Xây dựng tác nhân AI từ con số 0 — RAG · đa tác nhân · MCP

Tự xây dựng một AI agent chỉ với Python và một vòng lặp while, không cần framework. Ở phần nhập môn, bạn sẽ lần lượt bổ sung thiết kế công cụ, xử lý thất bại và chi phí, bộ nhớ, phê duyệt của con người, đánh giá và giao diện web để hoàn thiện một coding agent nhỏ. Ở phần thực chiến, bạn sẽ trực tiếp triển khai RAG, multi-agent và máy chủ MCP bằng các báo cáo kinh doanh thực tế (DART), sau đó so sánh bằng số liệu với LangChain và LangGraph.

58 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

Python
Python
FastAPI
FastAPI
LLM
LLM
openAI API
openAI API
AI Agent
AI Agent
Python
Python
FastAPI
FastAPI
LLM
LLM
openAI API
openAI API
AI Agent
AI Agent

Phần thực hành sẽ được bổ sung — RAG · đa tác tử · MCP · LangGraph

Xin chào, tôi là Dante.


Khóa học này sẽ được bổ sung phần thực hành. Dựa trên vòng lặp agent đã tạo ở phần nhập môn, chúng ta sẽ xây dựng một workbench nghiên cứu đầu tư AI bằng các báo cáo kinh doanh thực tế của các công ty niêm yết (DART), đồng thời tìm hiểu các nội dung sau.


- Thực hành thiết kế công cụ: từ 15 công cụ tra cứu công bố thông tin → 40 công cụ, tìm kiếm công cụ và bộ nhớ đệm

- Kỹ thuật ngữ cảnh: xử lý tài liệu dài · tác vụ dài, kỹ năng và tác nhân phụ trợ

- RAG: BM25 · kết hợp · sắp xếp lại, ghi nguồn và đối chiếu số liệu, so sánh LangChain · LlamaIndex

- Đa tác tử: nhóm nghiên cứu doanh nghiệp, trình xác minh trích dẫn, chuyển sang LangGraph

- MCP: tự triển khai máy chủ → SDK chính thức → triển khai từ xa và xác thực bằng token → bảo mật → kết nối LangGraph

- Capstone: Hoàn thiện workbench bằng FastAPI · React và bảng điểm cuối cùng


Tất cả đều được tiến hành bằng cách trực tiếp đo lường bằng các con số, và 23 bài học sẽ được chia thành 7 phần, lần lượt công khai.

Những bạn đã tham gia học có thể tiếp tục xem mà không cần thanh toán thêm.


Xin cảm ơn.

Bình luận