Chia Sẻ Khóa Học Xây Dựng Các AI Agent & Agentic Workflow [Khóa 5506 A]
Xây dựng các ứng dụng tự chủ với các AI Agent. Làm chủ Agentic AI với các multi-agent framework như LangGraph, CrewAI, BeeAI và AG2 (AutoGen).
Những điều bạn sẽ học:
- ✓ Phát triển các ứng dụng agentic AI có khả năng tích hợp các tool, support reasoning và cải thiện hiệu suất thông qua reflection.
- ✓ Thiết kế các AI agent với LangGraph bằng cách sử dụng các nguyên tắc agentic AI design như memory, iteration, RAG và các workflow pattern.
- ✓ Điều phối các hệ thống agentic multi-agent với CrewAI để cộng tác, phối hợp và quản lý các workflow.
- ✓ Xây dựng các agentic AI assistant dựa trên hội thoại với BeeAI và AG2; so sánh các AI framework về khả năng ứng dụng trong thực tế.
Những kỹ năng bạn sẽ đạt được:
- ✓ AI Orchestration.
- ✓ Context Management.
- ✓ Software Design Pattern.
- ✓ Agentic system.
- ✓ Retrieval-Augmented Generation.
- ✓ LLM Application.
- ✓ Artificial Intelligence & Machine Learning (AI/ML).
- ✓ Agentic Workflow.
- ✓ LangGraph.
- ✓ AI Workflow.
- ✓ Responsible AI.
- ✓ Application Design.
- ✓ Large Language Modeling.
- ✓ LangChain.
- ✓ Vector Database.
- ✓ Prompt Engineering.
- ✓ Generative AI Agent.
- ✓ Generative AI.
- ✓ Tool Calling.
- ✓ Software Development.
Bạn đã sẵn sàng xây dựng thế hệ ứng dụng AI tiếp theo chưa? Chương trình chuyên sâu này từ các chuyên gia sẽ trang bị cho bạn những kỹ năng cần thiết để phát triển các hệ thống agentic AI sử dụng các framework và workflow pattern hiện đại.
Bạn sẽ bắt đầu với LangGraph , tạo các agent support memory, iteration, conditional logic và retrieval-augmented generation (Agentic RAG).
Tiếp theo, bạn sẽ khám phá các self-improving agent sử dụng reflection và reasoning, cũng như thiết kế các hệ thống multi-agent cộng tác thông qua orchestration. Với CrewAI , bạn sẽ học cách cấu trúc các agent, task & tool thành các modular workflow để giải quyết các vấn đề thực tế.
Cuối cùng, bạn sẽ mở rộng bộ công cụ của mình với các framework như AG2 (AutoGen) và BeeAI, áp dụng chúng vào các trường hợp như trả lời câu hỏi, tóm tắt và các ứng dụng dựa trên đàm thoại. Bạn cũng sẽ nghiên cứu các design pattern như sequential và routing để làm cho các hệ thống có khả năng mở rộng và đáng tin cậy.
Bạn sẽ áp dụng các khái niệm đã học vào các lab thực hành để xây dựng các hệ thống Agentic được hỗ trợ bởi các LLM như OpenAI GPT, Meta Llama và IBM Granite.
Sau khi hoàn thành chương trình này, bạn sẽ có khả năng so sánh các framework, áp dụng các AI design pattern, triển khai orchestration và xây dựng các hệ thống AI hỗ trợ multi-agent collaboration và các workflow nâng cao. Đây là những kỹ năng được các nhà tuyển dụng tìm kiếm ở các Software Developer, Machine Learning Engineer, Data Scientist và GenAI Engineer.
Project ứng dụng học tập:
Trong chương trình chuyên sâu này, bạn sẽ hoàn thành các lab thực hành thực tế hướng dẫn bạn thiết kế các agent workflow, cấu hình các multi-agent system và tích hợp các tool vào các ứng dụng có cấu trúc. Bạn được cung cấp quyền truy cập vào các môi trường lab dựa trên cloud mà không phải trả thêm phí. Đến cuối khóa học, bạn sẽ xây dựng được các prototype hoạt động với LangGraph, CrewAI, BeeAI và AG2 (AutoGen) để giải quyết các thách thức thực tế trong cộng tác và các tác vụ dựa trên đàm thoại.
