Chia Sẻ Khóa Học RAG Nâng Cao - Build & Deploy Các Production GenAI App [Khóa 5381 A]
Multi-Agent RAG, CrewAI, AutoGen, Microsoft Agent Framework, RAG, Langchain, Deep RAG, Production RAG, RAGWire...!
Những điều bạn sẽ học:
- ✓ Xây dựng một Production RAG pipeline với hybrid search, RRF fusion và Qdrant vector database.
- ✓ Xây dựng các agentic RAG system với LangChain, LangChain, LangGraph self-correcting agent và supervisor workflow.
- ✓ Xây dựng multi-agent RAG với CrewAI, Microsoft AutoGen và Microsoft Agent Framework.
- ✓ Deploy các RAG agent lên AWS ECS Fargate, GCP Cloud Run, Azure, Railway và Render với Docker.
- ✓ Xây dựng một FastAPI backend với các OpenAI-compatible endpoint, SSE streaming và Postman testing.
- ✓ Xây dựng một production Chainlit chat UI với authentication, chat history và document ingestion.
- ✓ Cấu hình RAGWire với OpenAI GPT, Groq, Google Gemini, Ollama & HuggingFace embedding.
- ✓ Triển khai LLM-driven auto metadata filtering trên các nested document structure phức tạp trong Qdrant.
Retrieval-Augmented Generation (RAG) là cốt lõi của mọi ứng dụng AI nghiêm túc hiện nay. Tuy nhiên, các RAG pipeline cơ bản nhanh chóng gặp phải hạn chế khi tài liệu có kích thước lớn, các truy vấn phức tạp hoặc ứng dụng của bạn cần hoạt động ổn định trong môi trường sản xuất.
Trong khóa học này, bạn sẽ xây dựng RAGWire - một RAG toolkit cấp độ production được xây dựng trên LangChain, Qdrant và LangGraph, từ đầu đến cuối. Bạn sẽ bắt đầu với một hybrid search pipeline đơn giản và dần dần bổ sung thêm các chức năng retrieval nâng cao, metadata filtering, agentic RAG, các multi-agent framework, một full chat UI và multi-cloud deployment.
Sau khi hoàn thành khóa học này, bạn sẽ biết cách:
- ✓ Build một hybrid RAG pipeline với BM25 sparse + dense retrieval và Reciprocal Rank Fusion (RRF).
- ✓ Cấu hình RAGWire với OpenAI GPT, Groq, Google Gemini, Ollama & HuggingFace embedding.
- ✓ Triển khai LLM-driven auto metadata filtering trên các cấu trúc tài liệu lồng nhau phức tạp.
- ✓ Build các agentic RAG pipeline với LangChain agent tools, memory và reasoning.
- ✓ Build một self-correcting RAG agent, tự đánh giá khả năng truy xuất và viết lại các truy vấn khi chất lượng thấp.
- ✓ Build các supervisor multi-agent system, định tuyến các truy vấn đến các specialist agent bằng cách sử dụng LangGraph.
- ✓ Build multi-agent document analysts với CrewAI, Microsoft AutoGen và Microsoft Agent Framework.
- ✓ Build một production Chainlit chat UI với authentication, chat history và document upload.
- ✓ Build một FastAPI backend với các OpenAI-compatible /v1/chat/completion endpoint và SSE streaming.
- ✓ Deploy các RAG agent lên Render, Railway, AWS ECS Fargate, GCP Cloud Run và Azure.
- ✓ Bảo mật các production API với các API key và protect credentials với Docker .dockerignore.
Đây là khóa học thực hành, tập trung vào code. Mỗi phần đều cung cấp code hoạt động, có thể chạy được mà bạn có thể điều chỉnh cho phù hợp với tài liệu và trường hợp sử dụng của riêng mình.
Mục lục:
- ✓ 01. Giới thiệu.
- ✓ 02. Giới thiệu về RAGWire RAG Framework.
- ✓ 03. Setup RAGWire RAG & Retrieval đầu tiên.
- ✓ 04. Retrieval nâng cao, Metadata Filtering & Agentic RAG.
- ✓ 05. RAGWire RAG với OpenAI, Groq, Gemini & Cloud Qdrant.
- ✓ 06. RAG thực tế: Gym Supplements Use Case với Agentic RAG.
- ✓ 07. Production RAG Chat UI với Chainlit & RAGWire.
- ✓ 08. FastAPI RAG Backend với Các OpenAI-Compatible Endpoint.
- ✓ 09. Multi-Agent RAG: LangGraph, CrewAI, AutoGen & Microsoft.
- ✓ 10. Deploy RAG Agent (AI App) vào Production với Docker & Render.
- ✓ 11. Deploy RAG Agent trên Railway, AWS ECS, GCP & Azure.
Khóa học này dành cho:
- ✓ Python developer muốn xây dựng các hệ thống RAG cấp production vượt ra ngoài các hướng dẫn cơ bản.
- ✓ ML engineer đang tìm cách deploy các LangChain & LangGraph agent lên AWS, GCP hoặc Azure.
- ✓ Developer muốn có kinh nghiệm thực tế với LangGraph, AutoGen và CrewAI.
- ✓ Backend developer muốn xây dựng các FastAPI endpoint tương thích với OpenAI cho các ứng dụng AI.
- ✓ AI engineer muốn có kinh nghiệm thực tế với CrewAI, AutoGen và các multi-agent framework.
- ✓ Bất kỳ ai đang xây dựng các ứng dụng document search, enterprise AI assistant hoặc agentic RAG.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU