AI, để cả tổ chức áp dụng AI-Driven Development (AIDD).

Màn hình minh hoạ AVATAR CODING. ① Yêu cầu: Minh nhờ trợ lý AI thêm cơ chế để một yêu cầu hoàn tiền không bị xử lý hai lần. ② Quy tắc: trước khi làm, AI tra 4 mục của tổ chức: quy ước code, quy ước xử lý lỗi, code đã viết trước đây (chặn giao dịch lặp ở API thanh toán) và tiêu chí review. ③ Lập trình: AI sửa code theo quy tắc của tổ chức và code đã viết trước đây, kèm lời giải thích đã đổi những gì. ④ Review: Agent review soát 4 tiêu chí review, rồi lưu thay đổi vào Knowledge Hub để lần phát triển sau tra lại được.

  1. Yêu cầu
  2. Quy tắc
  3. Lập trình
  4. Review
Màn hình minh hoạ, khác với giao diện thật. Tên người và số liệu đều là hư cấu.

Model và công cụ hỗ trợ

Hỗ trợ các model AI và công cụ phát triển chính

Model AI
  • Claude
  • OpenAI
  • Gemini
  • DeepSeek
  • Cùng các model khác
Môi trường phát triển
  • Claude Code
  • IDE
Quản lý mã nguồn
  • GitHub
  • GitLab
Công cụ làm việc
  • ChatOps
  • Hỗ trợ MCP, chuẩn chung kết nối AI với công cụSlack, Notion, Jira, v.v.
Hình minh hoạ AVATAR CODING: kinh nghiệm từ dự án A và B được gom về Knowledge Hub, rồi “Avatar”, nhân vật AI của NAL, mang kinh nghiệm đó tới các khâu thiết kế, lập trình và review của dự án mới.

Những vấn đề thường gặp

Đã dùng AI, nhưng AI chưa thành sức mạnh của tổ chức

Mỗi người tự dùng công cụ AI viết code theo cách riêng, tổ chức chưa có chuẩn chung
Code do AI viết không khớp với triết lý thiết kế và quy tắc phát triển của công ty
Kinh nghiệm nằm lại trong từng dự án, không dùng lại được cho dự án sau
Người giàu kinh nghiệm nghỉ việc, kinh nghiệm cũng đi theo
Tổ chức không nắm được AI đang được dùng ra sao, hiệu quả đến đâu
Thông tin nhạy cảm có thể lọt ra ngoài mà không ai hay

Cách tiếp cận của AVATAR CODING

Điều cần hỏi không phải “đã dùng AI chưa”, mà là “dùng AI như thế nào”

Đưa AI-Driven Development từ mẹo của từng người thành cách làm chung của tổ chức

AVATAR CODING chia sẻ triết lý thiết kế và quy tắc phát triển của tổ chức cho AI, để hiệu quả dùng AI không còn tuỳ vào mẹo riêng của từng người. Cả đội cùng phát triển phần mềm với AI trên cùng một nền hiểu biết chung.

Cách hoạt động

Trao cho AI context của tổ chức

AVATAR CODING gom triết lý thiết kế và quy tắc của tổ chức thành Thông tin AI đọc trước khi bắt tay vào việc. Ở đây là triết lý thiết kế, quy tắc phát triển, kiến thức kỹ thuật và code đã viết trước đây của tổ chức. để AI tra cứu mỗi ngày khi thiết kế, lập trình và review. Bài học rút ra khi làm việc cũng quay về với tổ chức.

