Đánh giá chân thực của ddddasd10782, khóa học Ứng dụng Spring AI vào thực tế: Triển khai Chatbot, RAG và MCP vào dịch vụ Spring
31 đánh giá
Điểm trung bình 5
- Điểm tốt 1. Thật tuyệt khi có thể trực tiếp triển khai và học hỏi các công nghệ AI mới nhất như Spring AI, RAG, MCP. 2. Trải nghiệm viết mã dự án thực tế rất đầy đủ và phong phú. - Điểm cần cải thiện 1. Thiếu kiểm tra tức thời: Sau khi viết mã, không được thực thi và xác nhận kết quả ngay lập tức. Việc đợi đến khi viết xong toàn bộ mã mới kiểm tra một lần khiến khó có thể nhận biết ngay lỗi xảy ra ở đâu hoặc từng chức năng có hoạt động bình thường hay không. 2. Thiếu giải thích khái niệm: Các khái niệm như "overlap" trong RAG là gì, tại sao lại áp dụng Elasticsearch (ví dụ: cải thiện tốc độ tìm kiếm), v.v. bị lướt qua quá nhanh. Nếu có ví dụ cụ thể hoặc sự so sánh thì sẽ dễ hiểu hơn. 3. Thiếu sót thông tin: Phần import không được nêu rõ trong bài giảng gây ra sự bất tiện. Sẽ tốt hơn nếu phần này được tổng hợp rõ ràng trong bài giảng hoặc trên Notion. Nếu những điểm này được bổ sung, đây sẽ là một bài giảng tuyệt vời hơn nữa. Mong chờ những bài giảng chất lượng tiếp theo của bạn!
0
Chào bạn Woojuin! Mình là Sini từ JSCODE đây! hehe Trước hết, mình xin chân thành cảm ơn bạn vì đã để lại đánh giá khóa học rất tâm huyết và những phản hồi vô cùng tỉ mỉ. 🥹 Mình rất tự hào khi biết rằng quá trình trực tiếp triển khai các công nghệ mới nhất như Spring AI, RAG, MCP đã giúp ích cho trải nghiệm thực tế của bạn. Mình xin phép được giải thích thêm một chút về những phản hồi quý giá mà bạn đã để lại nhé! 1. Về việc thiếu các bài kiểm tra tức thì Bạn cảm thấy tiếc nuối vì trong bài giảng, mình đã viết code xong rồi mới tiến hành kiểm tra một lượt ở cuối cùng đúng không ạ..! Thực tế, do đặc thù của khóa học sử dụng LLM, có những phần không thể kiểm chứng rõ ràng bằng các mã kiểm tra đơn vị (unit test) giữa chừng nhiều như mong đợi..! Vì các tính năng được kết nối hữu cơ với nhau và cần quá trình giao tiếp cuối cùng với LLM, nên mình buộc phải viết toàn bộ mã nguồn rồi mới tiến hành kiểm tra một lần. Rất mong bạn thông cảm cho điểm này nhé..! 2. Giải thích khái niệm (Trùng lặp RAG và Elasticsearch) Bạn cảm thấy tiếc vì phần giải thích khái niệm trôi qua hơi nhanh đúng không ạ..! Đầu tiên, phần 'trùng lặp (overlap)' của RAG đóng vai trò rất quan trọng khi cắt tài liệu bằng Text Splitter. Nếu chúng ta cắt tài liệu dựa trên số lượng ký tự mà không có phần trùng lặp, câu văn sẽ bị ngắt quãng giữa chừng, làm mất đi ngữ cảnh trước sau, dẫn đến độ chính xác trong câu trả lời của RAG bị giảm sút đáng kể..! Việc thiết lập overlap là để ngăn chặn điều này và duy trì ngữ cảnh! Mình sẽ bổ sung và viết chi tiết hơn về phần này trong tài liệu bài giảng sau nhé~! hehe Ngoài ra, đối với Elasticsearch, vì đây không phải là khóa học chuyên sâu về bản thân Elasticsearch, nên mình chỉ giải thích đơn giản ở mức độ cần thiết để cấu thành dịch vụ AI tổng thể..! Mình hoàn toàn đồng cảm với việc bạn thấy tiếc vì thiếu các ví dụ hoặc so sánh cụ thể, mình sẽ tham khảo điều này khi cập nhật bài giảng trong tương lai..! 3. Liên quan đến việc thiếu thông tin import Chắc hẳn bạn đã thấy bất tiện khi các câu lệnh import không được ghi rõ trong tài liệu bài giảng hay Notion đúng không ạ~! Vì có những phản hồi cho rằng việc đưa tất cả các câu lệnh import dài vào tài liệu bài giảng sẽ làm giảm đáng kể khả năng đọc, nên mình đã buộc phải lược bỏ chúng trong tài liệu. Thay vào đó, mình có cung cấp riêng toàn bộ mã nguồn gốc để học viên có thể kiểm tra đường dẫn chính xác, vì vậy mong bạn hãy tham khảo mã nguồn gốc khi thực hành nhé..! Nếu có thêm bất kỳ thắc mắc nào trong quá trình học hoặc gặp phần nào khó khăn, bạn hãy cứ để lại tin nhắn trong phòng KakaoTalk 1:1 hoặc bảng câu hỏi nhé! Mình sẽ trả lời chi tiết ngay khi kiểm tra. Một lần nữa, cảm ơn bạn đã để lại đánh giá quý giá cùng với số sao tuyệt vời, mình chân thành ủng hộ sự phát triển không ngừng của bạn Woojuin! Hy vọng sẽ gặp lại bạn trong những bài giảng tốt hơn nữa sau này! Cảm ơn bạn rất nhiều vì những phản hồi nhé Woojuin! hehe
0