bojieli/ai-agent-book

Kết luận: fit · Công nghệ: ai-agent · llm · rag · mcp · multi-agent

Kho sách mã nguồn mở về AI Agent gồm nội dung sách, PDF biên dịch và code theo chương, tập trung vào nguyên lý thiết kế và triển khai thực tế. Hữu ích để chuẩn hóa kiến thức về memory, RAG, MCP, multi-agent, coding agent và context engineering cho các dự án agent nội bộ.

📖 Giới thiệu chi tiết

🧩 Nó là gì?

bojieli/ai-agent-book là kho sách mã nguồn mở cho cuốn 《深入理解 AI Agent：设计原理与工程实践》 của 李博杰, giúp bạn học AI Agent từ nền tảng đến triển khai thực tế.

Hiểu đơn giản: đây là một “giáo trình + code mẫu + bài thực hành” về cách xây dựng AI Agent, với công thức cốt lõi:

Agent = LLM + bối cảnh + công cụ

Trong đó:

• LLM là mô hình ngôn ngữ lớn, ví dụ GPT, Claude, Gemini, DeepSeek, Qwen.
• Bối cảnh là thông tin Agent được cung cấp để hiểu việc cần làm.
• Công cụ là những thứ Agent có thể gọi để hành động, như tìm kiếm, đọc file, gọi API, chạy code.

🎯 Giải quyết vấn đề gì? Dành cho ai?

Dự án này giúp bạn trả lời câu hỏi: “Muốn xây một AI Agent thật sự dùng được thì cần hiểu và làm những gì?”

Thay vì chỉ nói lý thuyết, bojieli/ai-agent-book đi từ khái niệm đến thực hành qua 10 chương và 95 thí nghiệm kèm code. Nội dung bao phủ nhiều mảng quan trọng như:

• context engineering: cách đưa thông tin đúng vào Agent.
• memory: cách Agent ghi nhớ người dùng qua nhiều lần trò chuyện.
• RAG: cách Agent tra cứu kiến thức ngoài trước khi trả lời.
• MCP: cách chuẩn hóa việc Agent gọi công cụ.
• multi-agent: nhiều Agent phối hợp với nhau.
• coding agent: Agent hỗ trợ viết, sửa, kiểm thử code.
• đánh giá Agent: đo xem Agent có làm tốt thật không.

Dự án phù hợp với:

• Người mới muốn hiểu AI Agent một cách có hệ thống.
• Lập trình viên muốn tự xây chatbot, assistant, coding agent hoặc agent nội bộ.
• Team kỹ thuật muốn chuẩn hóa kiến thức trước khi làm sản phẩm AI Agent.
• Người đã dùng LLM nhưng chưa rõ cách biến LLM thành một Agent có khả năng hành động.

⚙️ Hoạt động ra sao?

Cách học và dùng dự án này khá thẳng:

• Đọc sách

  • Có thể đọc online tại https://bojieli.github.io/ai-agent-book/.
  • Có thể tải PDF / EPUB để đọc offline.
  • Có bản Tiếng Việt trong docs/vi/README.md và nội dung dịch trong book-vi/.

• Học theo 10 chương

  • Chương 1: nền tảng AI Agent.
  • Chương 2: bối cảnh và prompt.
  • Chương 3: memory, knowledge base, RAG.
  • Chương 4: công cụ và MCP.
  • Chương 5: coding agent.
  • Chương 6: đánh giá Agent.
  • Chương 7: hậu huấn luyện mô hình.
  • Chương 8: Agent tự cải thiện theo thời gian.
  • Chương 9: đa phương thức và tương tác thời gian thực.
  • Chương 10: nhiều Agent cộng tác.

• Chạy code theo chương

  • Mỗi chương có thư mục riêng như chapter1/, chapter2/, ..., chapter10/.
  • Mỗi chương có nhiều thí nghiệm nhỏ để bạn chạy thử.
  • Dự án hỗ trợ Python 3.10+.

• Cấu hình API Key khi cần

  • Một số thí nghiệm cần gọi mô hình qua API.
  • Bạn có thể dùng các nhà cung cấp như Kimi, 智谱 GLM, Siliconflow, DeepSeek, Krill AI, OpenRouter.
  • Một số thí nghiệm có thể hỗ trợ ollama để chạy mô hình cục bộ, nhưng chỉ dùng khi README hoặc CLI ghi rõ.

