Khoá học AI Agent (Hugging Face)
This content is currently available in Vietnamese only.
Syllabus
- Lesson 1Giới thiệu về agent
Tổng quan unit 1 của khoá AI Agent, từ khái niệm agent, vai trò của LLM, tool đến quy trình Think → Act → Observe.
- Lesson 2Agent là gì?
Định nghĩa agent qua ví dụ Alfred, hai phần "bộ não" và "cơ thể", các mức độ agency và những việc agent có thể làm.
- Lesson 3LLM là gì?
LLM hoạt động thế nào, từ kiến trúc Transformer, token, special token, dự đoán token tiếp theo đến vai trò "bộ não" của agent.
- Lesson 4Tin nhắn và special token
Cách LLM cấu trúc hội thoại qua system message, tin nhắn user/assistant và chat template, cùng khác biệt giữa base model và instruct model.
- Lesson 5Tool là gì?
Tool là hàm giao cho LLM; cách tool hoạt động, cách mô tả tool trong system prompt, tự sinh mô tả bằng decorator và vai trò của MCP.
- Lesson 6Chu trình Thought-Action-Observation của agent
Quy trình làm việc hoàn chỉnh của AI agent qua vòng lặp Suy nghĩ → Hành động → Quan sát, minh hoạ bằng agent thời tiết Alfred.
- Lesson 7Thought: suy luận nội bộ và cách tiếp cận ReAct
Bước Thought của agent, các kiểu suy nghĩ thường gặp, kỹ thuật Chain-of-Thought và ReAct, và model được huấn luyện để suy nghĩ trước khi trả lời.
- Lesson 8Action: giúp agent tương tác với môi trường
Các loại agent và loại action, cách tiếp cận stop and parse, và Code Agent cùng ưu điểm, rủi ro bảo mật của nó.
- Lesson 9Observe: tích hợp phản hồi để phản tư và thích nghi
Observation là cách agent cảm nhận hệ quả hành động của mình, các loại observation và cách framework nối kết quả vào ngữ cảnh.
- Lesson 10Thư viện agent giả lập
Tự dựng một agent tối giản bằng Python với Serverless API, system prompt mô tả tool và chu trình, và kỹ thuật dừng trước "Observation:" để chống ảo giác.
- Lesson 11Tạo agent đầu tiên với smolagents
Nhân bản Space mẫu, thêm HF_TOKEN, tìm hiểu tool, CodeAgent và system prompt trong app.py để xây agent đầu tiên bằng smolagents.
- Lesson 12Tổng kết unit 1
Khép lại unit 1 về nền tảng AI agent, lời khuyên trước khi học tiếp và giới thiệu unit bonus về fine-tuning function calling.