Trải nghiệm khi dùng AI Engineering Hub
Bạn mở README và thấy mục lục dự án chia theo ba nhóm độ khó. Nhóm cho người mới gồm các ứng dụng đơn giản như OCR (đọc chữ trong ảnh) chạy cục bộ, khung chat kiểu ChatGPT dùng mô hình mở và quy trình RAG cơ bản. Nhóm trung cấp và nâng cao có các agent, quy trình phức tạp, tinh chỉnh mô hình và hệ thống gần với sản xuất.
Mỗi dự án nằm trong một thư mục riêng. Bạn bấm vào, đọc README của dự án để biết cần cài gì, rồi chạy thử trên máy. Nhiều ví dụ dùng mô hình mở như Llama, Gemma, Qwen hay DeepSeek và giao diện web đơn giản như Streamlit, nên bạn có thể thấy một ứng dụng chạy được sau vài bước.
Vì đây là tập hợp rất nhiều dự án nhỏ do cộng đồng và tác giả đóng góp, chất lượng và cách cài mỗi dự án không đồng đều, và phụ thuộc vào các thư viện thay đổi nhanh. Cách dùng hợp lý là xem như kho ý tưởng để học và sao chép, không phải một sản phẩm duy nhất cài một lần.
Tính năng nổi bật
Hơn 90 dự án mẫu
README ghi 93 dự án trở lên, từ ứng dụng nhỏ đến hệ thống AI phức tạp.
Chia theo độ khó
Nhóm cho người mới, trung cấp và nâng cao giúp bạn bắt đầu đúng chỗ rồi tăng dần.
Lộ trình cho người mới
Có một lộ trình học AI Engineering Roadmap để bạn không phải tự mò từ đâu.
Nhiều mảng khác nhau
OCR, chat cục bộ, RAG, agent, MCP và tinh chỉnh mô hình, đủ để thử nhiều hướng.
Dự án chạy với mô hình mở
Nhiều ví dụ chạy cục bộ với mô hình mở, hợp với ai muốn thử mà hạn chế gửi dữ liệu ra ngoài.
Giấy phép MIT
Bạn có thể sao chép, sửa và dùng lại mã mẫu theo điều khoản MIT.
Tận dụng AI Engineering Hub vào việc gì?
Lập trình viên, sinh viên
Học làm ứng dụng RAG hỏi đáp tài liệu
Bắt đầu với dự án RAG cơ bản để dựng chatbot trả lời dựa trên file của bạn.
Nhân viên văn phòng biết chút Python
Thử OCR đọc chữ từ ảnh chụp
Chạy các dự án OCR cục bộ để trích chữ từ ảnh hoá đơn hay tài liệu mà không gửi lên dịch vụ ngoài.
Người làm sản phẩm, freelancer
Tìm ý tưởng cho dự án AI cá nhân
Duyệt nhanh danh sách để lấy cảm hứng và đoạn mã khởi đầu cho sản phẩm của mình.
Giảng viên, người tổ chức workshop
Làm tài liệu thực hành cho lớp học
Chọn vài dự án cùng độ khó giao cho học viên chạy theo nhóm.
Cần chuẩn bị gì?
- Python và kinh nghiệm dùng Terminal cơ bản; mỗi dự án có danh sách gói riêng.
- Nhiều dự án chạy mô hình cục bộ nên cần RAM và có thể cần GPU tuỳ mô hình; hãy xem README của từng dự án.
- Một số dự án cần API key của dịch vụ bên ngoài và có thể tính phí.
- Kết nối Internet để tải mô hình và gói.
Hướng dẫn cài đặt chi tiết
Cài trên Tải repo
Cài Git rồi mở Terminal hoặc PowerShell, tải repo và vào thư mục.
git clone https://github.com/patchy631/ai-engineering-hub.git cd ai-engineering-hubMở README gốc, chọn một dự án trong danh sách, ví dụ một dự án OCR hoặc RAG đơn giản ở nhóm Beginner, rồi vào thư mục của nó.
Đọc README trong thư mục dự án để xem cần cài gì. Phần lớn là tạo môi trường ảo Python rồi cài gói bằng lệnh pip, nhưng cách chính xác khác nhau giữa các dự án.
python -m venv .venv
Cài trên Chỉ đọc trên GitHub
Bạn có thể đọc README và mã ngay trên GitHub để chọn dự án trước khi cài bất cứ gì.
Xem trang AI Engineering Roadmap trong repo để có lộ trình học từ người mới đến nâng cao.
Dùng thử lần đầu
Mở README gốc và đọc phần Getting Started, đặc biệt link tới AI Engineering Roadmap.
Chọn một dự án ở nhóm Beginner, ví dụ một khung chat cục bộ hoặc RAG đơn giản như README liệt kê.
Vào thư mục dự án, đọc README riêng và cài các gói cần thiết trong môi trường ảo.
Nếu dự án dùng Ollama hay mô hình cục bộ, cài công cụ đó trước theo hướng dẫn của dự án rồi mới chạy ứng dụng.
Chạy ứng dụng, thử với dữ liệu nhỏ của bạn và đọc mã để hiểu từng bước.
Mẹo dùng hay
- Chọn một dự án mỗi lần và làm cho xong thay vì cố chạy hết, vì mỗi dự án có yêu cầu cài đặt riêng.
- Dùng một môi trường ảo riêng cho mỗi dự án để tránh xung đột phiên bản thư viện.
- Đọc Issues của repo khi gặp lỗi, vì nhiều người có thể đã gặp cùng vấn đề.
- Kết hợp với Ollama hoặc LM Studio nếu muốn chạy mô hình cục bộ thay vì trả phí API.
Lưu ý và hạn chế
- Chất lượng và độ cập nhật không đồng đều giữa các dự án; một số có thể lỗi thời khi thư viện đổi phiên bản.
- Đây là kho ví dụ cho lập trình viên, không phải ứng dụng cài một lần dành cho người dùng phổ thông.
- Một số dự án cần API trả phí hoặc phần cứng mạnh; hãy kiểm tra trước khi bắt đầu.
Câu hỏi thường gặp
Repo này miễn phí không?
Có, mã nguồn dùng giấy phép MIT. Chi phí chỉ phát sinh nếu dự án bạn chọn gọi API trả phí hoặc cần thuê phần cứng.
Tôi nên bắt đầu từ đâu?
README khuyên người mới xem AI Engineering Roadmap, sau đó thử các dự án nhóm Beginner như OCR hoặc RAG đơn giản.
Có cần biết lập trình không?
Có. Dù là dự án cho người mới, bạn vẫn cần biết cơ bản Python và dùng Terminal.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/patchy631/ai-engineering-hub.gitRepo tương tự nên xem
Awesome LLM Apps
Shubhamsaboo / awesome-llm-apps
Hơn 100 mẫu ứng dụng AI agent và RAG chạy được ngay: sao chép về, điền API key và thử
AI Agents for Beginners
microsoft / ai-agents-for-beginners
Khoá 18 bài của Microsoft dạy xây AI agent, có code mẫu dùng Microsoft Agent Framework
LLM Course
mlabonne / llm-course
Lộ trình tự học mô hình ngôn ngữ lớn (LLM) từ nền tảng đến xây ứng dụng, kèm notebook chạy được trên Colab