Cơ bản về LangChain dành cho người mới bắt đầu — Cập nhật v1.0+

Đây là khóa học Python cơ bản dành cho người mới bắt đầu không chuyên. Giáo trình lý thuyết được cung cấp qua Wikidocs, và tài liệu thực hành được cung cấp qua Github.

Khóa học này sẽ đề cập đến các khái niệm cơ bản và phương pháp triển khai hệ thống RAG (Retrieval-Augmented Generation) sử dụng LangChain. Người tham gia sẽ hiểu các nguyên lý cốt lõi của RAG, và thông qua LangChain, học cách thực hành xây dựng hệ thống cũng như đánh giá hiệu suất.

Hệ thống RAG dựa trên Đồ thị tri thức triển khai bằng Neo4J: Công nghệ tìm kiếm thế hệ mới tận dụng cả mối quan hệ dữ liệu thay vì chỉ tìm kiếm vector đơn thuần Tối đa hóa hiệu suất RAG với sức mạnh của cơ sở dữ liệu đồ thị!

Xây dựng AI Agent thông minh với RAG bằng LangGraph! Từ lý thuyết đến thực hành, đây là hướng dẫn thực tế (hands-on) giúp người mới bắt đầu cũng có thể dễ dàng làm theo.

Khóa học này tập trung vào những lời giải thích dễ hiểu và các dự án thực hành khác nhau dành cho người mới bắt đầu. Chúng tôi thu thập dữ liệu bằng cách sử dụng công cụ thu thập dữ liệu web và LangChain, đồng thời sử dụng LLM để xử lý hệ thống tóm tắt, trích xuất, phân tích cảm tính và đề xuất.

Hãy tự tay tạo ra chatbot AI của riêng bạn bằng cách sử dụng cú pháp cơ bản Python và các thư viện. Thực hiện từng bước 5 dự án bao gồm RAG dựa trên tài liệu PDF, và học quy trình triển khai thành dịch vụ web.

Đề xuất phương án cải thiện hiệu suất RAG dựa trên lý thuyết Tải nhận thức (Cognitive Load). Để vượt qua những hạn chế của các kỹ thuật cải thiện hiệu suất RAG hiện có, chúng tôi tổng hợp các kỹ thuật đa dạng bằng cách áp dụng khung tư duy về tải nhận thức.

Nếu bạn theo dõi OpenClaw đến phần 1 và 2, cuối cùng bạn sẽ thấy mình đang yêu cầu một agent duy nhất làm mọi thứ. Đến một lúc nào đó, các prompt sẽ bị rối, bộ nhớ bị lẫn lộn, các thư mục trở nên lộn xộn và bạn sẽ cảm thấy bế tắc, không biết phải sắp xếp lại như thế nào. Bài giảng này là "Phần nhập môn Multi-Agent (Phần 2.5)", giúp bạn tiến thêm một bước nữa từ điểm bế tắc đó. Trong khi vẫn duy trì chỉ một bot duy nhất, chúng ta sẽ tách vai trò thành hai agent: planner (người lập kế hoạch) / editor (người biên tập). Bằng cách kết nối mỗi agent với các workspace và chủ đề diễn đàn Telegram khác nhau, chúng ta sẽ trực tiếp tạo ra một cấu trúc mà "agent phản hồi sẽ khác nhau tùy thuộc vào việc bạn nói chuyện ở phòng nào". Sau khi hoàn thành thực hành, trong môi trường của bạn sẽ thực sự có: - File cấu hình định nghĩa hai agent: `content_planner` và `content_editor`, - Cấu trúc thư mục nội dung được tách biệt giữa lập kế hoạch và bản thảo, - Nhóm Telegram với các chủ đề diễn đàn có các agent khác nhau phụ trách, - Và một bản thảo giới thiệu khóa học Infrun được tạo ra bởi sự hợp tác của hai agent này. Nói cách khác, bài giảng này là một lớp học thực hành giúp bạn thiết kế bước đầu tiên để nâng cấp bot Telegram từ "một trợ lý AI" thành "một đội ngũ AI nhỏ với các vai trò chuyên biệt".

