# Muhammad Farooq

Speaker · Prompt Engineering · 11 talks

Canonical: https://homus.dev/speakers/muhammad-farooq

- [Agent không cần model lớn hơn, nó cần context tốt hơn](https://homus.dev/talks/your-agent-doesnt-need-a-bigger-model.md): Muhammad Farooq, Prompt Engineering. Vì sao agent hỏng do context chứ không do model, bốn luật của context tốt, và demo thêm long-term memory xuyên session cho coding agent qua MCP và Redis.
- [Bonsai 2: Qwen 27B nén còn 6 GB có làm được việc agent?](https://homus.dev/talks/qwen-27b-on-6gb-vram.md): Muhammad Farooq, Prompt Engineering. Bonsai 2 nén Qwen3.8-27B bằng ternary quantization còn khoảng 6 GB: hoà ở task ngắn nhưng không build xong app agentic nào, và cách đọc trace để thấy vì sao.
- [Context Language Models: agent tự sửa context thay vì compaction](https://homus.dev/talks/context-language-models-your-agent-doesnt-need-compaction.md): Muhammad Farooq, Prompt Engineering. Context language model để agent tự sửa context như một file thay cho /compact, thử pi-clm với Qwen3.8-27B local và các gotcha về harness, cache, chi phí.
- [EmbeddingGemma 2: RAG đa phương thức chạy được trên điện thoại](https://homus.dev/talks/embedding-gemma-2-on-device-multimodal-rag-made-easy.md): Muhammad Farooq, Prompt Engineering. EmbeddingGemma 2 đặt text, ảnh, video, âm thanh vào một vector space: cách model hoạt động, Matryoshka, modular loading, và notebook Colab đo thật.
- [Tự fine-tune embedding model không khó như bạn nghĩ](https://homus.dev/talks/training-your-own-embedding-model-is-not-as-hard-as-you-think.md): Muhammad Farooq, Prompt Engineering. Fine-tune EmbeddingGemma 2 bằng LoRA và Unsloth trên dữ liệu riêng: cặp câu hỏi và đoạn văn, in-batch negatives, chia test theo nguồn, đo cái giá.
- [Dựng software factory AI chạy song song và ship được thật](https://homus.dev/talks/how-to-build-a-self-improving-ai-software-factory-that-actually-ships.md): Muhammad Farooq, Prompt Engineering. Software factory là một vòng lặp: năm thứ vỡ khi chạy agent song song, pipeline triage, worker, verifier, reviewer, integrator, và chi phí thật.
- [Thử Gemini 4 Argon: 1 triệu output token và agent chạy hàng giờ](https://homus.dev/talks/google-is-back-gemini-4-argon-fully-tested.md): Muhammad Farooq, Prompt Engineering. Thử Gemini 4 Argon: continuation token cho 1 triệu output token, cách prompt output dài, chọn reasoning effort, và vì sao grader phải nằm ngoài sandbox.
- [Dùng RL để Qwen 4B đuổi theo Qwen 27B](https://homus.dev/talks/i-trained-qwen-4b-with-rl-to-catch-qwen-27b.md): Muhammad Farooq, Prompt Engineering. Train Qwen 3.5 4B bằng GRPO trên RL environments mở: checker chặt, chọn task ở mép năng lực, vì sao điểm chững lại, rồi distillation từ 27B.
- [DeepSeek open source cách họ serve 155 nghìn tỷ token mỗi ngày](https://homus.dev/talks/deepseek-just-open-sourced-how-it-serves-155t-tokens-a-day.md): Muhammad Farooq, Prompt Engineering. Đi theo một request qua DeepInfer: deepseek-recipe, KV cache giữ nhiều ngày, tách prefill và decode, expert, speculative decoding, batch invariance.
- [Giải thích Harness²: agent tự cải tiến harness mà không cần train](https://homus.dev/talks/harness2-explained-self-improving-agents-without-training.md): Muhammad Farooq, Prompt Engineering. Harness² cho agent tự sửa skill, script, sub-agent và hook trong control loop qua vòng Propose, Probe, Compose, kèm kết quả và chỗ gãy.
- [Kimi K3.1 Pro và Opus 5.5 làm cùng 13 task dài trong Claude Code](https://homus.dev/talks/kimi-k3-1-pro-and-opus-5-5-made-the-same-13-apps-raw-results.md): Muhammad Farooq, Prompt Engineering. So sánh Kimi K3.1 Pro và Opus 5.5 trên 13 task agentic dài trong cùng Claude Code: chất lượng, đường tắt, chi phí thật khi tính caching.

Nguồn: https://homus.dev/speakers/muhammad-farooq · cập nhật 2026-10-25