
Phát triển ứng dụng LLM sử dụng RAG (feat. LangChain)
jasonkang
Học RAG từ người chiến thắng Hackathon GenAI Thung lũng Silicon. Đầy ắp bí quyết thực chiến.
Cơ bản
LLM, RAG, LangChain
LangGraph chứa đựng đầy đủ bí quyết của một người phụ trách AI Agent tại tập đoàn lớn. Tôi sẽ truyền đạt những kiến thức thực tế mà mình đã đúc kết được sau những lần "va vấp" trong công việc.
2,708 học viên
Độ khó Cơ bản
Thời gian Không giới hạn
Đánh giá từ những học viên đầu tiên
5.0
ChangHwan Jang
[ Cấu trúc bài giảng] - Thật tuyệt vời khi thầy truyền đạt những kinh nghiệm thực tế trong việc giải quyết vấn đề hơn là chỉ dạy theo sách giáo khoa - Mặc dù chưa có kinh nghiệm phát triển LLM Application nhưng sau khi xem bài giảng, ý tưởng đã nảy sinh ngay lập tức, cho thấy nội dung đã được chuẩn bị rất kỹ lưỡng - Xét đến việc không thể có được tất cả từ một bài giảng, thì việc theo dõi lộ trình của thầy Byeongjin sẽ giúp tăng thêm sự tự tin trong phát triển LLM Application tại một thời điểm nào đó [ Phương pháp giảng dạy] - Có thể có người thích có người không, nhưng cách giải thích thực sự dễ hiểu và thấm vào tai, khiến người nghe có thể tăng thêm sự tự tin khi theo dõi - Ngay cả những mục có thể bỏ qua, thầy cũng giải thích chi tiết bằng các ví dụ cụ thể giúp hiểu được cả code và kiến trúc cùng một lúc - Quan trọng nhất là việc thầy vừa làm thực tế trong lĩnh vực này vừa có niềm tự hào về lớp học trong lĩnh vực này, tạo hiệu ứng tăng thêm sự tự tin cho cả học viên [ Đánh giá tổng thể ] - Chỉ sử dụng AI tạo sinh thôi là chưa đủ, và để tăng cường bảo mật nhằm tránh việc thông tin nội bộ được tải lên cloud bên ngoài thì nhất định phải tự phát triển LLM Application, tôi tin chắc rằng nếu hoàn thành toàn bộ lộ trình bài giảng này sẽ đạt được một mức độ nhất định. ^^ - Tôi nghĩ sẽ nhất định đăng ký học nếu có bài giảng mới được phát hành liên tục. - Ngoài Online Classes, hy vọng thầy cũng sẽ tổ chức các buổi offline. Chúc thầy thành công. ^^
5.0
johnsonmoshy6
Đây là một bài giảng thực hành tuyệt vời! Giảng viên đã giải thích dễ hiểu những nội dung phức tạp như LangGraph, MCP, RAG, giúp tôi dễ dàng hiểu và có thể áp dụng ngay vào công việc thực tế. Lời giải thích của giảng viên thực sự rõ ràng và hữu ích. Tôi khuyên bạn nên tham gia!
5.0
JAY probio
Hoàn thành khóa học chỉ trong 2 ngày, lại còn cập nhật MCP nữa chứ!!! Thật lòng mà nói, học phí quá rẻ. Tôi muốn tăng giá lên thật cao để người khác không biết đến, nhưng nếu giảng viên muốn tạo ra nhiều bài giảng hay hơn thì cần phải có nhiều học viên 😊😊 Đây là một bài giảng cốt lõi, chỉ chọn lọc và truyền đạt những điểm chính. Những ai muốn tận dụng 200% LLM thì nhất định phải nghe, nghe đi nghe lại 2 lần.
LLM Agent
LLM
Kỹ thuật đặt câu lệnh (Prompt Engineering)
Retrieval Augmented Generation(RAG)
Tác nhân AI
LLM Agent đóng vai trò then chốt trong việc thấu hiểu nhu cầu của người dùng, tự động hóa các tác vụ phức tạp và giải quyết vấn đề. Tuy nhiên, quá trình thiết kế và triển khai Agent không hề dễ dàng do cấu trúc phức tạp và nhiều tác vụ lặp đi lặp lại. LangGraph giúp đơn giản hóa quá trình này, cho phép bạn phát triển các LLM Agent mạnh mẽ một cách hiệu quả.
✅ Chỉ lấy cốt lõi từ tài liệu chính thức khổng lồ!
Tài liệu chính thức của LangGraph rất đồ sộ, nhưng thông tin thực sự cần thiết lại có hạn. Tôi đã chuẩn bị chương trình giảng dạy tập trung vào các khái niệm chính được trực tiếp lựa chọn dựa trên kinh nghiệm của kỹ sư thực tế.
✅ Theo đúng cách thức được sử dụng trong thực tế!
Chúng tôi sẽ cho bạn thấy quá trình viết và gỡ lỗi prompt một cách nguyên bản mà không qua chỉnh sửa. Thông qua bài giảng, bạn có thể trải nghiệm cách các kỹ sư thực thụ giải quyết lỗi và tối ưu hóa prompt như thế nào.
