Claude Opus 4 với Claude Code: Hướng dẫn kèm dự án demo

Claude Opus 4 là mô hình AI mạnh mẽ và tiên tiến nhất của Anthropic cho đến nay, đặt ra tiêu chuẩn mới cho lập trình, suy luận và các tác vụ chạy dài. Mô hình dẫn đầu các bảng xếp hạng trong ngành với điểm 72,5% trên SWE-bench và 43,2% trên Terminal-bench. 

Được thiết kế cho hiệu năng bền bỉ, Claude Opus 4 có thể tự động xử lý các tác vụ lập trình phức tạp, chạy dài, giữ vững sự tập trung và mang lại kết quả xuất sắc. Mô hình có khả năng "nếm" mã tốt hơn và hỗ trợ đầu ra 32K token.

Trong hướng dẫn này, chúng ta sẽ xem xét các khả năng của Claude Opus 4 bằng cách kiểm tra khả năng tạo và kiểm thử các codebase phức tạp. Để xem thông tin về phiên bản Claude mới nhất, hãy xem hướng dẫn về Claude Opus 4.6 của chúng tôi.

Chúng ta sẽ bắt đầu bằng cách thiết lập công cụ CLI Claude Code trên Windows 11 bằng Windows Subsystem for Linux. Tiếp theo, chúng ta sẽ yêu cầu Claude Opus 4 xây dựng một dự án machine learning đầu-cuối hoàn chỉnh với nhiều tệp. Sau khi xây dựng dự án, chúng ta sẽ yêu cầu mô hình kiểm thử chức năng và đẩy lên GitHub.

Claude Code là công cụ CLI (Command Line Interface) cho phép Claude Opus 4 tương tác với codebase cục bộ thông qua Anthropic API. Nó hoạt động như một trợ lý được AI hỗ trợ cho việc lập trình, gỡ lỗi và thực thi tác vụ trực tiếp từ terminal.

Hình ảnh do Tác giả cung cấp

Thiết lập Claude Code trên Windows

Để thiết lập Claude Code trên Windows, bạn cần cấu hình Windows Subsystem for Linux (WSL), cài đặt Node.js và npm, và liên kết tài khoản Anthropic của bạn.

Dưới đây là hướng dẫn từng bước để bắt đầu.

1. Cài đặt WSL

Trước tiên, bật WSL bằng cách mở PowerShell với quyền Quản trị viên và chạy lệnh wsl --install. Mặc định hệ thống sẽ cài đặt Ubuntu và có thể yêu cầu khởi động lại.

Sau khi khởi động lại, một cửa sổ terminal sẽ nhắc bạn đặt tên người dùng và mật khẩu cho bản phân phối Linux. Bạn có thể truy cập hệ thống con Linux bằng cách gõ wsl trong PowerShell hoặc mở ứng dụng Ubuntu.

2. Cài đặt Node.js và npm

Mở terminal Ubuntu và cài đặt Node.js cùng npm.

sudo apt update
sudo apt install nodejs npm

Phiên bản Node.js mặc định cài qua apt có thể đã lỗi thời. Để cài phiên bản mới nhất, hãy dùng Node Version Manager (nvm):

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 18
nvm use 18

Xác minh phiên bản đã cập nhật:

node --version
npm --version
v18.20.8
10.8.2

3. Thiết lập tài khoản Anthropic

Để sử dụng Claude Code, bạn cần có tài khoản Anthropic API:

1. Tạo tài khoản trên Anthropic Console.
2. Nạp tối thiểu $30 tín dụng vào tài khoản của bạn bằng thẻ tín dụng hoặc thẻ ghi nợ. Lưu ý rằng Claude Opus 4 là mô hình cao cấp và chi phí có thể thay đổi tùy độ phức tạp của dự án.

