> ## Documentation Index
> Fetch the complete documentation index at: https://docs.cloudthinker.io/llms.txt
> Use this file to discover all available pages before exploring further.

# Phụ lục D · Nguồn tham khảo và cách đọc các con số

> Truy vết mọi số liệu trong Engineer Edition về nguồn gốc chính, và học cách đánh giá mức độ tin cậy của từng loại con số.

Mọi số liệu trong ấn bản này đều đến từ một trong các nguồn chính bên dưới. Dùng trang này để kiểm tra một con số trước khi trích dẫn lại, và để quyết định con số đó nên ảnh hưởng đến đánh giá của bạn tới mức nào.

## Cách đọc các con số

Mỗi con số trong sách thuộc một loại. Loại cho bạn biết nên tin con số đó tới mức nào.

| Loại | Ví dụ trong sách này | Cách đánh giá |
| - | - | - |
| **Benchmark độc lập** | ITBench, ITBench-AA | Tín hiệu công khai mạnh nhất cho model. Benchmark đo một model dưới harness của chính benchmark, không phải một nền tảng dưới harness của bạn. |
| **Bài báo nghiên cứu hoặc preprint** | SREGym, AIOpsLab | Tốt cho các dạng lỗi và phương pháp. Kiểm tra cách thiết lập trước khi dùng lại một tỷ lệ phần trăm. |
| **Nguồn trực tiếp từ nhà cung cấp** | Các bài viết về Azure SRE Agent của Microsoft, bài viết về hệ thống multi-agent của Anthropic | Bài học kỹ thuật hữu ích. Coi các con số về kết quả là tuyên bố của riêng nhà cung cấp. |
| **Tiêu chuẩn hoặc đặc tả** | OWASP Top 10 for LLM Applications, OpenTelemetry GenAI conventions, Model Context Protocol | Định nghĩa thuật ngữ và schema dùng chung. Không phải bằng chứng cho thấy một sản phẩm nào hoạt động. |

Bốn quy tắc áp dụng cho mọi số liệu:

1. **Nguồn gốc được nêu rõ.** Chương sách nêu tên nguồn và loại nguồn bên cạnh con số. Số liệu nào không có nguồn, hãy coi là phỏng đoán.
2. **Khoảng giá trị tốt hơn một điểm.** "Khoảng 69–88%" trung thực hơn một con số trông có vẻ chính xác. Hãy cẩn trọng với một con số lẻ đến hàng thập phân mà không có phương pháp đi kèm.
3. **Baseline của bạn tốt hơn mọi benchmark.** Một điểm số công khai cho bạn biết lĩnh vực đang ở đâu. Chính các sự cố của bạn, được phát lại dưới harness của bạn, mới cho biết một nền tảng có phù hợp với bạn không.
4. **Điểm số không chuyển đổi được.** Benchmark chấm điểm một model dưới harness của chính benchmark. Proof of concept của bạn chấm điểm một nền tảng dưới harness của bạn. Kết quả bên này không dự đoán được kết quả bên kia, đó là lý do [Phụ lục A](https://docs.cloudthinker.io/vi/learn/aio-engineer/appendix-a-poc-test-plan.md) tồn tại.

