Đây là bài giảng tốt để nắm bắt luồng tổng thể. Nội dung cũng được giải thích dễ hiểu.

dldydgns5307306

Khóa học này bao gồm toàn bộ quy trình thiết kế và triển khai dịch vụ AI tạo sinh tập trung vào LangChain 1.0 và LangGraph thông qua các bài thực hành từng bước.

Vượt xa việc chỉ gọi LLM đơn thuần, bạn sẽ trực tiếp xây dựng kiến trúc hệ thống AI có khả năng vận hành bao gồm kiến trúc dựa trên agent, quản lý trạng thái (State), bộ nhớ, streaming, middleware và Human-in-the-Loop.

Thông qua thực hành với hệ thống RAG dựa trên dữ liệu tài liệu·PDF·web, SQL Agent (Chinook DB), Agent dựa trên tool calling, multi-agent theo mô hình Supervisor, và workflow dựa trên state machine sử dụng LangGraph Graph API, bạn sẽ xây dựng pipeline agent có thể tái sử dụng và áp dụng ngay vào thực tế công việc.

Ngoài ra, thông qua structured output (dựa trên Pydantic), agent middleware (Summarization, HITL, Retry, bảo vệ PII), streaming theo token/bước, bạn sẽ hoàn thiện ứng dụng AI tạo sinh với độ ổn định·khả năng mở rộng·tính kiểm soát đáp ứng yêu cầu của dịch vụ thực tế.

👉 Dành cho những ai muốn hiểu chính xác cấu trúc nội bộ và luồng thực thi của LangChain/LangGraph
👉 Dành cho những ai muốn triển khai RAG·Agent theo cấu trúc dịch vụ thực tế chứ không chỉ là "demo"
👉 Đây là khóa học tối ưu cho những ai cần lộ trình thực tế bao quát từ agent dựa trên trạng thái, tự động hóa SQL·tài liệu, đến orchestration multi-agent.

trimurti

Xây dựng dịch vụ AI sinh tạo sử dụng LangChain phiên bản 1.0

실습 중심

ai in practice

AI 활용법

This course covers the entire process of designing and implementing generative AI services centered on LangChain 1.0 and LangGraph through step-by-step hands-on practice.

Beyond simple LLM calls, you'll directly implement operational AI system architectures that include agent-based architecture, state management, memory, streaming, middleware, and Human-in-the-Loop.

Through hands-on practice with document/PDF/web data-based RAG systems, SQL Agent (Chinook DB), tool-calling-based Agents, Supervisor pattern multi-agents, and state machine-based workflows using LangGraph Graph API, you'll build reusable agent pipelines that can be immediately applied in real-world scenarios.

Additionally, through structured output (Pydantic-based), agent middleware (Summarization, HITL, Retry, PII protection), and token/step-by-step streaming, you'll complete generative AI applications with the stability, scalability, and controllability required in actual services.

👉 For those who want to accurately understand the internal structure and execution flow of LangChain/LangGraph
👉 For those who want to implement RAG·Agent as a real service structure, not just a "demo"
👉 This is the optimal course for those who need a realistic practical roadmap covering state-based agents, SQL·document automation, and multi-agent orchestration.