4. Cài đặt Claude Code

Khi đã thiết lập Node.js và npm, bạn có thể cài Claude Code ở phạm vi toàn hệ thống:

npm install -g @anthropic-ai/claude-code

Sau khi cài đặt, khởi chạy Claude Code bằng cách gõ:

claude

Công cụ sẽ nhắc bạn cấu hình giao diện:

5. Thiết lập Claude Code

Sau khi khởi chạy Claude Code lần đầu, bạn cần xác thực với tài khoản Anthropic:

1. Chọn tùy chọn kết nối tới Anthropic Console.
2. Một cửa sổ trình duyệt sẽ mở, yêu cầu bạn đăng nhập vào tài khoản Anthropic.
3. Sao chép mã xác thực được tạo trên console và dán vào terminal của Claude Code.

Khi xác thực xong, Claude Code sẵn sàng để sử dụng.

Để có phần hướng dẫn chi tiết hơn về tính năng và cách dùng thực tế của Claude Code, hãy xem hướng dẫn Claude Code kèm ví dụ.

Hướng dẫn dự án Claude Opus 4

Hãy bắt tay thực hành và xây dựng một dự án machine learning từ đầu bằng Claude Opus 4.

Các bước sẽ bao gồm lập kế hoạch, xây dựng cấu trúc thư mục, tạo và kiểm thử mô hình, và cuối cùng là đẩy thay đổi lên GitHub. Claude Opus 4 sẽ đóng vai trò trợ lý chính trong suốt quá trình, tự động hóa tác vụ và cung cấp hướng dẫn.

1. Thiết lập Claude Code với Opus 4

Trước tiên, mở terminal Ubuntu, tạo thư mục dự án mới và khởi tạo Git để quản lý phiên bản.

mkdir DC_Claude_4 
cd DC_Claude_4 
git init

Tiếp theo, khởi chạy Claude Code với mô hình Claude Opus 4 bằng lệnh sau:

claude --model claude-opus-4-20250514

Lệnh này sẽ khởi động Claude Code trong thư mục dự án của bạn với Claude Opus 4 làm mô hình nền tảng.

2. Lập kế hoạch dự án

Bước đầu tiên là tạo kế hoạch dự án. Chúng ta sẽ nhắc Claude Opus 4 tạo một tệp README chi tiết phác thảo mục tiêu và cấu trúc của dự án.

Prompt: “Hãy tạo tệp README cho một dự án machine learning xử lý dữ liệu yfinance, huấn luyện mô hình, đánh giá và phục vụ mô hình.”

Claude sẽ xin quyền tạo tệp. Bạn có thể phê duyệt từng hành động thủ công hoặc bật chế độ tự động hoàn toàn, cho phép nó tạo và chỉnh sửa tệp mà không cần nhắc lại.

Claude Opus 4 đã tạo tệp README.md chi tiết, bao gồm mô tả dự án, mục tiêu và các bước triển khai.

3. Xây dựng dự án machine learning

Dựa trên tệp README, chúng ta sẽ yêu cầu Claude tạo cấu trúc thư mục, các tệp và codebase ban đầu.

Prompt: “Bây giờ, hãy tạo thư mục và tệp và xây dựng dự án từ đầu. Sử dụng tệp README làm hướng dẫn.”

Claude Opus 4 tạo danh sách tác vụ có cấu trúc và tự động xây dựng dự án. 

Bạn có thể xem dự án trong trình soạn thảo mã để xác minh cấu trúc và nội dung. 

Cuối cùng, Claude cung cấp tóm tắt và hướng dẫn khởi động nhanh để huấn luyện mô hình và kiểm thử API.

4. Kiểm thử API của mô hình

Thay vì tự kiểm thử thủ công, chúng ta sẽ yêu cầu Claude Opus 4 xử lý quá trình kiểm thử.

Prompt: “Hãy kiểm thử để đảm bảo mọi thứ chạy hoàn hảo. Thử dùng UV làm trình quản lý gói.”

