Agentic AI: hiểu vòng lặp ReAct và chọn kiến trúc agent phù hợpBạn sẽ đạt được gì
Khóa học này không dạy bạn ghép một agent hoàn chỉnh để chạy production. Mục tiêu là hiểu sâu cơ chế bên dưới, để khi đứng trước một bài toán thực tế bạn biết mình đang chọn gì và vì sao. Cụ thể, sau khóa học bạn sẽ:
- Giải thích được nguyên lý vòng lặp suy luận của agent: agent nghĩ gì ở mỗi bước, ra quyết định dừng hay tiếp tục dựa trên cơ sở nào, và vì sao cấu trúc vòng lặp lại quyết định chất lượng đầu ra.
- Phân biệt rạch ròi giữa một workflow chỉ gọi LLM và một agent thực sự, nhận ra khi nào workflow là đủ và khi nào cần đến vòng lặp tự chủ.
- Mổ xẻ và so sánh các lựa chọn kiến trúc (ReAct, Plan-and-Execute, và các biến thể), chỉ ra trade-off về độ chính xác, độ trễ, chi phí và khả năng kiểm soát của từng hướng.
- Thiết kế tool và function calling đủ tốt để agent dùng được, hiểu memory và quản lý trạng thái ảnh hưởng thế nào đến hành vi agent qua nhiều bước.
- Đánh giá một agent bằng tiêu chí rõ ràng, và chọn được kiến trúc phù hợp cho một bài toán cụ thể kèm bộ tiêu chí đánh giá đi kèm.
Khóa học này dành cho ai
Đây là khóa ở mức beginner, không yêu cầu kiến thức nền trước đó. Nhưng có một điểm xuất phát được giả định: bạn đã từng gọi API của một LLM (OpenAI, Claude hoặc tương tự) ít nhất một lần. Bạn không cần đã tự viết agent, chỉ cần quen với việc gửi prompt và nhận response qua API là đủ để theo kịp.
Nếu bạn đang tự hỏi "mình có cần code nhiều không", câu trả lời là không. Khóa học tập trung vào nguyên lý và tiêu chí đánh giá. Các bài tập code chỉ ở mức nhỏ, đủ để minh họa một ý, không phải để bạn dựng agent hoàn chỉnh. Phong cách học là phân tích ví dụ và case study có sẵn: mổ xẻ kiến trúc agent thực tế, so sánh các lựa chọn, rồi rút ra nguyên tắc.
Khóa học phù hợp với bạn nếu bạn muốn ra quyết định kiến trúc tốt hơn là chạy theo tutorial. Nếu mục tiêu của bạn là có ngay một agent chạy được trong vài giờ, khóa này sẽ chậm hơn kỳ vọng ở phần code, nhưng bù lại ở phần hiểu.
Lộ trình khóa học
Khóa học có 8 bài, chia làm 2 module, với vòng lặp suy luận là trục chính. Các phần khác xoay quanh trục đó.
Module 1: Nền tảng Agentic AI và vòng lặp suy luận
- Agentic AI là gì và khác gì workflow gọi LLM. Đặt ranh giới rõ giữa hai khái niệm hay bị gộp làm một, để bạn không gọi nhầm tên và không chọn sai công cụ.
- Vòng lặp ReAct: Thought, Action, Observation. Đi từng bước của vòng lặp, xem agent suy nghĩ, hành động và tiếp nhận kết quả ra sao ở mỗi vòng.
- Planning và reflection: ReAct so với Plan-and-Execute. So sánh hai hướng tiếp cận, khi nào lập kế hoạch trước có lợi và khi nào vừa làm vừa điều chỉnh lại tốt hơn.
- Checkpoint: Vòng lặp suy luận và ra quyết định. Bài kiểm tra để chắc rằng bạn nắm được cơ chế trước khi chuyển sang phần kiến trúc.
Module 2: Tool use, memory và chọn kiến trúc agent
- Function calling và thiết kế tool cho agent. Một tool tốt cho agent khác một API tốt cho người dùng ở chỗ nào, và những lỗi thiết kế thường gặp.
- Memory và quản lý trạng thái trong agent. Vì sao agent cần nhớ, nhớ cái gì, và trạng thái được giữ qua các bước như thế nào.
- Đánh giá agent và tiêu chí chọn kiến trúc. Bộ tiêu chí để đánh giá một agent và để chọn kiến trúc phù hợp với bài toán.
- Checkpoint: Tool, memory và kiến trúc agent. Bài kiểm tra tổng hợp, nối lại toàn bộ mạch kiến thức của khóa.
Khóa học vận hành thế nào
Tổng thời lượng ước tính khoảng 175 phút cho 8 bài, tức trung bình hơn 20 phút mỗi bài. Bạn có thể chia thành vài buổi ngắn hoặc học liền một mạch, tùy lịch.
Mỗi bài lý thuyết đi theo một nhịp quen thuộc: đặt vấn đề, giải thích nguyên lý, rồi phân tích ví dụ và case study để thấy nguyên lý đó áp vào thực tế ra sao. Các bài tập code nhỏ nằm ngay trong bài lý thuyết, không tách thành lab riêng, mục đích là để bạn chạm tay vào một chi tiết cụ thể chứ không phải để xây dựng gì lớn.
Hai bài checkpoint ở cuối mỗi module là quiz, giúp bạn tự kiểm tra trước khi đi tiếp. Chúng không phải bài thi nặng, nhưng đừng bỏ qua: đây là điểm dừng để phát hiện lỗ hổng sớm, đặc biệt ở Module 1 vì toàn bộ phần sau dựa vào vòng lặp suy luận.
Về cách học, lộ trình được thiết kế để đi tuần tự từ bài 1 đến bài 8. Vòng lặp suy luận ở Module 1 là nền cho mọi thứ ở Module 2, nên nhảy cóc sẽ dễ hụt mạch. Tuy vậy, nếu bạn đã quen với ReAct và chỉ muốn phần chọn kiến trúc, bạn có thể đọc lướt bài 1 và 2, làm checkpoint bài 4 để tự kiểm tra, rồi vào thẳng Module 2. Cách an toàn nhất vẫn là đi theo thứ tự và dùng checkpoint làm mốc.
Một lưu ý nhỏ từ kinh nghiệm: phần khó nhất của khóa không phải là nhớ định nghĩa, mà là hình thành phản xạ đặt câu hỏi "kiến trúc này đánh đổi cái gì". Hãy giữ câu hỏi đó bên mình suốt khóa, nó sẽ giúp bạn đọc case study sắc hơn nhiều.