Nhà phát triển đã có kinh nghiệm với LangChain
Nếu bạn đã từng trải nghiệm những hạn chế của LangChain, khóa học này sẽ giúp bạn chắp thêm đôi cánh cho việc phát triển Agent.
Nhà phát triển tò mò về LLM Agent
Chuyên gia trong ngành sẽ chia sẻ về Agentic AI, chủ đề đã được Jensen Huang của NVIDIA đề cập tại CES 2025.
Các nhà khởi nghiệp công nghệ và đội ngũ startup
Nếu bạn muốn phát triển các sản phẩm hoặc dịch vụ dựa trên AI, bạn có thể học các công nghệ phát triển Agent mới nhất.
Hiểu sự khác biệt giữa LangGraph và LangChain: Nắm bắt sự khác biệt về cấu trúc và cách thức vận dụng của hai framework để có thể lựa chọn công cụ phù hợp nhất cho dự án.
Thiết kế và triển khai Agent: Bạn có thể thiết kế nhiều loại Agent khác nhau như Retrieval Agent, Self-RAG, Corrective RAG và tự động hóa quy trình làm việc.
Cấu hình quy trình làm việc phức tạp: Bạn có thể thiết kế các quy trình làm việc để xử lý các tác vụ phức tạp một cách hiệu quả bằng cách sử dụng hệ thống Multi-Agent và RouteLLM.
Khả năng vận dụng công cụ: Bạn có thể mở rộng chức năng của agent và nâng cao khả năng giải quyết vấn đề bằng cách tận dụng các công cụ đa dạng trong LangGraph.
Ngay cả khi thực hiện cùng một chức năng, bạn vẫn cần viết các câu lệnh (prompt) khác nhau tùy thuộc vào mô hình đang sử dụng. Bạn sẽ được học cách soạn thảo các câu lệnh hiệu quả phù hợp với từng tình huống bằng cách sử dụng PromptTemplate và ChatPromptTemplate của LangGraph.
Thay vì sử dụng các mô hình cao cấp đắt tiền như gpt-4o, việc chia nhỏ tác vụ và sử dụng lặp lại các mô hình nhẹ như gpt-4o-mini sẽ hiệu quả hơn. Bạn sẽ được học cách tối ưu hóa chi phí và hiệu suất bằng cách chia nhỏ các câu lệnh (prompt) thành các đơn vị nhỏ hơn.
Bạn sẽ được học không chỉ cách sử dụng các công cụ cơ bản của LangChain mà còn cả cách mở rộng tính năng bằng việc phát triển các công cụ tùy chỉnh (custom tool) để Agent trực tiếp sử dụng khi cần thiết. Ngoài ra, bạn có thể xây dựng các Agent có độ tin cậy cao hơn bằng cách thiết kế hệ thống có sự can thiệp của con người (human-in-the-loop).
(Cựu) Phát triển và vận hành GenAI Platform của tập đoàn GS
(Cựu) Tech Lead tại startup trí tuệ nhân tạo y tế Series C
(Cựu) Huấn luyện viên khóa học AI tại Hanghae Plus
Tôi đã đưa vào những bí quyết có được trong quá trình phát triển/vận hành nhiều dự án thực tế và huấn luyện cho cuộc thi Hackathon của tập đoàn GS.
Q. Sự khác biệt giữa LangChain và LangGraph là gì?
Trong khi LangChain chủ yếu kết nối các tác vụ dưới dạng chuỗi (chain), thì LangGraph sử dụng cấu trúc đồ thị để có thể thiết lập các quy trình làm việc (workflow) phức tạp hơn. LangGraph hỗ trợ đa dạng các tác vụ của agent thông qua việc kết nối các nút (node) một cách linh hoạt.
Hỏi: Tôi mới tiếp cận LangChain lần đầu thì có thể tham gia khóa học được không?
Nếu bạn đã có kinh nghiệm sử dụng Python thì việc theo học khóa học này sẽ không có vấn đề gì, nhưng nếu bạn chưa quen với cú pháp của LangChain thì có thể sẽ gặp khó khăn trong việc thấu hiểu nội dung.
Nếu bạn mới bắt đầu với LangChain, tôi khuyên bạn nên tham khảo khóa học sơ cấp của giảng viên.
Hỏi: Tôi nên làm gì nếu có phần nào đó không hiểu trong quá trình học?
Nếu có bất kỳ thắc mắc nào trong quá trình học, hãy đặt câu hỏi trên Inflearn bất cứ lúc nào! Tôi sẽ trả lời nhanh nhất có thể và
sẽ cập nhật bài giảng thông qua việc quay thêm video nếu cần thiết.
Hệ điều hành và phiên bản (OS): MacOS
Chỉ cần là môi trường có thể chạy được Python, bạn đều có thể theo dõi bài giảng bất kể hệ điều hành nào như Windows hay Linux.
Công cụ sử dụng:
Tất cả các buổi coding trực tiếp đều được tiến hành trong môi trường Notebook.
