inflearn logo

làm chủ hệ thống RAG: Thiết kế hoàn hảo từ Classic đến Agentic

Học tập các nguyên lý cốt lõi và triển khai thực tế của Classic RAG, Graph RAG và Agentic RAG. Thiết kế hệ thống định tuyến động (dynamic routing) giúp tối ưu hóa hiệu suất token và độ trễ, đồng thời xây dựng hệ thống bộ nhớ dài hạn kết hợp giữa suy luận mạng lưới quan hệ của GraphRAG và vòng lặp tự đánh giá của Agentic RAG. Đây là khóa học hoàn thiện năng lực thiết kế kiến trúc RAG cao cấp, có thể áp dụng ngay vào công việc thực tế.

(4.7) 3 đánh giá

31 học viên

Độ khó Trung cấp trở lên

Thời gian Không giới hạn

RAG
RAG
AI Agent
AI Agent
AI
AI
React
React
RAG
RAG
AI Agent
AI Agent
AI
AI
React
React

Đánh giá từ những học viên đầu tiên

4.7

5.0

tata

32% đã tham gia

Thật tuyệt vời khi có thể hiểu được sự thay đổi mô hình của RAG và khái niệm hệ thống hybrid, đồng thời học hỏi thêm các phương pháp tối ưu hóa RAG.

5.0

유진

89% đã tham gia

Đây là một bài giảng tuyệt vời giúp bạn hiểu rõ về các xu hướng mới của RAG cũng như toàn bộ kiến trúc của nó. Lúc đầu, tôi cứ gật gù hiểu hết trong đầu, nhưng khi kết thúc mỗi phần, tôi lại cảm thấy trống rỗng và tự hỏi "Ơ, phải làm thế nào nhỉ?". Tuy nhiên, khi thấy giảng viên phản hồi và cập nhật ngay lập tức những ý kiến đóng góp cũng như yêu cầu cải thiện của mình, tôi một lần nữa cảm nhận được đây là một giảng viên giỏi và một khóa học chất lượng. Mỗi phần đều được bổ sung thêm mã thực hành và nội dung riêng biệt nên tôi càng mong đợi hơn vào bài giảng này. Nội dung rất hay, giải thích dễ hiểu và phản hồi cũng rất nhanh chóng, vì vậy tôi cực kỳ đề xuất các bạn nên tham gia khóa học này!

Bạn sẽ nhận được điều này sau khi học.

  • Sự khác biệt về kiến trúc giữa Classic, Graph, Agentic RAG và đánh giá kịch bản sử dụng tối ưu

  • Triển khai hệ thống định tuyến động cân nhắc chi phí token và độ trễ

  • Triển khai hệ thống bộ nhớ dài hạn kết hợp GraphRAG và xMemory

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Kỹ sư AI cần tối ưu hóa hiệu suất của hệ thống RAG

  • Nhà phát triển backend thiết kế hệ thống quản lý tri thức phức tạp

  • Quản lý sản phẩm AI (AI Product Manager) đang tìm cách xây dựng các ứng dụng LLM ở cấp độ sản xuất (production level)

Cần biết trước khi bắt đầu?

  • Hiểu các khái niệm cơ bản về Prompt Engineering và RAG

  • Kinh nghiệm tích hợp API LLM dựa trên Python

  • Cách sử dụng cơ bản của cơ sở dữ liệu vectơ (Pinecone, Weaviate, v.v.)

Xin chào
Đây là codebridge

Xác minh sự nghiệp

1,169

Học viên

108

Đánh giá

30

Trả lời

4.8

Xếp hạng

14

Các khóa học

Dựa trên kinh nghiệm và trải nghiệm sẵn có, tôi sẽ chia sẻ những bí quyết và mẹo hay trong khi vẫn bắt kịp các xu hướng của thế giới. Rất mong nhận được sự ủng hộ của mọi người!

Kinh nghiệm

🤖👾 Chương trình thạc sĩ AI tại Mỹ

🏗 Nhà phát triển năm thứ 7 tại tập đoàn IT lớn

📱 Đang phát triển và vận hành 14 ứng dụng Android, 7 ứng dụng iOS cùng nhiều trang web khác nhau

 

[Tiếng Anh]

Dựa trên những kinh nghiệm thực tế của bản thân, tôi muốn chia sẻ những bí quyết và mẹo nhỏ mà mình đúc kết được trong khi theo sát các xu hướng trên thế giới. Rất mong nhận được sự ủng hộ của các bạn!

