Learning Path
Agent Builder: từ tính năng LLM đến agent vận hành đáng tin cậy
Từ một tính năng LLM có phạm vi rõ ràng đến agent chạy có kiểm soát
Lộ trình 5 khóa cho người xây tính năng AI và agent. Bạn đặt phạm vi cho tính năng LLM, đo chất lượng bằng metric và dataset, dựng harness để agent chạy có kiểm soát, rồi tự xây một copilot hỗ trợ người trực chat chạy được trên máy của mình.
- 5 khóa học
- 102 bài học
- Truy cập không thời hạn theo Offer
Thứ tự học
5 khóa · 102 bài học- Khóa học28 bài
Làm chủ tư duy trong thời đại AI - tư duy hệ thống, cách giao việc và quản lý agent
Thinking Systematically in the Age of AI
Giá lẻ Miễn phíXem khóa học - Khóa học15 bài14 quiz
Xây dựng tính năng LLM có phạm vi rõ ràng - task contract, prompt, structured output, eval và failure handling
Provider-Neutral LLM Feature Engineering
Giá lẻ 149.000 ₫Xem khóa học - Khóa học8 bài7 quiz
Đo chất lượng model và ứng dụng AI
AI Evaluation: Metrics, Datasets, Graders & Decision-Making
Giá lẻ 99.000 ₫Xem khóa học - Khóa học25 bài24 quiz
Agent Harness Foundations
Build được một Agent chưa đủ, vận hành nó đáng tin mới là phần khó
Giá lẻ 289.000 ₫Xem khóa học - Khóa học26 bài2 quiz
Xây copilot hỗ trợ người trực chat - từ câu chuyện thật đến sản phẩm chạy được
Các kỹ thuật cần thiết để từng bước xây dựng Chatbot Copilot hỗ trợ người trực chat: mockup trước khi code, khuôn kết quả JSON, BM25 không dấu, grounding, hybrid search, agent gọi tool chỉ đọc, trace, test với fake model và đo chi phí
Giá lẻ từ 199.000 ₫Xem khóa học
So với mua lẻ
- Làm chủ tư duy trong thời đại AI - tư duy hệ thống, cách giao việc và quản lý agent
- Miễn phí
- Xây dựng tính năng LLM có phạm vi rõ ràng - task contract, prompt, structured output, eval và failure handling
- 149.000 ₫
- Đo chất lượng model và ứng dụng AI
- 99.000 ₫
- Agent Harness Foundations
- 289.000 ₫
- Xây copilot hỗ trợ người trực chat - từ câu chuyện thật đến sản phẩm chạy được
- từ 199.000 ₫
Về Learning Path
Một bản demo AI chạy được trên máy bạn chỉ mất một buổi tối. Để nó trả lời đúng mỗi ngày với người dùng thật thì cần nhiều hơn một prompt hay.
Path này dành cho bạn nếu bạn là developer muốn đưa LLM vào sản phẩm, từ một tính năng gọi model tới agent tự tra cứu và gọi tool. Bạn chỉ cần đọc được code và gọi được API. Nội dung không gắn với nhà cung cấp model nào, nên bạn áp dụng được cho model mình đang dùng.
Sau path này, bạn sẽ biết đặt phạm vi cho tính năng LLM, kiểm tra output theo cả schema lẫn rule nghiệp vụ, và đo chất lượng bằng metric và dataset chứ không bằng cảm giác. Khi agent chạy sai, bạn biết tìm chỗ hỏng ở control flow, state, permission hay evidence, thay vì đổi model rồi cầu may. Và bạn mang về một sản phẩm thật: copilot hỗ trợ người trực chat chạy được trên máy của bạn, ở cả hai chế độ, một lời gọi model và agent tự tra cứu.
Vì sao học theo thứ tự này? Tính năng LLM có phạm vi rõ ràng là nền móng. Có tính năng cụ thể rồi mới đo được chất lượng. Có cách đo rồi, harness mới kiểm tra được agent qua nhiều lần chạy. Khóa copilot cuối cùng ghép tất cả vào một sản phẩm hoàn chỉnh.
Đi tiếp đâu? Copilot phục vụ người dùng thật cần một backend chịu được timeout và retry. Path Backend vững vàng giúp bạn đi tiếp phần đó.