Context của tổ chức

  • Triết lý thiết kếTài liệu định hướng, Bản ghi các quyết định thiết kế quan trọng: đã chọn gì và vì sao (Architecture Decision Record). Người vào sau cũng lần ra được lý do của từng quyết định.
  • Quy tắc phát triểnQuy ước code
  • Kiến thức kỹ thuậtWiki nội bộ, ghi chú kỹ thuật
  • Code và kinh nghiệm cũCách nhờ thành viên khác xem lại thay đổi code trước khi gộp vào (pull request). Các trao đổi trong đó được lưu lại, giúp hiểu các quyết định trước đây., nhật ký xử lý sự cố

AVATAR CODING

Nền tảng context chung của tổ chức

  • Skill
  • Agent
  • Command
  • Hook
  • Workflow
  • Knowledge Hub
  • Gatekeeper
  • Telemetry
  1. $ avatar init
  2. Tải thư viện skill dùng chungOK
  3. Khởi động các AI AgentOK
  4. Kết nối kiến thức của tổ chứcOK
  5. Bật cổng bảo mậtOK
  6. Bắt đầu đo mức sử dụngOK
  7. Môi trường cả đội đã sẵn sàng.

LLM hỗ trợClaudeOpenAIGeminiDeepSeekv.v.

Lập trình hằng ngày

  1. Thiết kếĐúng định hướng
  2. Lập trìnhĐúng quy ước
  3. ReviewCổng kiểm tra tự động
Bài học quay về tổ chức

Dùng cho cả đội

Một đầu vào chung, đầu ra tới tay từng người

Khi đã nắm context của tổ chức, AVATAR không chỉ phục vụ lập trình viên. Khách hàng, PO (Product Owner) và đội phát triển dùng chung một backlog, còn AVATAR kết nối các bên với nhau.

Chọn một yêu cầu mẫu để xem yêu cầu đó đi qua bảng như thế nào.

Một backlog chungMọi người làm việc trên cùng một bảng

Người tham gia: khách hàng, Proxy PO, AVATAR, đội phát triển

  1. Yêu cầu1Vào

    Khách hàng

    #128

    Muốn đổi ngày giờ đã đặt

    Khách10:02

    Tiến độ

  2. Đặc tả1

    Proxy PO + AVATAR

    #128AVATAR viết nháp

    Chức năng đổi lịch đặt

    • Đổi được đến 18:00 ngày trước ngày đặt
    • Chỉ chọn được khung giờ còn trống
    • Gửi email xác nhận sau khi đổi

    Theo triết lý thiết kế

    Khách hàng xác nhậnProxy PO đã duyệt

  3. Chia task3

    AVATAR

    • #128-1

      API: xử lý đổi lịch

      M
    • #128-2

      Màn hình: chọn lại ngày giờ

      L
    • #128-3

      Thông báo: gửi email xác nhận

      T

    Theo kinh nghiệm dự án cũ

  4. Tiêu chí nghiệm thu3

    AVATAR

    #128AVATAR soạn

    • Quá 18:00 ngày trước ngày đặt thì không đổi được
    • Không chọn được khung đã kín chỗ
    • Đổi xong thì nhận được email xác nhận

    Theo quy tắc phát triển

  5. Tới lập trình viênRa

    Đội phát triển

    Gửi tới từng người phụ trách

    • M#128-1Nhận
    • L#128-2Nhận
    • T#128-3Nhận
    • QATiêu chíNhận

    Đã nhận, kèm tiêu chí nghiệm thu.
    Không cần copy-paste

PO chuyển yêu cầu của khách hàng thành đặc tả. AI chia đặc tả thành task và tiêu chí nghiệm thu, rồi gửi thẳng tới lập trình viên. Không cần copy-paste.

Màn hình minh hoạ, khác với giao diện thật. Nội dung các yêu cầu đều là ví dụ hư cấu.

Giao diện

Nắm các quy ước của tổ chức ở cùng một nơi

Quản lý các quy ước dùng AI của tổ chức trên cùng một màn hình, gồm Skill, Agent, Knowledge Hub và Gatekeeper.

Skill dùng chung là “sổ tay làm việc” của AI.Nơi lưu quy tắc và quy trình của tổ chức. Ai giao việc thì AI cũng làm theo cùng một chuẩn.

Agent là “người phụ trách” bằng AI cho từng khâu.Mỗi AI giữ một vai trò riêng, chia nhau thiết kế, lập trình, review và test.

Knowledge Hub là “kệ hồ sơ” chung của mọi dự án.Nơi lưu code đã viết và cách đã giải quyết từng vấn đề. Ở lần phát triển sau, AI tra lại tại đây.

Gatekeeper là “người gác cổng” của AI.Chặn thao tác nguy hiểm trước khi chạy, như tác động thẳng vào dữ liệu production. Thao tác cần cân nhắc thì chờ người duyệt.

Mức sử dụng là màn hình giúp “nhìn thấy” việc dùng AI.Xem AI được dùng nhiều đến đâu bằng số liệu, theo từng nhóm và từng tuần.

Model AI là “công tắc” chọn AI để dùng.Màn hình chọn AI nào (Claude, OpenAI, v.v.) dùng cho việc gì. Có thể chọn lại sau, tuỳ mục đích và chi phí.

Skill dùng chung36 mụcMới cập nhật trước

SkillPhạm viTrạng tháiCập nhật
Mọi nhómDùng chung30/9
BackendDùng chung25/9
Mọi nhómDùng chung18/9
Hạ tầngBản nháp11/9

Còn 32 skill khác

Quy ước codeDùng chung

Phạm vi: mọi nhóm

  1. Tên hàm bắt đầu bằng động từ
  2. Trả lỗi theo định dạng chung
  3. Gọi API bên ngoài thì đặt giới hạn số lần thử lại

Minh · cập nhật 30/9

Agent12 mụcQuy trình: chuẩn

KhâuAgentViệcSkill dùng
Thiết kếAgent thiết kếLập phương án thiết kế từ yêu cầuĐịnh hướng thiết kế
Lập trìnhAgent lập trìnhViết code theo thiết kếQuy ước codeQuy tắc đặt tên
ReviewAgent reviewKiểm tra theo tiêu chí reviewTiêu chí review
TestAgent testViết thêm test và chạyĐịnh hướng test

Còn 8 agent khác: kiểm tra bảo mật, viết tài liệu, điều tra lỗi, v.v.

Knowledge HubMọi dự án

Hay tìm

  • Chặn giao dịch lặp ở API thanh toánpayment-api · 20258 lượt tra cứu
  • Thiết kế xử lý lỗi khi hoàn tiềnpayment-api · 20255 lượt tra cứu
  • Thử lại với dịch vụ thanh toán bên ngoàibooking · 20243 lượt tra cứu

Đang hiện 3 kết quả đầu

Gatekeeper16 quy tắcTất cả đang bật

Quy tắcXử lýÁp dụng
Tác động thẳng vào database productionChặnMọi nhóm
Lọt API key, lỗ hổng bảo mậtChặnMọi nhóm
Xoá hàng loạt fileHỏi trước khi chạyMọi nhóm
Thêm package phụ thuộcHỏi trước khi chạyBackend

Còn 12 quy tắc khác

Chờ duyệt: xoá hàng loạt file (32 file)Agent lập trình · 10:31

Nhật ký gần đây

  • ChặnĐã chặn kết nối tới database production
  • Đã duyệtLan đã duyệt việc thêm package phụ thuộc

Mức sử dụng28/9 – 2/10

Lượt dùng AI tuần này

1.248 lượt

Tuần trước: 1.106 lượt

Thành viên đang dùng

36 người

Trong 42 người đã đăng ký

Skill dùng nhiều nhất

Quy ước code

Tuần này 412 lượt

Lượt dùng AI theo nhóm (tuần này)Đơn vị: lượt

  • Backend486
  • Frontend392
  • Hạ tầng214
  • QA156

Model AI5 mụcĐã kết nối 3 mục · Chưa cài đặt 2 mục

ModelDùng choKết nối
ClaudeThiết kế, reviewĐã kết nối
OpenAIHỗ trợ lập trìnhĐã kết nối
GeminiTìm hiểu, tóm tắtChưa cài đặt
DeepSeekHỗ trợ lập trìnhChưa cài đặt
LLM gatewayKết nối các model khác cùng lúcĐã kết nối

Màn hình minh hoạ, khác với giao diện thật. Tên người và số liệu đều là hư cấu.

