100 câu phỏng vấn Fullstack
Trang chủ / Chủ đề 10
🏗️ Chủ đề 10 / 10 ❓ Câu 91-100

System design & tình huống senior

Thiết kế URL shortener, notification, Kanban realtime, hệ thống đặt chỗ; tách microservice; nợ kỹ thuật; bất đồng; ước lượng; thất bại; tích hợp AI.

📌 Người phỏng vấn muốn kiểm tra điều gì

Vòng system design và vòng behavioral quyết định level và mức lương. Không có đáp án duy nhất — người phỏng vấn đánh giá cách bạn làm rõ yêu cầu, ước lượng, chọn đánh đổi, giao tiếp và chịu trách nhiệm. Với câu thiết kế, luôn đi theo khung: yêu cầu → ước lượng → API/dữ liệu → kiến trúc → đào sâu & đánh đổi. Với câu tình huống, dùng khung STAR (Situation, Task, Action, Result) và kết bằng bài học.

📋 Danh sách câu hỏi

  1. 91Thiết kế một dịch vụ rút gọn URL (như bit.ly) phục vụ 100 triệu lượt chuyển hướng mỗi ngày.●●●○ Khó
  2. 92Thiết kế hệ thống thông báo đa kênh (in-app, email, push, SMS) cho một SaaS.●●●○ Khó
  3. 93Thiết kế bảng Kanban cộng tác realtime (như Trello) cho 50.000 người dùng đồng thời.●●●● Cực khó
  4. 94Thiết kế hệ thống đặt phòng khách sạn/lịch hẹn đảm bảo không bao giờ đặt trùng.●●●● Cực khó
  5. 95Team bạn đang có một monolith. Ai đó đề xuất chuyển sang microservices. Bạn đánh giá thế nào?●●●○ Khó
  6. 96Codebase có nhiều nợ kỹ thuật làm chậm team, nhưng PM luôn ưu tiên tính năng mới. Bạn xử lý thế nào?●●●○ Khó
  7. 97Kể về một lần bạn bất đồng với tech lead hoặc đồng nghiệp về một quyết định kỹ thuật. Bạn xử lý thế nào?●●○○ Trung bình
  8. 98PM hỏi tính năng này mất bao lâu khi yêu cầu còn mơ hồ. Bạn ước lượng và xử lý thay đổi yêu cầu (scope creep) thế nào?●●●○ Khó
  9. 99Kể về sai lầm lớn nhất của bạn trên production. Bạn đã học được gì?●●●○ Khó
  10. 100Công ty muốn thêm tính năng AI (trợ lý hỏi đáp trên dữ liệu khách hàng) vào sản phẩm. Bạn thiết kế và đánh giá rủi ro thế nào?●●●● Cực khó
Mẹo: tự trả lời thành tiếng trước, rồi mới mở đáp án.
Câu 91●●●○ Khó
Thiết kế một dịch vụ rút gọn URL (như bit.ly) phục vụ 100 triệu lượt chuyển hướng mỗi ngày.
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Yêu cầu chính: tạo link ngắn, chuyển hướng nhanh (p99 < 50ms), thống kê lượt click. Đọc nhiều gấp ~100 lần ghi → tối ưu đường đọc: cache (CDN/Redis) trước DB, trả 301/302. Sinh mã ngắn bằng base62 của một ID duy nhất (sequence/Snowflake) hoặc ngẫu nhiên + kiểm tra trùng. Thống kê click ghi bất đồng bộ qua queue vào kho phân tích, không làm chậm chuyển hướng.

