SUMMARY_COMPOSITION.md

Tổng hợp kiến thức: AI Agents from Scratch - Phần Composition

Tài liệu này tổng hợp các khái niệm về cách kết hợp các thành phần (Composition) để tạo nên hệ thống AI mạnh mẽ hơn.

1. Prompts (Mẫu câu lệnh)

Thay vì hardcode các chuỗi văn bản, chúng ta sử dụng các Template để quản lý đầu vào cho LLM.

• PromptTemplate: Mẫu cơ bản với các biến giữ chỗ (placeholders). Giúp tách biệt logic code khỏi nội dung văn bản.
• ChatPromptTemplate: Mẫu chuyên dụng cho các model chat (như GPT-4, Llama 3).
  • Cấu trúc hóa hội thoại thành danh sách tin nhắn: System, Human, AI.
  • Hỗ trợ tiêm biến vào từng loại tin nhắn.
  • Là tiêu chuẩn cho các ứng dụng AI hiện đại.
• PipelinePromptTemplate: Cho phép ghép nối nhiều template nhỏ thành một template lớn, giúp quản lý các prompt phức tạp.

2. Output Parsers (Bộ phân tích đầu ra)

Chuyển đổi văn bản thô từ LLM thành cấu trúc dữ liệu mà ứng dụng có thể sử dụng (JSON, Object, Array).

• Vấn đề: Output của LLM thường không nhất quán và khó parse bằng Regex.
• StructuredOutputParser: Công cụ mạnh mẽ nhất.
  • Schema Definition: Định nghĩa rõ ràng các trường (fields), kiểu dữ liệu (type), mô tả (description) và giá trị cho phép (enum).
  • Format Instructions: Parser tự động sinh ra hướng dẫn định dạng (ví dụ: "Respond in JSON format...") để chèn vào prompt.
  • Validation: Tự động kiểm tra kết quả trả về có đúng schema hay không.
• Lợi ích: Đảm bảo tính ổn định (reliability) cho hệ thống, biến AI từ một "chatbot" thành một "công cụ xử lý dữ liệu".

---

Tài liệu được tạo tự động bởi Antigravity IDE sau quá trình tự học và phân tích code.