Cơ bản về LangChain dành cho người mới bắt đầu

Đây là khóa học Python cơ bản dành cho người mới bắt đầu không chuyên. Giáo trình lý thuyết được cung cấp qua Wikidocs, và tài liệu thực hành được cung cấp qua Github.

Khóa học này sẽ đề cập đến các khái niệm cơ bản và phương pháp triển khai hệ thống RAG (Retrieval-Augmented Generation) sử dụng LangChain. Người tham gia sẽ hiểu các nguyên lý cốt lõi của RAG, và thông qua LangChain, học cách thực hành xây dựng hệ thống cũng như đánh giá hiệu suất.

Hãy tự tay tạo ra chatbot AI của riêng bạn bằng cách sử dụng cú pháp cơ bản Python và các thư viện. Thực hiện từng bước 5 dự án bao gồm RAG dựa trên tài liệu PDF, và học quy trình triển khai thành dịch vụ web.

Hệ thống RAG dựa trên Đồ thị tri thức triển khai bằng Neo4J: Công nghệ tìm kiếm thế hệ mới tận dụng cả mối quan hệ dữ liệu thay vì chỉ tìm kiếm vector đơn thuần Tối đa hóa hiệu suất RAG với sức mạnh của cơ sở dữ liệu đồ thị!

Xây dựng AI Agent thông minh với RAG bằng LangGraph! Từ lý thuyết đến thực hành, đây là hướng dẫn thực tế (hands-on) giúp người mới bắt đầu cũng có thể dễ dàng làm theo.

Khóa học này tập trung vào những lời giải thích dễ hiểu và các dự án thực hành khác nhau dành cho người mới bắt đầu. Chúng tôi thu thập dữ liệu bằng cách sử dụng công cụ thu thập dữ liệu web và LangChain, đồng thời sử dụng LLM để xử lý hệ thống tóm tắt, trích xuất, phân tích cảm tính và đề xuất.

Khóa học này sẽ đề cập đến các khái niệm cơ bản và phương pháp triển khai hệ thống RAG (Retrieval-Augmented Generation) sử dụng LangChain. Người tham gia sẽ hiểu các nguyên lý cốt lõi của RAG, và thông qua LangChain, học cách thực hành xây dựng hệ thống cũng như đánh giá hiệu suất.

Đây là khóa học thú vị và nhẹ nhàng mà người mới bắt đầu có thể dễ dàng theo học. Vượt ra ngoài chatbot đơn thuần, đây là AI Agent tự động hóa quy trình làm việc kinh doanh theo từng ngành nghề. Khóa học này sẽ nhanh chóng tổng quan về cấu trúc cơ bản và công nghệ cốt lõi của AI Agent (LangChain, LangGraph, RAG) trong 1.5 giờ, đồng thời trực tiếp tạo ra mini agent hoạt động bằng code thực tế để rèn luyện cảm giác thực tế - đây là khóa học nhập môn. Sau khi hoàn thành khóa học, bạn sẽ hiểu được tầm quan trọng của tiền xử lý dữ liệu theo ngành và thiết kế mở rộng, đồng thời chuẩn bị sẵn sàng cho các khái niệm nâng cao sẽ được đề cập trong khóa học chuyên sâu.

Một chuyên gia đang làm việc sẽ nhanh chóng truyền đạt nội dung trọng tâm, từ kiến thức cơ bản cần cho LLM đến những mẹo thực chiến!

