강의

멘토링

커뮤니티

NEW
AI Technology

/

AI Agent Development

Kỹ Thuật LangChain Nâng Cao: Làm Chủ Ứng Dụng RAG

Trong khóa học này, bạn sẽ học cách thiết kế, xây dựng và đánh giá các hệ thống RAG nâng cao bằng framework LangChain. Bạn sẽ thành thạo LCEL, Runnables, các kỹ thuật truy xuất nâng cao, chiến lược phân đoạn, sắp xếp lại thứ tự bằng cross-encoder, RAG dựa trên agent, gọi công cụ, tích hợp SQL và các kỹ thuật an toàn sử dụng NeMo Guardrails. Bạn cũng sẽ học cách theo dõi, gỡ lỗi và triển khai chatbot AI full-stack với LangFuse, React, FastAPI và Docker.

2 học viên đang tham gia khóa học này

  • Markus Lang
langchain
LangChain
LLM
RAG
AI Agent

Bạn sẽ nhận được điều này sau khi học.

  • Khả năng xây dựng các pipeline RAG nâng cao bằng LangChain, bao gồm tối ưu hóa truy xuất, sắp xếp lại thứ tự, định tuyến và tích hợp công cụ.

  • Các kỹ năng để đánh giá và cải thiện hệ thống RAG bằng cách sử dụng RAGAS và bộ dữ liệu kiểm thử được tạo bởi AI.

  • Kinh nghiệm thực hành xây dựng ứng dụng AI full-stack (React + FastAPI + Docker) với các tính năng sẵn sàng cho production.

  • Kiến thức để tích hợp NeMo Guardrails nhằm đảm bảo hành vi AI an toàn, đáng tin cậy và được kiểm soát.

  • Kinh nghiệm thực tế với LCEL, Runnables và cấu trúc pipeline hiện đại của LangChain.

Xây dựng Ứng dụng RAG Cấp Độ Tiên Tiến với LangChain: LCEL, Truy xuất Nâng cao, Đánh giá RAG, Guardrails & Triển khai AI Full-Stack

Hướng dẫn thực hành toàn diện để thành thạo Retrieval-Augmented Generation (RAG) nâng cao sử dụng framework LangChain.
Học viên sẽ học LCEL, các chiến lược truy xuất nâng cao, đánh giá RAG với RAGAS, NeMo Guardrails, tool calling, agents, routing, và triển khai AI full-stack—những kỹ năng được sử dụng trong kỹ thuật AI hiện đại, khoa học dữ liệu và phát triển sản phẩm AI.

Được Đề Xuất Cho

Khóa học này dành cho ai (1)

Khóa học này được thiết kế cho những người học đã hiểu những kiến thức cơ bản về LangChain nhưng cảm thấy bế tắc khi xây dựng các hệ thống RAG thực tế, sẵn sàng cho sản xuất.
Nếu bạn không chắc chắn làm thế nào để đánh giá các pipeline RAG, tối ưu hóa truy xuất, triển khai các biện pháp bảo vệ an toàn, hoặc xây dựng các ứng dụng AI full-stack, khóa học này sẽ giải đáp những lo ngại đó.

Khóa học này dành cho ai (2)

Các kỹ sư gặp khó khăn với việc xây dựng truy vấn, chiến lược phân đoạn, sắp xếp lại thứ tự, hoặc định tuyến sẽ được hưởng lợi từ các phân tích chuyên sâu từng bước.
Nếu bạn là một developer muốn vượt xa các hướng dẫn cơ bản và thực sự hiểu cách hoạt động bên trong của các hệ thống RAG hiện đại, khóa học này dành cho bạn.

Khóa học này dành cho ai (3)

Hoàn hảo cho Kỹ sư Phần mềm, Nhà phát triển AI và Nhà khoa học Dữ liệu đã có kỹ năng Python trung cấp và muốn nâng cao ứng dụng RAG của họ lên cấp độ tiếp theo—dù cho các dự án chuyên nghiệp, hệ thống AI doanh nghiệp hay công cụ AI cá nhân.