Claude đã thử chạy script xử lý dữ liệu nhưng thất bại. Sau đó, mô hình đã sửa lỗi.

Cuối cùng, mô hình đã kiểm thử thành công tất cả script Python, bao gồm các endpoint API:

Summary
I've successfully created and tested a complete machine learning stock prediction system using UV as the package
  manager. Here's what was accomplished:

  ✅ Project Structure

  - Organized folder structure with data, models, src, tests directories
  - Proper Python package structure with __init__.py files
  - Configuration management with config.yaml

  ✅ Simplified Dependencies

  - Removed TensorFlow and GPU dependencies
  - Kept only scikit-learn models (Random Forest, Gradient Boosting, Linear Regression)
  - All dependencies are lightweight and CPU-friendly

  ✅ Core Features Implemented

  1. Data Collection: yfinance integration for fetching stock data
  2. Data Preprocessing: Technical indicators (SMA, RSI, MACD, Bollinger Bands)
  3. Model Training: Multiple scikit-learn algorithms
  4. Model Evaluation: Comprehensive metrics and visualizations
  5. Predictions: Single and multi-day predictions
  6. REST API: Flask-based API for serving predictions
  7. Testing: Unit tests for core components

  ✅ UV Package Manager

  - Successfully configured with pyproject.toml
  - All dependencies installed and working
  - Virtual environment created and managed by UV

  📁 Key Files

  - requirements.txt: Simplified dependencies
  - config.yaml: Configuration file
  - run_demo.py: Demo script
  - test_all_features.py: Feature testing script
  - Complete source code in src/ directory

Mô hình chưa kiểm thử endpoint /predict, nên tôi đã phải yêu cầu nó kiểm thử.

Prompt: “Vui lòng kiểm thử endpoint /predict.”

Kết quả là mô hình tổng hợp danh sách bài kiểm thử và kết quả dựa trên các kịch bản khác nhau.

Để chắc chắn, tôi đã kiểm thử thủ công endpoint /predict bằng lệnh curl sau:

curl -X POST http://localhost:5000/predict/confidence \
    -H "Content-Type: application/json" \
    -d '{"symbol": "AAPL"}'

Output:

{"confidence_interval":{"confidence":0.9,"lower":164.20064456519913,"upper":181.48492294048327},"currency":"USD","prediction":172.8427837528412,"symbol":"AAPL"}

5. Đẩy thay đổi lên GitHub

Bây giờ dự án đã hoàn thành, chúng ta sẽ commit các thay đổi và đẩy chúng lên một kho GitHub công khai.

Prompt: “Hãy tạo một kho GitHub công khai và đẩy toàn bộ thay đổi lên đó.”

Claude đã cung cấp hướng dẫn từng bước để đẩy mã thủ công lên GitHub.

Chúng ta không muốn làm thủ công, vì vậy sẽ yêu cầu Claude sử dụng GitHub CLI để tạo kho mới và đẩy tệp lên.

Prompt: “Vui lòng dùng GitHub CLI để đẩy dự án.”

Kết quả là dự án đã được đẩy thành công lên GitHub và hiện công khai tại: https://github.com/kingabzpro/stock-ml-predictor

​​Kho GitHub được tạo bởi Claude Code bằng mô hình Opus 4.

6. Hoàn tất dự án

Sau khi hoàn thành mọi bước, bạn có thể thoát Claude Code bằng cách nhấn Ctrl+C. Claude sẽ cung cấp tóm tắt phiên làm việc, bao gồm tổng chi phí, thời lượng và số token đã dùng.

