Tin mới nhất

Menu

Browsing "Older Posts"

Bài Viết Về Chủ Đề " AI Agents "

Chia Sẻ Khóa Học Trở Thành Một AI Agent & AI Workflow Automation Engineer 2025 [Khóa 5800 A]

23 tháng 8 2025 / No Comments

Xây dựng các Agentic AI Workflow bằng cách sử dụng OpenAI Agents SDK, LangGraph, N8N, CrewAI, AutoGen, CoPilot, ChatGPT Agent và MCP!

Những gì bạn sẽ học được:

  • ✓ Build và deploy các AI agent tự chủ thông minh bằng cách sử dụng các framework tiên tiến như OpenAI Agents SDK, N8N, AutoGen, CrewAI, LangGraph và MCP.
  • ✓ Build các AI agent có khả năng ghi nhớ, lý luận và cộng tác bằng cách sử dụng memory, tool, guardrail và handoff.
  • ✓ Tìm hiểu các foundational component của OpenAI Agents SDK, bao gồm Agent object và Runner class..
  • ✓ Xây dựng và chạy các AI agent và theo dõi hoạt động của chúng bằng cách sử dụng traces trên nền tảng OpenAI API.
  • ✓ Xây dựng các cơ chế handoff giúp chuyển giao context và input giữa các agent một cách trơn tru (ví dụ: Planner → Writer).
  • ✓ Triển khai các guardrail để thực thi các boundary (ví dụ: ngăn chặn phản hồi về các chủ đề bị hạn chế như chính trị).
  • ✓ Khám phá CrewAI để xây dựng các agentic workflow tiên tiến hơn và mở rộng agent với các công cụ thực thi Python tùy chỉnh cho analysis và modeling.
  • ✓ Nắm vững những kiến ​​thức nền tảng về multi-model AI agent trong AutoGen và xây dựng các team agent bằng cách sử dụng các LLM khác nhau (ví dụ: GPT, Gemini, Claude).
  • ✓ Hiểu cách thiết kế các agentic workflow trong LangGraph, bao gồm kết nối chúng với các giao diện như Gradio để tương tác với người dùng.
  • ✓ Sử dụng n8n cho low-code automation, xây dựng các AI-powered flow tích hợp với Google Sheets, Calendar và Gmail.
  • ✓ Tìm hiểu các nguyên tắc của Model Context Protocol (MCP) để đảm bảo khả năng tương tác giữa các công cụ và xây dựng các agent tương tác với các MCP service.
  • ✓ Xây dựng các manager function để điều phối các multi-agent workflow từ input đến khâu bàn giao cuối cùng.
  • ✓ Xây dựng các AI agent tích hợp Tavily web search để có các kết quả tìm kiếm có cấu trúc và theo thời gian thực.
  • ✓ Mở rộng các agent bằng cách tích hợp các công cụ OpenAI (ví dụ: Code Interpreter) và kết hợp real-time search, memory & reasoning vào các workflow.
  • ✓ Áp dụng các memory-enabled agent vào các trường hợp sử dụng thực tế (ví dụ: market research assistant) cho các multi-turn query.
  • ✓ Phát triển một thư viện các specialist agent (Planner, Writer, Analyst, Search Agent) và điều phối các tương tác của chúng.
  • ✓ Tạo các collaborative agent team cho các nhiệm vụ thực tế như chiến lược marketing, với tùy chọn thêm human-in-the-loop User Proxy để giám sát.
  • ✓ Xây dựng các LangGraph agent dành riêng cho từng domain (ví dụ: đặt vé máy bay và khách sạn) và xác định các công cụ tùy chỉnh cho các workflow cụ thể của từng tác vụ.
  • ✓ Tạo các công cụ như agent bằng cách wrapping các autonomous agent đằng sau một function-tool interface, cho phép các agent khác có thể gọi một cách liền mạch.
  • ✓ Thiết kế một multi-agent research assistant có thể phân loại các truy vấn, phân công nhiệm vụ và generate các báo cáo sẵn sàng cho executive.
  • ✓ Thiết kế các multi-agent pipeline sáng tạo cho các chiến dịch quảng cáo, với các agent có vai trò cụ thể như Creative Director, Strategist và Copywriter.
  • ✓ Tạo và deploy các công cụ MCP dựa trên Gradio dưới dạng các service chuẩn hóa mà các agent có thể truy cập.

Trong khóa học thực hành này, bạn sẽ học cách thiết kế, xây dựng và triển khai các AI agent thế hệ tiếp theo, kết hợp memory, tools, collaboration và automation để giải quyết các vấn đề thực tế. Bắt đầu với OpenAI Agents SDK, bạn sẽ khám phá cách tạo các agent đơn giản và dần dần mở rộng chúng với các tính năng nâng cao như persistent memory, guardrails và chuyển giao mượt mà giữa các workflow.

