Hoàn thiện dự án AI Email Assistant. Tích hợp cơ chế Human-in-the-loop để phê duyệt bản thảo và sử dụng Persistence để lưu trữ tiến trình.
Bắt đầu xây dựng dự án cuối khóa. Học cách thiết kế State phức tạp và Node phân loại ý định sử dụng Structured Output để điều phối Agent.
Tìm hiểu cách đóng gói các Graph con (Subgraphs) vào trong Graph cha để quản lý sự phức tạp, cô lập trạng thái và phát triển Agent theo từng module độc lập.
Tìm hiểu cách sử dụng Checkpointer cho bộ nhớ ngắn hạn và Store cho bộ nhớ dài hạn, giúp Agent ghi nhớ thông tin xuyên suốt nhiều phiên làm việc.
Khám phá khả năng "du hành thời gian" của LangGraph để truy vấn lịch sử thực thi, sửa đổi trạng thái quá khứ và rẽ nhánh luồng công việc để sửa lỗi cho Agent.
Tìm hiểu cách sử dụng hàm interrupt() để tạm dừng Agent, chờ sự phê duyệt hoặc dữ liệu đầu vào từ con người và tiếp tục quy trình một cách an toàn.
Làm chủ hệ thống Streaming của LangGraph để cập nhật trạng thái Graph và hiển thị thông tin xử lý theo thời gian thực, cải thiện tối đa trải nghiệm người dùng (UX).
Tìm hiểu cách xây dựng các Agent có khả năng tự phục hồi sau sự cố, sử dụng Retry Policies và cơ chế thực thi kiên cố (Durable Execution) với task().
Tìm hiểu tầng lưu trữ bền bỉ của LangGraph, cách sử dụng Checkpointer để chụp ảnh trạng thái (Snapshot) và quản lý bộ nhớ qua Threads.
Khám phá các mẫu thiết kế linh hoạt cho phép Agent tự lập kế hoạch hành động và tự đánh giá để sửa lỗi (Self-Correction).
Làm chủ hai mẫu thiết kế cơ bản nhưng mạnh mẽ nhất để tăng độ chính xác của LLM và giảm độ trễ cho Agent.
Làm chủ mô hình tư duy cần thiết để chuyển đổi các yêu cầu kinh doanh phức tạp thành các AI Agent bền bỉ và có trạng thái.
Tìm hiểu cách sử dụng Conditional Edges và Router Functions để giúp AI Agent tự đưa ra quyết định rẽ nhánh luồng công việc dựa trên dữ liệu thực tế.
Tìm hiểu cách thực thi nhiều tác vụ cùng lúc (Parallel Execution) và sử dụng Reducers để hợp nhất dữ liệu từ nhiều nguồn mà không bị ghi đè.
Tìm hiểu cách sử dụng Edges để kết nối các Node và quản lý luồng thực thi tuần tự (Serial Flow) trong LangGraph.
Tìm hiểu các thành phần cốt lõi của LangGraph thông qua việc xây dựng một Graph đơn giản với State và Nodes, sử dụng Zod để quản lý dữ liệu.
Khám phá các thách thức cơ bản khi xây dựng AI Agent sẵn sàng cho production và tìm hiểu cách LangGraph cung cấp một durable runtime để giải quyết các vấn đề về độ trễ, độ tin cậy và tính dự đoán.