Tính năng

Biến văn hoá phát triển của tổ chức thành điều AI hiểu được

01

Chia sẻ quy tắc của tổ chức ở dạng AI dùng được

Định nghĩa triết lý thiết kế, quy tắc phát triển, quy ước đặt tên và cấu trúc thành “Quy ước của tổ chức, viết lại ở dạng AI đọc được. Khi đã đăng ký quy ước code, tiêu chí review, v.v., AI tra lại mỗi lần làm việc.” để cả đội dùng chung một chuẩn. Mỗi người không còn dùng AI mỗi kiểu.

02

AI Agent phụ trách từng khâu

Mỗi AI tự làm việc theo vai trò và các bước đã định sẵn. Có thể chia vai trò theo từng khâu như thiết kế, lập trình, review. giữ một vai trò riêng ở các khâu như thiết kế, lập trình, review, cùng hỗ trợ đội phát triển phần mềm. Cách làm mà tổ chức đã thống nhất có thể được định nghĩa nguyên vẹn thành các bước làm việc của AI.

03

Command và Hook

Gom các việc lặp đi lặp lại thành command, rồi dùng Cơ chế tự chạy vào thời điểm định sẵn. Ví dụ: trước mỗi lần lưu code, tự kiểm tra code có đúng quy ước không. gắn chúng vào quy trình phát triển hằng ngày.

04

Knowledge Hub

Lưu lại kinh nghiệm từ từng dự án ở dạng dùng lại được ngay cho lần phát triển sau. Không cần chờ ai đó viết tài liệu. Cùng một sai lầm, không mắc lại lần thứ hai.

05

Gatekeeper và Telemetry

Kiểm soát phạm vi dùng AI và dùng Cơ chế tự ghi lại ai dùng AI, ở đâu, bao nhiêu, rồi hiện thành số liệu. để theo dõi hoạt động, giúp tổ chức quản lý được việc dùng AI. Cả việc lọt API key (tương đương mật khẩu) vào code lẫn lỗ hổng bảo mật đều bị chặn lại trước khi code rời máy của lập trình viên. Mức dùng AI hiện thành số liệu, làm căn cứ cho quyết định đầu tư.

Màn hình minh hoạ, khác với giao diện thật. Tên người và số liệu đều là hư cấu.

Có sẵn

Dùng được ngay từ ngày đầu

Không phải lời hứa. Ngay khi bật AVATAR CODING, cả đội đã có trong tay những thứ này.

  • SKILLS

    50+

    Skill chuyên môn dùng được ngay

  • AGENTS

    20+

    AI Agent theo từng vai trò

  • COMMANDS

    50+

    Command tự động hoá

  • SECURITY

    24/365

    Cổng bảo mật chạy không ngừng

Vì sao chọn AVATAR CODING

Không dừng ở việc giao công cụ

Những điểm dưới đây không nói về tính năng, mà về những gì phát huy tác dụng sau khi đưa vào dùng.

Kỹ sư NAL ngồi quanh bàn phòng họp, phát triển phần mềm trên laptop
  1. NAL dùng hằng ngày trong chính dự án của mình

    Kỹ sư NAL dùng hệ thống này trong công việc phát triển hằng ngày, và chúng tôi đóng gói nguyên như vậy thành sản phẩm. Cách làm nào không duy trì được trong nội bộ thì đã bị loại bỏ. Chúng tôi dùng trong dự án thật và chỉ giữ lại những phần cần thiết.