Sau Khi Hoàn Thành Khóa Học Này

  • Đến cuối khóa học này, học viên sẽ có thể:

    • Sử dụng LCEL và Runnables để xây dựng các pipeline LangChain mạnh mẽ và dễ bảo trì

    • Thiết kế hệ thống RAG nâng cao với các kỹ thuật như MultiQuery Retrieval, HyDE, parent-document retrieval, reranking, routing, agents và mô hình cross-encoder

    • Xây dựng và đánh giá hệ thống AI với RAGAS (bao gồm bộ test được tăng cường bởi AI)

    • Triển khai các kho tài liệu tùy chỉnh, chiến lược phân đoạn nâng cao và quy trình lập chỉ mục

    • Áp dụng tính an toàn và độ tin cậy bằng cách sử dụng NeMo Guardrails được tích hợp vào LangChain

    • Ngăn chặn SQL injection và xây dựng hệ thống kết hợp SQL-LLM

    • Triển khai gọi công cụ, lịch sử trò chuyện và theo dõi chuỗi với LangFuse

    • # Xây dựng và triển khai chatbot RAG full-stack (React + FastAPI + Docker) ## Tổng quan kiến trúc Hệ thống này bao gồm: - **Frontend**: React với TypeScript - **Backend**: FastAPI với Python - **Vector Database**: ChromaDB để lưu trữ embeddings - **LLM**: OpenAI GPT hoặc local model - **Containerization**: Docker và Docker Compose ## Cấu trúc dự án ``` rag-

    • Tự tin xây dựng các ứng dụng RAG sẵn sàng cho production từ đầu

    Khóa học này giúp học viên biến kiến thức lý thuyết thành các dự án thực tế, sẵn sàng cho portfolio, phù hợp với phỏng vấn, freelancing và phát triển doanh nghiệp.

Câu hỏi thường gặp

Hỏi: Tại sao tôi nên học Advanced RAG với LangChain?

Bởi vì RAG đang trở thành xương sống của các ứng dụng AI thực tế—chatbot, trợ lý ảo, tìm kiếm doanh nghiệp, tự động hóa và quản lý tri thức.
RAG cơ bản không còn đủ nữa. Các công ty hiện nay cần truy xuất nâng cao, đánh giá, các biện pháp bảo vệ an toàn và tích hợp full-stack. Khóa học này cung cấp cho bạn chính xác những điều đó.

Hỏi: Tôi có thể làm gì sau khi học những chủ đề này?

Bạn sẽ có thể xây dựng:

  • Hệ thống RAG cấp độ sản xuất

  • Trợ lý tri thức AI

  • Chatbot tăng cường tìm kiếm

  • Công cụ LLM cấp doanh nghiệp với các biện pháp bảo vệ an toàn

  • Ứng dụng AI full-stack kết nối với API, cơ sở dữ liệu SQL và vectorstore
    Những kiến thức này có thể áp dụng ngay vào công việc trong lĩnh vực kỹ thuật AI, kỹ thuật backend và khoa học dữ liệu.

Hỏi: Nội dung khóa học chi tiết đến mức nào?

Đây là khóa học trung cấp → nâng cao.
Chúng ta sẽ vượt qua những giải thích bề mặt và đi sâu vào cấu trúc bên trong của LCEL, tối ưu hóa retrieval, quy trình đánh giá, agentic RAG, docstore tùy chỉnh, tích hợp Guardrails và triển khai full-stack.

Câu hỏi: Tôi có cần chuẩn bị gì trước khi tham gia khóa học này không?

Có—Python trung cấp, kiến thức cơ bản về LangChain, và thoải mái sử dụng terminal và Docker.
Không yêu cầu GPU; CPU là đủ cho tất cả các bản demo.

Câu hỏi: Khóa học có bao gồm một dự án hoàn chỉnh không?

Vâng. Bạn sẽ xây dựng một ứng dụng chatbot RAG hoàn chỉnh từ đầu bằng cách sử dụng React, FastAPI, LangChain và Docker.

