Hướng dẫn dùng AI

Tự viết hay dùng framework như LangChain cho ứng dụng AI

Bắt đầu làm một ứng dụng có AI, bạn sẽ thấy rất nhiều hướng dẫn mở đầu bằng "cài LangChain". Nhưng cũng có nhiều người khuyên cứ gọi thẳng API bằng SDK của hãng. Bài này đọc bài viết của Anthropic về cách xây agent hiệu quả, tài liệu của LangChain và LangGraph ngày 12/11/2026, đo bằng pip xem mỗi lựa chọn kéo theo bao nhiêu gói, rồi gợi ý khi nào nên tự viết, khi nào framework thật sự giúp được bạn.

Ý chính
  • Bài viết của Anthropic về agent khuyên bắt đầu bằng gọi API trực tiếp, vì nhiều mẫu chỉ cần vài dòng code; nếu dùng framework, phải hiểu code bên dưới.
  • Framework giúp khởi đầu nhanh, nhưng thêm lớp trừu tượng có thể che prompt và phản hồi thật, làm khó gỡ lỗi.
  • Đo bằng pip ngày 12/11/2026 trên Windows, Python 3.13: SDK anthropic kéo theo 16 gói, langchain kèm phần Anthropic 44 gói, llama-index 69 gói.
  • Framework đáng dùng khi bạn cần đổi nhà cung cấp mô hình thường xuyên, chạy tác vụ dài có trạng thái, hay muốn dùng lại nhiều tích hợp có sẵn.

Code trong bài là Python, chỉ dùng thư viện chuẩn; phần kiểm dùng thêm thư viện packaging bản 26.3. Danh sách gói là kết quả thật của lệnh pip chạy thử, không phải số giả lập.

Framework AI là gì

Khi gọi một mô hình ngôn ngữ, bạn cần làm vài việc lặp đi lặp lại: gửi tin nhắn, nhận câu trả lời, khai báo công cụ cho mô hình dùng, đọc yêu cầu gọi công cụ, chạy công cụ, gửi kết quả lại, nhớ lịch sử hội thoại. SDK của hãng, như thư viện anthropic hay openai, cho bạn từng viên gạch để làm những việc đó. Framework như LangChain, LangGraph hay LlamaIndex xếp sẵn các viên gạch thành khối lớn hơn: một dòng tạo agent, một lớp chuyển đổi giữa nhiều nhà cung cấp, một kho tích hợp với cơ sở dữ liệu và công cụ bên ngoài.

Tài liệu LangChain ngày 12/11/2026 giới thiệu hàm create_agent là một bộ khung agent tối giản, cấu hình được nhiều. Tài liệu LangGraph tự mô tả là framework điều phối mức thấp cho agent chạy dài, có trạng thái, tập trung vào thực thi bền bỉ, phát trực tiếp, cho người duyệt giữa chừng và lưu trạng thái; tài liệu ghi rõ LangGraph không trừu tượng hóa prompt hay ép một kiến trúc agent cố định. Theo danh sách phụ thuộc trên PyPI, gói langchain bản 1.5.0 cần langgraph.

Lời khuyên của Anthropic

Bài viết "Building effective agents" của Anthropic, đăng 19/12/2024, kể rằng khi làm việc với nhiều nhóm xây agent, những nhóm thành công nhất không dùng framework phức tạp mà dùng các mẫu đơn giản, ghép được với nhau. Bài thừa nhận framework giúp bắt đầu dễ vì lo hộ việc gọi mô hình, khai báo và đọc công cụ, nối các lần gọi. Nhưng chúng thường thêm lớp trừu tượng che mất prompt và phản hồi thật, khiến khó gỡ lỗi, và dễ khiến người ta làm phức tạp hơn mức cần. Lời khuyên: bắt đầu bằng gọi API trực tiếp; nếu dùng framework, hãy hiểu code bên dưới, vì giả định sai về những gì framework làm là nguồn lỗi phổ biến.

Đầu bài có ghi chú rằng nhiều công cụ được nhắc đã thay đổi từ cuối năm 2024. Tinh thần của lời khuyên vẫn đáng giữ: bắt đầu đơn giản, chỉ thêm tầng khi có lý do.

Tự viết thì cần gì

Bài gọi API AI bằng Python cho thấy một lần gọi mô hình chỉ vài dòng. Bài tự viết agent bằng Python dựng cả vòng lặp agent với công cụ, xử lý lỗi và giới hạn số bước, chỉ bằng SDK và thư viện chuẩn. Viết tay một lần như vậy, bạn biết chính xác prompt nào được gửi, mỗi bước tốn bao nhiêu token, lỗi xảy ra ở đâu. Sau đó, dù dùng framework nào, bạn cũng đọc được nó đang làm gì.