Một số ví dụ về các lab & project là:
- ✓ Build một AI Math Assistant với LangChain.
- ✓ AI Powered Data Analysis với LCEL.
- ✓ Xây dựng các LLM Agent tương tác với các Tool.
- ✓ Xây dựng một Reflection Agent với LangGraph .
- ✓ Xây dựng một Reflexion Agent với tích hợp External Knowledge.
- ✓ ReAct: Build các Agent biết suy luận trước khi hành động.
- ✓ DocChat: Build một Multi-Agent RAG System.
- ✓ Triển khai một CrewBase và Cấu trúc một Crew.
- ✓ Tạo một Structured Meal & Grocery Planner với CrewAI.
- ✓ Xây dựng các hệ thống Agentic AI với BeeAI.
- ✓ Build một Multi-Agent Chatbot với AG2 (AutoGen) cho lĩnh vực chăm sóc sức khỏe.
Bao gồm 3 khóa học:
1. Nền tảng về việc xây dựng các AI Agent:
Những điều bạn sẽ học:
- ✓ Phát triển các AI agent có khả năng suy luận và thực hiện nhiệm vụ một cách độc lập.
- ✓ Triển khai tool calling & chaining để tạo ra các AI workflow có cấu trúc.
- ✓ Sử dụng các built-in LangChain agent để phân tích dữ liệu, generate visualization và thực thi các truy vấn cơ sở dữ liệu.
- ✓ Áp dụng các best practice trong prompt engineering & tool calling để nâng cao hiệu suất của AI agent.
Nội dung:
- ✓ 1.1 Nền tảng về Tool Calling & Chaining.
- ✓ 1.2 LCEL & Manual Tool Calling trong LangChain.
- ✓ 1.3 Sử dụng các Built-in Agent trong LangChain.
2. Agentic AI với LangChain & LangGraph:
Những điều bạn sẽ học:
- ✓ Xây dựng các hệ thống agentic AI bằng cách sử dụng LangChain và LangGraph để support memory, iteration và conditional logic .
- ✓ Thiết kế và triển khai các self-improving agent sử dụng Reflection, Reflexion & ReAct architecture.
- ✓ Áp dụng các kỹ thuật agent orchestration để xây dựng các collaborative multi-agent system.
- ✓ Triển khai các agentic RAG system định tuyến các truy vấn và support retrieval-enhanced reasoning.
Nội dung:
- ✓ 2.1 Giới thiệu về LangGraph.
- ✓ 2.2 Build các Self-improving Agent với LangGraph.
- ✓ 2.3 Multi-Agent System & Agentic RAG với LangGraph.
3. Agentic AI với LangGraph, CrewAI, AutoGen & BeeAI:
Những điều bạn sẽ học:
- ✓ Thiết kế các hệ thống AI tối ưu bằng cách lựa chọn và kết hợp các agentic framework và architectural pattern phù hợp.
- ✓ Triển khai các AI workflow pattern bằng cách sử dụng các nguyên tắc agentic design và LangGraph.
- ✓ Xây dựng các multi-agent workflow có cấu trúc bằng CrewAI, bao gồm các agent, task & custom tool.
- ✓ Phát triển các ứng dụng AI với BeeAI và thiết kế các tương tác dựa trên đàm thoại bằng AG2 (AutoGen).
Nội dung:
- ✓ 3.1 Các Agentic Framework & LangGraph Design Pattern cho các hệ thống AI hiệu quả.
- ✓ 3.2 Crewai Fundamentals & Các ứng dụng nâng cao.
- ✓ 3.3 Các Alternative Agentic Framework: BeeAI & AG2 (AutoGen).