Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: RAG là cách để AI nhận một câu hỏi, tìm các đoạn liên quan trong kho tài liệu được phép, đặt các đoạn đó vào context rồi mới trả lời. Nó hữu ích khi câu trả lời phải bám vào tài liệu cụ thể, nhưng không tự biến tài liệu cũ hoặc tìm nhầm thành thông tin đúng.

Đọc xong, bạn sẽ hiểu:

  • RAG khác prompt, memory và kho tài liệu ở chỗ nào.
  • Vì sao “có nguồn” vẫn chưa đủ để tin ngay.
  • Cách kiểm một câu trả lời có căn cứ bằng bài tập 15 phút.

1. RAG là gì? Khi AI cần trả lời từ tài liệu của bạn

Bạn hỏi chatbot: “Năm nay tôi được nghỉ phép bao nhiêu ngày?” Nó trả lời rất trơn tru, nhưng lại dựa vào quy định năm ngoái. Câu chữ nghe hợp lý không cứu được việc nó sai tài liệu. Đây là lúc RAG đáng để hiểu.

Tên đầy đủ là Retrieval Augmented Generation: truy xuất rồi tăng cường phần tạo câu trả lời. Nói nôm na, AI chưa trả lời vội. Hệ thống đi tìm vài đoạn trong bộ tài liệu đã chọn, đưa chúng vào context — phần thông tin AI đang được xem trong lượt này — rồi yêu cầu AI trả lời dựa trên phần đó. Tài liệu hướng dẫn của Anthropic cũng mô tả RAG theo luồng truy xuất tài liệu liên quan và gửi chúng cùng câu hỏi cho mô hình. Anthropic Cookbook

Đừng gộp bốn thứ vào một rổ. Prompt là lời bạn yêu cầu. Memory là thông tin được lưu để dùng lại qua nhiều lần tương tác; bài trước đã nói kỹ hơn về Memory và Long-term Context. Knowledge base là kho tài liệu để tìm. Còn RAG là quy trình kéo đúng đoạn từ kho đó vào context cho đúng câu hỏi hiện tại. Kho sách không tự trả lời; thủ thư tìm đúng cuốn và mở đúng trang mới là phần việc của RAG.

Ví dụ, sổ tay nhân sự có 200 trang. Nếu bạn bảo AI “hãy nhớ toàn bộ”, bạn khó biết nó dựa vào câu nào. Với RAG, câu hỏi về nghỉ phép sẽ kéo phần “Nghỉ phép 2026”, lý tưởng nhất là cả điều kiện và ngoại lệ đi kèm. Người đọc sau đó có thể mở đúng nguồn để đối chiếu.

RAG cũng không có nghĩa AI bỗng biết sự thật tuyệt đối. Nó chỉ có thêm căn cứ đầu vào. Nếu căn cứ cũ, thiếu, hoặc không liên quan, đầu ra vẫn có thể sai — chỉ là sai một cách tự tin hơn.

2. Từ câu hỏi đến đoạn tài liệu: luồng RAG 5 bước

Hãy hình dung bạn vào thư viện hỏi: “Sách thường được mượn bao lâu?” Một thủ thư cẩn thận không đọc đại từ trí nhớ. Họ tra mục lục, lấy sổ nội quy, mở đúng điều khoản, rồi trả lời và chỉ trang. Một RAG tử tế cũng đi qua năm bước như vậy.

  1. Nhận câu hỏi và xác định phạm vi: người hỏi đang nói về sách thường hay sách tham khảo?
  2. Chỉ tìm trong kho tài liệu được phép, ví dụ nội quy đã phê duyệt.
  3. Chunk là đoạn tài liệu được cắt để truy xuất. Đoạn phải đủ dài để giữ câu trả lời cùng điều kiện, ngoại lệ và tiêu đề giúp hiểu nghĩa; không có độ dài đúng cho mọi tài liệu.
  4. Đặt các chunk đã chọn cạnh câu hỏi trong context của AI.
  5. Sinh câu trả lời, tốt nhất kèm tên tài liệu, đoạn hoặc đường dẫn để người dùng kiểm lại.

Chunk không phải cứ cắt càng nhỏ càng tốt. Cắt riêng câu “được gia hạn một lần” mà bỏ mất phần “nếu chưa có người đặt” là đã đổi nghĩa. Ngược lại, đưa cả trăm trang vào context khiến phần quan trọng chìm nghỉm. Bài toán ở đây là chọn đoạn vừa đủ, có cả điều kiện và ngoại lệ.

Hình 1 — RAG chỉ trả lời sau khi có đoạn tài liệu để đối chiếu.