Từ khái niệm cần thiết để sử dụng LLM đến RAG, tìm hiểu LangChain cơ bản bằng TypeScript

Khả năng vận dụng AI sẽ quyết định mức lương của bạn. Hãy để AI đảm nhận những công việc lặp đi lặp lại nhàm chán mà bạn vẫn làm hàng ngày. 'Tất tần tật về tự động hóa công việc' sẽ hướng dẫn bạn cách tạo ra một hệ thống tự động hóa tự xử lý công việc chỉ với vài cú nhấp chuột mà không cần kiến thức về lập trình. Bạn sẽ được giải phóng khỏi những công việc giấy tờ và sắp xếp dữ liệu tẻ nhạt, để trở thành một 'người làm việc giỏi bằng AI' luôn đi trước mọi người.

Một chuyên gia đang làm việc sẽ nhanh chóng truyền đạt nội dung trọng tâm, từ kiến thức cơ bản cần cho LLM đến những mẹo thực chiến!

Tạo ứng dụng hội nghị truyền hình dựa trên AI với tính năng AI agent thời gian thực, tóm tắt nội dung cuộc họp và chức năng sau cuộc gọi.

Chúng tôi sẽ tạo nhiều chức năng bằng Spring WebFlux. Thông qua khóa học này, bạn có thể nắm vững các khái niệm cần thiết và cách triển khai thực tế của WebFlux.

Mỗi ngày có 2.500 mã cổ phiếu, bạn định tự mình xem đến bao giờ? Sau khi thị trường đóng cửa, bạn phải lục lọi Naver Securities để tìm các mã tăng vọt, Đọc tin tức để phán đoán xem đó là tin tốt hay tin xấu, Kiểm tra từng chút một dòng tiền của khối ngoại và tổ chức, Mở biểu đồ để phân tích mô hình... Chẳng lẽ bạn đang lặp lại việc này mỗi ngày sao? Tôi cũng đã từng như vậy. Dành 2-3 tiếng sau khi đi làm về để phân tích cổ phiếu, nhưng vẫn bỏ lỡ nhiều mã hơn là tìm thấy. Tổng hợp cả KOSPI và KOSDAQ có hơn 2.500 mã, con người không thể nào xem hết mỗi ngày được. --- Vì vậy, tôi đã tạo ra một hệ thống Tôi đã tạo ra một hệ thống tự động phân tích 2.500 mã cổ phiếu sau khi thị trường đóng cửa mỗi ngày. - Tự động thu thập giá cả, dòng tiền và tin tức - AI (Gemini) đọc tin tức và phân biệt tin tốt/tin xấu - Chấm điểm trên thang điểm 15 dựa trên 6 yếu tố - Chỉ chọn những mã vượt qua tiêu chuẩn và tính toán cả giá vào lệnh/giá cắt lỗ/giá chốt lời - Gửi thông báo qua Telegram Sau khi đi làm về, tôi chỉ cần kiểm tra điện thoại. Thêm vào đó, vào mỗi thứ Bảy, hệ thống sẽ tự phân tích hiệu suất của tuần trước Và tự động điều chỉnh mức cắt lỗ, chốt lời và thời gian nắm giữ. Đây là cấu trúc mà hệ thống tự học hỏi và cải thiện. --- Nhưng tôi không phải là một lập trình viên Tôi không trực tiếp viết mã cho hệ thống này. Tôi hoàn toàn ra lệnh cho AI bằng lời nói. "Hãy lọc ra những mã tăng trên 5% hôm nay với giá trị giao dịch trên 50 tỷ won" "Gửi 3 tin tức này cho Gemini để phán đoán xem đó là tin tốt hay không" "Tạo một bộ lập lịch để hệ thống tự động chạy vào 4 giờ chiều mỗi ngày" Khi nói như vậy, AI (Claude) sẽ tạo mã cho tôi. Đó chính là Vibe Coding. --- Trong khóa học này, chúng ta sẽ cùng tạo ra hệ thống tương tự Qua 58 bài giảng, chúng ta sẽ cùng nhau xây dựng từ đầu đến cuối hệ thống mà tôi thực sự sử dụng hàng ngày. Bắt đầu từ thu thập dữ liệu, Phân tích tin tức bằng AI, công cụ chấm điểm, tạo tín hiệu, Máy chủ Flask API, bảng điều khiển web Next.js, Thông báo tự động qua Telegram, và cả hệ thống tự học. Sản phẩm cuối cùng không phải là một tệp Jupyter Notebook. Mà là một bảng điều khiển web và thông báo Telegram thực sự hoạt động mỗi ngày. Bạn không cần biết lập trình. Trong mỗi bài giảng, tôi sẽ hướng dẫn bạn cách nói chuyện với Claude, Và nếu bạn làm theo, bạn sẽ nhận được kết quả tương tự. --- Khóa học này dành cho: - Những nhà đầu tư là nhân viên văn phòng không có đủ thời gian phân tích cổ phiếu mỗi ngày - Những người muốn sở hữu hệ thống tự động nhưng không biết lập trình - Những người tò mò về Quant/Giao dịch hệ thống nhưng không biết bắt đầu từ đâu - Những người muốn biết cách ứng dụng AI vào thực tế --- ⚠️ Khóa học này không đảm bảo lợi nhuận đầu tư. Đây là khóa học lập trình về việc tự tạo ra công cụ phân tích chứng khoán. Quyết định đầu tư thực tế thuộc về trách nhiệm của chính học viên.