📖 Giải thích lý thuyết
  • Ước lượng: 100M/ngày ≈ 1.160 req/s trung bình, đỉnh ~5.000 req/s. 1M link mới/ngày × 500 byte × 5 năm ≈ 1TB.
  • Mã ngắn: base62 với 7 ký tự = 62⁷ ≈ 3.5 nghìn tỷ mã. Mã tuần tự dễ bị dò → xáo trộn (hash/encrypt ID) nếu cần khó đoán.
  • Dữ liệu: links(code PK, url, owner_id, created_at, expires_at) — truy vấn theo khoá chính, hợp với Postgres hoặc key-value store.
  • 301 vs 302: 301 được trình duyệt cache (giảm tải nhưng mất thống kê); 302 cho phép đếm mọi click.
  • Đường đọc: edge/CDN → Redis (hit rate cao vì link nóng) → DB replica.
  • Lạm dụng: quét URL độc hại (Safe Browsing), rate limit tạo link, xử lý báo cáo.
🛠️ Áp dụng trong dự án thực tế
  • Trình bày bằng sơ đồ: client → CDN → service redirect (stateless) → Redis → DB; nhánh ghi click → queue → worker → ClickHouse.
  • Nói rõ điểm nghẽn tiếp theo và cách xử lý khi tăng 10 lần: thêm replica/shard theo code, tăng cache.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Người dùng muốn custom alias (/my-sale)?" → Kiểm tra trùng bằng ràng buộc UNIQUE (không SELECT-rồi-INSERT), danh sách từ cấm, tách namespace với mã tự sinh.

🚩 Sai lầm khiến ứng viên mất điểm

Ghi thống kê đồng bộ trong đường chuyển hướng; không ước lượng.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 92●●●○ Khó
Thiết kế hệ thống thông báo đa kênh (in-app, email, push, SMS) cho một SaaS.
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Các service nghiệp vụ phát sự kiện (task.assigned) → Notification service xác định người nhận, đọc tuỳ chọn của họ (kênh nào, giờ yên lặng, tần suất), render template theo ngôn ngữ → đưa vào queue riêng từng kênh → worker gửi qua nhà cung cấp với retry, rate limit, idempotency → lưu trạng thái giao và thông báo in-app trong DB, đẩy realtime qua WebSocket. Gộp (digest) thông báo dồn dập để tránh spam.

📖 Giải thích lý thuyết
  • Tách kênh: SMS đắt và có rate limit, email chậm hơn, push cần token thiết bị — mỗi kênh có queue, concurrency và chính sách retry riêng; một kênh chậm không chặn kênh khác.
  • Idempotency: key (event_id, user_id, channel) unique để không gửi trùng khi retry.
  • Ưu tiên: OTP/bảo mật có queue ưu tiên cao, marketing ưu tiên thấp.
  • Dữ liệu: notifications(id, user_id, type, payload, read_at, created_at) index theo (user_id, created_at DESC); đếm chưa đọc bằng bộ đếm cache.
  • Token push hết hạn/không hợp lệ → dọn dẹp theo phản hồi của APNs/FCM; email bounce/complaint → ngừng gửi.
🛠️ Áp dụng trong dự án thực tế
  • Tuân thủ: link huỷ đăng ký cho email marketing, tôn trọng opt-out, giờ yên lặng theo múi giờ người nhận.
  • Quan sát: tỷ lệ gửi thành công theo kênh/nhà cung cấp, độ trễ từ sự kiện tới khi nhận, alert khi tỷ lệ lỗi tăng; có nhà cung cấp dự phòng cho kênh quan trọng.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Một người được gán 200 task trong 1 phút do import." → Digest: gom sự kiện cùng loại trong cửa sổ thời gian (job trì hoãn với key theo user) và gửi một thông báo tổng hợp.

🚩 Sai lầm khiến ứng viên mất điểm

Gửi email đồng bộ trong request API; một queue chung cho mọi kênh.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 93●●●● Cực khó
Thiết kế bảng Kanban cộng tác realtime (như Trello) cho 50.000 người dùng đồng thời.
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

DB (Postgres) là nguồn sự thật; mọi thay đổi đi qua API (validate, phân quyền, ghi DB) rồi phát sự kiện tới mọi client đang xem board qua WebSocket với pub/sub (Redis/NATS) giữa các instance. Client dùng optimistic update, nhận sự kiện để đồng bộ, reconnect thì tải lại phần thiếu theo version. Thứ tự thẻ dùng fractional indexing (rank dạng chuỗi) để di chuyển chỉ cập nhật một dòng. Xung đột: last-write-wins theo field, optimistic version cho mô tả; chỉnh sửa văn bản cùng lúc mới cần CRDT (Yjs).