## Nguồn theo chương

| Nguồn | Loại | Sách dùng gì từ nguồn này | Được trích dẫn trong |
| - | - | - | - |
| **IBM Research, ITBench** (ICML 2025, [github.com/itbench-hub/ITBench](https://github.com/itbench-hub/ITBench)) | Benchmark độc lập | Các kịch bản mở về SRE, compliance và FinOps. Agent trên các model tiên tiến nhất giải quyết khoảng 11–14% kịch bản SRE, tức khoảng một phần bảy. | [Giới thiệu](https://docs.cloudthinker.io/vi/learn/aio-engineer/introduction.md), [Chương 7](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-7-evaluating-agents.md) |
| **Artificial Analysis cùng IBM, ITBench-AA** (tháng 5/2026) | Benchmark độc lập | Các model frontier chẩn đoán sự cố Kubernetes. Mọi model được đánh giá đều đạt dưới 50% ở chỉ số precision chính. Các đường cong về lượt, token và chi phí được công bố. | [Chương 7](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-7-evaluating-agents.md) |
| **SREGym** (2026, arXiv) | Bài báo nghiên cứu hoặc preprint | Reward hacking đối với công cụ chèn lỗi, xóa cảnh báo bị tính là thành công giả, và khoảng cách giữa chẩn đoán và khắc phục: biện pháp giảm thiểu chỉ thành công khoảng 69–88% số lần ngay cả khi đúng nguyên nhân gốc. | [Giới thiệu](https://docs.cloudthinker.io/vi/learn/aio-engineer/introduction.md), [Chương 7](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-7-evaluating-agents.md) |
| **Microsoft Research, AIOpsLab** ([github.com/microsoft/AIOpsLab](https://github.com/microsoft/AIOpsLab)) | Bài báo nghiên cứu hoặc preprint | Mô hình đánh giá trong môi trường thực mà hướng dẫn phát lại của sách dựa trên. | [Chương 7](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-7-evaluating-agents.md) |
| **Microsoft, các bài viết kỹ thuật về Azure SRE Agent** | Nguồn trực tiếp từ nhà cung cấp | Việc chuyển từ hơn một trăm công cụ trải trên các agent hẹp sang một vài công cụ cốt lõi và các agent tổng quát hơn. | [Chương 3](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-3-tools-skills-protocol.md), [Chương 4](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-4-orchestration-economics.md) |
| **Hướng dẫn ra mắt và áp dụng AWS DevOps Agent** (2026) | Nguồn trực tiếp từ nhà cung cấp | Bắt đầu chỉ ở chế độ đề xuất và giới hạn phạm vi trong một dịch vụ. Kết quả thử nghiệm là báo cáo của riêng nhà cung cấp. | Bối cảnh cho cách bắt đầu chỉ đọc trong [Phụ lục A](https://docs.cloudthinker.io/vi/learn/aio-engineer/appendix-a-poc-test-plan.md) |
| **Anthropic, bài viết về hệ thống nghiên cứu multi-agent** ([anthropic.com/engineering/multi-agent-research-system](https://www.anthropic.com/engineering/multi-agent-research-system)) | Nguồn trực tiếp từ nhà cung cấp | Thiết kế orchestrator-worker với các trợ thủ song song đạt chất lượng cao hơn với chi phí token cao hơn đáng kể. | [Chương 4](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-4-orchestration-economics.md) |
| **Đặc tả Model Context Protocol** ([modelcontextprotocol.io/specification](https://modelcontextprotocol.io/specification)) | Tiêu chuẩn hoặc đặc tả | Tầng giao thức giữa agent và công cụ. | [Chương 2](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-2-context-engineering.md), [Chương 3](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-3-tools-skills-protocol.md), [Chương 5](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-5-threat-model.md) |
| **OpenTelemetry GenAI semantic conventions** ([opentelemetry.io/docs/specs/semconv/gen-ai](https://opentelemetry.io/docs/specs/semconv/gen-ai/)) | Tiêu chuẩn hoặc đặc tả (đang phát triển) | Schema dùng chung cho lệnh gọi model, span của agent và công cụ, mức sử dụng token và chi phí. Các quy ước multi-agent vẫn đang ở dạng bản nháp. | [Chương 8](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-8-observing-the-observer.md), [Phụ lục B](https://docs.cloudthinker.io/vi/learn/aio-engineer/appendix-b-engineering-checklist.md) |
| **OWASP Top 10 for LLM Applications** (LLM01: Prompt Injection, [genai.owasp.org](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)) | Tiêu chuẩn hoặc đặc tả | Prompt injection là rủi ro hàng đầu cho ứng dụng LLM, và lời khuyên kết hợp nhiều lớp giảm thiểu thay vì dựa vào một bộ lọc. | [Chương 5](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-5-threat-model.md) |
| **Phân loại kỹ thuật prompt injection của CrowdStrike** | Nguồn trực tiếp từ nhà cung cấp | Danh mục hơn một trăm kỹ thuật injection khác nhau đằng sau mô hình mối đe dọa ở Chương 5. | [Chương 5](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-5-threat-model.md) |

> [!NOTE]
>
> Chúng tôi đã loại bỏ mọi số liệu không thể truy nguồn về một trong các loại này. Nếu bạn thấy một con số trong sách không có hàng tương ứng ở đây, hãy coi con số đó là không có nguồn.

## Kiểm tra một số liệu trước khi dùng

Thực hiện các kiểm tra này trước khi một con số được đưa vào business case hoặc bảng chấm điểm nhà cung cấp.

**1. Xác định loại**

Đối chiếu số liệu với hàng tương ứng ở trên. Một con số từ nguồn trực tiếp của nhà cung cấp cần được kiểm tra kỹ hơn một benchmark độc lập.

**Trạng thái thành công:** bạn có thể nêu nguồn và loại nguồn trong một dòng, ví dụ "ITBench, benchmark độc lập, ICML 2025".

**2. Đọc harness**

Ghi lại điểm số đã đo gì: model nào, công cụ nào, kịch bản nào, và điều gì được tính là thành công. SREGym cho thấy "cảnh báo đã được xóa" và "lỗi đã được sửa" là hai kết quả khác nhau.

**Trạng thái thành công:** bạn biết số liệu đo việc phát hiện, chẩn đoán hay một bản sửa đã được xác minh.

**3. Thay bằng con số của riêng bạn**

Phát lại từ 10 sự cố của chính bạn trở lên qua nền tảng bằng golden set từ [Phụ lục A](https://docs.cloudthinker.io/vi/learn/aio-engineer/appendix-a-poc-test-plan.md). Chấm điểm chúng theo rubric ở [Chương 7](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-7-evaluating-agents.md).

**Trạng thái thành công:** business case của bạn trích dẫn điểm phát lại của chính bạn, chỉ dùng benchmark công khai làm bối cảnh.

## Bước tiếp theo

> **[Phụ lục A · Kế hoạch kiểm thử POC](https://docs.cloudthinker.io/vi/learn/aio-engineer/appendix-a-poc-test-plan.md)**
>
> Xây dựng golden set và các cổng kiểm tra để tạo ra con số của riêng bạn.

> **[Chương 7 · Đánh giá agent như hệ thống production](https://docs.cloudthinker.io/vi/learn/aio-engineer/chapter-7-evaluating-agents.md)**
>
> Xem các số liệu benchmark được tạo ra thế nào và dễ gây hiểu nhầm ở đâu.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.