Cài framework thì máy nhận thêm gì

Một khác biệt đo được là số gói phải cài. Mỗi gói là thêm một thứ có thể đổi phiên bản, xung đột với gói khác, hay cần cập nhật bảo mật. Bài pip, conda hay uv đã nói vì sao nên ghim phiên bản; càng nhiều gói, việc đó càng quan trọng.

Để có số liệu thật, chạy lệnh pip install --dry-run --ignore-installed --report cho từng lựa chọn: pip giải quyết phụ thuộc và ghi ra danh sách sẽ cài, nhưng không cài gì. Đoạn Python dưới đây đọc kết quả đã lưu, đếm số gói và so hai lựa chọn.

"""Cài một framework AI thì máy bạn nhận thêm bao nhiêu gói?

Dữ liệu trong goi_se_cai_20261112.json là danh sách gói mà pip sẽ cài, lấy thật bằng lệnh
  pip install --dry-run --ignore-installed --report bao_cao.json <tên gói>
với pip 26.3, Python 3.13, Windows 64 bit, ngày 12/11/2026 (chạy thử, không cài gì).
Con số có thể khác trên hệ điều hành khác hay vào ngày khác.
Chương trình đếm số gói và so hai lựa chọn: gói nào có thêm khi dùng framework thay vì SDK.
Chỉ dùng thư viện chuẩn.
"""
import json
import os
import re


def ten_chuan(ten):
    """Tên gói không phân biệt hoa thường, coi -, _, . là một (quy ước PyPI)."""
    return re.sub(r"[-_.]+", "-", ten).lower()


def doc(duong_dan=None):
    duong_dan = duong_dan or os.path.join(os.path.dirname(os.path.abspath(__file__)),
                                          "goi_se_cai_20261112.json")
    with open(duong_dan, encoding="utf-8") as f:
        return json.load(f)


def tap_goi(du_lieu, lua_chon):
    return {ten_chuan(dong.split("==")[0]) for dong in du_lieu["goi"][lua_chon]}


def them_khi_doi(du_lieu, tu, sang):
    """Các gói có trong lựa chọn `sang` mà không có trong `tu`, xếp theo tên."""
    return sorted(tap_goi(du_lieu, sang) - tap_goi(du_lieu, tu))


if __name__ == "__main__":
    D = doc()
    for lc in D["goi"]:
        print(f"{lc:22} {len(tap_goi(D, lc)):3} gói")
    them = them_khi_doi(D, "anthropic", "langchain[anthropic]")
    print(f"Dùng langchain[anthropic] thay vì chỉ anthropic: thêm {len(them)} gói")
    print("  " + ", ".join(them))

Kết quả ngày 12/11/2026 với pip 26.3, Python 3.13 trên Windows: SDK anthropic cài 16 gói, SDK openai 14 gói, langchain 39 gói, langchain kèm phần tích hợp Anthropic 44 gói, langgraph 38 gói, llama-index 69 gói. Chuyển từ chỉ dùng anthropic sang langchain kèm Anthropic thêm 28 gói, trong đó có langchain-core, langgraph và các gói phụ trợ của nó, langsmith, requests. Lưu ý: cài langchain không tự có SDK của Anthropic, phải cài thêm phần tích hợp. Con số có thể khác trên hệ điều hành khác hay vào ngày khác.

Phần kiểm đi kèm đọc từng dòng bằng thư viện packaging, xác nhận mỗi gói được ghim đúng một phiên bản, tên chuẩn khớp cách PyPI chuẩn hóa, và số gói khớp với đếm tay.

Tự viết hay dùng framework Theo Anthropic, tài liệu LangChain và pip, đọc 12/11/2026 1. Gọi API thẳngVài dòng codevới SDK 2. Hiểu bên dướiPrompt nàothực sự được gửi 3. Đếm gói càiSDK: 16 gói,LangChain: 44 gói 4. Thêm khi cầnĐổi nhà cung cấp,chạy dài Framework giúp nhanh, nhưng che bớt chi tiết
Tự viết hay dùng framework 1. Gọi API thẳngVài dòng codevới SDK 2. Hiểu bên dướiPrompt nàothực sự được gửi 3. Đếm gói càiSDK: 16 gói,LangChain: 44 gói 4. Thêm khi cầnĐổi nhà cung cấp,chạy dài Framework giúp nhanh, nhưng che bớt chi tiết
Hình 1. Tự viết hay dùng framework: gọi API thẳng bằng SDK, hiểu prompt thật sự được gửi, đếm số gói phải cài, và chỉ thêm framework khi cần như đổi nhà cung cấp hay chạy tác vụ dài.

