inflearn logo

Học về AI Agents qua thực tiễn công việc – Phần 4

Nội dung bao quát toàn bộ quy trình thực tiễn của hệ thống đa tác nhân, từ thiết kế tác nhân AI đơn lẻ và đa tác nhân, xây dựng kiến trúc cộng tác đến giao tiếp bất đồng bộ. Bạn sẽ học cách sử dụng LangGraph để xây dựng quy trình làm việc và áp dụng phương thức giao tiếp song song dựa trên message broker, qua đó nắm được cách phân tách và điều phối các miền nghiệp vụ phức tạp. Ngoài ra, bạn sẽ phát triển năng lực đánh giá và quản lý hiệu suất của tác nhân một cách khách quan thông qua việc xây dựng hệ thống chấm điểm tự động dựa trên LLM, sử dụng các chỉ số đánh giá như độ chính xác và độ bao phủ, cùng các cổng kiểm soát chất lượng theo phương pháp TDD.

1 học viên đang tham gia khóa học này

Độ khó Trung cấp trở lên

Thời gian 12 tháng

Llama
Llama
LangGraph
LangGraph
TDD
TDD
multi-agent
multi-agent
Llama
Llama
LangGraph
LangGraph
TDD
TDD
multi-agent
multi-agent

Bạn sẽ nhận được điều này sau khi học.

  • Có thể xây dựng hệ thống cộng tác đa tác nhân và kiến trúc giao tiếp song song bất đồng bộ bằng LangGraph và message broker.

  • Có thể thiết kế các tác tử chuyên gia và tác tử giám sát phù hợp với lĩnh vực nghiệp vụ, đồng thời áp dụng các chiến lược điều phối như kiểu dân chủ và Actor-Critic.

  • Có thể xây dựng bộ dữ liệu đánh giá theo phương pháp TDD và hệ thống chấm điểm tự động dựa trên LLM để đánh giá khách quan hiệu suất của tác nhân và quản lý cổng chất lượng.

Học AI Agents qua thực tiễn Part.4
Kỷ nguyên agent làm việc một mình đã chấm dứt. Giờ hãy để chúng làm việc theo 'đội'.
Từ thiết kế single/multi-agent, quy trình LangGraph, giao tiếp song song bất đồng bộ đến chấm điểm tự động dựa trên LLM và cổng kiểm soát chất lượng TDD.
실무에서 배우는 AI Agents Part.4 강의 대표 이미지
VỀ KHÓA HỌC NÀY
Bạn sẽ có thể phân chia các lĩnh vực công việc phức tạp thành nhiều tác nhân chuyên gia, đồng thời thiết kế, xây dựng và đánh giá hệ thống đa tác nhân được điều phối bởi một giám sát viên.
CÔNG CỤ

Các công cụ được đề cập

Đây là các công cụ và framework chính được đề cập trong khóa học.

MA

Đa tác nhân

LG

LangGraph

TD

Phát triển hướng kiểm thử (TDD)

LE

Đánh giá LLM

ĐẦU RA

Bạn sẽ tạo ra những sản phẩm như thế này

Sau khi hoàn thành khóa học, bạn sẽ tự thiết kế và triển khai các sản phẩm sau.

🧩

Đề án thiết kế đa tác tử phân chia theo miền

Kiến trúc phân chia các lĩnh vực nghiệp vụ thành các tác tử chuyên gia và do tác tử giám sát điều phối.

Bài 2~4
🔀

Quy trình làm việc dựa trên LangGraph

Pipeline cộng tác kết nối agent giám sát với các agent chuyên gia bằng LangGraph.

Bài 3
⚡

Cấu trúc giao tiếp song song qua bộ trung gian thông điệp

Triển khai xử lý tin nhắn song song giữa các tác tử bằng hàng đợi bất đồng bộ

Bài 5
📊

Hệ thống chấm điểm tự động dựa trên LLM

Quy trình chấm điểm tự động đo lường hiệu suất của agent bằng các chỉ số đánh giá như độ chính xác và độ bao phủ.