Mỗi ngày có 2.500 mã cổ phiếu, bạn định tự mình xem đến bao giờ? Sau khi thị trường đóng cửa, bạn phải lục lọi Naver Securities để tìm các mã tăng vọt, Đọc tin tức để phán đoán xem đó là tin tốt hay tin xấu, Kiểm tra từng chút một dòng tiền của khối ngoại và tổ chức, Mở biểu đồ để phân tích mô hình... Chẳng lẽ bạn đang lặp lại việc này mỗi ngày sao? Tôi cũng đã từng như vậy. Dành 2-3 tiếng sau khi đi làm về để phân tích cổ phiếu, nhưng vẫn bỏ lỡ nhiều mã hơn là tìm thấy. Tổng hợp cả KOSPI và KOSDAQ có hơn 2.500 mã, con người không thể nào xem hết mỗi ngày được. --- Vì vậy, tôi đã tạo ra một hệ thống Tôi đã tạo ra một hệ thống tự động phân tích 2.500 mã cổ phiếu sau khi thị trường đóng cửa mỗi ngày. - Tự động thu thập giá cả, dòng tiền và tin tức - AI (Gemini) đọc tin tức và phân biệt tin tốt/tin xấu - Chấm điểm trên thang điểm 15 dựa trên 6 yếu tố - Chỉ chọn những mã vượt qua tiêu chuẩn và tính toán cả giá vào lệnh/giá cắt lỗ/giá chốt lời - Gửi thông báo qua Telegram Sau khi đi làm về, tôi chỉ cần kiểm tra điện thoại. Thêm vào đó, vào mỗi thứ Bảy, hệ thống sẽ tự phân tích hiệu suất của tuần trước Và tự động điều chỉnh mức cắt lỗ, chốt lời và thời gian nắm giữ. Đây là cấu trúc mà hệ thống tự học hỏi và cải thiện. --- Nhưng tôi không phải là một lập trình viên Tôi không trực tiếp viết mã cho hệ thống này. Tôi hoàn toàn ra lệnh cho AI bằng lời nói. "Hãy lọc ra những mã tăng trên 5% hôm nay với giá trị giao dịch trên 50 tỷ won" "Gửi 3 tin tức này cho Gemini để phán đoán xem đó là tin tốt hay không" "Tạo một bộ lập lịch để hệ thống tự động chạy vào 4 giờ chiều mỗi ngày" Khi nói như vậy, AI (Claude) sẽ tạo mã cho tôi. Đó chính là Vibe Coding. --- Trong khóa học này, chúng ta sẽ cùng tạo ra hệ thống tương tự Qua 58 bài giảng, chúng ta sẽ cùng nhau xây dựng từ đầu đến cuối hệ thống mà tôi thực sự sử dụng hàng ngày. Bắt đầu từ thu thập dữ liệu, Phân tích tin tức bằng AI, công cụ chấm điểm, tạo tín hiệu, Máy chủ Flask API, bảng điều khiển web Next.js, Thông báo tự động qua Telegram, và cả hệ thống tự học. Sản phẩm cuối cùng không phải là một tệp Jupyter Notebook. Mà là một bảng điều khiển web và thông báo Telegram thực sự hoạt động mỗi ngày. Bạn không cần biết lập trình. Trong mỗi bài giảng, tôi sẽ hướng dẫn bạn cách nói chuyện với Claude, Và nếu bạn làm theo, bạn sẽ nhận được kết quả tương tự. --- Khóa học này dành cho: - Những nhà đầu tư là nhân viên văn phòng không có đủ thời gian phân tích cổ phiếu mỗi ngày - Những người muốn sở hữu hệ thống tự động nhưng không biết lập trình - Những người tò mò về Quant/Giao dịch hệ thống nhưng không biết bắt đầu từ đâu - Những người muốn biết cách ứng dụng AI vào thực tế --- ⚠️ Khóa học này không đảm bảo lợi nhuận đầu tư. Đây là khóa học lập trình về việc tự tạo ra công cụ phân tích chứng khoán. Quyết định đầu tư thực tế thuộc về trách nhiệm của chính học viên.

Chúng tôi sẽ tạo nhiều chức năng bằng Spring WebFlux. Thông qua khóa học này, bạn có thể nắm vững các khái niệm cần thiết và cách triển khai thực tế của WebFlux.

Đây là hướng dẫn thực hành về cách sử dụng Model Context Protocol (MCP) để liên kết với IntelliJ và phát triển nhanh hơn.

Giải quyết ngay điểm nghẽn khiến 80% thất bại tại Makerthon. Hoàn thành trong 4 tuần: Raspberry Pi · Computer Vision · LLM · Thiết kế 3D! Đạt thứ hạng cao tại Makerthon với PoC gương thông minh có thể trình diễn!

Công nghệ OCR thực sự dùng trong thực tế, nếu muốn học đúng cách thì chỉ cần một khóa học này là đủ! Đạt mục tiêu chính xác trên 98% ngay cả với tài liệu phi cấu trúc và bố cục phức tạp, dựa trên các mô hình SOTA mới nhất cùng kinh nghiệm thực chiến, chúng tôi sẽ cùng bạn xây dựng dự án OCR cấp doanh nghiệp.

Tự động hóa tạo YouTube Shorts bằng AI!! Học cách tự động tạo YouTube Shorts bằng n8n từ con số 0. Tự tay xây dựng quy trình vận hành một lần từ: Văn bản → Hình ảnh/Âm nhạc → Tạo video → Tải lên. Thực hành phân biệt chế độ thử nghiệm/chế độ thực tế và các mẹo tiết kiệm chi phí. Hoàn thành 3 mẫu tự động hóa (template) có thể sử dụng ngay sau khi kết thúc bài học. Hướng dẫn tỉ mỉ từ cách sắp xếp các node để những người không biết lập trình cũng có thể làm theo. Hãy cùng bắt đầu tự động hóa sản xuất YouTube Shorts bằng AI nhé!

