Ebook Xây Dựng Các Natural Language & LLM Pipeline - Xây Dựng RAG Cấp Độ Production, Tool Contract & Context Engineering Với Haystack & LangGraph [Ấn Bản Lần 1, Tháng 1/2026] [PDF, EPUB] [9117E]
Ngăn chặn các ứng dụng LLM bị lỗi trong môi trường sản xuất. Xây dựng các deterministic pipeline, thực thi các strict tool contract, engineer high-signal context cho RAG và điều phối các multi-agent workflow linh hoạt bằng cách sử dụng hai framework nền tảng: Haystack cho các pipeline và LangGraph cho low-level agent orchestration.
1. Các tính năng chính:
- ✓ Thiết kế các LLM pipeline reproducible bằng cách sử dụng các typed component và các strict tool contract.
- ✓ Xây dựng các multi-agent system linh hoạt với LangGraph và modular microservices.
- ✓ Evaluate & monitor pipeline performance với Ragas và Weights & Biases.
2. Mô tả sách:
Các ứng dụng LLM hiện đại thường gặp sự cố trong môi trường sản xuất do các pipeline dễ bị lỗi, loose tool definition và noisy context. Cuốn sách này hướng dẫn bạn cách xây dựng các hệ thống context-aware, sẵn sàng cho môi trường sản xuất bằng cách sử dụng Haystack và LangGraph. Bạn sẽ học cách thiết kế các deterministic pipeline với các tool contract chặt chẽ và deploy chúng dưới dạng microservices. Thông qua context engineering có cấu trúc, bạn sẽ điều phối các agent workflow đáng tin cậy và vượt ra ngoài các tương tác dựa trên prompt đơn giản.
Bạn sẽ bắt đầu bằng cách tìm hiểu LLM behavior, các token, embedding và transformer model, và xem cách prompt engineering đã phát triển thành một ngành context engineering hoàn chỉnh. Sau đó, bạn sẽ xây dựng các retrieval-augmented generation (RAG) pipeline với các retriever, ranker và custom component bằng cách sử dụng kiến trúc dựa trên graph của Haystack. Bạn cũng sẽ tạo các knowledge graph, synthesize unstructured data và evaluate system behavior bằng cách sử dụng Ragas và Weights & Biases. Trong LangGraph, bạn sẽ điều phối các agent với các supervisor-worker pattern, typed state machine, retries, fallback và safety guardrails.
Sau khi đọc xong cuốn sách này, bạn sẽ có các kỹ năng để thiết kế các LLM pipeline có khả năng mở rộng, dễ kiểm thử và các multi-agent vẫn hoạt động ổn định khi hệ sinh thái AI phát triển.
3. Những điều bạn sẽ học được:
- ✓ Build các structured retrieval pipeline với Haystack.
- ✓ Áp dụng context engineering để cải thiện hiệu suất của agent.
- ✓ Serve các pipeline dưới dạng các microservice tương thích với LangGraph.
- ✓ Sử dụng LangGraph để điều phối các multi-agent workflow.
- ✓ Deploy REST API bằng FastAPI và Hayhooks.
- ✓ Track cost & quality với Ragas và Weights & Biases.
- ✓ Triển khai retries, circuit breaker & observability.
- ✓ Thiết kế các agent độc lập cho high-volume local execution.
4. Cuốn sách này dành cho ai?
Dành cho các LLM engineer, NLP developer và data scientist đang tìm kiếm cơ hội xây dựng các production-grade pipeline, agentic workflow hoặc RAG system. Lý tưởng cho các tech lead muốn chuyển từ giai đoạn prototype sang các giải pháp dễ mở rộng và kiểm thử, cũng như các team đang hiện đại hóa các pipeline NLP cũ thành các microservice sẵn sàng cho orchestration. Thành thạo Python và quen thuộc với các khái niệm cốt lõi của NLP là điều kiện cần thiết.
5. Mục lục:
- ✓ Chương 01. Giới thiệu về Natural Language Processing Pipeline.
- ✓ Chương 02. Khám phá sâu hơn các Large Language Model.
- ✓ Chương 03. Giới thiệu về Haystack bởi deepset.
- ✓ Chương 04. Kết hợp các Component lại với nhau - Haystack Pipeline cho các Use Case khác nhau.
- ✓ Chương 05. Haystack Pipeline Development với các Custom Component.
- ✓ Chương 06. Xây dựng Reproducible & Production-Ready RAG System.
- ✓ Chương 07. Deploy các ứng dụng dựa trên Haystack.
- ✓ Chương 08. Các Project thực hành.
- ✓ Chương 09. Xu hướng tương lai và hơn thế nữa.
- ✓ Chương 10. Lời kết: Kiến trúc của Agentic AI.