MinAI - Về trang chủ
Quiz
13/1330 phút
Đang tải...

Quiz tổng hợp

Kiểm tra kiến thức toàn khóa học n8n với Generative AI

0

🎯 Mục tiêu bài Quiz

TB5 min

Kiểm tra kiến thức của bạn qua các câu hỏi trắc nghiệm và bài tập thực hành!

✅ 18 câu hỏi trắc nghiệm (6 phần)

✅ 3 bài tập thực hành

✅ Yêu cầu: Hoàn thành toàn bộ khóa học

Thời gian: 30 phút | Độ khó: Tổng hợp | Đạt yêu cầu: ≥ 12/18 câu đúng

STTChủ đềSố câu
1AI Nodes & OpenAI Integration3
2Prompt Templates3
3Content Generation Workflows3
4Image Processing & Structured Output3
5AI Chains & Classification3
6Optimization & Cost Management3
7Bài tập thực hành3

Lưu ý: Đọc kỹ câu hỏi và các phương án trước khi chọn đáp án. Mỗi câu chỉ có một đáp án đúng.

1

Phần 1: AI Nodes & OpenAI Integration

TB5 min
2

Phần 2: Prompt Templates

TB5 min
3

Phần 3: Content Generation Workflows

TB5 min
4

Phần 4: Image Processing & Structured Output

TB5 min
5

Phần 5: AI Chains & Classification

TB5 min
6

Phần 6: Optimization & Cost Management

TB5 min
7

Phần 7: Bài tập thực hành

TB5 min

Bài tập 1: Workflow AI Content Pipeline

Yêu cầu: Thiết kế workflow n8n tự động tạo nội dung marketing đa kênh.

Mô tả chi tiết:

  1. Trigger: Nhận một chủ đề (topic) từ Webhook hoặc Form trigger
  2. Bước 1 – Research: Dùng OpenAI node để tạo danh sách 5 key points về chủ đề
  3. Bước 2 – Blog Post: Dùng prompt chaining để tạo bài blog 500 từ từ các key points
  4. Bước 3 – Social Media: Từ bài blog, tạo 3 phiên bản ngắn cho Facebook, Twitter (≤280 ký tự), LinkedIn
  5. Bước 4 – Email: Tạo email newsletter giới thiệu bài blog
  6. Output: Lưu tất cả nội dung vào Google Sheets hoặc Airtable

Yêu cầu kỹ thuật:

  • Sử dụng JSON mode cho output có cấu trúc
  • Temperature = 0.7 cho nội dung sáng tạo, 0.3 cho email
  • Xử lý lỗi với Error Trigger node
  • Thêm Wait node giữa các lần gọi API để tránh rate limit

Kết quả mong đợi:

  • Workflow chạy end-to-end không lỗi
  • Nội dung phù hợp với đặc thù từng kênh
  • Thời gian chạy dưới 2 phút cho toàn bộ pipeline

Bài tập 2: AI Customer Support Classifier

Yêu cầu: Xây dựng workflow phân loại và xử lý tự động ticket hỗ trợ khách hàng.

Mô tả chi tiết:

  1. Input: Nhận email/ticket từ khách hàng (qua Email Trigger hoặc Webhook)
  2. Bước 1 – Phân tích: Dùng AI để phân tích sentiment (positive/negative/neutral) và mức độ khẩn cấp (low/medium/high/critical)
  3. Bước 2 – Phân loại: Tự động phân loại ticket vào các danh mục: Technical Issue, Billing, Feature Request, Complaint, General Inquiry
  4. Bước 3 – Routing: Dùng Switch node để chuyển ticket đến đúng team xử lý
  5. Bước 4 – Auto-reply: Tạo email phản hồi tự động phù hợp với loại ticket và sentiment
  6. Bước 5 – Logging: Lưu kết quả phân tích vào database/spreadsheet

Yêu cầu kỹ thuật:

  • Dùng Structured Output Parser để đảm bảo kết quả phân loại đúng format
  • Temperature = 0 cho phân loại chính xác
  • Confidence score ≥ 0.8 mới auto-route, dưới 0.8 chuyển cho con người review
  • Error handling cho trường hợp AI không thể phân loại

Kết quả mong đợi:

  • Độ chính xác phân loại ≥ 90% trên test set 50 tickets
  • Thời gian xử lý mỗi ticket dưới 10 giây
  • Auto-reply phù hợp với ngữ cảnh và tone của khách hàng

Bài tập 3: AI Data Enrichment Pipeline

Yêu cầu: Tạo workflow làm giàu dữ liệu (data enrichment) tự động bằng AI cho danh sách sản phẩm hoặc leads.

