VEDUERA – AI SKILL COACH

Đánh giá đúng năng lực. Học đúng khoảng trống. Chứng minh tiến bộ.

Nền tảng đào tạo kỹ năng Prompt Engineering cho học viên

Demo Day · 2026

VẤN ĐỀ

Điểm số không chỉ ra khoảng trống năng lực

02

Khoảng trống hiện tại

Trắc nghiệm chỉ đo kiến thức; không chứng minh được kỹ năng viết prompt.

Phản hồi chung chung khiến người học thử–sai mà không có tiêu chí rõ ràng.

Giảng viên khó theo dõi tiến bộ, lỗi critical và lịch sử retry trên cùng một hệ thống.

Câu hỏi sản phẩm

Làm sao biến một bài đánh giá thành lộ trình học có căn cứ — và xác nhận được người học thật sự tiến bộ?

Đối tượng: sinh viên cần năng lực Prompt Engineering có thể kiểm chứng.

GIẢI PHÁP

Vòng lặp đào tạo Prompt Engineer khép kín

03

01

Chẩn đoán

MCQ + prompt

→

02

Phân tích gap

3 competency × 3 level

→

03

Học đúng skill

Lộ trình rule-based

→

04

AI + HITL

Rubric + critical gate

→

05

Đo delta

Placement → Exit

Đầu ra đào tạo: Prompt Design · Iteration & Output Control · Verification & Responsible Prompting

Backend tính điểm chính thức; LLM cung cấp evidence có cấu trúc, không tự quyết định nghiệp vụ.

KỊCH BẢN DEMO

Demo: từ chẩn đoán đến xác nhận kỹ năng Prompt Engineer

04

1

Đăng nhập

RBAC + autosave

→

2

Placement 22 câu

20 MCQ + 2 practical

→

3

Kết quả & gap

Ưu tiên skill dưới 70%

→

4

Lesson + retry

Feedback theo rubric

→

5

Exit & delta

Chỉ mở khi đủ điều kiện

Đủ 7 phần demo: Vấn đề → Giải pháp → Kiến trúc → Giá trị → Đo lường/Benchmark → Đánh giá → Lộ trình tiếp theo

BẰNG CHỨNG SẢN PHẨM

Ba khoảnh khắc phải nhìn thấy trong demo

05

01 · Chẩn đoán & autosave

THÊM ẢNH: màn hình Quiz có progress, trạng thái câu và bằng chứng khôi phục sau đăng nhập lại.

02 · Gap → Learning Path

THÊM ẢNH: kết quả skill dưới 70%, khoảng cách tới ngưỡng và CTA mở đúng module ưu tiên.

03 · AI Feedback & Retry

THÊM ẢNH: điểm từng criterion, critical-failure gate, feedback và attempt history.

KIẾN TRÚC

Kiến trúc giữ AI trong boundary có kiểm soát

06

Next.js

UI + typed API

FastAPI

Auth · RBAC · validation

Domain

Assessment · learning · progress

AI boundary

LangGraph · rubric · feedback

PostgreSQL

Source of truth · audit

3 lớp

Node → graph → tool xử lý lỗi

Idempotent

Submit quan trọng không tạo bản ghi trùng

HITL

Reviewer duyệt tác vụ nhạy cảm và appeal

AI & HUMAN-IN-THE-LOOP

Guardrail quan trọng nhất: mọi quyết định đều có evidence và đường lui

07

Structured output

Schema khóa criterion, range và trạng thái hợp lệ

Backend scoring

Tính tổng điểm, threshold và critical gate độc lập

Provider failure

Lưu submission trước; chuyển NEEDS_REVIEW hoặc spool

Reviewer control

Approve/reject, appeal, audit log và RBAC

Trace được: input → model/provider → rubric version → criterion evidence → official score → reviewer action.

ĐO LƯỜNG KỸ THUẬT

Benchmark cho thấy safety gate mạnh, nhưng điểm số vẫn cần hiệu chuẩn

08

30/30

Mẫu được judge, 0 provider failure

19.67

MAE điểm tuyệt đối — còn cao

Kết luận: dùng trạng thái + critical gate cho quyết định; tiếp tục calibration trước khi tin tuyệt đối vào điểm tinh granular.

GIÁ TRỊ & ĐO LƯỜNG

Thành công là thay đổi hành vi, không phải số tính năng

09

Hiệu quả học

Pre/Post delta theo competency

Tỷ lệ đạt mastery

Số retry đến khi đạt

Hiệu quả vận hành

Thời gian review/bài

Tỷ lệ auto-score → HITL

Chi phí LLM/bài

Tin cậy sản phẩm

Tỷ lệ hoàn tất flow

Tỷ lệ lỗi/mất bài

CSAT + feedback định tính

TRIỂN KHAI & UI/UX

Sản phẩm đã deploy

10

p-193-deploy.vercel.app

ENGINEERING QUALITY

Chất lượng kỹ thuật là cổng kiểm soát, không chỉ tài liệu

11

733 pass

20 skipped · pytest trên nhánh hiện tại

4 job CI

Backend · DB · frontend · Docker

40 migrations

Ledger + idempotency trên PostgreSQL 16

Security

RBAC, token revocation, rate limit, data isolation

Maintainability

Type hints, typed fetch, ADR, changelog append-only

Recovery

Submission persistence + spool khi DB/provider lỗi

TỒN ĐỌNG / RỦI RO

Ba rủi ro còn lại đã có owner và tiêu chí đóng

12

R1

Hiệu chuẩn điểm LLM

MAE 19.67; 1 anchor inversion

Chạy dual-rater + calibration, mục tiêu within ±10 ≥80%

R2

Bằng chứng người dùng

Chưa có cohort/feedback thật

Pilot 5–10 người, thu time-on-task, delta và CSAT

R3

Độ tin cậy demo

Cloud free-tier + provider có thể cold start

Smoke test, video backup, seed data và runbook

Nguyên tắc: nói rõ giới hạn hiện tại và đưa bằng chứng đóng rủi ro ở lần đo kế tiếp.

BƯỚC TIẾP THEO

Đưa VEDUERA từ sản phẩm chạy được thành hệ thống đào tạo Prompt Engineer có bằng chứng.

01

Trước Demo Day

Bổ sung screenshot · smoke test · video backup

02

Pilot

5–10 người học · đo delta · feedback

03

Calibration

Dual-rater · benchmark provider · cost/latency

04

Scale

Monitoring · worker · production hardening

Cần từ hội đồng: phản biện benchmark, kết nối pilot và tiêu chí chấp nhận cho vòng triển khai tiếp theo.

VEDUERA · AI Skill Coach