Retrieval-Augmented Generation

Bằng chứng (20)

• 5InfoQ·5/10/2026framework_update
  Xây dựng khung đánh giá có thể tái sử dụng cho AI tác tử

  Susan Chang mô tả cách Elastic chuyển từ các đánh giá AI tác tử rời rạc, làm theo từng trường hợp sang một khung thống nhất hướng tới môi trường sản xuất. Cách tiếp cận này kết hợp LLM-as-a-judge với các quy tắc xác định, nối quy trình đánh giá bằng Python với hệ thống production viết bằng TypeScript, và bổ sung tracing sâu để phát hiện suy giảm chất lượng trong các khối lượng công việc RAG và an ninh mạng phức tạp.

• 5The New Stack·1/10/2026research
  Khi Graph RAG cần thiết để chứng minh quan hệ giữa các dữ kiện

  Bài viết cho rằng tìm kiếm vector hữu ích để truy xuất tài liệu liên quan, nhưng không thể xác minh đáng tin cậy các quan hệ như sở hữu, phụ thuộc hay phạm vi chính sách. Tác giả khuyến nghị dùng Graph RAG khi câu trả lời phụ thuộc vào các liên kết rõ ràng giữa các bản ghi, օրինակ như nối một thư viện có lỗ hổng với dịch vụ, môi trường khách hàng và quy tắc thông báo trong hợp đồng.

• 8Anthropic News·1/10/2026product_launch
  Barclays mở rộng sử dụng Claude trên toàn bộ hoạt động

  Barclays đang mở rộng hợp tác với Anthropic để triển khai Claude trên toàn ngân hàng nhằm hỗ trợ phát triển phần mềm, hiện đại hóa hệ thống cũ và nâng cao hiệu quả vận hành. Kế hoạch này bao gồm mục tiêu để Claude Code được 50% đội ngũ lập trình viên sử dụng vào cuối năm 2026 và đa số vào năm 2027, bên cạnh các ứng dụng hiện có như trợ lý tri thức cho nhân viên và phân loại email.

• 5InfoQ·28/9/2026product_launch
  Forter biến nhân viên thành người tạo tác nhân AI

  Ben Maraney mô tả cách Forter giúp khoảng 200 nhân viên, bao gồm cả người không chuyên kỹ thuật, tạo AI agent chỉ trong hai tuần. Cách tiếp cận này kết hợp MCP server tùy chỉnh, công cụ no-code và code-based, cùng sự phối hợp chặt chẽ với đội an ninh và pháp lý, đồng thời tránh các triển khai RAG phức tạp hơn.

• 3InfoQ·26/9/2026research
  Hệ thống gợi ý thích ứng trong môi trường thực tế

  Mallika Rao cho rằng phần phức tạp nhất của hệ thống gợi ý thích ứng không nằm ở kiến trúc mô hình mà ở lớp vận hành xung quanh nó. Bà nhấn mạnh các vòng phản hồi thời gian thực, độ tươi của truy xuất, điều phối nhiều giai đoạn và phân bổ độ trễ là những yếu tố then chốt để vận hành hệ thống trong các ràng buộc thực tế như chi phí và khả năng quan sát.

• 6The New Stack·24/9/2026research
  Tách truy vấn có thể làm trầm trọng thiếu ngữ cảnh

  Bài viết cho rằng việc tách truy vấn có thể cải thiện độ bao phủ khi truy xuất, nhưng vẫn thất bại ở bước đóng gói nếu các tiểu ý định liên quan không được đưa vào ngữ cảnh cuối cùng. Tác giả đưa ra khái niệm "context starvation" để chỉ tình huống bằng chứng đã được tìm thấy nhưng không được phân bổ đủ chỗ, khiến các truy vấn nhiều phần bị mất độ bao phủ dù kết quả tìm kiếm là đúng.

• 3GitHub Blog·18/9/2026framework_update
  GitHub Podcast thảo luận về việc đọc mã AI, Skills, MCP và RAG

  Tập podcast mới nhất của GitHub xem xét một số quan điểm phổ biến về AI, gồm việc có cần đọc mã do AI tạo ra hay không, nhà tuyển dụng nhìn nhận việc dùng AI như thế nào, và liệu Skills có thay thế MCP hay không. Nội dung lập luận rằng việc rà soát mã vẫn cần thiết, Skills và MCP phục vụ các mục đích khác nhau, và RAG vẫn còn giá trị trong các hệ thống AI.