Kinh nghiệm

Nhà phát triển tại một tập đoàn IT lớn ở Hàn Quốc (6 năm +)

Bằng Cử nhân chuyên ngành Kỹ thuật Máy tính

Thêm

Chương trình giảng dạy

Tất cả

30 bài giảng ∙ (2giờ 54phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

3 đánh giá

4.7

3 đánh giá

  • tata님의 프로필 이미지
    tata

    Đánh giá 9

    Đánh giá trung bình 5.0

    5

    32% đã tham gia

    Thật tuyệt vời khi có thể hiểu được sự thay đổi mô hình của RAG và khái niệm hệ thống hybrid, đồng thời học hỏi thêm các phương pháp tối ưu hóa RAG.

    • khh23028104님의 프로필 이미지
      khh23028104

      Đánh giá 10

      Đánh giá trung bình 5.0

      Đã chỉnh sửa

      5

      89% đã tham gia

      Đây là một bài giảng tuyệt vời giúp bạn hiểu rõ về các xu hướng mới của RAG cũng như toàn bộ kiến trúc của nó. Lúc đầu, tôi cứ gật gù hiểu hết trong đầu, nhưng khi kết thúc mỗi phần, tôi lại cảm thấy trống rỗng và tự hỏi "Ơ, phải làm thế nào nhỉ?". Tuy nhiên, khi thấy giảng viên phản hồi và cập nhật ngay lập tức những ý kiến đóng góp cũng như yêu cầu cải thiện của mình, tôi một lần nữa cảm nhận được đây là một giảng viên giỏi và một khóa học chất lượng. Mỗi phần đều được bổ sung thêm mã thực hành và nội dung riêng biệt nên tôi càng mong đợi hơn vào bài giảng này. Nội dung rất hay, giải thích dễ hiểu và phản hồi cũng rất nhanh chóng, vì vậy tôi cực kỳ đề xuất các bạn nên tham gia khóa học này!

      • codebridge
        Giảng viên

        Cảm ơn bạn rất nhiều vì những lời khen ngợi! Tôi cảm thấy công sức làm bài giảng thật xứng đáng! 😂 Mặc dù vẫn còn nhiều thiếu sót, nhưng tôi sẽ cố gắng mang đến những bài giảng và tài liệu tốt hơn nữa trong tương lai. Xin cảm ơn bạn!

    • gkstls20065339님의 프로필 이미지
      gkstls20065339

      Đánh giá 3

      Đánh giá trung bình 4.7

      4

      96% đã tham gia

      Nhìn chung, tôi thấy đây là một bài giảng rất hay. Đặc biệt, tôi đã phát triển dịch vụ RAG nhận câu trả lời bằng cách truy xuất với BM25+Vector, và dựa trên bài giảng này, tôi nghĩ mình có thể cải thiện nó tốt hơn nữa. Tuy nhiên, điều tôi cảm thấy hơi tiếc là hy vọng có thêm nhiều kỹ thuật về embedding hơn. Tôi đang quản lý các tài liệu văn bản hoặc markdown bằng cách chia nhỏ (chunking) và lưu trữ vào cơ sở dữ liệu vector Qdrant. Tôi đã hy vọng có thêm các mẹo nhỏ và bí quyết về việc làm thế nào để chia nhỏ và lưu trữ dữ liệu vector một cách hiệu quả, cũng như cách truy xuất dữ liệu tối ưu nhất. Dù vậy, tôi rất vui vì đã được học những kỹ thuật tốt như GraphRAG và Agentic RAG~

      • codebridge
        Giảng viên

        Cảm ơn bạn! Rất vui vì thông tin này hữu ích với bạn. Về việc lưu trữ dữ liệu chunk và vector, tôi sẽ cập nhật vào bài giảng này ngay khi chuẩn bị xong tài liệu. :)

    Khóa học khác của codebridge

    Hãy khám phá các khóa học khác của giảng viên!

    Khóa học tương tự

    Khám phá các khóa học khác trong cùng lĩnh vực!

    Giảm 25% cho thành viên mới

    1.719.974 ₫

    25%

    2.293.304 ₫