• Cài môi trường bằng uv hoặc pip

  • Khuyến nghị dùng uv vì có uv.lock, giúp môi trường dễ tái lập hơn.
  • Nếu chưa dùng uv, vẫn có thể dùng pip.

🆚 Khi nào nên dùng / không nên

Nên dùng bojieli/ai-agent-book khi:

• Bạn muốn học AI Agent từ gốc, không chỉ copy prompt.
• Bạn muốn vừa đọc lý thuyết vừa chạy code.
• Bạn cần một tài liệu hệ thống để training nội bộ cho team.
• Bạn đang làm sản phẩm liên quan đến RAG, memory, tool calling, coding agent hoặc multi-agent.
• Bạn muốn hiểu vì sao một Agent hoạt động tốt hoặc tệ, và cách đánh giá nó.

Không nên dùng nếu:

• Bạn chỉ cần một thư viện cài vào là có Agent chạy ngay.
• Bạn không muốn đọc sách hoặc làm thí nghiệm.
• Bạn đang tìm một framework hoàn chỉnh kiểu “kéo thả là xong”.
• Bạn cần tài liệu tiếng Việt luôn cập nhật 100% như bản gốc tiếng Trung; bản dịch cộng đồng có thể chậm hơn bản gốc.

So với việc học từ vài bài blog rời rạc, dự án này có lợi thế là có cấu trúc rõ ràng từ cơ bản đến nâng cao.
So với một framework như LangChain, AutoGen hay CrewAI, dự án này không chỉ cho bạn công cụ, mà giúp bạn hiểu nguyên lý thiết kế phía sau Agent.

🚀 Bắt đầu nhanh

Các bước tối thiểu để bắt đầu:

1. Clone repo về máy.
2. Cài Python 3.10+.
3. Cài uv nếu muốn dùng cách được khuyến nghị.
4. Cài dependencies theo chương.
5. Chạy một thí nghiệm đầu tiên.

# 1. Clone repo
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book

# 2. Cài dependencies cho chương 1 bằng uv
uv sync --locked --extra ch1

# 3. Chạy ví dụ tối thiểu của chương 1
uv run python chapter1/context/main.py

Nếu chưa dùng uv, bạn có thể dùng pip:

# Cài dependencies cho chương 1 bằng pip
python -m pip install -e ".[ch1]"

# Chạy ví dụ
python chapter1/context/main.py

Nếu thí nghiệm cần API Key, thường bạn sẽ làm như sau:

# Sao chép file cấu hình mẫu
cp .env.example .env

# Sau đó mở .env và điền API Key của nhà cung cấp bạn dùng

Ví dụ nội dung .env có thể cần điền tùy theo thí nghiệm:

OPENAI_API_KEY=«bí mật đã ẩn»
DEEPSEEK_API_KEY=«bí mật đã ẩn»

Muốn cài chương khác, thay ch1 bằng ch2, ch3, ..., ch10:

uv sync --locked --extra ch2
uv run python chapter2/some_example.py

✅ Điểm mạnh & ⚠️ Hạn chế

✅ Điểm mạnh

• Nội dung rất hệ thống: đi từ “Agent là gì” đến triển khai thực tế.
• Có 10 chương rõ ràng, dễ học theo lộ trình.
• Có 95 thí nghiệm kèm code, không chỉ đọc suông.
• Bao phủ nhiều chủ đề quan trọng: memory, RAG, MCP, coding agent, multi-agent, context engineering.
• Có PDF / EPUB để đọc offline.
• Có bản dịch nhiều ngôn ngữ, gồm Tiếng Việt.
• Mã nguồn mở theo license Apache-2.0.
• Phù hợp cho cả tự học cá nhân lẫn đào tạo nội bộ trong team.

⚠️ Hạn chế

• Một số phần nâng cao có thể khó nếu bạn chưa quen Python, LLM hoặc backend.
• Một số thí nghiệm cần API Key, có thể phát sinh chi phí khi gọi mô hình.
• Bản dịch cộng đồng, bao gồm Tiếng Việt, có thể cập nhật chậm hơn bản gốc tiếng Trung.
• Không phải mọi thí nghiệm đều chỉ cần chạy một lệnh là xong; có phần cần thêm dependencies như trình duyệt, CUDA, FFmpeg, Ollama hoặc Playwright.
• Đây là kho học tập và thực hành, không phải một framework “cài vào là có sản phẩm hoàn chỉnh”.