Đang chạy mực qua máy in — từng lớp màu một, kiên nhẫn nhé!
№ 01
№ 02
№ 03
№ 04
№ 05
№ 06
Cursus – AI Learning Companion · AI·20K Demo Day Zine
№ 43
Cursus – AI Learning Companion
Cursus là trợ lý học tập AI biến syllabus và deadline thành lộ trình học theo tuần với chu trình Plan – Do – Reflect, hỗ trợ hỏi đáp có trích nguồn và giúp giảng viên phát hiện sớm sinh viên cần hỗ trợ.
Fig. 01 · Ảnh dự án
CURSUS
AI Learning Companion theo chu trình Plan - Do - Reflect
1. Bài toán
Sinh viên thường phải theo dõi nhiều môn học với syllabus dài, deadline phân tán và khối lượng học thay đổi theo từng tuần. Việc tự chuyển những thông tin này thành một kế hoạch khả thi tốn thời gian và dễ dẫn đến học dồn, trễ tiến độ hoặc thiếu khả năng tự đánh giá sau mỗi tuần.
Ở phía giảng viên, việc theo dõi thủ công hàng chục sinh viên khiến những trường hợp có dấu hiệu tụt tiến độ thường chỉ được phát hiện khi vấn đề đã trở nên rõ ràng.
Cursus giải quyết khoảng trống giữa syllabus, quá trình tự học của sinh viên và khả năng hỗ trợ đúng thời điểm của giảng viên.
2. Giải pháp — Cursus
Cursus là AI Learning Companion vận hành theo chu trình Plan → Do → Reflect.
Hệ thống biến syllabus, assignment và deadline thành một quy trình học tập có trạng thái, thay vì chỉ cung cấp một chatbot hỏi–đáp.
Plan — Lập kế hoạch
AI phân tích syllabus và deadline, sau đó chia mục tiêu thành các nhiệm vụ học tập theo tuần, cân đối với thời gian khả dụng và gắn nguồn tham chiếu.
Do — Thực hiện
Sinh viên theo dõi, hoàn thành hoặc dời nhiệm vụ. Trong quá trình học, Cursus Assistant hỗ trợ giải đáp dựa trên tài liệu môn học và cung cấp citation để người học kiểm chứng nguồn.
Reflect — Phản tư
Cuối chu kỳ, Cursus tổng hợp dữ liệu thực hiện thực tế, hướng dẫn sinh viên nhìn lại nguyên nhân hoàn thành/chậm tiến độ và xác nhận những điều chỉnh cần ghi nhớ.
Adapt — Cải thiện chu kỳ tiếp theo
Kết quả Reflection được đưa trở lại context của hệ thống để điều chỉnh kế hoạch tuần sau, tạo thành vòng lặp học tập liên tục:
Syllabus → Plan → Do → Reflect → Adapt → Better Plan
3. AI không chỉ trả lời — AI được đặt trong workflow có kiểm soát
Cursus sử dụng stateful AI workflow kết hợp nhiều lớp xử lý:
RAG + Reranking: truy xuất và chọn context phù hợp từ syllabus/tài liệu môn học trước khi sinh câu trả lời.
Grounded Generation: thông tin dựa trên syllabus phải đi kèm citation để có thể truy ngược nguồn.
Context & Memory: lưu những điều chỉnh cần thiết từ Reflection để cá nhân hóa chu kỳ tiếp theo.
Guardrails: phát hiện yêu cầu làm hộ bài và chuyển sang hướng dẫn/gợi mở thay vì tạo đáp án để nộp.
Prompt-injection protection: kiểm tra nội dung đáng ngờ trong quá trình ingest tài liệu.
ghi nhận trạng thái LLM, retrieval và fallback để phân tích lỗi thay vì che giấu failure.
§
Phụ lục — Demo & Slides
Video demo
Bản demo trực tiếp
Slide trình bày
Fallback & Trace:
LLM hiện được sử dụng cho các tác vụ AI chính, trong khi retrieval sử dụng top-k retrieval kết hợp reranking trước khi context được đưa vào bước generation.
4. Human-in-the-Loop
Cursus không để AI tự động quyết định những hành động có ảnh hưởng tới sinh viên.
Sinh viên
Chủ động lập kế hoạch, thực hiện nhiệm vụ, hỏi đáp và phản tư.
Giảng viên
Nhận cảnh báo khi hệ thống phát hiện dấu hiệu rủi ro, xem evidence và quyết định có cần can thiệp hay không.
Quản trị viên
Quản lý người dùng, dữ liệu học thuật, guardrail, risk policy và audit log.
Các hành động quan trọng được đặt dưới Human-in-the-Loop (HITL) và kiểm soát quyền truy cập theo vai trò.
5. Tích hợp hệ thống ngoài
Cursus có Mock LMS hoạt động như một hệ thống độc lập để mô phỏng môi trường LMS của một cơ sở giáo dục.
Assignment/deadline có thể được cập nhật ở LMS, đồng bộ sang Cursus qua API và trở thành dữ liệu đầu vào cho kế hoạch cũng như citation của AI.
Kiến trúc này chứng minh khả năng:
External LMS → Sync → Cursus Knowledge → AI Workflow → Student/Lecturer
thay vì chỉ sử dụng dữ liệu hard-code bên trong ứng dụng.
6. An toàn và kiểm soát AI
Cursus áp dụng nhiều lớp kiểm soát nhằm hạn chế hành vi AI không mong muốn:
Guardrail bảo vệ liêm chính học thuật.
Phát hiện nội dung có dấu hiệu prompt injection khi ingest.
Citation contract cho thông tin lấy từ tài liệu.
Phân quyền Student / Lecturer / Admin.
Kiểm soát phạm vi dữ liệu giảng viên được phép truy cập.
Audit log cho các hành động quản trị quan trọng.
Fallback khi AI hoặc API gặp lỗi.
Không trình bày dữ liệu mô phỏng như dữ liệu vận hành thực tế.
Mục tiêu là xây dựng một hệ thống AI có thể kiểm chứng và có con người giám sát, thay vì phụ thuộc hoàn toàn vào output của LLM.
7. Đánh giá và Failure Analysis
Cursus có pipeline đánh giá riêng cho các thành phần AI và theo dõi những failure mode quan trọng như:
Retrieval không tìm thấy context phù hợp.
Citation không khớp nguồn.
LLM failure và fallback.
Yêu cầu làm hộ bài vượt guardrail.
Prompt injection.
Câu hỏi nằm ngoài phạm vi tài liệu.
Sai lệch giữa Plan, Do và Reflection.
Các trace như LLM success, fallback used và retrieval empty giúp phân biệt lỗi của model, retrieval và hệ thống để failure case có thể trở thành đầu vào cho vòng cải tiến tiếp theo.
8. Kiến trúc và khả năng triển khai
Cursus được xây dựng dưới dạng web application có frontend, backend và database tách biệt, triển khai online và hỗ trợ nhiều vai trò người dùng.
Core flow đã được kiểm thử theo chuỗi:
Generate Plan → Do → Grounded QA → Reflect → Adapt → Lecturer HITL
Sản phẩm đồng thời có:
Role-based access control.
Error/loading/empty states.
AI fallback.
Audit log.
Responsive UI.
Light/Dark mode.
Tích hợp hệ thống ngoài qua API.
9. Giá trị sản phẩm
Điểm khác biệt của Cursus không nằm ở việc “thêm một chatbot AI cho sinh viên”.
Cursus kết nối ba lớp trong cùng một workflow:
Dữ liệu học tập → AI hỗ trợ hành động → Con người giám sát và can thiệp
Đối với sinh viên: biến syllabus thành những việc cụ thể cần thực hiện và hình thành vòng lặp tự cải thiện.
Đối với giảng viên: chuyển dữ liệu tiến độ thành tín hiệu để ưu tiên những sinh viên cần được hỗ trợ.
Đối với nhà trường: tạo nền tảng kết nối dữ liệu học tập, AI và hoạt động hỗ trợ sinh viên trong một hệ thống có khả năng mở rộng.
Mô hình định hướng là B2B2C: tổ chức giáo dục triển khai nền tảng, trong khi sinh viên và giảng viên trực tiếp sử dụng sản phẩm.
10. Giới hạn và hướng phát triển
Phiên bản hiện tại tập trung chứng minh workflow, kiến trúc AI, khả năng tích hợp và cơ chế kiểm soát trên môi trường demo/mô phỏng. Kết quả hiện tại chưa được xem là bằng chứng về mức cải thiện kết quả học tập trên người dùng thực tế.
Các hướng phát triển tiếp theo:
Mở rộng AI benchmark và failure-case dataset.
Đo latency, error rate và AI cost ở quy mô lớn hơn.
Load test hệ thống với workload gần môi trường thực tế.
Tăng cường security và tenant isolation cho môi trường production.
Tích hợp LMS/SIS thực tế khi có quyền truy cập từ tổ chức giáo dục.
Pilot với người dùng thật để đánh giá completion rate, on-time submission và hiệu quả can thiệp.
Tối ưu caching, model routing và chi phí AI khi mở rộng quy mô.
Tầm nhìn
Cursus hướng tới trở thành lớp điều phối học tập thông minh giữa sinh viên, giảng viên và hệ thống học thuật của nhà trường — giúp sinh viên biết cần học gì, khi nào và vì sao; đồng thời giúp con người can thiệp đúng lúc khi cần thiết.
