Sáng 8/8, mọi người đến Nghiên AI Lab #4 với laptop và một bài tập chung: dùng AI xây ứng dụng lập kế hoạch bữa ăn. Đây là buổi dành cho người mới bắt đầu, nên tụi mình muốn cả lớp được tự tay làm ra một thứ gì đó trước khi đi sâu vào các khái niệm lập trình.

Chỉ một lúc sau, bài tập chung đã tạo ra những tình huống rất khác nhau. Hai bạn ngồi cạnh nhập cùng một yêu cầu. Một bạn đã mở được ứng dụng trên máy; bạn còn lại nhìn AI tạo ra những dòng chữ không hiểu được suốt gần mười phút. Ở một bàn khác, có bạn yêu cầu AI sửa vài lần rồi hết lượt sử dụng miễn phí của công cụ.

Những chuyện ấy khiến lớp học có nhiều câu hỏi thật để cùng giải quyết. AI vừa làm gì? Kết quả nào có thể dùng tiếp? Khi ứng dụng không chạy như mong đợi, mình cần sửa yêu cầu, kiểm tra mã hay đổi cách làm?

Làm trước, rồi quay lại hiểu mình đã làm gì

Anh Tiến Trần, Software Engineer tại Be Group, cùng team Nghiên AI hướng dẫn mọi người dựng phiên bản đầu tiên của ứng dụng. Khi trên màn hình đã có giao diện và các chức năng cơ bản, cả lớp tạm dừng thực hành để nhìn lại sản phẩm vừa tạo.

Từ ứng dụng ấy, anh Tiến giải thích những phần người mới thường nghe nhắc đến nhưng khó hình dung khi chưa tự làm: giao diện người dùng là gì, phần xử lý phía sau làm việc ra sao, câu lệnh gửi cho AI ảnh hưởng thế nào đến mã được tạo ra. Cả lớp cũng xem xét những giới hạn rất thực tế của vibe coding: AI có thể viết nhanh, nhưng người làm vẫn cần biết mình đang yêu cầu điều gì và kiểm tra thứ nhận về.

Sau phần chia sẻ, mọi người quay lại máy để chỉnh sửa ứng dụng. Lúc này, mỗi thay đổi đều có một điểm tựa cụ thể. Muốn thêm một màn hình, người học đã biết mình đang thay đổi phần nào. Thấy kết quả sai, họ có thêm cách để mô tả vấn đề và thử sửa, thay vì chỉ yêu cầu AI “làm lại”.

Anh Tiến cùng các thành viên Nghiên AI đi giữa các bàn để hỗ trợ. Một số vấn đề xử lý được sau vài lần kiểm tra. Một số khác buộc người tham gia phải chọn hướng mới. Có một bạn mất gần 50 phút với Antigravity mà ứng dụng vẫn chưa ra như ý. Bạn chuyển sang OpenCode, dùng một mô hình miễn phí để làm lại và cuối cùng vẫn kịp mang sản phẩm lên chia sẻ. Trường hợp ấy không chứng minh công cụ miễn phí luôn tốt ngang công cụ trả phí; nó cho cả lớp thấy rằng bị kẹt ở một công cụ chưa phải là hết cách.

Đến phần chia sẻ, bài tập mẫu đã không còn giống nhau

Cuối buổi là lúc tụi mình bất ngờ nhất. Những người từng gặp nhiều trục trặc ở phần đầu lại hoàn thành nhanh khi đã tìm được cách làm phù hợp, rồi còn có ý tưởng để phát triển ứng dụng tiếp.

Một bạn làm thêm giao diện đăng nhập. Một bạn khác lấy dữ liệu chi tiêu đã ghi chép trong nhiều năm để đưa vào ứng dụng thử nghiệm. Từ cùng một điểm bắt đầu, mỗi người bắt đầu kéo sản phẩm về gần hơn với điều mình quan tâm. Phần chia sẻ vì thế có nhiều thứ để cả lớp cùng xem và hỏi: bạn đã thêm gì, đã gặp vấn đề nào, và sau buổi này bạn muốn làm tiếp phần nào?

Nhìn mọi người ngồi lại đến cuối, chăm chú với ứng dụng của mình rồi lần lượt chia sẻ kết quả, tụi mình thấy rõ giá trị của cách học này. Bài thực hành đầu tiên giúp người mới có đủ tự tin để bắt đầu. Phần hướng dẫn giúp họ hiểu thứ AI tạo ra. Còn những lần tự sửa và thử ý tưởng riêng mới cho họ lý do để tiếp tục sau khi buổi học kết thúc.

Nghiên AI Lab #4 không diễn ra trơn tru theo kiểu mọi người nhập một câu lệnh rồi cùng nhận một kết quả hoàn hảo. Nó diễn ra như một buổi làm sản phẩm thật: có chỗ chạy được ngay, có chỗ phải hỏi người bên cạnh, có chỗ phải bắt đầu lại. Và đến phần chia sẻ, mỗi màn hình đã có một câu chuyện riêng.