inflearn logo

Bài bản về AI Agent: Từ nguyên lý LLM đến thiết kế và ứng dụng thực tiễn của AI Agent

Có thể giao cho AI Agent đảm nhận đến đâu? Từ nguyên lý LLM đến thiết kế, bảo mật và đánh giá theo từng nhà cung cấp, kỹ sư đang trực tiếp làm việc tại IBM sẽ trả lời dựa trên những bằng chứng được kiểm chứng thực tế, đồng thời tạo cả Skill để đảm nhận công việc của bạn.

3 học viên đang tham gia khóa học này

Độ khó Nhập môn

Thời gian Không giới hạn

multi-agent
multi-agent
AI
AI
LLM
LLM
RAG
RAG
AI Agent
AI Agent
multi-agent
multi-agent
AI
AI
LLM
LLM
RAG
RAG
AI Agent
AI Agent

Bạn sẽ nhận được điều này sau khi học.

  • Hiểu nguyên lý huấn luyện và tạo câu trả lời của LLM cũng như những hạn chế như hiện tượng ảo giác.

  • Tìm hiểu sự khác biệt giữa RAG, Workflow và Agent, cùng tiêu chí lựa chọn phù hợp cho từng công việc.

  • Hiểu các lệnh gọi công cụ, bộ nhớ, quyền hạn, điều kiện kết thúc và nhật ký thực thi của Agent.

  • Tìm hiểu cách đưa ra yêu cầu bằng cách cung cấp cho Agent kết quả mong muốn, ví dụ và cách kiểm tra.

  • So sánh kiến trúc Agent và quan điểm thiết kế của OpenAI, Anthropic, IBM và Meta.

  • Phân biệt vai trò và cách thức kết nối của MCP, Connector, Skill và A2A.

  • Chúng tôi xem xét các rủi ro bảo mật như prompt injection, rò rỉ dữ liệu và quản lý quyền truy cập.

  • Phân tích các dạng thất bại của Agent và so sánh kết quả của nhiều cấu trúc theo tiêu chí đánh giá.

  • Hiểu rõ bộ nhớ, GPU, mức sử dụng đồng thời và môi trường vận hành cần thiết để chạy mô hình.

  • Hãy hệ thống hóa các công việc lặp đi lặp lại, tự tạo Skill và thử sử dụng.

Nếu bạn đã thử dùng AI Agent nhưng vẫn không biết có thể giao phó đến đâu

Giao việc cho ChatGPT hay Claude thì quả thực rất tiện. Nhưng chẳng ai hướng dẫn từng bước rằng có thể tin tưởng kết quả hay không, có thể dùng trong công việc ở công ty hay không, và con người nên dừng lại ở đâu.

Khóa học này sẽ lấp đầy những khoảng trống đó từ đầu đến cuối. Bắt đầu từ kiến thức cơ bản để cả những người mới tiếp xúc với AI cũng có thể theo kịp, đến cuối khóa, bạn sẽ giao một công việc của mình cho AI Agent đảm nhiệm.


Kỹ sư AI đang trực tiếp làm việc tại IBM chỉ dạy những gì mình đã tự trải nghiệm.

  • WISEiTec — Phát triển giải pháp BI/DW (WISE Intelligence) · 2019~2022

  • KT DS — Vận hành ITO, trưởng nhóm kỹ thuật OSS AI vTF · 2022~2026

  • IBM Korea — Kỹ sư AI · Hiện tại

Trong 8 năm, tôi đã phát triển các giải pháp, vận hành hệ thống của những tổ chức lớn và đưa AI vào doanh nghiệp khách hàng. Tôi đã hệ thống lại theo trình tự dành cho người mới bắt đầu, dựa trên những gì mình va chạm trong thực tế chứ không phải lý thuyết đọc trong sách.


Như cuốn sách toán kinh điển, chỉ với khóa học này là học đến cùng.

