Vibe Coding - Roadmap

🚀 Vibe Coding với Spec-Driven Development

Lộ trình học từ zero đến expert — Từ người không biết code đến kiến trúc hệ thống AI-first

Roadmap

Triết lý xuyên suốt

Cùng 1 vòng lặp — chỉ khác độ phức tạp và quy mô:

Spec → Build → Iterate

• Non-tech: học vòng lặp bằng ngôn ngữ tự nhiên
• Developer: học bằng công cụ và quy trình
• Expert: nhân rộng vòng lặp ra cả team

AI không thay bạn nghĩ — bạn mô tả, AI tạo ra.
Thay đổi tư duy từ “cần biết code” → “cần biết mô tả”

Giai đoạn 1 — Non-tech

Người không biết code — vẫn tạo ra sản phẩm

1.1 · Nền tảng — Vibe Coding là gì?

Mục tiêu: Thay đổi tư duy từ “cần biết code” sang “cần biết mô tả rõ ràng”

Nội dung:

• Vibe Coding là gì và tại sao nó thay đổi cách làm sản phẩm
• Vai trò của bạn: người mô tả — vai trò của AI: người thực thi
• Demo: từ 1 câu mô tả → sản phẩm chạy được

1.2 · Spec cơ bản — Viết Spec đầu tiên

Mục tiêu: Biết cách viết spec đủ để AI hiểu và tạo ra đúng thứ bạn muốn

Cấu trúc Spec đơn giản:

1. Mục tiêu     — Tôi muốn làm gì?
2. Người dùng   — Ai sẽ dùng?
3. Tính năng    — Cần làm được gì?
4. Ràng buộc    — Không được làm gì / giới hạn là gì?

Nội dung:

• Phân biệt spec tốt và spec xấu bằng ví dụ thực tế
• Dùng AI để viết spec cùng (AI-assisted spec writing)
• Luyện tập: spec cho landing page, form thu thập data

1.3 · Thực hành — Build app đầu tiên

Mục tiêu: Tạo ra 1 sản phẩm thực tế hoàn chỉnh mà không cần biết code

Công cụ sử dụng: AI Assistants (Claude, ChatGPT…) · AI Coding Agents (Cursor, Kiro, Trae…)

Các dạng sản phẩm phù hợp:

• Landing page giới thiệu sản phẩm/dịch vụ
• Form thu thập email / feedback
• Dashboard theo dõi chỉ số đơn giản
• Công cụ tính toán nội bộ

Quy trình:

1. Spec → 2. Generate → 3. Preview → 4. Điều chỉnh mô tả → 5. Re-generate

1.4 · Iterate — Sửa & cải thiện sản phẩm

Mục tiêu: Thành thạo vòng lặp cải tiến sản phẩm cùng AI

Vòng lặp iterate:

Chạy thử → Nhận xét cụ thể → Mô tả lại → AI sửa → Lặp lại

Nội dung:

• “Prompt tốt” là gì? Cụ thể, có ví dụ trước/sau, có context
• Phân biệt lỗi do spec vs lỗi do AI
• Khi nào nên viết lại spec, khi nào chỉ cần sửa prompt

Kết quả Giai đoạn 1: ✅ Tự tay build được 1 sản phẩm nhỏ thực tế, không cần biết code

Giai đoạn 2 — Developer

Lập trình viên — tăng tốc 10× với AI

2.1 · Workflow — Spec-Driven Development

Mục tiêu: Hiểu và áp dụng được quy trình Spec-Driven Development vào công việc hàng ngày

Quy trình chuẩn:

Requirement → Spec → Task list → Code generation → Review → Ship

Tại sao Spec trước Code?

• AI generate code tốt hơn ~40% khi có spec rõ ràng
• Giảm vòng lặp sửa lỗi do hiểu nhầm requirement
• Spec là tài liệu sống — dễ onboard member mới

Nội dung:

• So sánh: code không có spec vs code có spec
• Cách chuyển requirement mơ hồ → spec rõ ràng
• Task decomposition: chia 1 feature lớn thành tasks nhỏ để AI xử lý hiệu quả

2.2 · Công cụ — Làm chủ các công cụ AI

Mục tiêu: Biết dùng đúng công cụ đúng việc, kết hợp Reasoning Model (như Claude) + Coding Agent (như Cursor, Kiro, Antigravity) trong 1 dự án

Phân vai:

Nội dung:

• Workflow kết hợp: Reasoning Model viết spec → Coding Agent execute → Reasoning Model review
• Tối ưu context window: cách cung cấp context đủ để AI không bị lạc
• Prompting patterns cho developer: few-shot, chain-of-thought, role prompting

2.3 · Spec nâng cao — Spec chuyên nghiệp

Mục tiêu: Viết được spec chuẩn mực mà cả người và AI đều hiểu ngay

Cấu trúc Spec đầy đủ:

## Overview
Mô tả ngắn gọn feature này làm gì và tại sao cần

## Goals
- [ ] Goal 1
- [ ] Goal 2

## Non-goals
- Những gì KHÔNG thuộc scope

## User Stories
- As a [user], I want to [action] so that [benefit]

## Technical Spec
- Stack / API / Data model
- Edge cases
- Performance requirements

## Acceptance Criteria
- [ ] Criterion 1
- [ ] Criterion 2

Nội dung:

• PRD (Product Requirements Doc) vs Technical Spec — khi nào dùng cái gì
• Viết acceptance criteria rõ ràng để AI tự kiểm tra được
• Ví dụ spec thực tế: auth flow, payment integration, notification system

2.4 · Dự án thực — Build full feature

Mục tiêu: Áp dụng toàn bộ quy trình từ requirement → production-ready code

Dự án thực hành: Từ 1 requirement mơ hồ → spec rõ ràng → code hoàn chỉnh → review + fix

Kỹ năng bổ trợ:

• Debugging cùng AI: cung cấp error log, stack trace, expected vs actual
• Code review: dùng Reasoning Model (như Claude) review code do Coding Agent generate trước khi merge
• Refactoring: chỉ cho AI đoạn code cần cải thiện + lý do

Kết quả Giai đoạn 2: ✅ Ship feature nhanh gấp 3–5×, spec rõ ràng, ít debug hơn

Giai đoạn 3 — Expert

Kiến trúc hệ thống & dẫn dắt team AI-first

3.1 · Kiến trúc — Spec hệ thống lớn

Mục tiêu: Thiết kế được hệ thống phân tầng spec cho dự án lớn, nhiều team

Phân tầng Spec:

System Spec
├── Service A Spec
│   ├── Feature 1 Spec
│   └── Feature 2 Spec
├── Service B Spec
│   ├── Feature 3 Spec
│   └── Feature 4 Spec
└── Integration Spec
    ├── API contracts
    └── Data flow

Nội dung:

• Quản lý context và dependency giữa các phần spec
• Khi spec thay đổi: cascade update như thế nào
• Spec versioning: track thay đổi qua thời gian
• Ví dụ: spec cho hệ thống e-commerce, SaaS, internal tool

3.2 · Multi-agent — Orchestrate nhiều AI

Mục tiêu: Chia task cho nhiều agent chạy song song, tăng tốc gấp bội

Kiến trúc multi-agent:

Architect (Reasoning Model - vd: Claude)
├── Agent A: Frontend feature (Coding Agent - vd: Kiro)
├── Agent B: Backend API (Coding Agent - vd: Cursor)
├── Agent C: Database migration (Coding Agent - vd: Trae)
└── Reviewer (Reasoning Model) — kiểm tra output của A, B, C

Nội dung:

• Nguyên tắc phân chia task để agents không conflict
• Synchronization: khi nào cần merge context giữa các agents
• Tự động review: dùng Reasoning Model kiểm tra output của Coding Agent trước khi commit
• Xử lý khi 1 agent block hoặc đi sai hướng

3.3 · Team Process — Chuẩn hoá cho team

Mục tiêu: Xây dựng quy trình để cả team viết spec nhất quán và dùng AI hiệu quả

Bộ tài liệu cần xây:

• SPEC_TEMPLATE.md — template spec chuẩn của team
• AI_GUIDELINES.md — nguyên tắc dùng AI trong team
• REVIEW_CHECKLIST.md — checklist review code do AI generate
• ONBOARDING.md — hướng dẫn member mới vào quy trình

Nội dung:

• Tổ chức spec review: ai review, review gì, approve như thế nào
• Xử lý khi members có level khác nhau về AI proficiency
• Pitfalls phổ biến: over-trust AI output, context quá ngắn, spec quá chung chung
• Case study: team đã chuyển đổi thành công

3.4 · Đo lường — Tối ưu & đo hiệu quả

Mục tiêu: Có framework đo lường để liên tục cải tiến quy trình

Metrics quan trọng:

Vòng lặp cải tiến:

Measure → Identify bottleneck → Experiment → Measure again

Nội dung:

• Cách thu thập data không tốn quá nhiều công
• Retrospective format cho AI-assisted team
• Dấu hiệu quy trình đang tốt vs đang có vấn đề

Kết quả Giai đoạn 3: ✅ Dẫn dắt team chuyển đổi sang AI-first development

Công cụ & Tài nguyên

Các nhóm công cụ chính

Template & Checklist

• 📄 Spec Template cơ bản
• 📄 Spec Template nâng cao
• 📋 Team Spec Guidelines

Lộ trình học đề xuất

Tuần 1–2   [Giai đoạn 1] 1.1 → 1.2 → 1.3 → 1.4
Tuần 3–6   [Giai đoạn 2] 2.1 → 2.2 → 2.3 → 2.4
Tuần 7–10  [Giai đoạn 3] 3.1 → 3.2 → 3.3 → 3.4

Gợi ý: Dù bạn đã biết code, vẫn nên đọc qua Giai đoạn 1 để hiểu tư duy — phần đó thường bị bỏ qua nhưng lại là nền tảng quan trọng nhất.

Đóng góp

Nếu bạn có ý kiến, ví dụ thực tế, hoặc muốn đóng góp nội dung, hãy mở Issue hoặc Pull Request.