[Cung cấp mã nguồn] Không biết lập trình cũng OK. Hoàn thiện ngay trên trình duyệt với công cụ mới nhất của Google (IDX) mà không cần cài đặt! Đừng học cú pháp lập trình nữa! Đây là khóa học thực chiến siêu tốc giúp bạn xây dựng chatbot RAG hiểu rõ tài liệu nội bộ và triển khai trực tiếp lên web trong môi trường Google IDX thông qua việc trò chuyện với AI (Vibe Coding).

Mục tiêu của khóa học là giúp bạn làm quen với Python và GPT API phức tạp một cách dễ dàng nhất thông qua thực hành. Chúng ta sẽ sử dụng ChatGPT API mới nhất để phát triển AI tóm tắt video YouTube, sau đó sử dụng Streamlit để triển khai dưới dạng ứng dụng web.

Tạo chương trình sử dụng GPT API, từ tạo hình ảnh đến tạo video!

Khóa học này bao gồm toàn bộ quy trình thiết kế và triển khai dịch vụ AI tạo sinh tập trung vào LangChain 1.0 và LangGraph thông qua các bài thực hành từng bước. Vượt xa việc chỉ gọi LLM đơn thuần, bạn sẽ trực tiếp xây dựng kiến trúc hệ thống AI có khả năng vận hành bao gồm kiến trúc dựa trên agent, quản lý trạng thái (State), bộ nhớ, streaming, middleware và Human-in-the-Loop. Thông qua thực hành với hệ thống RAG dựa trên dữ liệu tài liệu·PDF·web, SQL Agent (Chinook DB), Agent dựa trên tool calling, multi-agent theo mô hình Supervisor, và workflow dựa trên state machine sử dụng LangGraph Graph API, bạn sẽ xây dựng pipeline agent có thể tái sử dụng và áp dụng ngay vào thực tế công việc. Ngoài ra, thông qua structured output (dựa trên Pydantic), agent middleware (Summarization, HITL, Retry, bảo vệ PII), streaming theo token/bước, bạn sẽ hoàn thiện ứng dụng AI tạo sinh với độ ổn định·khả năng mở rộng·tính kiểm soát đáp ứng yêu cầu của dịch vụ thực tế. 👉 Dành cho những ai muốn hiểu chính xác cấu trúc nội bộ và luồng thực thi của LangChain/LangGraph 👉 Dành cho những ai muốn triển khai RAG·Agent theo cấu trúc dịch vụ thực tế chứ không chỉ là "demo" 👉 Đây là khóa học tối ưu cho những ai cần lộ trình thực tế bao quát từ agent dựa trên trạng thái, tự động hóa SQL·tài liệu, đến orchestration multi-agent.

Khám phá cách xây dựng thẩm phán trí tuệ nhân tạo bằng cách kết hợp các hệ thống suy luận, biểu đồ tri thức và nhiều framework agent như CrewAI, LangChain, AutoGen, những công cụ cho phép triển khai công nghệ đa tác nhân (multi-agent) dựa trên LLM.

Chatgpt là một chương trình đọc và bình luận các bài viết của hàng xóm của tôi. Bài giảng về tự động hóa tiếp thị và phát triển chương trình quản lý khu phố

LLM và Agent là những công nghệ nền tảng của các AI như ChatGPT. Hiện tại, LLM là công nghệ tiến gần nhất đến AGI (Trí tuệ nhân tạo tổng quát). Trong bài giảng này, chúng ta sẽ tìm hiểu về công nghệ LLM và Agent dưới góc nhìn của một người bình thường.

Trong thời đại Cơn sốt vàng, người ta nói rằng việc trở nên giàu có bằng cách bán các công cụ khai thác vàng sẽ dễ dàng hơn là tự mình khai thác vàng. ChatGPT Tại sao không thử bán các chương trình trong Thời đại Khám phá?

Nếu bạn muốn tạo ra dịch vụ AI riêng của mình mà không cần coding, khóa học này chính là giải pháp hoàn hảo. Sử dụng nền tảng nocode Dify, bạn có thể tạo ra ứng dụng AI chất lượng cao chỉ với ý tưởng. Thay vì lý thuyết phức tạp, khóa học được cấu trúc tập trung vào dự án thực tế, giúp cả người mới bắt đầu với AI và nhân viên văn phòng đều có thể phát triển năng lực thực tiễn.

Tìm hiểu cách dễ nhất để xử lý AI bằng Spring AI. Hãy cùng tìm hiểu Spring AI trong khi xây dựng chatbot RAG.