• 6InfoQ·16/9/2026product_launch
  Dropbox mở rộng Riviera để hỗ trợ khối lượng công việc AI

  Dropbox đã phát triển Riviera từ một dịch vụ xem trước tệp thành nền tảng xử lý nội dung đa năng, hỗ trợ hơn 300 định dạng tệp và hơn 100 khả năng chuyển đổi. Nền tảng này hiện xử lý hàng trăm nghìn phép biến đổi mỗi giây và cung cấp API để trích xuất nội dung bất đồng bộ cho Search, Replay, Sign, Dash cùng các quy trình AI/RAG.

• 5InfoQ·12/9/2026research
  Xây dựng hệ thống AI tác nhân sẵn sàng cho sản xuất bằng knowledge graph

  Cassie Shum cho rằng knowledge graph là nền tảng quan trọng cho các hệ thống AI tác nhân sẵn sàng triển khai, đặc biệt khi vượt ra ngoài mô hình RAG cơ bản. Bà trình bày bốn mẫu kiến trúc thực tiễn gồm gói ngữ cảnh, truy vết quyết định, xem mã là nguồn chân lý và tăng khả năng quan sát của tác tử; đồng thời cho thấy một bộ khung kỹ thuật dựa trên knowledge graph có thể rút ngắn vòng phản hồi, tối ưu token và tăng độ tin cậy.

• 5The New Stack·5/9/2026research
  Xây dựng niềm tin cho RAG tác tử bằng dấu vết bằng chứng

  Bài viết cho rằng các hệ thống RAG tác tử cần có dấu vết bằng chứng có cấu trúc, vì tác tử có thể viết lại truy vấn, chọn công cụ và đưa ra nhiều quyết định truy xuất trước khi trả lời. Bài khuyến nghị ghi lại truy vấn, nguồn, bộ lọc, điểm số, kết quả bị loại và lý do để người dùng thấy được trích dẫn còn người vận hành có thể kiểm tra cách câu trả lời được tạo ra.

• 5The New Stack·4/9/2026research
  Đánh giá tác tử AI trở thành một phần của quy trình phát hành

  Bài viết cho rằng tác tử AI cần được kiểm thử bằng các bộ đánh giá có thể lặp lại trước khi phát hành, thay vì chỉ chứng minh bằng một bản demo. Tác giả khuyến nghị xác định rõ hành vi đúng ngay từ đầu, dùng các quy trình thực tế và tình huống biên, đồng thời kiểm tra cả kết quả lẫn các bước tác tử thực hiện qua công cụ, quyền truy cập và nhiều lượt hội thoại.

• 5The New Stack·3/9/2026research
  Hướng dẫn tối ưu token trong hệ thống LLM sản xuất

  Bài viết cho rằng chi phí token trong các ứng dụng LLM vận hành thực tế nên được xem là một bài toán hệ thống phân tán, không chỉ là vấn đề hóa đơn. Nội dung mô tả cách API phi trạng thái, việc lặp lại toàn bộ lịch sử hội thoại và prompt quá dài làm chi phí và độ trễ tăng theo cấp số nhân, rồi đề xuất các biện pháp như tinh gọn prompt và truy xuất ngữ cảnh để giảm tiêu thụ token.

• 6The New Stack·30/8/2026research
  Tác tử AI đưa kỹ nghệ truy xuất trở thành một lĩnh vực cốt lõi

  Bài viết lập luận rằng khi hệ thống AI chuyển từ chatbot sang tác tử có thể điều tra, suy luận và hành động, chất lượng truy xuất trở thành yếu tố then chốt của ứng dụng. Tác giả cho rằng các nhóm kỹ thuật cần xem truy xuất như một дисципlin kỹ thuật toàn diện, kết hợp tìm kiếm lai, tín hiệu thời gian thực, xếp hạng, suy luận máy học và thử nghiệm liên tục để cung cấp đúng bằng chứng vào đúng thời điểm.

