Khóa học
Phát triển ứng dụng LLM với LangChain
Trung cấpTrình độ kỹ năng
Đã cập nhật tháng 01, 2026
PythonArtificial Intelligence3 gio10 video33 Bài tập2,750 XP46,560Giấy chứng nhận Thành tích
Tạo Tài Khoản Miễn Phí
Tiếp tục với GoogleHiển thị thêm tùy chọnhoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.
Được người học tại hàng ngàn công ty yêu thích
Đào tạo một đội ngũ?
Dùng thử cho Doanh nghiệpMô tả khóa học
Nền tảng để phát triển trong hệ sinh thái LangChain
Tăng cường bộ công cụ LLM của bạn với hệ sinh thái của LangChain, cho phép tích hợp liền mạch với các mô hình OpenAI và Hugging Face. Khám phá một framework mã nguồn mở tối ưu hóa các ứng dụng thực tế và cho phép bạn tạo ra các hệ thống truy xuất thông tin tinh vi, độc đáo cho trường hợp sử dụng của bạn.Phương pháp tạo Chatbot sử dụng LangChain
Sử dụng các công cụ LangChain để phát triển chatbot, so sánh các điểm khác biệt giữa mô hình mã nguồn mở của HuggingFace và mô hình mã nguồn đóng của OpenAI. Sử dụng mẫu prompt cho các cuộc trò chuyện phức tạp, tạo nền tảng cho phát triển chatbot nâng cao.Xử lý Dữ liệu và Tăng cường Truy xuất Thế hệ (RAG) bằng LangChain
Thành thạo tokenization và cơ sở dữ liệu vector để tối ưu hóa truy xuất dữ liệu, làm phong phú các tương tác chatbot với nguồn thông tin bên ngoài dồi dào. Sử dụng các chức năng bộ nhớ RAG để tối ưu hóa nhiều trường hợp sử dụng khác nhau.Tích hợp Chuỗi, Công cụ và Tác nhân Nâng cao
Khai thác sức mạnh của chuỗi, công cụ, tác nhân, API và ra quyết định thông minh để xử lý các trường hợp sử dụng đầu-cuối toàn diện và quản lý đầu ra LLM nâng cao.Gỡ lỗi và Chỉ số Hiệu suất
Cuối cùng, hãy thành thạo trong việc gỡ lỗi, tối ưu hóa và đánh giá hiệu suất, đảm bảo chatbot của bạn được phát triển để xử lý lỗi. Thêm các lớp minh bạch để hỗ trợ khắc phục sự cố.Điều kiện tiên quyết
Introduction to Embeddings with the OpenAI APIPrompt Engineering with the OpenAI API1
Giới thiệu về LangChain & cơ chế chatbot
Chào mừng bạn đến với framework LangChain để xây dựng ứng dụng trên LLMs! Bạn sẽ tìm hiểu các thành phần chính của LangChain, bao gồm models, chains, agents, prompts và parsers. Bạn sẽ tạo chatbot với cả mô hình mã nguồn mở từ Hugging Face và mô hình độc quyền từ OpenAI, tạo prompt template, và tích hợp các chiến lược bộ nhớ cho chatbot để quản lý ngữ cảnh và tài nguyên trong hội thoại.
2
Chains và Agents
Đến lúc nâng cấp các chain trong LangChain của bạn! Bạn sẽ học cách dùng LangChain Expression Language (LCEL) để định nghĩa chain linh hoạt hơn. Bạn sẽ tạo các sequential chain, nơi đầu vào được truyền giữa các thành phần để xây dựng ứng dụng nâng cao. Bạn cũng sẽ bắt đầu tích hợp agents, vốn dùng LLMs để ra quyết định.
3
Retrieval Augmented Generation (RAG)
Một hạn chế của LLMs là mốc thời gian kiến thức do được huấn luyện trên dữ liệu chỉ đến một thời điểm nhất định. Trong chương này, bạn sẽ học cách tạo ứng dụng sử dụng Retrieval Augmented Generation (RAG) để kết hợp dữ liệu bên ngoài với LLMs. Quy trình RAG gồm một vài bước khác nhau, bao gồm chia nhỏ dữ liệu, tạo và lưu trữ embeddings bằng vector database, và truy xuất thông tin liên quan nhất để dùng trong ứng dụng. Bạn sẽ nắm vững toàn bộ quy trình này!
Phát triển ứng dụng LLM với LangChain
Hoàn Thành
Nhận Giấy Chứng Nhận Hoàn Thành
Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của banChia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay
Tham gia cùng hơn 19 triệu học viên và bắt đầu Phát triển ứng dụng LLM với LangChain ngay hôm nay!
Tạo Tài Khoản Miễn Phí
Tiếp tục với GoogleHiển thị thêm tùy chọnhoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.
Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động
Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.