Từ nguyên lý LLM tạo ra câu trả lời, cấu trúc của RAG và Agent, cách giao việc, bảo mật và sự cố cho đến những cỗ máy được đưa vào công ty. Chúng tôi đã tuyển chọn thành năm quyển với 14 chương, 178 bài, 12 giờ.

Tập 1  Đây là gì

Quyển 2  Giao việc như thế nào

Quyển 3  Sụp đổ ở đâu, bảo vệ thế nào

Tập 4  Thử nghiệm trên vật thật

Quyển 5  Điều gì đã lỗi thời, điều gì còn lại

Đúng chất, không bỏ sót cả phần nâng cao

Giống như cuốn “Toán học chính tông” gói gọn mọi thứ từ kiến thức cơ bản đến nâng cao trong một quyển, khóa học này cũng không chỉ dừng lại ở việc giới thiệu khái niệm. Trong các bài học có số lẻ thập phân trong số thứ tự (L02.1, L02.11 …), bạn sẽ từng bước đi sâu hơn. Chỉ riêng các bài học nâng cao như thế này đã có 55 bài.

  • Bên trong mô hình — token và embedding, transformer và trọng số, từ tiền huấn luyện đến RLHF và mô hình suy luận, cách chọn từ tiếp theo và nhiệt độ

  • Cách vận hành mô hình — máy tính chạy mô hình lớn, lượng tử hóa, bộ nhớ mà các cuộc trò chuyện dài chiếm dụng, mô hình lớn hơn nhưng nhanh hơn

  • Nguyên lý tìm kiếm — chia nhỏ thành các đoạn, số chiều của embedding và giới hạn đầu vào, encoder và decoder, tìm kiếm kết hợp và xếp hạng lại, GraphRAG, fine-tuning và RAG

  • Thiết kế Agent — Agent Loop và lập kế hoạch lại, vòng đời của Sub-Agent, Context Engineering và Compaction, bộ dữ liệu vàng, Guardrail và Human-in-the-Loop, Trace và Observability

  • Thực tế vận hành — ước tính số người dùng đồng thời, GPU và NPU, CUDA, Ollama và vLLM


Không cần học thuộc, chỉ cần nhìn là sẽ nhớ

Chúng tôi sẽ trình bày các khái niệm khó bằng những cảnh 3D trước. Các nhà cung cấp phân chia Agent như thế nào, điều gì quyết định tốc độ trên con chip chạy mô hình, sự cố bảo mật rò rỉ từ đâu — hãy trải nghiệm qua hình ảnh trước, rồi mới gọi tên chúng.

Sau khi hoàn thành, bạn sẽ có trong tay một Agent đảm nhận công việc của mình

Trong dự án cuối khóa, bạn sẽ hệ thống hóa công việc của mình qua một buổi phỏng vấn, rồi tự tạo và sử dụng Skill để đảm nhận công việc đó. Hãy thử giao phó trọn vẹn một việc trong số những việc bạn vẫn làm hằng tuần như viết báo cáo, gửi email hay sắp xếp tài liệu. Tài liệu thực hành cũng được cung cấp kèm theo.

Học Agent, bạn cũng có thể làm những việc như thế này.

Những thứ giảng viên tự làm bằng AI Agent

Đây không phải là khóa học hướng dẫn cách tạo ra chúng. Người đã giao phó công việc đến mức này sẽ chia sẻ cách giao việc.

Video âm nhạc “Chiếc thang lên Mặt trăng”

Claude + Remotion + ACE-Step

Video được tạo bằng mã, nhạc bằng mô hình âm nhạc chạy cục bộ.
Ba phút về hai đứa trẻ leo chiếc thang nối đến tận mặt trăng.

Video âm nhạc “Slow Reply”

Claude + ChatGPT + Wan2.2 + ACE-Step

Hình ảnh → video → bài hát, mỗi công đoạn dùng một mô hình khác nhau.
Hai phút rưỡi trong đêm chờ hồi âm.

Trò chơi “Chợ đêm ánh trăng”

Claude Code + Unity 6

Tài nguyên 3D được tạo cục bộ bằng TRELLIS.2 + Meta DINOv3, âm nhạc dùng ACE-Step.
Trò chơi co-op nơi bốn người bạn cùng nhau dạo quanh chợ đêm.

