Chương 9 – Bài 2: Capstone Project — Xây dựng và triển khai hệ thống lên VPS
Hoàn thành bài "Chương 9 – Bài 1: Capstone Project — Thiết kế kiến trúc hệ thống AI Agent doanh nghiệp" trước để mở khoá bài này.Đến bài trước
Giới thiệu
Đây là bài capstone project — bài thực hành tổng hợp cuối khóa, nơi bạn kết hợp toàn bộ những gì đã học: thiết kế workflow, RAG, memory, giao diện người dùng, và triển khai thực tế lên VPS. Không có lý thuyết mới ở bài này. Mục tiêu là bạn tự tay xây và ship một hệ thống AI Agent hoàn chỉnh.
Hệ thống sẽ xây dựng là một AI Assistant có khả năng trả lời câu hỏi dựa trên tài liệu nội bộ (RAG), nhớ ngữ cảnh hội thoại (memory), và được phục vụ qua giao diện web đơn giản — toàn bộ chạy trên một VPS Linux.
Kiến trúc tổng thể
Trước khi code, hãy xác định rõ các thành phần:
Lớp 1 — Dữ liệu: Tài liệu nguồn được chunk, embed và lưu vào vector store (ChromaDB chạy local trên VPS).
Lớp 2 — Agent core: LangChain agent nhận câu hỏi, truy xuất context từ vector store, kết hợp memory hội thoại, gọi OpenAI để sinh câu trả lời.
Lớp 3 — API: FastAPI expose endpoint POST /chat để giao tiếp với frontend.
Lớp 4 — Giao diện: Một trang HTML/JS đơn giản gửi request tới API và hiển thị kết quả.
Lớp 5 — Hạ tầng: Nginx làm reverse proxy, Gunicorn chạy FastAPI, systemd giữ process sống.
Bạn vừa hoàn thiện một hệ thống AI Agent production-ready với đầy đủ các thành phần: RAG từ tài liệu thực, memory hội thoại có giới hạn cửa sổ, API layer với FastAPI, giao diện web, và hạ tầng Linux với Nginx cùng systemd. Đây là nền tảng có thể mở rộng theo nhiều hướng — thêm authentication, hỗ trợ nhiều session độc lập, tích hợp thêm tool cho agent, hoặc nâng cấp vector store lên Pinecone hay Qdrant khi quy mô tăng. Điều quan trọng nhất: bạn đã tự ship được một sản phẩm hoàn chỉnh.
✎
Luyện tập sau buổi học
Bài kiểm tra cuối bài
Ôn lại kiến thức, thử sức và nhận góp ý cho bài làm.