Mô tả chi tiết:

  1. Input: Đọc danh sách sản phẩm/leads từ Google Sheets hoặc CSV (tối thiểu 20 items)
  2. Bước 1 – Mô tả sản phẩm: Tạo mô tả marketing hấp dẫn cho mỗi sản phẩm dựa trên tên và thông tin cơ bản
  3. Bước 2 – SEO Keywords: Sinh danh sách 5-10 từ khóa SEO cho mỗi sản phẩm
  4. Bước 3 – Lead Scoring: (Nếu dùng leads) Chấm điểm lead từ 1-100 dựa trên thông tin có sẵn, kèm lý do
  5. Bước 4 – Categorization: Tự động gán category và tags cho mỗi item
  6. Output: Ghi kết quả enriched data trở lại Google Sheets với các cột mới

Yêu cầu kỹ thuật:

  • Dùng Split In Batches node để xử lý batch 5 items mỗi lần
  • Delay 2 giây giữa các batch để tránh rate limit
  • Cache kết quả: nếu sản phẩm đã được xử lý (check cột status) thì bỏ qua
  • Dùng GPT-3.5 cho tác vụ đơn giản (keywords, categorization), GPT-4 cho mô tả marketing
  • JSON mode cho tất cả output AI
  • Tổng chi phí API dưới $1 cho 100 items

Kết quả mong đợi:

  • Workflow xử lý 20+ items không lỗi
  • Mô tả sản phẩm chất lượng, đúng ngữ cảnh
  • SEO keywords phù hợp và đa dạng
  • Chi phí được log lại cho mỗi batch

Tiêu chí đánh giá bài tập thực hành

Tiêu chíXuất sắc (9-10đ)Tốt (7-8đ)Đạt (5-6đ)Chưa đạt (dưới 5đ)
Thiết kế WorkflowWorkflow logic rõ ràng, tối ưu, có branching hợp lýWorkflow hoạt động đúng, cấu trúc tốtWorkflow chạy được nhưng chưa tối ưuWorkflow không hoạt động hoặc thiếu bước quan trọng
Prompt EngineeringPrompt chuyên nghiệp, có system message, few-shot examples, output format rõ ràngPrompt tốt, có cấu trúc, kết quả đúngPrompt cơ bản, kết quả chấp nhận đượcPrompt kém, kết quả không đúng yêu cầu
Error HandlingXử lý đầy đủ: retry, fallback, logging, notificationCó error handling cho các lỗi chínhError handling cơ bảnKhông có error handling
Cost OptimizationChọn model phù hợp, có caching, batch processing, chi phí tối ưuCó ý thức về chi phí, chọn model hợp lýWorkflow hoạt động nhưng chưa tối ưu chi phíLãng phí tài nguyên, không quan tâm chi phí
Output QualityOutput chính xác, format đẹp, sẵn sàng dùng productionOutput đúng, format tốtOutput chấp nhận được, cần chỉnh sửa nhỏOutput sai hoặc không đúng format
8

📊 Đánh giá kết quả

TB5 min
Số câu đúngĐánh giá
16-18🌟 Xuất sắc! Bạn nắm vững kiến thức
12-15👍 Tốt! Cần ôn lại một số chủ đề
8-11📚 Cần học thêm, xem lại các bài
dưới 8🔄 Nên học lại từ đầu
9

🎓 Hoàn thành khóa học!

TB5 min

Tóm tắt kiến thức đã kiểm tra

  1. AI Nodes & OpenAI Integration – Hiểu cách sử dụng OpenAI node, AI Agent node và Chat Model nodes trong n8n
  2. Prompt Templates – Thành thạo kỹ thuật tạo prompt động với variable injection và phân biệt system/user messages
  3. Content Generation – Xây dựng workflow tự động tạo nội dung blog, social media, email
  4. Image & Structured Output – Sử dụng DALL-E, Vision models và JSON mode/function calling
  5. AI Chains & Classification – Thiết kế chuỗi AI tuần tự, phân tích sentiment và auto-categorization
  6. Optimization – Quản lý rate limits, token limits, chi phí và retry strategies

🎉 Chúc mừng bạn đã hoàn thành bài Quiz tổng hợp!

Bước tiếp theo:

  • Hoàn thành 3 bài tập thực hành ở Phần 7
  • Chia sẻ workflow lên cộng đồng n8n để nhận feedback
  • Thử áp dụng các kỹ thuật vào dự án thực tế của bạn
  • Khám phá thêm các AI model khác (Anthropic, Google Gemini) trong n8n

Tip: Lưu lại các workflow mẫu bạn đã xây dựng trong khóa học – chúng sẽ là nền tảng để bạn phát triển các automation phức tạp hơn trong tương lai!