Giới thiệu Series
Build AI Agents: Từ Zero đến Production là hành trình thực chiến giúp bạn xây dựng AI Agents — từ những concept cơ bản nhất cho đến hệ thống Multi-Agent phức tạp chạy trên production.
Khác với series "AI & LLM" tập trung vào lý thuyết và kiến trúc, series này 100% hands-on — mỗi bài là một project thực tế, mỗi concept đều có code chạy được ngay.
🎯 Mục tiêu: Sau khi hoàn thành, bạn có thể tự xây dựng và deploy một hệ thống AI Agent production-ready cho bất kỳ use case nào.
Bạn sẽ học được gì?
Phần 1: Nền tảng Agent — Hiểu trước khi xây
- Bài 1: Agent là gì? Phân biệt chatbot vs agent vs copilot
- Bài 2: LLM APIs Masterclass: OpenAI, Claude, Gemini — thành thạo cả 3
- Bài 3: Prompt Engineering cho Agent: system prompts, personas, ReAct pattern
Phần 2: Function Calling & Tool Use
- Bài 4: Function Calling — cho agent "tay chân" để tương tác với thế giới
- Bài 5: Custom Tools: web search, code execution, API integration
- Bài 6: The Agent Loop — implement vòng lặp Thought-Action-Observation từ đầu
Phần 3: RAG & Memory — Cho Agent trí nhớ
- Bài 7: RAG cho Agent: kết nối knowledge base với ChromaDB, Qdrant
- Bài 8: Agent Memory: short-term, long-term, episodic memory architecture
Phần 4: Agentic Frameworks
- Bài 9: LangChain & LangGraph: stateful agent workflows với graph-based orchestration
- Bài 10: CrewAI: xây "đội ngũ" AI Agent cộng tác với nhau
- Bài 11: Advanced Patterns: Planning, Reflection, Self-Correction
Phần 5: MCP, A2A & Multi-Agent Systems
- Bài 12: Model Context Protocol (MCP): chuẩn kết nối universal cho agent
- Bài 13: Agent-to-Agent (A2A): protocol để agent giao tiếp cross-framework
- Bài 14: Multi-Agent Orchestration: kiến trúc & design patterns
Phần 6: Production & Triển khai thực tế
- Bài 15: Guardrails & Safety: bảo vệ agent khỏi prompt injection, hallucination
- Bài 16: Observability & Evaluation: tracing, logging, LLM-as-a-Judge
- Bài 17: Deploy Agent lên Production: FastAPI, Docker, Cloud
- Bài 18: Capstone Project: xây AI Agent Team hoàn chỉnh end-to-end
Yêu cầu đầu vào
- Python trung cấp (async/await, decorators, classes, error handling)
- Hiểu cơ bản về LLM (đã biết ChatGPT/Claude API là gì — hoặc hoàn thành series "AI & LLM")
- Máy tính với ít nhất 8GB RAM (GPU không bắt buộc — phần lớn chạy qua API)
- Tài khoản OpenAI/Anthropic/Google AI (free tier đủ cho hầu hết bài học)
Công cụ sử dụng
Python 3.11+ | Ngôn ngữ chính
OpenAI SDK | GPT-4o, Function Calling
Anthropic SDK | Claude, Tool Use
Google GenAI | Gemini, Grounding
LangChain | Chain & Agent framework
LangGraph | Stateful graph-based workflows
CrewAI | Multi-agent orchestration
ChromaDB / Qdrant | Vector databases
FastAPI | API server
Docker | Containerization
LangSmith | Observability & tracing
Series này khác gì với "AI & LLM: Từ Cơ bản đến Nâng cao"?
| AI & LLM Series | Build AI Agents | |
|---|---|---|
| Focus | Lý thuyết + kiến trúc LLM | Xây dựng ứng dụng Agent thực tế |
| Đối tượng | Người mới bắt đầu AI | Đã biết cơ bản LLM |
| Thực hành | Code minh hoạ concept | Project thực tế mỗi bài |
| Output | Hiểu cách LLM hoạt động | Có portfolio Agent projects |
| Công nghệ | PyTorch, Transformers | LangGraph, CrewAI, MCP, A2A |