📖 Giải thích lý thuyết
  • Sắp xếp: lưu position số nguyên buộc cập nhật lại nhiều dòng khi chèn; fractional index ("a0" < "a0V" < "a1") cho phép chèn giữa hai thẻ bằng một UPDATE.
  • Sự kiện có boardVersion tăng dần; client thấy khoảng trống version → tải lại diff hoặc cả board.
  • Room theo board, kiểm tra quyền khi join; presence (ai đang xem, đang kéo thẻ nào) qua Redis TTL, không lưu DB.
  • Quy mô: 50.000 kết nối đồng thời ≈ vài instance WebSocket (mỗi instance ~10-20k kết nối tuỳ tài nguyên); tách tầng gateway WebSocket khỏi API nếu cần scale riêng.
  • Activity log/audit ghi bất đồng bộ qua outbox.
🛠️ Áp dụng trong dự án thực tế
  • Test: hai client cùng kéo một thẻ; mạng chập chờn; client offline 5 phút rồi quay lại.
  • Giới hạn tần suất sự kiện presence (con trỏ chuột) — throttle ở client, không ghi DB.
  • Board lớn (5.000 thẻ): phân trang theo cột, virtualization ở client.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Hai người cùng đổi tiêu đề một thẻ cùng lúc?" → Với field ngắn, last-write-wins và hiển thị thay đổi realtime là đủ (người thứ hai thấy ngay). Với mô tả dài, dùng version: ghi với version cũ bị 409, client hiển thị xung đột hoặc dùng CRDT để gộp.

🚩 Sai lầm khiến ứng viên mất điểm

Dùng socket làm nguồn sự thật; position số nguyên cập nhật cả cột.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 94●●●● Cực khó
Thiết kế hệ thống đặt phòng khách sạn/lịch hẹn đảm bảo không bao giờ đặt trùng.
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Tính đúng phải được đảm bảo ở database, không ở code kiểm tra trước: dùng ràng buộc (Postgres EXCLUDE USING gist chống khoảng thời gian chồng nhau, hoặc UNIQUE theo slot), hoặc khoá dòng tài nguyên trong transaction. Luồng đặt có bước giữ chỗ tạm thời có hạn (10 phút) trong lúc thanh toán, xác nhận khi webhook thanh toán thành công, và job giải phóng giữ chỗ hết hạn. Đọc tình trạng trống có thể cache; ghi luôn qua DB.

📖 Giải thích lý thuyết
CREATE EXTENSION IF NOT EXISTS btree_gist;
CREATE TABLE bookings (
  id uuid PRIMARY KEY,
  room_id uuid NOT NULL,
  during tstzrange NOT NULL,
  status text NOT NULL CHECK (status IN ('held','confirmed','cancelled')),
  expires_at timestamptz,
  EXCLUDE USING gist (room_id WITH =, during WITH &&) WHERE (status IN ('held','confirmed'))
);
-- Hai INSERT chồng thời gian: một cái thành công, cái kia lỗi ràng buộc → trả 409
  • Với "loại phòng có N phòng giống nhau": bảng tồn kho theo (loại phòng, ngày) với cập nhật nguyên tử available = available - 1 WHERE available > 0.
  • Idempotency key cho request đặt; thanh toán và xác nhận theo saga (giữ chỗ → thanh toán → xác nhận; thất bại → huỷ giữ chỗ).
  • Múi giờ: lưu UTC, hiển thị theo múi giờ khách sạn.
🛠️ Áp dụng trong dự án thực tế
  • Test đồng thời: 100 request cùng đặt một phòng cùng ngày → đúng 1 thành công.
  • Đồng bộ với kênh bên ngoài (Booking, Agoda) có độ trễ → giữ một phần dự phòng, đối soát định kỳ.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Người dùng giữ chỗ rồi bỏ đi?" → expires_at + job dọn dẹp; ràng buộc chỉ tính bản ghi held còn hạn (hoặc job cập nhật status cancelled đúng hạn), và UI hiển thị đồng hồ đếm ngược.

🚩 Sai lầm khiến ứng viên mất điểm

SELECT kiểm tra trống rồi INSERT; dùng lock Redis làm cơ chế duy nhất.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 95●●●○ Khó
Team bạn đang có một monolith. Ai đó đề xuất chuyển sang microservices. Bạn đánh giá thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Hỏi trước: vấn đề cụ thể là gì? Deploy chậm, team giẫm chân nhau, một phần cần scale khác hẳn, hay chỉ vì xu hướng? Microservices giải quyết vấn đề tổ chức (nhiều team cần deploy độc lập) với cái giá lớn về vận hành: mạng không tin cậy, nhất quán phân tán, observability, CI/CD nhiều service. Thường bước đúng là modular monolith: ranh giới module rõ, không truy cập dữ liệu của nhau; chỉ tách một module thành service khi có lý do đo được.

📖 Giải thích lý thuyết
Lý do hợp lệ để táchLý do không đủ
Nhiều team (> 20-30 kỹ sư) bị chặn bởi một chu kỳ deploy chung"Microservices hiện đại hơn"
Một phần có yêu cầu scale/tài nguyên khác hẳn (xử lý video, ML)Code monolith lộn xộn (tách ra sẽ thành lộn xộn phân tán)
Yêu cầu cô lập bảo mật/tuân thủ (thanh toán, PCI)Muốn dùng ngôn ngữ mới
Độ tin cậy: lỗi phần này không được kéo sập phần kiaTeam 5 người

Cách tách an toàn: strangler fig — đặt proxy phía trước, chuyển dần từng tính năng sang service mới, dữ liệu được sở hữu bởi một service duy nhất, giao tiếp qua API/event.

🛠️ Áp dụng trong dự án thực tế
  • Chuẩn bị trước khi tách: CI/CD tự động, observability (tracing phân tán), contract giữa service, chiến lược dữ liệu (không dùng chung DB).
  • Đo kết quả: thời gian deploy, tần suất sự cố, lead time — trước và sau.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Hai service cùng đọc ghi một database có ổn không?" → Đó là 'monolith phân tán': ghép chặt qua schema nhưng chịu mọi chi phí của mạng. Mỗi service sở hữu dữ liệu của mình; service khác truy cập qua API hoặc bản sao được đồng bộ bằng event.

🚩 Sai lầm khiến ứng viên mất điểm

Tán thành ngay vì trend; tách theo tầng kỹ thuật (service 'database', service 'auth util') thay vì theo domain.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 96●●●○ Khó
Codebase có nhiều nợ kỹ thuật làm chậm team, nhưng PM luôn ưu tiên tính năng mới. Bạn xử lý thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Biến nợ kỹ thuật thành ngôn ngữ kinh doanh có số liệu: thời gian thêm tính năng, số bug hồi quy, sự cố, thời gian onboard. Ưu tiên nợ đang cản trở công việc sắp tới (không phải nợ làm mình khó chịu), và trả nợ gắn với tính năng (làm sạch khu vực mình sắp sửa — quy tắc hướng đạo sinh) thay vì xin 'sprint refactor' riêng. Đề xuất ngân sách cố định (ví dụ 15-20% capacity) và báo cáo kết quả.

📖 Giải thích lý thuyết
  • Phân loại nợ theo chi phí lãi (khu vực sửa thường xuyên → lãi cao) và rủi ro (bảo mật, dữ liệu, dependency hết hỗ trợ).
  • Nợ ở code không ai đụng tới có lãi gần bằng 0 — để yên.
  • Refactor lớn: chia nhỏ, có test bảo vệ trước, feature flag, chạy song song nếu cần (branch by abstraction).
🛠️ Áp dụng trong dự án thực tế
  • Ví dụ lập luận: "Ba tính năng trong quý tới đều chạm vào module billing. Hiện mỗi thay đổi billing mất trung bình 6 ngày và 2/3 lần gây bug. Tách và viết test cho billing mất 5 ngày; ước tính mỗi tính năng sau tiết kiệm 3 ngày."
  • Ghi nợ kỹ thuật thành ticket có mô tả tác động, không chỉ "refactor X".
  • Rủi ro bảo mật/EOL (Node phiên bản hết hỗ trợ) không phải lựa chọn — escalate như rủi ro kinh doanh.
🎭 Tình huống & câu hỏi nối tiếp

Mẫu trả lời STAR: "(S) Module báo cáo gây 40% bug mỗi sprint. (T) Tôi cần thuyết phục PM dành thời gian. (A) Tôi thu thập số liệu bug và thời gian từ Jira, đề xuất refactor theo 3 bước gắn với 3 tính năng sắp làm. (R) Bug của module giảm 70% trong 2 tháng, thời gian làm tính năng báo cáo giảm một nửa; PM đồng ý giữ 15% capacity cho nợ kỹ thuật."

🚩 Sai lầm khiến ứng viên mất điểm

Phàn nàn PM không hiểu kỹ thuật; đề xuất viết lại từ đầu.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 97●●○○ Trung bình
Kể về một lần bạn bất đồng với tech lead hoặc đồng nghiệp về một quyết định kỹ thuật. Bạn xử lý thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Người phỏng vấn muốn thấy: bạn bất đồng dựa trên dữ liệu, tôn trọng, tìm hiểu lý do của bên kia, đưa ra phương án có đánh đổi rõ, chấp nhận quyết định cuối cùng kể cả khi không theo ý mình (disagree and commit), và rút ra bài học. Không kể câu chuyện mà bạn là anh hùng còn người kia ngốc.

📖 Giải thích lý thuyết
  1. Hiểu trước khi phản biện: hỏi bối cảnh, ràng buộc mà bạn có thể không biết (deadline, yêu cầu khách, lịch sử).
  2. Tách vấn đề khỏi con người; viết ra các phương án và đánh đổi (tài liệu thiết kế ngắn/ADR).
  3. Tìm cách kiểm chứng rẻ: prototype, benchmark, spike 1-2 ngày.
  4. Nếu vẫn bất đồng: người chịu trách nhiệm quyết định; bạn cam kết thực hiện tốt và theo dõi kết quả.
  5. Nếu là vấn đề nghiêm trọng (bảo mật, pháp lý, mất dữ liệu): ghi rõ rủi ro bằng văn bản và escalate.
🛠️ Áp dụng trong dự án thực tế
  • Chuẩn bị sẵn 1-2 câu chuyện thật theo STAR; kết thúc bằng điều bạn học được về giao tiếp, không chỉ về kỹ thuật.
  • Câu chuyện tốt nhất thường là câu chuyện bạn thay đổi ý kiến khi có dữ liệu mới — cho thấy sự cởi mở.
🎭 Tình huống & câu hỏi nối tiếp

Mẫu trả lời: "(S) Tech lead muốn dùng GraphQL cho API mới. (T) Tôi lo về chi phí vận hành vì chỉ có một client web. (A) Tôi hỏi lý do — anh ấy dự tính có app mobile trong 6 tháng. Tôi viết so sánh 1 trang và đề xuất spike 2 ngày đo N+1 và độ phức tạp. (R) Team chọn GraphQL kèm DataLoader và giới hạn độ sâu như tôi đề xuất. Tôi học được việc hỏi về lộ trình sản phẩm trước khi đánh giá kiến trúc."

🚩 Sai lầm khiến ứng viên mất điểm

Câu chuyện đổ lỗi; 'tôi chưa bao giờ bất đồng'; im lặng làm theo dù thấy rủi ro nghiêm trọng.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 98●●●○ Khó
PM hỏi tính năng này mất bao lâu khi yêu cầu còn mơ hồ. Bạn ước lượng và xử lý thay đổi yêu cầu (scope creep) thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Không đưa con số ngay. Làm rõ yêu cầu bằng câu hỏi (ai dùng, vấn đề gì, tiêu chí hoàn thành, ràng buộc), chia nhỏ thành phần việc, ước lượng theo khoảng kèm giả định và rủi ro ('3-5 ngày nếu dùng lại API thanh toán hiện có; thêm 3 ngày nếu cần hoàn tiền một phần'), đề xuất phiên bản tối thiểu (MVP) giao sớm. Khi yêu cầu thay đổi: làm rõ đánh đổi — thêm cái này thì bớt cái gì hoặc dời ngày — và để người sở hữu sản phẩm quyết định.