• 6The New Stack·27/8/2026research
  Vì sao RAG cơ bản thất bại khi suy luận nhiều bước

  Bài viết cho rằng RAG truyền thống thường thất bại với các câu hỏi nhiều bước và bài toán tóm tắt toàn cục vì tìm kiếm theo đoạn văn không nắm được quan hệ thực thể rõ ràng. GraphRAG được giới thiệu như một hướng tiếp cận tốt hơn, kết hợp đồ thị tri thức với tìm kiếm vector để hỗ trợ suy luận có cấu trúc trong hệ thống doanh nghiệp.

• 4Hacker News·26/8/2026framework_update
  Phục vụ Markdown cho tác nhân AI qua Accept Header

  Bài viết đề xuất dùng cơ chế thương lượng nội dung HTTP với Accept: text/markdown để tác nhân AI lấy phiên bản Markdown của trang thay vì phải phân tích toàn bộ HTML. Cách này có thể giảm số token, tăng chất lượng tín hiệu cho truy xuất và giảm độ trễ trong các luồng duyệt web và RAG.

• 5Hacker News·26/8/2026research
  RAG có thể bắt đầu từ tìm kiếm toàn văn đơn giản

  Bài viết cho rằng nhiều hệ thống RAG đang bị thiết kế quá phức tạp và nên bắt đầu bằng các cách đơn giản như tìm kiếm toàn văn trước khi thêm embeddings hoặc reranking. Tác giả trình bày nhiều phương án truy xuất, gồm tìm kiếm toàn văn, viết lại truy vấn bằng tác tử và tìm kiếm lai, với lựa chọn phụ thuộc vào độ تازه dữ liệu, mức thay đổi của kho tài liệu, kiểu truy vấn, quy mô và năng lực của đội ngũ.

• 7The New Stack·25/8/2026research
  Tác nhân AI đang vượt trước các kiểm soát về chủ quyền trong doanh nghiệp

  Một khảo sát IDC do Cohere ủy quyền cho thấy tác nhân AI đã được sử dụng rộng rãi trong các doanh nghiệp lớn, nhưng mức độ hiểu biết về AI chủ quyền và các kiểm soát cần thiết để quản trị chúng vẫn còn hạn chế. Báo cáo nêu ra khoảng trống về khả năng quan sát, kiểm soát truy cập và kiểm soát triển khai khi các tác nhân bắt đầu tương tác trực tiếp với hệ thống và dữ liệu doanh nghiệp.

• 5The New Stack·13/8/2026research
  Vì sao quy trình AI có thể đắt hơn nhiều sau khi triển khai

  Bài viết cho rằng chi phí của ứng dụng AI thường tăng mạnh khi vào môi trường thực tế vì lượng token phình to từ prompt, lịch sử hội thoại, truy xuất dữ liệu, đầu ra công cụ và các quy trình agent nhiều bước. Tác giả nhấn mạnh khoản tiết kiệm lớn nhất thường đến từ việc giảm token thừa bằng kiến trúc tốt hơn, thiết kế prompt, bộ nhớ đệm, định tuyến và quản lý bộ nhớ, thay vì chỉ đổi sang mô hình rẻ hơn.

• 7The New Stack·30/7/2026product_launch
  OpenAI và Elastic tăng cường tích hợp AI doanh nghiệp

  OpenAI và Elastic công bố mở rộng hợp tác, kết hợp các mô hình suy luận của OpenAI với khả năng tìm kiếm, truy xuất và kiểm soát truy cập của Elasticsearch. Tích hợp này nhắm vào ba mảng: bối cảnh cho AI doanh nghiệp, khả năng quan sát hệ thống và bảo mật, đồng thời Elastic cho biết các thử nghiệm nội bộ cho thấy cải thiện về truy xuất, giảm token và tăng độ chính xác.

• 6The New Stack·23/7/2026research
  Dùng prompt caching và pipeline theo lô để giảm chi phí RAG

  Bài viết cho rằng các kiến trúc retrieval-augmented generation (RAG) đơn giản thường thất bại khi triển khai thực tế vì xử lý đồng bộ, giới hạn thời gian chờ và giới hạn tốc độ không đáp ứng được tải doanh nghiệp. Tác giả đề xuất tải lên bất đồng bộ, chia lô nhỏ và kiểm soát worker tạo embedding, đồng thời xem prompt caching là một cách giảm chi phí mà không làm giảm độ chính xác.