Game “maxmax” (tên tạm thời)

Claude + Codex + Unity 6

Tài nguyên 3D được tạo bằng TRELLIS.2 chạy cục bộ + Meta DINOv3, âm nhạc được tạo bằng ACE-Step.
Một trò chơi co-op, nơi ban ngày bạn xây nhà, còn ban đêm bảo vệ ngôi nhà đó.

Trò chơi “RECLAIM WORKS” (tên tạm)

Claude + Codex + Unreal Engine 5

Trò chơi lấy bối cảnh khu công nghiệp
nơi người chơi khôi phục các cơ sở bị bỏ hoang.

Video 3D “Công việc còn lại”

Claude + Blender

Video giới thiệu sách 3D được tạo bằng cách điều khiển Blender thông qua mã.

Năm tập sẽ giúp bạn học được gì

14 chương, 178 bài, 12 giờ.
Mỗi tập trả lời một câu hỏi.


Tập 1  ·  Chương 0–3

Đây là gì?

Chương 1  LLM được tạo ra như thế nào
và trả lời ra sao

Từ token đến trọng số,
kiểm chứng qua thí nghiệm tự huấn luyện.

Chương 2  RAG · Workflow · Agent

Từ RAG tìm kiếm tài liệu để trả lời
đến những lúc nhất thiết cần đến Agent.

Chương 3  Khám phá một Agent

Gọi công cụ · bộ nhớ · lập kế hoạch lại,
bên trong Agent được mở ra.

Chương 0 Lời mở đầu — Từ một lời nhờ vả ngắn gọn đến khi trở thành Agent.


Quyển 2  ·  Chương 4–6

Cách giao việc

Chương 4  Cách làm việc với Agent

Thay vì liệt kê các bước
kết quả · ví dụ mẫu · cách xác minh hãy đưa ra.

Chương 5  Chiến lược của các nhà cung cấp và thị trường năm 2026

OpenAI · Anthropic · IBM · Meta
Cùng đặt thiết kế của bốn công ty cạnh nhau để xem xét.

Chương 6  MCP · Connector ·
Skill · A2A

Kết nối Agent với bên ngoài,
gom các chỉ dẫn thường lặp lại thành Skill.


Tập 3  ·  Chương 7–9

Đổ vỡ ở đâu, và làm thế nào để bảo vệ?

Chương 7  Bảo mật AI

Từ tấn công chèn prompt, rò rỉ dữ liệu,
cho đến hành vi mạo danh bằng cách lợi dụng giọng nói tổng hợp.

Chương 8  Thực tế, thất bại và đánh giá

Công cụ chọn sai, ngữ cảnh bị mất.
Những gì xảy ra sau buổi demo.

Chương 9  Cùng một công việc, bốn cấu trúc

Áp dụng bốn kiến trúc vào cùng một tác vụ
đo lường và so sánh.


Quyển 4  ·  Chương 10–12

Đem ra đối chiếu với vật thật

Chương 10  Cỗ máy vận hành mô hình

Có thể có bao nhiêu người cùng sử dụng?
Bộ nhớ · GPU và NPU · vLLM

Chương 11  Giải phẫu nhà máy

Sơ đồ hóa cấu trúc hoạt động của một chiếc máy tính xách tay.
Mỗi khu vực một mô hình khác nhau, cùng vị trí của con người.

Chương 12  Dự án hoàn chỉnh

Tổng hợp công việc của mình qua phỏng vấn và
tạo Skill riêng để đảm nhận công việc đó.

Quyển 5  ·  Chương 13

Điều gì đã lỗi thời, điều gì còn lại?

Khi mô hình ngày càng tốt hơn, điều gì sẽ biến mất và điều gì sẽ còn lại,
chúng ta cùng suy ngẫm xem từ nay về sau nên nắm giữ điều gì.


Xuyên suốt khóa học, chúng ta sẽ quay lại với một câu hỏi.