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.

Việc tạo MVP bằng AI giờ đây không còn khó khăn nữa. Nhưng hầu hết các dự án đều dừng lại ở bước tiếp theo. 👉 Đã tạo được tính năng 👉 Nhưng việc phát triển không được tiếp tục duy trì Tại sao điều này lại xảy ra? Vấn đề không nằm ở mã nguồn, 👉 Mà là vì thiếu một cấu trúc để AI có thể làm việc liên tục. --- Trong khóa học này, Dựa trên các dự án đã có sẵn, 👉 Chúng ta sẽ cùng nhau xây dựng 👉 Một cấu trúc cho phép AI tiếp tục quá trình phát triển --- Không chỉ đơn thuần là sử dụng các công cụ AI, mà chúng ta sẽ: * Xây dựng cấu trúc docs * Định nghĩa SSOT (Single Source of Truth) * Thực hiện phát triển theo đơn vị ticket * Kết nối với QA và cấu trúc lặp lại (iteration) 👉 Để hoàn thiện thành một "Hệ thống phát triển AI" nhất quán. --- Thông qua quá trình này, bạn có thể: 👉 Xây dựng cấu trúc mà việc phát triển vẫn tiếp diễn 👉 Ngay cả khi con người không trực tiếp viết code Nói cách khác, 👉 Bạn có thể tự mình tạo ra và thấu hiểu 👉 Một hệ thống phát triển vận hành AI như một đội ngũ thực thụ. --- Khóa học này được thiết kế dành cho: 👉 Những ai muốn tạo ra một cấu trúc có thể áp dụng ngay vào dự án của mình 👉 Những ai đã bắt đầu phát triển bằng AI nhưng gặp khó khăn trong việc duy trì 👉 Những ai muốn tiến lên bước tiếp theo sau khi đã làm quen với "Vibe Coding" --- Không chỉ dừng lại ở việc học, khóa học mang đến trải nghiệm: 👉 Thực hành trực tiếp 👉 Tạo ra cấu trúc hoạt động thực tế 👉 Và chuyển đổi nó thành hình thức có thể áp dụng ngay vào dự án cá nhân.

