Ebook Tư Duy Hệ Thống Cho Agentic AI - Thiết Kế Các Hệ Thống LLM & Agentic AI Với RAG, MCP, Guardrails, Evaluation & Observability [Ấn Bản Lần 1, 9/2026] [PDF, EPUB] [8857E]
Áp dụng tư duy hệ thống để xây dựng các hệ thống LLM và Agentic AI sẵn sàng cho production bằng cách sử dụng RAG, MCP, tool, memory, guardrails, evaluation, observability và các mẫu kiến trúc thực tiễn.
1. Các tính năng chính:
- ✓ Kiến trúc các hệ thống AI agent đáng tin cậy, vượt ra ngoài các prototype và demo.
- ✓ Build với RAG, MCP, tool calling, memory và agent orchestration.
- ✓ Thiết kế cho safety, evaluation, observability, cost và failure handling.
2. Mô tả sách:
Việc thiết kế một hệ thống AI đáng tin cậy không hề dễ dàng như việc gọi một API. Khi các ứng dụng AI chuyển từ prototype sang production, bạn phải giải quyết các vấn đề ở cấp độ hệ thống mà bản thân model không thể tự giải quyết: retrieval quality, tool execution, hallucination, validation, latency, cost, failure, observability và operational control..
"Tư Duy Hệ Thống Cho Agentic AI" mang đến cho các engineer và architect một framework thực tế để giải quyết những thách thức này. Trước tiên, bạn sẽ hiểu cách các LLM hoạt động thông qua các token, embedding và transformer, sau đó học cách kiểm soát hành vi của chúng bằng prompting, structured output và các chiến lược decoding. Bạn sẽ kết nối các model với các hệ thống thực tế sử dụng function calling, tool và MCP, đồng thời xây dựng các RAG pipeline với các embedding và vector database.
Khi tiến sâu hơn, bạn sẽ thiết kế các agentic workflow với planning, memory, orchestration và controlled execution. Bạn sẽ triển khai guardrails, permission, validation, human approval, evaluation, regression testing và observability thông qua các log, metric và trace. Bạn cũng sẽ giải quyết các bài toán trong môi trường thực tế bao gồm scaling, performance, cost, timeout, retry và fallback.
Cuối cùng, bạn sẽ kết hợp các nguyên tắc này lại với nhau bằng cách xây dựng một Code Review Agent từ đầu đến cuối với Spring Boot, cung cấp cho bạn một bản thiết kế thực tế để xây dựng các hệ thống AI mà bạn có thể tự tin vận hành trong production.
3. Những gì bạn sẽ học:
- ✓ Hiểu cách các token, embedding và transformer vận hành các LLM.
- ✓ Kiểm soát hành vi của LLM với prompt và structured output.
- ✓ Kết nối các hệ thống AI với các tool sử dụng function calling và MCP.
- ✓ Xây dựng các RAG pipeline với embedding và vector database.
- ✓ Thiết kế các agent sử dụng planning, memory và orchestration.
- ✓ Áp dụng guardrails, validation, permission và human approval.
- ✓ Evaluate và debug các hệ thống AI với các test, metric và trace.
- ✓ Thiết kế hệ thống để tối ưu độ trễ, chi phí, khả năng mở rộng, retry và failure.
4. Cuốn sách này dành cho ai:
Cuốn sách này dành cho các technical lead, software architect, software engineer và backend developer muốn vượt qua các AI prototype để xây dựng các hệ thống LLM và Agentic AI đáng tin cậy cho production. Không yêu cầu nền tảng về machine learning. Người đọc nên làm quen với các khái niệm backend development như API, distributed system và system design. Các Java & Spring Boot developer cũng sẽ nhận được nhiều lợi ích từ phần triển khai Code Review Agent thực tế.
5. Mục lục:
- ✓ Phần 1: Nền tảng:
- ✓ Chương 01. Từ AI đến các Agent System.
- ✓ Chương 02. LLM Internals & Output Generation.
- ✓ Chương 03. Prompt Engineering trong các hệ thống LLM.
- ✓ Phần 2: LLM Engineering:
- ✓ Chương 04. Các LLM dưới dạng các System Component.
- ✓ Chương 05. Các RAG System (Retrieval-Augmented Generation).
- ✓ Phần 3: Các Agent System:
- ✓ Chương 06. Agent Fundamentals & Behavior.
- ✓ Chương 07. Tool Orchestration & MCP.
- ✓ Chương 08. Planning & Execution Control.
- ✓ Chương 09. Memory trong các Agent System.
- ✓ Phần 4: Production Architecture:
- ✓ Chương 10. Agent System Architecture.
- ✓ Chương 11. Reliability & Safety trong các hệ thống AI.
- ✓ Chương 12. Performance & Cost Optimization.
- ✓ Phần 5: Real System Design:
- ✓ Chương 13. Các Multi-Agent System.
- ✓ Chương 14. Evaluation trong các Agent System.
- ✓ Chương 15. Observability trong các AI System (Logs, Metrics & Traces).
- ✓ Chương 16. Agent System Design End-to-End.
- ✓ Chương 17. Triển khai Code Review Agent.
- ✓ Chương 18. Tương lai của các hệ thống Agent.