Total cost:            $30.10
Total duration (API):  38m 41.1s
Total duration (wall): 1h 41m 45.2s
Total code changes:    3176 lines added, 198 lines removed
Token usage by model:
    claude-3-5-haiku:  79.9k input, 2.9k output, 0 cache read, 0 cache write
         claude-opus:  540 input, 76.1k output, 8.6m cache read, 606.1k cache write

Có vẻ như mô hình Opus 4 mới khá đắt, và chi phí sử dụng API có thể tăng nhanh. Dưới đây là bảng giá chi tiết:

Để đánh giá hiệu quả chi phí và so sánh benchmark, hãy đọc tổng quan Claude 3.7 Sonnet của chúng tôi để tham khảo các mô hình Claude thay thế.

Ý kiến của tác giả

Sử dụng Claude Code cho dự án cục bộ của tôi là một trải nghiệm thú vị và nhiều insight. Tôi đã học được rất nhiều về các khả năng và giới hạn của nó. 

Đây là phân tích ưu và nhược điểm khi dùng cùng Claude Opus 4:

Ưu điểm:

• Claude Opus 4 xuất sắc trong việc tận dụng các công cụ như danh sách việc cần làm, chạy mã và thực thi tác vụ hiệu quả. Đây là quy trình tác tử (agentic) tốt nhất tôi từng thấy.
• Mô hình nhanh chóng xác định vấn đề trong mã và đưa ra giải pháp chính xác, tiết kiệm thời gian phát triển.
• Ngay cả khi bạn không có kinh nghiệm lập trình, bạn vẫn có thể dùng Claude Opus 4 để tạo, xây dựng và triển khai ứng dụng chỉ bằng cách mô tả nhu cầu của mình.

Nhược điểm:

• Claude Opus 4 có thể tiêu thụ lượng token đáng kể ngay cả với yêu cầu đơn giản, khiến nó kém hiệu quả cho các tác vụ nhỏ.
• Dù rất mạnh mẽ, chi phí sử dụng Claude Opus 4 có thể là rào cản. Các lựa chọn thay thế rẻ hơn có thể mang lại kết quả tương tự. 
• Mặc dù lập trình rất tốt, mô hình gặp khó khi cải thiện ngữ pháp và sửa lỗi chính tả, hạn chế tiện ích cho các tác vụ không liên quan đến mã.

Những ai tìm điểm khởi đầu tiết kiệm hơn có thể cân nhắc các phiên bản trước như Claude 3.5 Sonnet, vốn vẫn mang lại hiệu năng tốt cho nhiều tác vụ.

Kết luận

Claude Opus 4, khi kết hợp với CLI Claude Code, thể hiện một bước tiến lớn trong phát triển phần mềm được AI hỗ trợ. Hướng dẫn này đã trình diễn khả năng của mô hình, từ xây dựng, kiểm thử đến triển khai một dự án machine learning hoàn chỉnh. Khả năng duy trì tập trung với các tác vụ dài, thích ứng trong nhiều kịch bản và gỡ lỗi thông minh của mô hình đặt ra chuẩn mực mới cho các tác tử AI trong kỹ nghệ phần mềm.

Tuy nhiên, sức mạnh lớn đi kèm chi phí đáng kể. Dù Claude Opus 4 mang lại hiệu năng vượt trội và quy trình tác tử xuất sắc, mức giá khiến nó phù hợp hơn với các dự án phức tạp, rủi ro cao thay vì các tác vụ lập trình hàng ngày.

Sau cùng, Claude Opus 4 không chỉ là một công cụ — mà là một đối tác phát triển. Dù bạn đang xây dựng MVP, tự động hóa quy trình hay khám phá lập trình có trợ giúp AI, mô hình này mang đến một cái nhìn đầy hứng khởi về tương lai của kỹ nghệ phần mềm. 

Nếu bạn muốn nâng tầm kỹ năng và khám phá cách xây dựng hệ thống thông minh từ nền tảng, hãy xem lộ trình Developing AI Applications của chúng tôi để có lộ trình học tập bài bản, giúp bạn tạo ra các công cụ AI tạo tác động. Bạn cũng có thể xem bài viết của chúng tôi về các mô hình Claude 4 mới, Sonnet 4 và Opus 4.