Mặc dù không có trình soạn thảo nào được đề xuất đặc biệt, nhưng trong bài giảng sẽ sử dụng Cursor
Cung cấp mã nguồn của các Notebook được sử dụng trong bài giảng thông qua GitHub Repository
Trong mã nguồn có bao gồm các phần giải thích bổ sung thông qua "chú thích" và "Markdown" mà không có trong video bài giảng.
Cung cấp trang Notion để giải thích lý thuyết
Kiến thức bắt buộc: Python
Kiến thức tự chọn: LangChain
Khóa học này là khóa học trung cấp dành cho những người đã có kinh nghiệm sử dụng LangChain.
Mặc dù bạn có thể hiểu bài giảng ngay cả khi chưa có kinh nghiệm sử dụng LangChain, nhưng nếu hoàn toàn chưa từng sử dụng qua LangChain, bạn có thể gặp khó khăn trong việc theo kịp nội dung bài học.
Nếu bạn muốn học LangChain trước, tôi khuyên bạn nên tham khảo các bài giảng khác của giảng viên.
Khóa học này dành cho ai?
Nhà phát triển quan tâm đến LLM
Nhà phát triển đang triển khai/vận hành ứng dụng LLM
Nhà phát triển muốn nâng cao ứng dụng LLM
Cần biết trước khi bắt đầu?
Python
Xác minh Inflearn
Xác minh sự nghiệp
19,674
Học viên
1,594
Đánh giá
537
Trả lời
4.9
Xếp hạng
10
Các khóa học
Kỹ sư Phần mềm Cao cấp tại FAANG
(Cựu) Phát triển & Vận hành Nền tảng AI Agent, GS Group
(Cựu) Cố vấn/Huấn luyện viên, GS Group DX BootCamp
(Cựu) Trưởng nhóm kỹ thuật (Tech Lead) tại một startup AI vòng Series C
Giảng viên Python, Đại học Stanford Code in Place Pythonインストラクター 파이썬 강사
Mentor, Naver Boostcamp Web/Mobile
Người dẫn chương trình, Kênh YouTube Naver Cloud
Host, Wanted Thử thách Tiền tuyển dụng Frontend/Backend (hơn 6.000 người tham gia tích lũy)
Huấn luyện viên, Khóa học Hanghae AI Plus (Khóa 1)
Tất cả
29 bài giảng ∙ (6giờ 20phút)
Tài liệu khóa học:
Tất cả
245 đánh giá
4.9
245 đánh giá
Đánh giá 8
∙
Đánh giá trung bình 5.0
Đã chỉnh sửa
5
Tôi đã nhận được rất nhiều sự giúp đỡ từ những kiến thức cơ bản về LangChain cho đến các bài giảng về RAG, và tôi cũng đã tham gia các bài giảng về LangGraph. Nội dung chất lượng cao và được giải thích rất tốt, có thể được sử dụng ngay trong thực tế. Trong bài giảng, thầy đã đề cập đến kế hoạch xuất bản sách, tôi hy vọng thầy sẽ đề cập đến nó ở một nơi nào đó như cộng đồng khi nó được xuất bản. Tôi có ý định mua.
와, đúng là một đánh giá khóa học đầy cảm xúc! 🥹🙏 Vì tôi đã chuẩn bị bài giảng để có thể áp dụng ngay vào thực tế, nên nhận được phản hồi tốt như vậy khiến tôi tràn đầy tự hào. Cảm ơn bạn rất nhiều vì đã đồng hành cùng tôi từ LangChain đến LangGraph! Tôi cũng đang chuẩn bị xuất bản sách rất chăm chỉ, nhất định sẽ thông báo tin tức trên cộng đồng! Bản thân việc bạn quan tâm đến vậy đã là một nguồn động lực lớn đối với tôi. Tôi sẽ cố gắng đền đáp bằng những bài giảng và nội dung hữu ích trong tương lai. Một lần nữa xin cảm ơn bạn đã để lại đánh giá chân thành!
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
Đây là một bài giảng thực hành tuyệt vời! Giảng viên đã giải thích dễ hiểu những nội dung phức tạp như LangGraph, MCP, RAG, giúp tôi dễ dàng hiểu và có thể áp dụng ngay vào công việc thực tế. Lời giải thích của giảng viên thực sự rõ ràng và hữu ích. Tôi khuyên bạn nên tham gia!
Cảm ơn bạn rất nhiều vì những lời khen ngợi! Tôi rất vui khi biết rằng bài giảng đã hữu ích. Tôi đào tạo các kỹ sư khác cách sử dụng LangGraph và xây dựng các AI agent trong các dự án thực tế tại công ty, và tôi tin rằng những kinh nghiệm thực hành đó đã tự nhiên được chuyển tải vào bài giảng này. Thật tuyệt khi biết rằng nền tảng thực tế đó đã giúp các khái niệm trở nên dễ tiếp cận và ứng dụng hơn.
Đánh giá 18
∙
Đánh giá trung bình 4.4
Đánh giá 2
∙
Đánh giá trung bình 5.0
Đánh giá 4
∙
Đánh giá trung bình 5.0
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!