Khi nào framework đáng dùng

Đổi nhà cung cấp thường xuyên. Nếu bạn cần so cùng một ứng dụng trên mô hình của nhiều hãng, một lớp giao diện chung giúp đổi bằng một dòng cấu hình thay vì sửa code gọi API ở nhiều chỗ.

Tác vụ dài, có trạng thái, cần người duyệt giữa chừng. Đây đúng là phần LangGraph tự nhận làm: lưu trạng thái để chạy tiếp sau khi lỗi, cho người xem và duyệt trước khi agent đi tiếp. Tự viết những thứ này cho chắc chắn tốn nhiều công.

Dùng lại nhiều tích hợp có sẵn. Đọc tài liệu từ nhiều định dạng, nối với cơ sở dữ liệu vector, chia đoạn văn bản: framework có sẵn nhiều mảnh. Ví dụ, bài chia đoạn văn bản cho RAG đã dẫn tài liệu bộ chia văn bản của LangChain.

Nhóm đã thống nhất dùng. Nếu dự án nhóm hay công ty đã dùng một framework, theo đó để mọi người đọc code của nhau dễ hơn.

Khi nào tự viết tốt hơn

  • Đang học: tự viết để hiểu; framework để sau.
  • Ứng dụng đơn giản: một lần gọi, một vài công cụ, một nhà cung cấp.
  • Cần gỡ lỗi kỹ: muốn thấy chính xác prompt và phản hồi.
  • Muốn ít phụ thuộc: bài tập, công cụ nhỏ, chạy trên máy yếu hay trong môi trường hạn chế cài đặt.

Ví dụ: trợ lý hỏi đáp tài liệu môn học

Giả sử bạn muốn làm một trợ lý trả lời câu hỏi dựa trên giáo trình môn học. Phiên bản đầu chỉ cần ba bước: tìm vài đoạn giáo trình liên quan tới câu hỏi, ghép chúng vào prompt, gọi mô hình một lần. Với SDK, đó là vài chục dòng Python, và khi câu trả lời sai, bạn in prompt ra là thấy ngay đoạn nào được đưa vào.

Một học kỳ sau, trợ lý cần đọc thêm tệp PDF, slide, ghi chú; cần chạy trên mô hình của hai hãng để so; cần nhớ hội thoại của từng bạn. Lúc này, các bộ đọc tài liệu và lớp giao diện chung của framework bắt đầu tiết kiệm công. Quyết định chuyển sang framework dựa trên nhu cầu cụ thể như vậy, không phải vì hướng dẫn đầu tiên bạn đọc dùng nó.

Học theo thứ tự nào

Gọi API một lần, rồi một cuộc hội thoại nhiều lượt, rồi khai báo một công cụ, rồi tự viết vòng lặp agent. Đến lúc đó, đọc tài liệu create_agent của LangChain hay phần cơ bản của LangGraph; bạn sẽ nhận ra từng phần của framework tương ứng với đoạn code nào mình đã tự viết. Học theo thứ tự này, framework thành công cụ tiết kiệm thời gian chứ không phải hộp đen.

Cẩn thận
  • Cài framework cho một chương trình chỉ gọi mô hình một lần.
  • Dùng framework mà không biết prompt thật sự được gửi đi là gì.
  • Chép code hướng dẫn cũ khi framework đã đổi phiên bản lớn; xem bản đang dùng.
  • Để requirements.txt không ghim phiên bản khi dùng framework kéo theo hàng chục gói.
  • Nghĩ framework làm mô hình thông minh hơn; nó chỉ sắp xếp các lần gọi.

Câu hỏi thường gặp

LangChain có bắt buộc khi làm ứng dụng AI không?

Không; SDK của hãng đủ cho nhiều ứng dụng, Anthropic khuyên bắt đầu bằng gọi API trực tiếp.

LangGraph khác LangChain thế nào?

LangGraph là lớp điều phối mức thấp cho agent chạy dài có trạng thái; gói langchain cần langgraph.

Cài langchain có kèm SDK Anthropic không?

Không; phải cài thêm phần tích hợp, ví dụ langchain[anthropic].

Người mới nên học framework trước hay SDK trước?

SDK trước, tự viết vòng lặp một lần, rồi mới học framework.

Học tiếp

Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.

Muốn học bài bản cùng giảng viên?

Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.

Xem Khóa AI

Nguồn tham khảo

Chia sẻ: Facebook LinkedIn
Nhắn Zalo tư vấnZalo Gọi 0937 401 483