Chuyên môn

Những lĩnh vực chính

Năm lĩnh vực thường gắn liền với nhau trong các dự án thực tế: quyết định kiến trúc, Microsoft Cloud & Bảo mật, hạ tầng phía dưới, phần mềm tự động hóa nó, và lớp AI ngày càng hiện diện trong cả bốn lĩnh vực trên.

Kiến trúc Giải pháp & Tư vấn

Biến một yêu cầu thành một kế hoạch cụ thể, với phần rủi ro đã được xử lý trước khi bắt đầu triển khai.

Năng lực chính

  • Phân tích yêu cầu & khảo sát kỹ thuật hiện trạng
  • Thiết kế giải pháp ở cả mức kiến trúc tổng thể và chi tiết
  • Lập kế hoạch kiến trúc Cloud & Hybrid
  • Rà soát kiến trúc bảo mật
  • Lập kế hoạch migration & chuyển đổi
  • Đánh giá tính khả thi kỹ thuật & rủi ro
  • Kiểm thử giải pháp & bàn giao vận hành

Technology ecosystem

Architecture Decision RecordsHLD / LLD diagramsRisk registersRunbooks

Lưu ý kỹ thuật

  • Một giả định sai ở giai đoạn khảo sát thường chỉ lộ ra sau khi kiến trúc đã được xây dựng xung quanh nó, lúc đó việc sửa lại sẽ tốn kém hơn nhiều.
  • Đánh giá tính khả thi và rủi ro cần làm khi kiến trúc vẫn còn có thể thay đổi được, lúc vẫn còn chỗ để điều chỉnh.

Microsoft Cloud & Bảo mật

Bảo vệ identity, thiết bị và dữ liệu trong toàn bộ hệ sinh thái Microsoft 365 và Azure, với Zero Trust là nguyên tắc tổ chức xuyên suốt.

Năng lực chính

  • Thiết kế Identity & Access Management
  • Thiết kế chính sách Conditional Access & MFA
  • Hybrid identity: Active Directory + Entra ID
  • Quản lý & tuân thủ thiết bị (Intune)
  • Bảo vệ thông tin & DLP
  • Kiến trúc Zero Trust

Technology ecosystem

Microsoft 365Microsoft Entra IDActive DirectoryMicrosoft IntuneMicrosoft DefenderMicrosoft PurviewExchange OnlineSharePoint OnlineMicrosoft TeamsMicrosoft GraphPower Platform

Lưu ý kỹ thuật

  • Thay đổi Conditional Access cần triển khai theo giai đoạn và luôn kiểm thử với tài khoản break-glass trước khi áp dụng rộng, vì bị lockout gây thiệt hại nhiều hơn so với việc chậm tiến độ.
  • DLP và sensitivity labels chỉ hiệu quả khi khớp với cách người dùng thực sự làm việc hàng ngày, điều mà văn bản chính sách đơn thuần không phản ánh được.

Hạ tầng & Mạng

Lớp mạng và server nằm dưới mọi hệ thống khác: phân vùng, kiểm soát truy cập, và các dịch vụ Linux giữ cho mọi thứ vận hành.

Năng lực chính

  • Kiến trúc mạng & phân vùng (segmentation)
  • Thiết kế switching, routing & VLAN
  • Chính sách firewall & SD-WAN / VPN
  • Virtualization & hạ tầng hybrid
  • Triển khai dạng container
  • Giám sát & xử lý sự cố vận hành

Technology ecosystem

Windows ServerLinuxFortinetCiscoUniFiDockerNginx

Lưu ý kỹ thuật

  • Trong thực tế, các exception trên firewall thường là thứ phá vỡ một kế hoạch phân vùng mạng, nên mỗi exception cần có lý do rõ ràng và thời hạn cụ thể.
  • Đóng gói một dịch vụ vào container không làm giảm đi việc cần hiểu rõ nó phụ thuộc vào gì ở bên dưới.

Kỹ thuật Phần mềm & Automation

Viết code để biến một quy trình thủ công, hoặc một script làm một lần, thành một công cụ mà người khác có thể thực sự tin dùng.

Năng lực chính

  • Phát triển web application
  • Tích hợp REST API & authentication/authorization
  • Automation workflow & xử lý dữ liệu
  • Backend services & tích hợp database
  • Triển khai container & observability

Technology ecosystem

PythonPowerShellC# / .NETREST APIsDocker

Lưu ý kỹ thuật

  • Một script automation mà chỉ người viết ra mới đọc hiểu được là một điểm lỗi duy nhất (single point of failure), bất kể được gọi là gì.
  • Authentication và authorization cần được thiết kế từ đầu, khi vẫn còn dễ thay đổi, thay vì thêm vào sau khi hệ thống đã được dùng hàng ngày.

AI Engineering & Automation Thông minh

Ứng dụng AI vào các quy trình kỹ thuật thực tế: xác định phần nào agent được tự chủ, phần nào con người phải giữ quyền kiểm soát, và làm sao để việc thực thi luôn đáng tin cậy.

Năng lực chính

  • Kiến trúc AI agent & phân rã tác vụ (task decomposition)
  • Tool-calling & điều phối multi-agent
  • Phát triển có AI agent hỗ trợ với Claude Code
  • Tích hợp Model Context Protocol (MCP)
  • Prompt engineering & quản lý context
  • Triển khai LLM cục bộ & GPU inference

Technology ecosystem

AI AgentsClaude CodeModel Context ProtocolLocal LLMsComfyUI

Lưu ý kỹ thuật

  • Một agent làm được nhiều việc nhưng không thể tin tưởng để dừng đúng lúc là một rủi ro lớn hơn so với một agent làm được ít hơn nhưng đáng tin cậy.
  • Các điểm kiểm soát human-in-the-loop vẫn là bắt buộc với bất kỳ hành động có hệ quả: deploy, xóa dữ liệu, hoặc bất cứ thứ gì chạm vào production.
  • RAG, vector database và các framework đánh giá bảo mật agent là hướng nghiên cứu cá nhân đang quan tâm, chưa có kinh nghiệm triển khai thực tế đi kèm.