Bạn chưa cần biết công nghệ tìm kiếm phía sau. Trước hết, hãy kiểm ba việc: hệ thống tìm trong kho nào, lấy đoạn nào và đoạn đó có trả lời đúng câu hỏi không. Hãy hỏi: hệ thống tìm ở đâu, đã lấy đoạn nào, và đoạn đó có trả lời đúng câu hỏi không.

3. Ba hiểu lầm khiến câu trả lời có RAG vẫn sai

Hiểu lầm đầu tiên: tìm thấy tài liệu là tìm thấy sự thật. Không hẳn. Một file “Chính sách nghỉ phép 2024” có thể là file thật nhưng đã hết hiệu lực. RAG thường chỉ biết tài liệu nào được đưa vào kho; nó không tự hiểu chính sách nào vừa bị thay thế nếu hệ thống không quản lý ngày và phiên bản.

Hiểu lầm thứ hai: chọn một câu khớp từ khóa là đủ. Bạn hỏi về gia hạn sách, hệ thống thấy dòng “được gia hạn một lần” và trả lời “có”. Nhưng dòng sau có thể là “trừ khi sách đã được người khác đặt”. Đây là rủi ro mất ngữ cảnh: chunk sai hoặc quá ngắn làm kết luận sai. Hình dung đang xem công thức có câu “thêm 2 muỗng đường”, nhưng trang trước ghi “chỉ cho nồi 1 lít”. Lấy mỗi câu sau thì món ăn ngọt gắt ngay.

Hiểu lầm thứ ba: có link nguồn là đủ. Grounding nghĩa là câu trả lời thực sự bám vào đoạn có thể đối chiếu. Một đường dẫn đến sổ tay dày 200 trang chưa chứng minh con số trong câu trả lời nằm ở đâu. Khi nguồn không hỗ trợ trực tiếp, câu đúng là: “Tôi chưa thấy đoạn xác nhận; bạn cho tôi phiên bản hoặc điều khoản cụ thể được không?” Microsoft tách riêng việc đánh giá chất lượng retrieval và mức độ câu trả lời được grounding trong tài liệu. Microsoft Learn

Hình 2 — Tìm được một tài liệu chưa chắc đã tìm đúng căn cứ.

Một cặp câu đáng nhớ: “RAG đã tìm được tài liệu nên chắc đúng” là câu đoán chắc. “RAG đã tìm được tài liệu; tôi cần kiểm ngày hiệu lực và đoạn hỗ trợ trước khi dùng” là câu có điều kiện. Làm việc với AI, câu sau đáng tin hơn nhiều.

4. Checklist cho một câu trả lời có căn cứ

Khi câu trả lời ảnh hưởng tới công việc, hãy đi hết bốn ô này trước khi chuyển tiếp:

  1. Đúng nguồn: tài liệu có thuộc đúng tổ chức, đúng bộ quy định hoặc đúng phạm vi câu hỏi không?
  2. Đúng ngày: có ngày hiệu lực, số phiên bản hoặc người chịu trách nhiệm không? Nếu có nhiều bản, dùng bản được owner có thẩm quyền đánh dấu đã phê duyệt và còn hiệu lực. Nếu trạng thái chưa rõ, nêu mâu thuẫn và hỏi owner thay vì tự chọn bản mới nhất.
  3. Có đoạn hỗ trợ: mở đoạn được lấy ra; đoạn đó có nói đủ điều kiện, ngoại lệ và đơn vị không?
  4. Không đủ thì hỏi: nếu không tìm được đoạn, câu trả lời phải dừng ở “chưa đủ dữ liệu”, không bù bằng suy đoán.

Bạn có thể dùng mẫu câu: “Theo [tên tài liệu], đoạn [mục], điều này áp dụng khi [điều kiện]. Tôi chưa thấy quy định cho [phần còn thiếu], nên cần xác nhận thêm.” Mẫu này không làm câu trả lời kém thông minh; nó làm trách nhiệm rõ ràng.

RAG có ranh giới dữ liệu. Chỉ nạp tài liệu được phép vào công cụ tổ chức phê duyệt. Đừng copy thông tin khách hàng, lương, hợp đồng hay bí mật kinh doanh vào chatbot công khai. RAG không phải giấy phép vượt quy tắc bảo mật.

Hình 3 — Checklist trước khi tin một câu trả lời có gắn nguồn.

