VQN

AI & Backend Developer

Vũ Quang Nguyên

Backend-Oriented Fullstack Developer

Đam mê xây dựng hệ thống backend và ứng dụng AI. Tốt nghiệp Kỹ thuật Phần mềm (7.8/10) tại FPT University. Xây dựng hệ thống tư vấn nước hoa AI-powered (PerfumeGPT) và vận hành homelab với Docker, PostgreSQL, Redis trên Fedora. Từng thực tập tại FPT Software. Tập trung vào kiến trúc backend, retrieval systems và deployment thực tế.

ASP.NET CoreNestJSPostgreSQLDockerAI/RAG

Liên hệ GitHub LinkedIn

Giới thiệu

Kỹ sư Phần mềm từ Đại học FPT (GPA 7.8/10), định hướng Backend & AI Application Development. Kinh nghiệm xây dựng hệ thống web với ASP.NET Core, NestJS, React, PostgreSQL và Docker. Đặc biệt quan tâm đến kiến trúc backend, retrieval systems (RAG, vector search) và deployment pipeline.

Vận hành homelab cá nhân trên Fedora Linux: container orchestration với Docker Compose, monitoring qua Portainer/Komodo, và CI/CD pipeline tự động deployment — coi đây là phòng lab thử nghiệm kiến trúc hệ thống thật.

4+Dự án thực tế

15+Công nghệ

6+Homelab Services

Dự án

PerfumeGPT

Full-stack Developer

01/2026 – 05/2026· 5 thành viên

Hệ thống tư vấn nước hoa tích hợp AI chatbot, hỗ trợ quản lý sản phẩm và đơn hàng. Triển khai các service trên homelab server Fedora với Docker.

ReactFlutterASP.NET CoreNestJSPostgreSQL+4

StudeeHub

Full-stack Developer

09/2025 – 11/2025· 5 thành viên

Nền tảng hỗ trợ học tập với tính năng upload tài liệu, flashcard và phân tích AI. Các service được triển khai trên homelab server cá nhân.

ReactASP.NET CoreSQL ServerPostgreSQLDocker+1

Claim Request System

Front-end Developer

01/2025 – 04/2025

Hệ thống quản lý Claim Request với Approval Workflow và Dashboard cho doanh nghiệp.

ReactTypeScript

Koi Delivery Order System

Full-stack Developer

09/2024 – 11/2024· 5 thành viên

Hệ thống đặt hàng và giao hàng cá Koi với quản lý đơn hàng và khách hàng.

ReactASP.NET CoreSQL Server

Homelab & Infrastructure

Vận hành homelab server trên máy cũ chạy Fedora Linux, sử dụng Docker Compose để orchestrate toàn bộ services. Quản lý qua Portainer và Komodo, triển khai CI/CD pipeline tự động và monitoring hệ thống 24/7.

OSFedora Linux

ContainerizationDocker Compose

ManagementPortainer + Komodo

DeploymentCI/CD + Webhook

Services

ASP.NET Core

Backend API chính cho các dự án

NestJS

AI Backend service cho chatbot

PostgreSQL

Cơ sở dữ liệu chính (có pgvector)

Redis

Caching và Pub/Sub messaging

Portainer

Quản lý và giám sát container

Komodo

CI/CD deployment quản lý

Thử thách

Quản lý resource constraint trên hardware cũ — tối ưu memory và CPU cho multi-container setup.
Container networking giữa các service backend và database chạy trên cùng host.
Volume persistence cho PostgreSQL và Redis để đảm bảo data không mất khi restart.

Bài học

Homelab dạy mình cách hệ thống production thật hoạt động — từ resource constraint đến networking đến monitoring. Không sách nào thay được kinh nghiệm vận hành server thật.

Kỹ năng

Backend

ASP.NET Core

Backend

NestJS

Backend

Java

Backend

RESTful API

Backend

RAG Pipeline

AI & Retrieval

Vector Search / pgvector

AI & Retrieval

Prompt Engineering

AI & Retrieval

AI Chatbot Integration

AI & Retrieval

Docker

Infrastructure

Linux (Fedora)

Infrastructure

CI/CD

Infrastructure

Portainer / Komodo

Infrastructure

Git / GitHub

Infrastructure

React

Frontend

Next.js

Frontend

TypeScript

Frontend

Flutter

Frontend

PostgreSQL

Database

SQL Server

Database

Redis

Database

Supabase

Database

Quyết định Kỹ thuật

Những tradeoff và quyết định kỹ thuật đã đưa ra khi xây dựng hệ thống.

Tại sao dùng PostgreSQL + pgvector thay vì Elasticsearch?

PostgreSQL đã là DB chính cho application — thêm pgvector extension cho phép vector search trong cùng database, giảm operational complexity. Đổi sang Elasticsearch sẽ cần quản lý thêm một cluster riêng cho dữ liệu mà tệp nhỏ, chưa đáng.

Tại sao chọn Redis Pub/Sub cho AI pipeline?

AI pipeline cần message passing giữa backend chính và AI service. Redis Pub/Sub lightweight, đã có sẵn trong stack cho caching, và đủ cho throughput hiện tại. gRPC thì robust hơn nhưng over-engineering cho use case này.

Tại sao dùng hybrid search (BM25 + vector)?

Pure vector retrieval cho kết quả không ổn định relevance — một số query quá vague, một số quá specific. Hybrid search kết hợp keyword matching (BM25) với semantic similarity (pgvector) cho kết quả cân bằng hơn.

Tại sao Docker Compose trên homelab thay vì Kubernetes?

Homelab chạy trên 1 máy cũ — Kubernetes là overkill cho single-node. Docker Compose đủ declare multi-container, dễ debug hơn, và nhẹ resource. Kubernetes phù hợp hơn khi scale multi-node, chưa cần ở giai đoạn này.

Kinh nghiệm làm việc

Phát triển Phần mềm (Apprenticeship)

01/2025 – 04/2025

FPT Software HCM

Phối hợp với các thành viên trong team thực hiện lập trình và phát triển web app.
Cùng với các thành viên khác tư duy logic, đưa ra các giải pháp xử lý vấn đề trong khi phát triển sản phẩm.
Chịu trách nhiệm về các tính năng mà mình phát triển end-to-end.
Quyết định phương pháp lập trình và cách thức xử lý trong quá trình phát triển, vận hành sản phẩm.