Nên giao việc gì, và dừng lại ở đâu?

Sau khi hoàn thành khóa học, bạn có thể

01

Có thể giải thích

Cách mô hình tạo ra câu trả lời,
vì sao nó sai,
và Agent bổ sung thêm điều gì.

02

Giao cho được

Một công việc của bạn lặp lại mỗi tuần,
hãy làm
đến cùng.

03

Có thể đánh giá

Giao phó đến đâu
và dừng lại ở đâu,
dựa trên những căn cứ đã đo lường.


Điểm khác biệt của khóa học này

Đã đo thế nào thì giữ nguyên như vậy

Các con số trong bài giảng là kết quả đo được khi
chạy trực tiếp trên máy tính của giảng viên.
Dù kết quả khác với dự đoán, chúng tôi vẫn giữ nguyên như vậy.

Tên gọi đến sau khi đã trải nghiệm

Chúng tôi không đưa ra những thuật ngữ xa lạ ngay từ đầu.
Hãy trải nghiệm qua các tình huống trước,
rồi mới gọi tên chúng.

Qua những câu chuyện thực tế

Máy chủ GPU được triển khai tại công ty khách hàng bị chặn kết nối mạng bên ngoài,
MV và trò chơi do giảng viên tự mình tạo ra.
Đây đều là những chuyện có thật.

Những gì bạn sẽ có trong tay sau khi hoàn thành

Thông qua phỏng vấn, tạo một Skill
đảm nhận công việc của bạn,
dùng thử rồi chỉnh sửa.


Khóa học này không phải là gì

Đây không phải là bài giảng hướng dẫn cách sử dụng các nút bấm.

Dù tên nút ở mỗi chương trình khác nhau,
vị trí giao việc · vị trí kiểm tra · vị trí dừng lại vẫn giống nhau.
Chúng ta sẽ xem những vị trí đó.

Đây không phải là khóa học lập trình.

Không cần viết mã.
Những kết quả giảng viên ghi nhận khi chạy chương trình
sẽ cùng được đọc trên màn hình.


Khóa học phù hợp với những người sau đây

01   Dành cho những ai muốn tìm hiểu tuần tự từ nguyên lý của AI và LLM đến Agent

02   Dành cho những ai đang cân nhắc cấu trúc phù hợp với công việc giữa RAG, Workflow, Single Agent và Multi-Agent.

03   Dành cho những ai muốn so sánh kiến trúc Agent và định hướng thiết kế của các nhà cung cấp chính (Anthropic, OpenAI, IBM, Meta)

04   Các nhà phát triển và người làm thực tế đang cân nhắc triển khai AI và cần xem xét cả bảo mật, đánh giá, hạ tầng và chi phí vận hành

05   Dành cho những ai muốn tự tạo Skill để áp dụng vào các công việc lặp đi lặp lại.

Cách xem khóa học này

Cách đọc mã bài học

「CH01 L02.41」 là bài học L02.41 của chương 1.
Số nguyên (L02) là mạch nội dung chính, còn khi có phần thập phân, bài học sẽ đào sâu hơn vào mạch đó.
L02 → L02.4 → L02.41


Thứ tự được đề xuất

Nếu đây là lần đầu bạn đọc, hãy xem lần lượt từ đầu. Các chương sau sử dụng những thuật ngữ đã được giới thiệu ở các chương trước.
Nếu bạn đã nắm rõ nguyên lý, hãy bắt đầu từ chương 3; nếu muốn thử áp dụng ngay, hãy bắt đầu từ chương 4;
nếu cần quyết định có nên đưa vào công ty hay không, bạn cũng có thể bắt đầu từ chương 7 · 8 · 10.
Dù bắt đầu từ đâu, hãy cố gắng đọc đến chương 12.


Câu hỏi cuối phần

Cuối mỗi phần thường có một câu hỏi ngắn.
Hãy chọn câu trả lời rồi tiếp tục. Trả lời sai cũng không sao.