5. Bài tập 15 phút: làm RAG thủ công bằng ba mẩu tài liệu

Chưa cần cài công cụ. Mở một file Markdown hoặc lấy giấy bút, rồi tạo ba mẩu “quy định thư viện” giả lập sau: A nói sách thường mượn 14 ngày; B nói gia hạn một lần nếu chưa có người đặt; C nói tài khoản tạm khóa khi quá hạn hơn 7 ngày. Đây là dữ liệu demo, không dùng tài liệu nội bộ hay thông tin cá nhân.

Trong 15 phút, bạn làm ba việc. Đầu tiên, viết ba câu hỏi. Tiếp theo, với mỗi câu hãy gạch chân đúng đoạn chứng cứ, không chỉ ghi tên mẩu. Cuối cùng, viết câu trả lời có điều kiện và thêm một điều bạn chưa biết. Kết quả mong đợi không phải câu văn hoa mỹ; nó là việc bạn chỉ ra được AI nên dựa vào đâu và khi nào phải hỏi lại.

Mẫu đối chiếu

Câu hỏi Đoạn tìm được Trả lời có căn cứ Cần hỏi thêm
Mượn sách được bao lâu? A: “Sách thường được mượn 14 ngày.” Sách thường có thời hạn 14 ngày, theo mẩu A. Sách tham khảo có cùng thời hạn không?
Có được gia hạn không? B: “Được gia hạn một lần nếu sách chưa có người đặt.” Có thể gia hạn một lần khi chưa có người đặt, theo mẩu B. Kiểm tra người đặt sách ở đâu?
Trễ hạn xử lý thế nào? C: “Tài khoản bị tạm khóa khi quá hạn hơn 7 ngày.” Tài khoản bị tạm khóa nếu quá hạn hơn 7 ngày, theo mẩu C. Có mức phí nào không?

Thử đổi một mẩu A thành “14 ngày, áp dụng đến 31/12/2025”. Bạn sẽ thấy ngay vì sao freshness quan trọng: truy xuất đúng chữ vẫn không đủ nếu ngày đã qua. Đây chính là phiên bản thủ công của RAG: câu hỏi, tài liệu, đoạn bằng chứng, câu trả lời, và phần chưa thể khẳng định.

6. Tổng kết: RAG là kỷ luật đưa bằng chứng vào context

a. Năm ý chính

  • RAG đưa đoạn tài liệu liên quan vào context trước khi AI trả lời.
  • Knowledge base là nơi để tìm; nó không đồng nghĩa AI đã học thuộc mọi thứ.
  • Chunk cần giữ đủ điều kiện và ngoại lệ, không chỉ khớp vài từ khóa.
  • Câu trả lời tốt cần đúng nguồn, đúng ngày và có đoạn hỗ trợ trực tiếp.
  • Khi thiếu bằng chứng, biết nói “chưa đủ dữ liệu” là một tính năng an toàn.

b. Câu hỏi tự kiểm tra

  • RAG khác memory ở điểm nào?
  • Vì sao một nguồn cũ có thể làm RAG trả lời sai?
  • Bạn cần làm gì khi tìm được tài liệu nhưng không thấy đoạn hỗ trợ trực tiếp?

c. Gợi ý đáp án

Xem gợi ý câu 1

Memory lưu thông tin để dùng lại; RAG tìm đoạn tài liệu cho câu hỏi hiện tại rồi đưa vào context. Xem lại mục 1.

Xem gợi ý câu 2

Vì RAG có thể tìm đúng file nhưng file đã hết hiệu lực. Cần kiểm ngày và phiên bản. Xem lại mục 3.

Xem gợi ý câu 3

Không nên suy đoán; nêu giới hạn và hỏi thêm phiên bản, mục hoặc tài liệu còn thiếu. Xem lại mục 4.

d. Thuật ngữ cần nhớ

Thuật ngữ Giải thích ngắn
RAG Tìm tài liệu rồi đưa đoạn liên quan vào context trước khi trả lời.
Knowledge base Kho tài liệu để hệ thống tra cứu.
Context Thông tin AI đang được xem trong một lượt trả lời.
Retrieval Bước tìm và chọn đoạn liên quan.
Chunk Đoạn cắt tài liệu đủ để giữ nghĩa cần thiết.
Grounding Câu trả lời bám vào đoạn tài liệu kiểm tra được.
Freshness Tình trạng đúng ngày, đúng phiên bản còn hiệu lực.
No-answer Nói chưa đủ dữ liệu thay vì đoán.

e. Nguồn tham khảo

Đi tiếp, bạn có thể xem bài Knowledge Base & Second Brain để tổ chức kho tài liệu trước khi truy xuất. Khi cần một nguyên tắc ngắn gọn, nhớ câu này: RAG không thay việc kiểm chứng; nó tạo đường để bạn kiểm chứng.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.