  2. Dùng AI nào, sau này vẫn chọn lại được

    AVATAR CODING hỗ trợ nhiều model, nên có thể đổi model khi xem lại mục đích dùng hay chi phí. Các model chính như Claude, OpenAI, Gemini, DeepSeek đều được hỗ trợ, nên tổ chức không bị trói buộc vào một AI duy nhất.

  3. Chạy ngay trên môi trường phát triển hiện có

    AVATAR CODING chạy cùng editor và hệ thống quản lý mã nguồn mà đội đang dùng, kết nối được cả GitHub và GitLab, nên không cần thay đổi cách làm việc của đội phát triển.

  4. Do một công ty phát triển phần mềm thiết kế

    AVATAR CODING được xây dựng bởi đơn vị đã nhiều năm nhận phát triển phần mềm theo đặt hàng của khách, nên thiết kế xoay quanh những khâu không thể bỏ qua trong thực tế, như review và soát chất lượng. Sau khi triển khai, người hiểu công việc phát triển thực tế sẽ tư vấn cả phần vận hành.

Hiệu quả

Biến mẹo của từng người thành chuẩn chung của tổ chức

Vuốt ngang để xem

BEFORE Dùng AI tuỳ từng người Cách dùng và kết quả tuỳ vào từng ngườiKết quả AI làm ra không khớp quy tắc công tyKinh nghiệm nằm lại trong từng dự ánKhông ai biết AI có hiệu quả hay khôngThành viên mới mất vài tháng để bắt nhịp AFTERAI dùng chung cả tổ chức AI làm việc theo cùng một chuẩn Kết quả đúng quy tắc của tổ chức Kinh nghiệm chuyển sang dự án sau Việc dùng AI hiện rõ bằng số liệu Thành viên mới làm ra kết quả từ ngày đầu

Phù hợp với tổ chức nào

  • Công ty phần mềm, outsourcingMuốn tốc độ bàn giao và chất lượng đồng đều ở mọi dự án.
  • Đội sản phẩm / phát triểnMuốn mọi người dùng AI theo một khuôn chung, thay vì mỗi người một kiểu.
  • Tổ chức đang mở rộngMuốn giữ chất lượng và cách làm khi đội ngũ đông lên.

Quy trình triển khai

Bắt đầu từ một nhóm nhỏ, rồi mở rộng ra cả tổ chức

STEP 01

Nắm hiện trạng

Làm rõ tổ chức đang dùng AI ra sao, quy tắc phát triển và kiến thức đang nằm ở đâu.

STEP 02

Định nghĩa context

Viết triết lý thiết kế và quy ước thành hướng dẫn cho AI đọc (skill) và luồng công việc (workflow).

STEP 03

Chạy thử

Chạy thử với một nhóm, điều chỉnh chất lượng đầu ra và quy tắc vận hành.

STEP 04

Mở rộng toàn công ty

Mở rộng phạm vi, tích luỹ kiến thức và theo dõi mức dùng AI bằng số liệu.

Câu hỏi thường gặp

Câu hỏi thường gặp trước khi triển khai

AVATAR CODING hỗ trợ nhiều LLM, nên có trường hợp vẫn dùng tiếp được model hiện tại. Hãy trao đổi với NAL về cấu hình cụ thể cho từng doanh nghiệp.

Được. Cách NAL khuyên dùng: trước hết liệt kê những quy tắc ngầm mà đội vẫn làm theo, rồi vừa vận hành vừa hoàn thiện dần.

AI viết code sau khi được chia sẻ trước triết lý thiết kế và quy ước của tổ chức, và khâu review nằm trong quy trình vận hành. Nền tảng còn cho phép kiểm soát phạm vi dùng AI.

Có. Nhóm càng ít người thì khác biệt giữa từng người càng ảnh hưởng lớn, và kinh nghiệm càng dễ chỉ nằm trong đầu một vài người. Có thể bắt đầu nhỏ rồi mở rộng dần.

Hãy chia sẻ vấn đề và mong muốn với NAL

Liên hệ