SIU AI Lab

AI 17 - 08 - 2026

Xây AI Agent đầu tiên với OpenAI Agents SDK

Một mô hình ngôn ngữ có thể tạo ra câu trả lời rất thuyết phục, nhưng điều đó chưa đủ để biến nó thành một AI Agent. Điểm khác biệt xuất hiện khi mô hình có thể sử dụng công cụ, nhận kết quả từ công cụ và tiếp tục thực hiện nhiệm vụ dựa trên những kết quả đó. from agents import Agent agent = Agent( instructions="You are a smart farm assistant. ", Đoạn code trên chưa tạo ra một “siêu AI” mới. Nó chỉ định nghĩa cách Agent được sử dụng và nhiệm vụ mà nó phải thực hiện.

Đọc tiếp →

261

Generative AI 19 - 06 - 2025

SIU AI Lab hoàn thành chương trình đào tạo AI Tạo Sinh cho trường Quốc tế Á Châu và trường Đại học Quốc tế Sài Gòn

📢 SIU AI Lab hoàn thành chương trình đào tạo AI Tạo Sinh cho trường Quốc tế Á Châu và SIU! 🤖🎓 🎯 Mục tiêu của chương trình: Giúp cán bộ và giảng viên nắm bắt xu hướng AI tạo sinh (generative AI) Ứng dụng hiệu quả các công cụ AI trong giảng dạy, quản lý, thiết kế bài giảng, tài liệu Gắn kết giữa công nghệ và thực tiễn giáo dục, nâng cao hiệu suất làm việc 👏 Không khí học tập sôi nổi, nhiều chia sẻ thực tiễn, và đặc biệt là tinh thần "không ngừng đổi mới để nâng cao chất lượng giáo dục" đã làm nên thành công cho khóa đào tạo.

Đọc tiếp →

2660

AI 19 - 06 - 2025

LiteLLM: Chuẩn hóa truy cập LLM và điều phối thông minh qua LLM Gateway

LiteLLM được xây dựng để giải quyết trực tiếp vấn đề này. Nó đóng vai trò như một LLM Gateway – tầng trung gian giúp chuẩn hóa việc gọi LLM, điều phối truy vấn thông minh và kiểm soát chi phí trong môi trường đa mô hình. Là một REST API server tương thích hoàn toàn với OpenAI API. LiteLLM cung cấp API chuẩn OpenAI, bao gồm các endpoint phổ biến như: Nhờ đó, bất kỳ ứng dụng nào hiện đang dùng OpenAI đều có thể chuyển sang dùng Claude, Gemini, Mistral hoặc mô hình cục bộ mà không cần chỉnh sửa code. /v1/chat/completions /v1/completions /v1/embeddings /v1/chat/completions

Đọc tiếp →

8948

AI 17 - 04 - 2025

LabXperience: Setup BrowserMCP để LLM điều khiển Browser của bạn

Bài viết hướng dẫn từng bước cách thiết lập và sử dụng Browser MCP, một công cụ giúp mô hình ngôn ngữ lớn (LLM) như ChatGPT hoặc Copilot tương tác trực tiếp với trình duyệt web thông qua các thao tác như truy cập trang web, điền form, click nút, trích xuất dữ liệu. . . Biết cách cài đặt Browser MCP và cấu hình với Visual Studio Code, trình duyệt (Chrome/Edge) và Copilot. Hiểu cơ chế hoạt động của Browser MCP: cách LLM sử dụng các “tool” như browser_navigate, browser_click, browser_type,… Thực hành các truy vấn thực tế để AI thao tác trên trình duyệt như một người dùng thật. Nhận diện được tiềm năng ứng dụng của Browser MCP trong tự động hóa thao tác web, cào dữ liệu và kiểm thử phần mềm bằng AI agent.

Đọc tiếp →

2586

AI 13 - 04 - 2025

Cache-Augmented Generation là gì và nó có tốt hơn RAG?

Retrieval-Augmented Generation (RAG) là một phương pháp phổ biến trong lĩnh vực trí tuệ nhân tạo, đặc biệt trong việc tăng cường khả năng của các mô hình ngôn ngữ lớn (LLMs) bằng cách truy xuất thông tin từ các nguồn dữ liệu bên ngoài để tạo ra câu trả lời chính xác và cập nhật hơn. Tuy nhiên, RAG không phải là giải pháp duy nhất và hoàn hảo cho mọi tình huống. Độ phức tạp hệ thống: Việc triển khai RAG đòi hỏi xây dựng và duy trì các hệ thống truy xuất, cơ sở dữ liệu vector, và pipeline tích hợp giữa các thành phần. Điều này làm tăng độ phức tạp và chi phí vận hành. Khó khăn trong việc xử lý dữ liệu lớn: Khi làm việc với các tập dữ liệu lớn hoặc liên tục cập nhật, RAG có thể gặp khó khăn trong việc đảm bảo tính nhất quán và độ chính xác của thông tin truy xuất. Để khắc phục những hạn chế của RAG, Cache-Augmented Generation (CAG) là một phương pháp thay thế hiệu quả. CAG hoạt động bằng cách tiền xử lý và lưu trữ thông tin cần thiết trong bộ nhớ đệm, cho phép mô hình tái sử dụng thông tin này khi cần thiết mà không phải truy xuất lại từ nguồn bên ngoài. Hãy tưởng tượng bạn đang triển khai một trợ lý ảo cho nhân viên trong công ty, với mục tiêu trả lời các câu hỏi liên quan đến chính sách nội bộ như nghỉ phép, bảo hiểm, và quy trình làm việc. Trong khi đó, với CAG, trước khi triển khai, bạn tiền xử lý và lưu trữ toàn bộ thông tin cần thiết (như chính sách công ty) vào bộ nhớ đệm của mô hình. Khi nhân viên đặt câu hỏi, mô hình sử dụng thông tin đã lưu trữ để trả lời ngay lập tức, không cần truy xuất dữ liệu bên ngoài.

Đọc tiếp →

2230