How to Fine-Tune Llama 3 for Custom Tool Calling with Unsloth in Python

How Netflix Taught an LLM to Recommend Movies So That You Keep Watching

Netflix đã phát triển hệ thống GenRec để tăng thời gian xem phim của người dùng. …

Production-grade LLMs and agents: a field guide

Bối cảnh là việc triển khai production-grade LLMs và agents từ demo sang hệ thống đáng tin cậy. Nguyên nhân kỹ thuật là thiếu mô trường thức cho việc đánh giá và phát triển hệ thống LLM agents. Hệ quả là nhiều tổ chức gặp khó khăn trong việc scaling các solution LLM agents. Điều đáng học là bài viết cung cấp maturity model với 4 layers (Foundation, Orchestration, Autonomy, Evolution) để tự đánh giá và định hướng phát triển. Bài còn đi sâu vào từng layer với các practice và tool cụ thể như LangChain, Autogen, DSPy.

Bài viết này giúp lập trình viên hiểu cách xây dựng hệ thống LLM và agent từ thử nghiệm thành giải pháp thực tế đáng tin cậy.

The LLM Blindspot: Why Models Forget What’s in the Middle of Your Prompt

Các mô hình LLM (Large Language Model) thường bỏ qua thông tin nằm ở giữa prompt, hiện …

The hardest parts about agents can’t fit on a billboard

Tại MongoDB.local NYC, cuộc trò chuyện với Max Marcon của MongoDB đã tiết lộ rằng yếu tố quan trọng nhất giúp nâng cao khả năng của agents là context. Các agent hiện đại gặp khó khăn khi xử lý lượng lớn thông tin không được cấu trúc, đòi hỏi các cơ chế context window hiệu quả hơn như trong các framework LangChain hay LlamaIndex. Việc mở rộng context window lên tới 100K tokens giúp agent duy trì trạng thái hội thoại và phân tích dữ liệu phức tạp mà không bị mất mát thông tin quan trọng. Các công ty đang đầu tư mạnh vào kỹ thuật indexing và retrieval để tối ưu hóa việc truy xuất context, đây là bài học quý cho ai xây dựng hệ thống agent tiên tiến.

Bài viết giải thích tại sao bối cảnh là yếu tố quyết định giúp nâng cao năng lực của các agents trong lập trình.

Bag of Decisions Reranker

Bối cảnh nghiên cứu sử dụng Large Language Model (LLM) để tạo câu hỏi cho một hệ thống reranker tên là Jev. Nguyên nhân kỹ thuật đến từ nhu cầu cải thiện độ chính xác của quá trình reranking bằng cách tận dụng khả năng hiểu ngữ cảnh của LLM. Hệ quả cho thấy phương pháp này có thể đánh đổi giữa độ chính xác và hiệu suất xử lý, đặc biệt khi xử lý các query phức tạp. Điều đáng học là cách tiếp cận này mở ra hướng nghiên cứu mới về kết hợp LLM với các hệ thống retrieval chuyên sâu.

Bài viết này giúp bạn hiểu cách dùng LLM để tạo câu hỏi reranking hiệu quả cho hệ thống Jev.

Async LLM Pipelines with Django and Celery: Beyond the Request-Response Cycle

Bối cảnh: Đa số tích hợp LLM (Large Language Model) đều tuân theo mô hình request-response đơn giản, nơi người dùng gửi yêu cầu và nhận phản hồi ngay lập tức. Nguyên nhân kỹ thuật: Tiếp cận này gặp giới hạn khi xử lý các tác vụ LLM tốn kém như summarization hay long-form generation, gây ra timeout trên web server. Hệ quả: Giải pháp sử dụng Django kết hợp Celery cho phép triển khai pipeline xử lý không đồng bộ (async pipeline), chia nhỏ prompt thành các đoạn nhỏ, xử lý song song bằng task Celery. Điều đáng học: Bài viết trình bày cách thiết kế hệ thống xử lý LLM không đồng bộ với Celery Beat, Redis backend và concurrent futures, giúp tăng tốc xử lý lên đến 10x so với phương pháp tuần truyền truyền thống.

Bài viết này giúp lập trình viên tối ưu hóa xử lý LLM bằng cách triển khai pipeline không đồng bộ với Django và Celery để vượt qua hạn chế chu trình request-response truyền thống.

The Outer Loop, Insights First: An Ambient Quality Agent That Diagnoses Your Production Agent

AQuA (Ambient Quality Agent) là công cụ open-source giám sát liên tục, phân cụm và chẩn đoán lỗi production agent bằng cách phân tích telemetry và source snapshots ngoài request path. Công cụ này hoạt động dựa trên kỹ thuật clustering các lỗi tương tự để xác định nguyên nhân gốc, giúp tiết kiệm thời gian gấp 10 lần so với phương pháp thủ công. Hệ quả chính là giảm thiểu downtime cho production system, với các case study cho thấy giảm 60% thời gian chẩn đoán lỗi. Đáng học hỏi là cách tiếp cận "outside-in" của AQuA, thu thập dữ liệu không ảnh hưởng đến performance của hệ thống đang chạy, đây là giải pháp hiệu quả cho các team quản lý AI/ML production environments phức tạp.

Lập trình viên nên đọc bài này vì AQuA giúp tự động hóa chẩn đoán sự cố hệ thống production mà không ảnh hưởng đến hiệu năng ứng dụng.

Part 1: Make your AI agents boring: the determinism layer

Stack Overflow nền tảng công khai được thành lập năm 2008 và được hầu hết các lập trình sư sử dụng để học hỏi, chia sẻ kiến thức và hợp tác. Bài viết tập trung vào việc tạo ra một lớp tính xác định (determinism layer) cho các AI agents, giúp cho hành vi của chúng trở nên đáng tin cậy và dễ dự đoán hơn. Việc này giải quyết vấn đề các mô hình AI hiện tại thường mang tính ngẫu nhiên, gây khó khăn cho việc tái tạo kết quả và kiểm thử. Các lập trình viên nên đọc bài này để hiểu cách triển khai lớp xác định, đặc biệt khi làm việc với các AI systems đòi hỏi tính nhất quán cao như chatbot hỗ trợ khách hàng hay quy trình tự động hóa.

Tìm hiểu về lớp tính xác định trong AI agents giúp bạn xây dựng hệ thống đáng tin cậy và dễ dự đoán hơn.