Bài 6
🧪

Bộ dữ liệu đánh giá theo phương pháp TDD & cổng kiểm soát chất lượng

Bộ dữ liệu đánh giá ở cấp độ thành phần và cổng kiểm định chất lượng phải vượt qua trước khi triển khai.

Bài 7–8
CHƯƠNG TRÌNH HỌC

Bạn có thể học được những nội dung như thế này.

Nếu nhóm chương trình học theo chủ đề, bạn sẽ lần lượt trau dồi các năng lực sau.

Bài 1~2

Tư duy thiết kế mở rộng từ đơn tác tử sang đa tác tử

Hiểu những hạn chế của tác nhân đơn và nắm vững nguyên tắc thiết kế để phân chia lĩnh vực nghiệp vụ thành các đơn vị chuyên môn.

Bài 3~4

Supervisor và các chiến lược điều phối

So sánh và áp dụng quy trình làm việc dựa trên LangGraph cùng các chiến lược điều phối như mô hình dân chủ và Actor-Critic để triển khai sự phối hợp giữa nhiều tác tử.

Bài 5

Kiến trúc giao tiếp bất đồng bộ và song song

Sử dụng message broker và hàng đợi bất đồng bộ để thiết lập giao tiếp song song giữa các agent, đồng thời thiết kế cấu trúc giúp nâng cao hiệu quả xử lý.

Bài 6–8

Ma trận đánh giá và cổng kiểm soát chất lượng

Quản lý khách quan hiệu năng của agent bằng cách chấm điểm tự động bằng LLM dựa trên độ chính xác và độ thu hồi, xây dựng bộ dữ liệu đánh giá theo phương pháp TDD và thiết lập cổng kiểm soát chất lượng ở cấp độ thành phần.

LƯU Ý

Thông tin cần lưu ý trước khi tham gia khóa học

  • Khóa học này dành cho học viên đã có kiến thức nền tảng về phát triển tác nhân AI (tác nhân đơn, thiết kế prompt, gọi công cụ, v.v.).
  • Đây là khóa học tự học, không cung cấp câu trả lời cho các câu hỏi Q&A.
  • Để học tập hiệu quả, bạn nên xem ở tốc độ bình thường và kết hợp thực hành thay vì tăng tốc độ phát.
  • Phiên bản của các công cụ và thư viện được sử dụng có thể thay đổi tùy theo thời điểm ghi hình; các thay đổi quan trọng sẽ được thông báo trong bài giảng.
  • Môi trường thực hành được thiết lập trên máy cục bộ hoặc môi trường đám mây của mỗi người; không có môi trường riêng được cung cấp.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nhà phát triển muốn vượt qua giới hạn của một tác nhân đơn lẻ và triển khai hệ thống đa tác nhân.

  • Người làm thực tiễn muốn xây dựng môi trường đánh giá khách quan hiệu suất và kiểm thử tự động (TDD) cho các tác nhân AI.

  • Nhà phát triển dịch vụ AI muốn phân chia các lĩnh vực nghiệp vụ phức tạp để thiết kế kiến trúc cộng tác giữa các tác nhân chuyên gia.

Cần biết trước khi bắt đầu?

  • Có kiến thức cơ bản về lập trình Python và kinh nghiệm sử dụng API LLM.

  • Hiểu biết cơ bản về các framework tác tử AI như LangChain và kinh nghiệm triển khai một tác tử đơn lẻ.

  • Hiểu biết cơ bản về lập trình bất đồng bộ và trình môi giới thông điệp.

Xin chào
Đây là usefulit

8,281,671

Học viên

6,695

Đánh giá

4.6

Xếp hạng

380

Các khóa học

Chúng tôi sẽ giúp bạn phát triển thông qua những bài giảng IT hữu ích.

Đánh giá

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

Khóa học khác của usefulit

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

368.594 ₫

25%

491.454 ₫