📖 Giải thích lý thuyết
  • Ước lượng không phải cam kết; độ bất định giảm dần khi hiểu rõ hơn → cập nhật ước lượng sớm và thường xuyên.
  • Kỹ thuật: chia việc ≤ 1-2 ngày, so sánh với việc tương tự đã làm, cộng thời gian cho test, review, deploy, tài liệu (thường bị quên).
  • Spike có thời hạn cho phần chưa biết (tích hợp đối tác mới).
  • Tam giác phạm vi – thời gian – chất lượng: giữ chất lượng, thương lượng phạm vi.
🛠️ Áp dụng trong dự án thực tế
  • Báo trễ sớm: "Tôi phát hiện API đối tác không hỗ trợ X, việc này thêm 3 ngày. Phương án: (a) dời ngày, (b) bỏ X khỏi bản đầu." — tốt hơn nhiều so với báo vào hôm deadline.
  • Viết tiêu chí chấp nhận (acceptance criteria) cùng PM trước khi bắt đầu.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Deadline cố định do hợp đồng với khách và không đủ thời gian?" → Cắt phạm vi theo giá trị (phần nào khách thật sự cần ngày đó), giao theo giai đoạn, nêu rõ rủi ro bằng văn bản; không âm thầm bỏ test hay làm thêm giờ vô hạn.

🚩 Sai lầm khiến ứng viên mất điểm

Đưa con số ngay để làm vui lòng; im lặng khi biết sẽ trễ.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 99●●●○ Khó
Kể về sai lầm lớn nhất của bạn trên production. Bạn đã học được gì?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Chọn một sự cố thật, có tác động thật, nhận trách nhiệm rõ ràng, kể cách bạn phát hiện và khôi phục, và quan trọng nhất là thay đổi hệ thống bạn đã tạo ra để sự cố không lặp lại (test, alert, quy trình, guardrail) — không chỉ là 'tôi sẽ cẩn thận hơn'.

📖 Giải thích lý thuyết

Người phỏng vấn đánh giá: sự trung thực, tinh thần trách nhiệm, bình tĩnh khi có sự cố, tư duy hệ thống (sửa nguyên nhân gốc thay vì đổ lỗi cho sự bất cẩn), và khả năng học hỏi. Một ứng viên senior nói "chưa từng làm hỏng gì" là tín hiệu xấu — nghĩa là chưa từng chịu trách nhiệm thứ gì quan trọng, hoặc không trung thực.

Khung trả lời: Bối cảnh → Sai lầm (nói thẳng) → Tác động (số liệu) → Xử lý (khôi phục, giao tiếp) → Nguyên nhân gốc → Thay đổi lâu dài → Bài học.

🛠️ Áp dụng trong dự án thực tế
  • Ví dụ guardrail tốt: migration chạy qua lint kiểm tra thao tác nguy hiểm, script xoá dữ liệu bắt buộc chế độ dry-run, quyền production theo yêu cầu (just-in-time), backup được kiểm tra khôi phục định kỳ, staging có dữ liệu giống thật.
  • Chuẩn bị câu chuyện ngắn gọn (2-3 phút), luyện nói bằng tiếng Anh nếu phỏng vấn công ty nước ngoài.
🎭 Tình huống & câu hỏi nối tiếp

Mẫu trả lời: "Tôi chạy một migration thêm cột NOT NULL có default trên bảng 30 triệu dòng giờ cao điểm. Bảng bị khoá, API đơn hàng lỗi 12 phút. Tôi huỷ migration, dịch vụ phục hồi, cập nhật kênh sự cố. Nguyên nhân gốc: chúng tôi không có quy trình review migration và staging chỉ có 10.000 dòng. Tôi thêm squawk vào CI để chặn thao tác khoá bảng, đặt lock_timeout mặc định, và viết hướng dẫn expand/contract cho team. Từ đó không có sự cố migration nào nữa."