Trước Khi Đăng Ký

Trước Khi Đăng Ký

Môi Trường Thực Hành

Các Hệ Điều Hành Được Hỗ Trợ

  • Windows

  • macOS

  • Linux

Công cụ cần thiết

  • Python (môi trường ảo)

  • Docker

  • Terminal (Bash, PowerShell, hoặc zsh)

  • VS Code hoặc bất kỳ trình soạn thảo nào

  • Access to OpenAI or alternative LLM APIs (optional for certain modules)

Cấu hình PC được khuyến nghị

  • CPU: Bốn nhân

  • RAM: Tối thiểu 8GB, khuyến nghị 16GB

  • Lưu trữ: 10GB miễn phí

  • GPU: KHÔNG cần thiết

Tài Liệu Học Tập Được Cung Cấp

  • # Dịch Repository Mã Nguồn Tôi sẵn sàng giúp bạn dịch repository mã nguồn từ tiếng Anh sang tiếng Việt. T

  • Các script trợ giúp cho việc thu thập, làm sạch và kiểm tra dữ liệu

  • Dự án chatbot RAG full-stack

  • Giải thích theo phong cách PPT trong các video

  • 3,5 giờ video theo yêu cầu

  • I'm ready to translate additional articles from English to Vietnamese. Please provide the content you'd like me to translate, and I'll follow all the guidelines, including: - Preserving

  • Môi trường Docker hóa để thiết lập dễ dàng

Tất cả các tài nguyên đều nhẹ và được thiết kế để dễ dàng tái tạo.

Điều kiện tiên quyết & Thông báo

  • Kiến thức tiên quyết: Python trung cấp, kiến thức cơ bản về LangChain và quen thuộc với APIs.

  • Chất lượng video: Full HD.

  • Phương pháp học được khuyến nghị: Thực hành code theo trong khi học để ghi nhớ tốt nhất.

  • Hỗ trợ: Học viên có thể đặt câu hỏi thông qua mục Hỏi & Đáp của nền tảng.

  • Cập nhật: Khóa học sẽ được cập nhật khi LangChain, RAGAS và Guardrails phát triển.

Thông báo Bản quyền:
Tất cả tài liệu khóa học—bao gồm mã nguồn, script, video và tài nguyên—chỉ dành cho mục đích sử dụng cá nhân. Nghiêm cấm phân phối lại hoặc sử dụng cho mục đích thương mại.


Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Các nhà phát triển hoặc nhà khoa học dữ liệu đã hiểu những kiến thức cơ bản về LangChain nhưng gặp khó khăn trong việc xây dựng các ứng dụng RAG chất lượng cao, sẵn sàng cho môi trường production.

  • Các kỹ sư đang gặp khó khăn với độ chính xác truy xuất kém, phân đoạn không tốt, hoặc hành vi AI không ổn định và cần một cách có cấu trúc để cải thiện quy trình của họ.

  • Bất kỳ ai đang làm việc trên dự án AI cần đánh giá hệ thống RAG, tích hợp guardrails, hoặc triển khai ứng dụng RAG full-stack.

Cần biết trước khi bắt đầu?

  • Có. Người học cần có kiến thức Python ở mức trung cấp và hiểu biết cơ bản về các khái niệm LangChain. Hiểu về kiểu dữ liệu, hàm, OOP và làm việc với API sẽ giúp theo dõi các ví dụ một cách trôi chảy hơn. Nên có kiến thức cơ bản về lệnh terminal và Docker.

Xin chào
Đây là

Hello, I'm Markus, a software developer specializing in Artificial Intelligence and Python. I work in the finance industry and have extensive experience developing LLM applications with LangChain and successfully deploying them into production.

I am passionate about teaching and strive to make complex topics approachable and practical for my students, focusing on providing clear, hands-on learning experiences.

I’m excited to share my knowledge with you and help you grow your skills.

I look forward to welcoming you to my courses and being part of your learning journey!

Chương trình giảng dạy

Tất cả

36 bài giảng ∙ (3giờ 28phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Ưu đãi có thời hạn

506.680 ₫

29%

715.313 ₫

Khóa học khác của Markus Lang

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!