Giải quyết ngay điểm nghẽn khiến 80% thất bại tại Makerthon. Hoàn thành trong 4 tuần: Raspberry Pi · Computer Vision · LLM · Thiết kế 3D! Đạt thứ hạng cao tại Makerthon với PoC gương thông minh có thể trình diễn!

[Cung cấp mã nguồn] Không biết lập trình cũng OK. Hoàn thiện ngay trên trình duyệt với công cụ mới nhất của Google (IDX) mà không cần cài đặt! Đừng học cú pháp lập trình nữa! Đây là khóa học thực chiến siêu tốc giúp bạn xây dựng chatbot RAG hiểu rõ tài liệu nội bộ và triển khai trực tiếp lên web trong môi trường Google IDX thông qua việc trò chuyện với AI (Vibe Coding).

Thông qua kiến trúc Harness 5 lớp và 4 lớp quy trình làm việc (workflow), chúng tôi kiểm soát các tác nhân AI một cách xác định, đồng thời áp dụng cấu trúc dự án có khả năng mở rộng vào thực tế ngay lập tức. (Dựa trên tiêu chuẩn Claude code, nhưng nguyên lý tương tự cũng được áp dụng cho các công cụ AI khác.)

Đây là hướng dẫn thực hành về cách sử dụng Model Context Protocol (MCP) để liên kết với IntelliJ và phát triển nhanh hơn.

Đổi mới hiệu suất công việc và khả năng sáng tạo – Agentic AI AI giờ đây không chỉ dừng lại ở mức độ tự động hóa đơn thuần, mà đang tiến hóa sang một giai đoạn mới: tự phán đoán và thực thi. Agentic AI chính là công nghệ cốt lõi nằm ở trung tâm của sự thay đổi này, giúp các doanh nghiệp và tổ chức vận hành thông minh hơn. Khóa học này được thiết kế để giúp bạn hiểu rõ ràng và dễ dàng cách Agentic AI kết nối giữa việc ra quyết định và thực thi, cũng như cách ứng dụng nó vào thực tiễn công việc. Hãy khám phá ngay những kiến thức thiết yếu dành cho mọi nhân sự chuyên môn đang chuẩn bị cho tương lai.

Dạo này bạn vẫn còn tự tay code à? Giờ đây là thời đại ngại cả việc code bằng Vibe! Hãy trở thành chuyên gia tự động hóa AI với n8n mà không cần code. Hướng dẫn thiết kế workflow tự động hóa áp dụng ngay vào thực tế Chiến lược tự động hóa tập trung vào thực chiến để tối đa hóa hiệu quả công việc. Xây dựng workflow trực quan với n8n và trải nghiệm sự đổi mới trong công việc

Chỉ với những bài hướng dẫn đơn giản thì rất khó để áp dụng vào thực tế. Bằng tất cả bí quyết trong nghề của mình, tôi sẽ truyền đạt một cách chắc chắn cho bạn phương pháp quản lý trạng thái phức tạp và cách thiết kế Multi-agent.

Xu hướng mới nhất của trí tuệ nhân tạo tạo sinh, AI Agent! Cách để dẫn đầu với Cursor - công cụ thực hiện mọi tác vụ phát triển và MCP - công cụ mở rộng tính năng!

Khám phá cách xây dựng thẩm phán trí tuệ nhân tạo bằng cách kết hợp các hệ thống suy luận, biểu đồ tri thức và nhiều framework agent như CrewAI, LangChain, AutoGen, những công cụ cho phép triển khai công nghệ đa tác nhân (multi-agent) dựa trên LLM.

Trong thời đại Cơn sốt vàng, người ta nói rằng việc trở nên giàu có bằng cách bán các công cụ khai thác vàng sẽ dễ dàng hơn là tự mình khai thác vàng. ChatGPT Tại sao không thử bán các chương trình trong Thời đại Khám phá?