Tài liệu thực hành

Chương 4 L14 · Chương 6 L03.3 · Chương 9 L01 · Chương 12 L01 Có thể tải xuống trong mục 'Tài liệu khóa học' của bài học.
Tài liệu bao gồm mẫu ghi chú cuộc họp, phiếu chấm điểm và tài liệu thiết kế dùng trong phần thực hành.


Phụ đề

Tất cả video đều có phụ đề tiếng Hàn.


Vui lòng kiểm tra trước khi đăng ký.

Giải thích từ kiến thức cơ bản để cả những người mới tiếp xúc với AI hoặc lập trình cũng có thể theo học.
Bạn sẽ không trực tiếp nhập mã; màn hình thực hành sử dụng ứng dụng Claude.
Tính khả dụng và chi phí của một số tính năng có thể khác nhau tùy dịch vụ và gói cước.


Các con số trong khóa học là những ghi chép được đo trực tiếp trên máy tính của giảng viên và tại hiện trường vào mùa thu năm 2026.
Giá trị của các mô hình và sản phẩm thay đổi rất nhanh, nên chúng tôi ghi kèm ngày tháng cho những thông tin có thể thay đổi.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Các nhà phát triển và nhân viên nghiệp vụ không chuyên kỹ thuật muốn đưa AI Agent vào công việc của mình

  • Dành cho những người đã thử dùng Agent nhưng chưa biết vì sao Agent mắc lỗi · hay có thể giao phó công việc đến mức nào.

  • Dành cho những ai muốn so sánh kiến trúc Agent theo từng nhà cung cấp và các phương pháp thiết kế Multi-Agent

  • Dành cho những người đang cân nhắc triển khai AI trong tổ chức, đồng thời quan tâm đến bảo mật, đánh giá và hạ tầng.

  • Dành cho những ai muốn tự tạo Skill để sử dụng trong các công việc lặp đi lặp lại.

Cần biết trước khi bắt đầu?

  • Bạn không cần biết về AI hay lập trình. Chúng ta sẽ bắt đầu từ những điều cơ bản nhất và bạn không cần tự gõ mã.

  • Phần thực hành sẽ được minh họa bằng ứng dụng Claude. Việc có thể đính kèm tệp và sử dụng một số tính năng, cũng như mức phí, có thể khác nhau tùy theo công cụ và gói dịch vụ bạn sử dụng.

Xin chào
Đây là seojheasdw

Xác minh sự nghiệp

Xin chào. Tôi là nhà phát triển Seo Je-ho.

Tôi đã phát triển và vận hành các hệ thống doanh nghiệp trong lĩnh vực viễn thông và công cộng. Tôi có kinh nghiệm từ phát triển backend bằng Java và Spring, frontend với Vue.js và TypeScript, đến tự động hóa và xử lý dữ liệu bằng Python.

Tại KT DS, tôi đảm nhiệm vai trò trưởng nhóm OSS AI vTF và giảng viên nội bộ, ứng dụng RAG cùng các công nghệ AI vào công việc thực tế và đào tạo. Tôi cũng tham gia thiết kế, xây dựng hệ thống Graph RAG phục vụ tra cứu tri thức trong tổ chức và phát triển nền tảng tự động hóa phát triển AI.

Kinh nghiệm làm việc

• Hiện tại) IBM Korea — Phát triển (2026.02~nay)

• Trước đây: KT DS — Vận hành ITO và trưởng nhóm OSS AI vTF (2022.11~2026.02)

• Trước đây: WiseiTec — Phát triển sản phẩm tại viện nghiên cứu (2019.07~2022.04)

Mô hình công khai: https://huggingface.co/SeoJHeasdw/ktds-vue-code-search-reranker-ko

GitHub: https://github.com/SeoJHeasdw

Thêm

Chương trình giảng dạy

Tất cả

178 bài giảng ∙ (11giờ 59phút)

Tài liệu khóa học:

Tài liệu bài giảng
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!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Ưu đãi có thời hạn

100.100 ₫

50%

4.069.317 ₫