Sau đó, bạn sẽ tìm hiểu sâu hơn về các hệ thống multi-agent, nơi các agent chuyên biệt, chẳng hạn như researcher, analyst và writer, cùng nhau làm việc, truyền đạt context và output để xây dựng các sản phẩm phức tạp. Trong quá trình này, bạn sẽ học cách điều phối các hệ thống này với các chức năng quản lý, thực thi các ranh giới đạo đức và lĩnh vực với guardrails, và thiết kế các creative pipeline cho các trường hợp sử dụng, từ nghiên cứu thị trường đến các chiến dịch quảng cáo.

Khóa học giới thiệu nhiều framework để xây dựng các agentic workflow sẵn sàng cho sản xuất. Bạn sẽ khám phá AutoGen cho multi-model collaboration, LangGraph cho các modular pipeline được kết nối với giao diện người dùng và CrewAI cho việc điều phối nâng cao. Bạn cũng sẽ học cách mở rộng các agent bằng các công cụ tùy chỉnh, từ Python code execution để phân tích dữ liệu đến các mô hình machine learning như linear regression, random forest và XGBoost.

Bạn sẽ có được kinh nghiệm thực tế với Model Context Protocol (MCP), cho phép các agent tương tác với các dịch vụ bên ngoài được chuẩn hóa và tìm hiểu cách xây dựng và triển khai các công cụ MCP bằng Gradio. Cuối cùng, bạn sẽ thấy cách các nền tảng low-code như n8n có thể kết hợp mọi thứ thành các automation flow liền mạch, tích hợp Gmail, Google Sheets, Google Calendar và các mô hình AI để tạo ra các hệ thống hoàn chỉnh từ đầu đến cuối.

Đến cuối khóa học, bạn sẽ có được các kỹ năng sau:

  • ✓ Xây dựng các AI agent với memory, tools và các khả năng suy luận.
  • ✓ Điều phối các multi-agent workflow cho các nhiệm vụ nghiên cứu, phân tích và sáng tạo.
  • ✓ Tích hợp guardrails, handoffs và oversight để đảm bảo output an toàn và đáng tin cậy.
  • ✓ Deploy các agentic workflow nâng cao trên AutoGen, LangGraph, CrewAI và MCP.
  • ✓ Tự động hóa các quy trình kinh doanh bằng các công cụ low-code như n8n được kết nối với các ứng dụng thực tế.

Cho dù bạn là một developer, data scientist hay business innovator, khóa học này sẽ trang bị cho bạn full toolkit để thiết kế các hệ thống AI có khả năng cộng tác, tự động hóa và mở rộng quy mô trong production.

Mục lục:

  • ✓ 1. Giới thiệu và Chào mừng Bạn đến với Khóa học!
  • ✓ 2. Open AI Agents SDK Framework (Single-Agent).
  • ✓ 3. Open AI Agents SDK Framework (Multi-Agent).
  • ✓ 4. AutoGen FrameWork.
  • ✓ 5. LangGraph FrameWork.
  • ✓ 6. CrewAI FrameWork.
  • ✓ 7. Model Context Protocol (MCP).
  • ✓ 8. N8N (No-Code) FrameWork.
  • ✓ 9. Chúc mừng bạn đã hoàn thành Khóa học!

Khóa học này dành cho ai:

  • ✓ Các Data scientist, ML engineer và AI researcher muốn xây dựng các AI Agent.
  • ✓ Các Software developer có kỹ năng Python cơ bản muốn tích hợp các LLM và agent framework tiên tiến vào các ứng dụng thực tế.
  • ✓ Các Entrepreneur và startup Founder muốn xây dựng các AI-powered autonomous agent.
  • ✓ Các Corporate innovation team hoặc R&D team muốn prototype cho AI-powered workflow, assistant và automations.
  • ✓ Sinh viên và nhà giáo dục cao cấp đang tìm kiếm kinh nghiệm thực tế, thực hành với Agentic AI Engineering.


NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU 



Copyright Disclaimer:
This site does not store any files on its server. We only index and link to content provided by other sites. Please contact the content providers to delete copyright contents if any and email us, we'll remove relevant links or contents immediately.
Tuyên bố miễn trừ bản quyền:
Trang web này không lưu trữ bất kỳ tệp nào trên máy chủ của nó. Chúng tôi chỉ lập chỉ mục và liên kết đến nội dung được cung cấp bởi các trang web khác. Vui lòng liên hệ với các nhà cung cấp nội dung để xóa nội dung bản quyền nếu có và gửi email cho chúng tôi, chúng tôi sẽ xóa các liên kết hoặc nội dung có liên quan ngay lập tức.