🚩 Sai lầm khiến ứng viên mất điểm

Kể lỗi nhỏ không quan trọng; đổ lỗi cho người khác; không có thay đổi hệ thống sau sự cố.

  • Tôi trả lời được câu này mà không cần xem đáp án
Câu 100●●●● Cực khó
Công ty muốn thêm tính năng AI (trợ lý hỏi đáp trên dữ liệu khách hàng) vào sản phẩm. Bạn thiết kế và đánh giá rủi ro thế nào?
Xem câu trả lời & giải thích
💬 Trả lời ngắn (nói trong 30-60 giây)

Bắt đầu từ vấn đề người dùng và tiêu chí thành công đo được, không từ công nghệ. Kiến trúc cơ bản: RAG — chia nhỏ và tạo embedding cho dữ liệu (pgvector trong Postgres là đủ cho quy mô vừa), truy xuất chỉ dữ liệu người dùng có quyền xem, đưa vào prompt, gọi LLM và stream câu trả lời (SSE), trích dẫn nguồn. Kiểm soát: chi phí (quota theo gói, cache, giới hạn token, model nhỏ cho việc đơn giản), độ trễ, chất lượng (bộ câu hỏi đánh giá chạy trong CI), an toàn (prompt injection, rò dữ liệu giữa tenant, PII), và quan sát (log prompt/response có kiểm soát, phản hồi người dùng).

📖 Giải thích lý thuyết
  • Phân quyền là rủi ro số 1: lọc tài liệu theo tenant và quyền trước khi đưa vào ngữ cảnh — LLM không phải ranh giới bảo mật.
  • Prompt injection: nội dung trong tài liệu ("bỏ qua chỉ dẫn trước...") có thể điều khiển model. Coi đầu ra như dữ liệu không tin cậy; tool/action mà AI gọi phải đi qua kiểm tra quyền như người dùng, thao tác nguy hiểm cần xác nhận.
  • Structured output validate bằng schema (Zod) khi AI trả về dữ liệu cho hệ thống dùng tiếp.
  • Đánh giá: tập 50-200 câu hỏi có đáp án mong đợi, đo độ chính xác/độ bám nguồn khi đổi prompt, model, cách chia chunk.
  • Quyền riêng tư: thoả thuận xử lý dữ liệu với nhà cung cấp model, không dùng dữ liệu khách để huấn luyện, tuỳ chọn tắt tính năng cho khách enterprise.
🛠️ Áp dụng trong dự án thực tế
  • Ra mắt dần: nội bộ → khách thử nghiệm → tất cả, theo feature flag; thu phản hồi 👍/👎 kèm ngữ cảnh.
  • Theo dõi chi phí theo tenant/tính năng mỗi ngày, alert khi bất thường.
  • UX: hiển thị nguồn trích dẫn, nói rõ khi không biết, cho phép người dùng sửa/huỷ trước khi AI thực hiện hành động.
🎭 Tình huống & câu hỏi nối tiếp

Câu hỏi nối tiếp: "Chi phí API LLM tháng đầu vượt dự kiến 5 lần." → Phân tích theo tính năng/tenant: có thể một vòng lặp agent không giới hạn bước, ngữ cảnh quá dài, hoặc người dùng/bot lạm dụng. Giải pháp: giới hạn bước và token, cache câu trả lời cho câu hỏi lặp lại, prompt caching, chọn model nhỏ hơn cho phân loại/tóm tắt, quota theo gói.

🚩 Sai lầm khiến ứng viên mất điểm

Đưa toàn bộ dữ liệu vào prompt không lọc quyền; không có cách đo chất lượng; bỏ qua chi phí.

  • Tôi trả lời được câu này mà không cần xem đáp án