-
Cấu hình 5 phút (và vấn đề khó xử với hậu tố [1m])
Có 4 biến môi trường định tuyến Claude Code đến DeepSeek V4. Chi tiết thứ năm mà không ai ghi lại — hậu tố [1m] model-name — mở khóa cửa sổ ngữ cảnh 1M đầy đủ. Cấu hình hoạt động, đã được xác minh. -
Chạy DeepSeek V4-Pro trong Claude Code
Chạy DeepSeek V4-Pro bên trong Claude Code với chi phí chỉ bằng 1/7 so với Opus. 8 bài học bao gồm cấu hình 4 biến môi trường, vấn đề với hậu tố [1m], tính toán chi phí, định tuyến sub-agent và cây quyết định trung thực về thời điểm V4-Pro vượt trội so với thời điểm Opus vẫn tốt hơn.
-
Xây dựng hệ thống Multi-agent của bạn
7 bài học về lý thuyết, mô hình và ví dụ thực tế. Giờ đến lượt bạn xây dựng. -
Các chế độ lỗi và gỡ lỗi trong hệ thống AI multi-agent
Hệ thống multi-agent của bạn hoạt động tốt trong giai đoạn thử nghiệm. Bạn triển khai nó. Nó bị lỗi trong môi trường sản xuất. Chào mừng bạn đến với phần khó khăn nhất của kỹ thuật tạo hệ thống multi-agent. -
Triển khai hệ thống multi-agent trong thế giới thực
Lý thuyết hữu ích. Nhưng có kết quả thì tốt hơn. Hãy cùng xem điều gì xảy ra khi các hệ thống multi-agent được đưa vào sản xuất — những thành công, các con số và những bài học chỉ có được từ việc triển khai thực tế.
-
Điều phối trong hệ thống AI multi-agent: Tuần tự, song song và phân cấp
Việc vận hành các hệ thống multi-agent trong môi trường sản xuất là nơi phát sinh hầu hết các vấn đề khó khăn — thời gian chờ, lỗi, thử lại, kiểm soát chi phí và đảm bảo toàn bộ hệ thống không bị sụp đổ khi một agent gặp sự cố. -
Các giao thức và giao tiếp agent
Kiến trúc hệ thống đã được xây dựng vững chắc. Framework cũng đã được lựa chọn. Nhưng đây chính là điểm mà hầu hết các hệ thống multi-agent thực sự thất bại: Những agent giao tiếp với nhau. -
3 framework hàng đầu: CrewAI, LangGraph và AutoGen
Bạn đã biết các mô hình kiến trúc. Giờ bạn cần một công cụ để xây dựng chúng. Năm 2026, ba framework thống trị lĩnh vực AI multi-agent: CrewAI, LangGraph và AutoGen. Mỗi framework có một triết lý, một mô hình tư duy và một điểm mạnh riêng. -
Các mô hình kiến trúc Multi-Agent
Tìm hiểu 4 mô hình cơ bản cho hệ thống multi-agent: Tuần tự, song song, phân cấp và chuyển giao — với các ví dụ thực tế về thời điểm sử dụng từng loại. -
Vì sao một agent là không đủ?
Bạn yêu cầu một AI agent nghiên cứu một chủ đề, viết báo cáo, kiểm chứng thông tin và định dạng báo cáo đó thành PDF. Một agent cố gắng thực hiện cả 4 việc. Kết quả nghiên cứu khá tốt, bài viết tạm ổn, việc kiểm chứng thông tin còn thiếu sót, và định dạng thì sai.
-
Xây dựng hệ thống kỹ thuật tạo ngữ cảnh của bạn
Bạn đã dành 7 bài học để xây dựng lý thuyết, kỹ thuật và các mô hình của kỹ thuật tạo ngữ cảnh. Giờ là lúc xây dựng một thứ gì đó thực tế. -
Các mô hình kỹ thuật tạo ngữ cảnh trong thực tế
Hãy cùng xem xét 4 mô hình được các nhóm thực tế sử dụng — và những mô hình phản tác dụng làm lãng phí thời gian và tài nguyên của mọi người. -
Kỹ thuật tạo ngữ cảnh cho AI Agent
Trong Bài học 5, bạn đã học về các hệ thống bộ nhớ — ngữ cảnh phiên so với bộ nhớ dài hạn, RAG và các mô hình bộ nhớ phân cấp. Các agent kế thừa tất cả những điều đó và thêm một chiều hướng khác: tính tự chủ. Chúng không chỉ ghi nhớ — mà còn hành động. -
Hệ thống bộ nhớ: Phiên, bộ nhớ dài hạn và RAG
Điều quan trọng về tất cả những gì bạn đã học trong Bài 4 — tất cả cấu trúc XML tuyệt vời đó, những prompt hệ thống được thiết kế cẩn thận, những ví dụ ngắn gọn hoàn hảo đó? Chúng biến mất ngay khi bạn đóng cửa sổ trò chuyện. -
Cấu trúc ngữ cảnh: Thẻ XML, prompt hệ thống và các ví dụ Few-Shot
Bài học này sẽ nói về các công cụ cụ thể mà bạn sẽ sử dụng hàng ngày — những chi tiết cốt lõi của việc cấu trúc ngữ cảnh để các mô hình hiểu chính xác những gì bạn muốn.
-
4 kỹ thuật tạo ngữ cảnh cốt lõi: Ghi, Chọn lọc, Nén, Tách biệt
Bạn cần các kỹ thuật - những bước cụ thể bạn có thể thực hiện để lấp đầy cửa sổ ngữ cảnh đó bằng thông tin phù hợp theo đúng cách. -
Cửa sổ ngữ cảnh: Bộ nhớ làm việc của AI
Hãy hiểu cách thức hoạt động của cửa sổ ngữ cảnh, tại sao cửa sổ ngữ cảnh lớn không phải lúc nào cũng tốt hơn, và cách phân bổ token như một nguồn tài nguyên có hạn để tạo ra đầu ra AI chất lượng cao và nhất quán. -
Tại sao cùng một prompt lại cho ra kết quả khác nhau?
Kỹ thuật tạo ngữ cảnh là lĩnh vực tiếp nối nơi kỹ thuật viết prompt dừng lại. Thay vì chỉ tạo ra hướng dẫn hoàn hảo, bạn đang thiết kế toàn bộ môi trường thông tin mà AI của bạn hoạt động. -
Xây dựng một dự án nghiên cứu hoàn chỉnh trong Perplexity AI
Bạn biết cách đặt câu hỏi để nhận được câu trả lời toàn diện, có trích dẫn chỉ trong vài giây. Bạn biết cách xếp lớp các truy vấn để có chiều sâu, tổ chức những dự án trong Spaces, xác minh nguồn như một chuyên gia và chuyển đổi nghiên cứu thô thành các báo cáo mà nhóm của bạn có thể hành động. -
Xây dựng các bản tóm tắt và báo cáo nghiên cứu trong Perplexity AI
Mọi báo cáo nghiên cứu — dù là bản tóm tắt một trang hay bản phân tích 10 trang — đều tuân theo cùng một quy trình.
Hướng dẫn AI
AI Tools
Học IT
Hàm Excel