Toàn tập RAG từ A đến Z: Xây kho kiến thức để AI trả lời đúng, không bịa
Từ NotebookLM, ChatGPT/Claude Projects không cần code đến Chunking, Embedding, Vector DB, Hybrid Search & Python
Giải thích từ gốc rễ đến thực hành cách xây dựng hệ thống RAG (Retrieval-Augmented Generation): làm sạch tài liệu PDF/Word/Excel, chia đoạn (chunking), tìm kiếm kết hợp (Hybrid Search), chống Prompt Injection và chấm điểm độ chính xác.
Mục lục & Cấu trúc thực hành (32 phần)
- Trang bìa ấn phẩm Trang 1
- Chương 1: RAG là gì và vì sao AI cần nó Một mô hình ngôn ngữ giống một ng Trang 5
- Chương 10. Ghi chú: bài tập này chính là RAG làm bằng tay Trang 8
- Chương 2: RAG hoạt động thế nào Mọi hệ thống RAG, từ NotebookLM tới một c Trang 9
- Chương 8 với câu hỏi trên: hai mục được chọn là “Giao hàng: khu vực và p Trang 11
- Chương 2: Lấy một tài liệu dài 3 đến 5 trang của bạn (chính sách, quy trì Trang 12
- Chương 3: RAG không cần code Trước khi học embedding hay vector database, Trang 13
- Chương 3: Chọn một chủ đề hẹp, ví dụ “chính sách giao hàng và đổi trả của Trang 16
- Chương 4: Thiết kế kho kiến thức AI chỉ trả lời tốt bằng tài liệu tốt Trang 18
- Chương 4: Chọn 5 câu hỏi khách hay hỏi nhất Trang 21
- Chương 5: Cắt tài liệu (chunking) Máy không tìm cả cuốn sách, nó tìm từng Trang 22
- Chương 5: Lấy file kho_kien_thuc Trang 24
- Chương 6: Embedding và vector database Embedding là cách máy “hiểu nghĩa” Trang 25
- Chương 7: Hybrid search, rerank và contextual retrieval Tìm theo nghĩa gi Trang 28
- Chương 7: Thêm vào kho 3 sản phẩm có mã gần giống nhau (ví dụ AT-LAM-01, Trang 30
- Chương 8: Tự viết một RAG nhỏ bằng Python Chương này dành cho người biết Trang 31
- Chương 10 trước Trang 35
- Chương 9: Công cụ kéo thả: n8n, Flowise và Dify Nếu bạn muốn một chatbot Trang 36
- Chương 3: NotebookLM, Projects là đủ Chatbot trả lời khách, nối kênh cha Trang 37
- Chương 10 Đánh giá và sửa lỗi Không đo thì không biết RAG tốt hay chỉ “ Trang 38
- Chương 4: viết dòng Hỏi bằng lời khách Trang 39
- Chương 11 Nói ngắn gọn về RAG nâng cao Khi RAG cơ bản đã chạy tốt, bạn Trang 42
- Chương 13 càng quan trọng khi agent được phép dùng công cụ Trang 44
- Chương 12 Ví dụ thực tế cho doanh nghiệp nhỏ Việt Nam Ba tình huống que Trang 45
- Chương 2, 5, 8, 10) Trang 46
- Chương 4: Hướng dẫn project “Chỉ trả lời theo tài liệu quy trình Trang 47
- Chương 12 Chép mẫu kho trống, điền 10 mục cho 10 câu hỏi thật Trang 48
- Chương 13 Bảo mật và chi phí RAG đưa nội dung bên ngoài vào thẳng promp Trang 49
- Chương 10: Tên biện pháp tóm lược từ OWASP[6]; cột phải là gợi ý áp dụng Trang 50
- Chương 13 Lưu vector lại, chỉ nhúng lại phần tài liệu đã sửa Trang 51
- Chương 13 Liệt kê mọi tài liệu trong kho, đánh dấu cái nào chứa thông t Trang 52
- Tổng kết & Tài liệu tham khảo Trang 59
Nội dung mở đầu & Trích đoạn đọc thử
T O À N T ẬP RAG từ A đến Z Xây kho kiến thức để AI trả lời đúng, không bịa by Minh Đỗ facebook.com/dotanminh Phiên bản: tháng 10/2026. Mọi tính năng, giới hạn và giá trong sách được kiểm tra trên trang chính thức ngày 19 và 20/10/2026. Các công cụ AI thay đổi rất nhanh, vì vậy trước khi làm theo một bước nào đó liên quan đến gói, giới hạn hay giá, bạn hãy mở lại trang nguồn được đánh số ở cuối sách. Mã nguồn mẫu: các đoạn code Python trong sách đã được chạy thử trên máy kiểm thử với dữ liệu mẫu. Đoạn nào cần API key thật được chạy bằng bản giả lập (thay API bằng hàm giả) để kiểm tra luồng chạy, và được ghi chú rõ. R A G T Ừ A Đ ẾN Z : X ÂY K H O K I ẾN T H ỨC Đ Ể A I T R Ả LỜI Đ Ú N G , K H Ô N G B ỊA T R A N G T Ê N S Á C H MINH ĐỖ · FACEBOOK.COM/DOTANMINH 02
T R Ư ỚC K H I B ẮT Đ ẦU Lời mở đầu AI không bịa vì nó xấu tính. Nó bịa vì nó không có tài liệu của bạn trong tay. RAG là cách đưa đúng trang tài liệu cho AI đọc trước khi trả lời. Bạn hỏi một chatbot “shop mình đổi trả trong bao nhiêu ngày” và nhận về một câu trả lời rất tự tin, rất trôi chảy, nhưng sai. Không phải vì AI kém, mà vì nó chưa từng đọc chính sách của shop bạn. Nó chỉ đoán theo những gì “nghe có vẻ hợp lý”. Đó là hiện tượng mà giới AI gọi là hallucination, tạm dịch là “ảo giác” hay nói dân dã là bịa. RAG (Retrieval-Augmented Generation, tạm dịch: sinh câu trả lời có tra cứu) là kỹ thuật cho AI tìm đúng đoạn tài liệu liên quan trong kho kiến thức của bạn, đọc đoạn đó, rồi mới trả lời, kèm chỉ rõ nguồn. Ý tưởng được giới thiệu trong bài báo của Lewis và cộng sự năm 2020[1], và ngày nay có mặt trong hầu hết các công cụ AI bạn dùng hằng ngày, từ NotebookLM, ChatGPT Projects tới Claude Projects. Điều ít người nói ra: chất lượng RAG phụ thuộc phần lớn vào kho kiến thức, không phải vào việc bạn chọn model nào. Tài liệu lộn xộn, trùng lặp, lỗi thời thì AI có tra cứu vẫn trả lời sai. Vì vậy cuốn sách này dành nhiều trang cho việc thiết kế, làm sạch, cập nhật kho kiến thức, việc mà ai cũng làm được, không cần biết code. 1 Sách này dành cho ai Người không biết code (chủ shop, nhân viên văn phòng, giáo viên): đọc Chương 1 đến 5, 10, 12, 13. Người biết chút Python: đọc thêm Chương 6 đến 9 để tự dựng RAG nhỏ. Người làm sản phẩm: chú ý Chương 10 (đánh giá) và 13 (bảo mật, chi phí). 2 Cách đọc Mỗi chương gồm: mục tiêu, giải thích, các bước, mẹo, lỗi thường gặp, bài tập. Thẻ video có mã QR ghi rõ xem từ phút nào đến phút nào (video tiếng Anh, từ các kênh như IBM Technology, Google Cloud, Anthropic, freeCodeCamp). Số như [1] là số thứ tự nguồn ở trang Nguồn tham khảo. B A N G U Y Ê N TẮC C ỦA C U ỐN S Á C H Chỉ ghi tính năng đã thấy trên trang chính thức, kèm ngày kiểm tra. Chỗ nào chưa chắc được gắn nhãn CHƯA CHẮC . Sơ đồ trong sách là sơ đồ khái niệm do Minh tự vẽ để giải thích, không phải ảnh chụp giao diện. Giao diện thật có thể khác. Không bao giờ dán API key, mật khẩu, số điện thoại khách hàng vào code hay vào kho kiến thức. Trong sách luôn dùng chỗ trống dạng <YOUR_API_KEY>. R A G T Ừ A Đ ẾN Z : X ÂY K H O K I ẾN T H ỨC Đ Ể A I T R Ả LỜI Đ Ú N G , K H Ô N G B ỊA LỜI M Ở Đ ẦU MINH ĐỖ · FACEBOOK.COM/DOTANMINH 03
N ỘI D U N G Mục lục 01 RAG là gì và vì sao AI cần nó Bịa, lỗi thời và thiếu dữ liệu riêng cùng ba cách khắc phục 5 02 RAG hoạt động thế nào Tám bước trong hai giai đoạn qua ví dụ người thủ thư 9 03 RAG không cần code NotebookLM, ChatGPT Projects, Claude Projects và Gemini Gems 13 04 Thiết kế kho kiến thức Chọn nguồn sạch, viết cho dễ tìm rồi cập nhật và phân quyền 18 05 Cắt tài liệu (chunking) Đoạn to hay nhỏ, cắt ở đâu và có cần chồng lấn không 22 06 Embedding và vector database Biến chữ thành tọa độ để tìm theo nghĩa thay vì theo từ 25 07 Hybrid search, rerank và contextual retrieval Ghép tìm theo nghĩa với tìm theo từ khóa rồi chấm điểm lại 28 08 Tự viết một RAG nhỏ bằng Python Từ 40 dòng không cần thư viện đến API thật và vector database 31 09 Công cụ kéo thả: n8n, Flowise và Dify Low-code: nối khối thay vì viết code 36 10 Đánh giá và sửa lỗi Bộ câu hỏi kiểm tra, tỉ lệ tìm trúng và độ bám nguồn 38 11 Nói ngắn gọn về RAG nâng cao GraphRAG, agentic RAG và MCP làm nguồn ngữ cảnh 42 12 Ví dụ thực tế cho doanh nghiệp nhỏ Việt Nam Chatbot cho shop, trợ lý quy trình nội bộ và kho tài liệu cho giáo viên 45 13 Bảo mật và chi phí Prompt injection qua tài liệu, rò rỉ dữ liệu và tiền đi đâu 49 P H Ụ L ỤC V À T R A C ỨU PL Phụ lục A. Checklist từ A đến Z Từ chọn tài liệu đến mở cho khách dùng 53 PL Phụ lục B. Bảng tra nhanh Cheat sheet một trang 54 PL Phụ lục C. Thuật ngữ 28 thuật ngữ giải thích trong một dòng 55 PL Phụ lục D. Câu hỏi thường gặp 11 câu hỏi người mới hay hỏi 56 PL Phụ lục E. Danh mục video 19 video với 21 đoạn có QR 57 PL Nguồn tham khảo Tài liệu chính thức và bài báo gốc 58 R A G T Ừ A Đ ẾN Z : X ÂY K H O K I ẾN T H ỨC Đ Ể A I T R Ả LỜI Đ Ú N G , K H Ô N G B ỊA M ỤC L ỤC MINH ĐỖ · FACEBOOK.COM/DOTANMINH 04
01 C H Ư Ơ N G 1 RAG là gì và vì sao AI cần nó Một mô hình ngôn ngữ giống một người học rất giỏi nhưng đi thi không được mang tài liệu. RAG cho phép người đó mở đúng trang sách trước khi trả lời. Mục tiêu chương. Hiểu ba lý do khiến AI trả lời sai về chuyện của bạn, RAG giải quyết chúng thế nào, và khi nào nên chọn RAG thay vì fine-tuning hay “nhét hết vào prompt”. 1 Ba lý do AI trả lời sai về chuyện của bạn Vấn đề Ví dụ thực tế Vì sao xảy ra Bịa (hallucination) Hỏi giá sản phẩm, AI đưa ra một con số nghe rất hợp lý nhưng không có thật. Mô hình sinh chữ theo xác suất. Khi không có dữ kiện, nó vẫn sinh ra câu trôi chảy[3]. Lỗi thời Hỏi chính sách mới đổi tuần trước, AI trả lời theo bản cũ hoặc theo thông tin chung. Dữ liệu huấn luyện bị “đóng băng” tại một thời điểm, gọi là knowledge cutoff[2]. Không có dữ liệu riêng Hỏi quy trình nội bộ, bảng giá sỉ, giáo án riêng: AI không thể biết. Dữ liệu riêng của bạn không công khai nên không có trong dữ liệu huấn luyện[3]. AWS mô tả mô hình ngôn ngữ như một nhân viên mới quá nhiệt tình: không chịu cập nhật tin tức, nhưng câu nào cũng trả lời với sự tự tin tuyệt đối[2]. RAG giống như đưa cho nhân viên đó một tập hồ sơ chuẩn và dặn: “tra hồ sơ trước, không có trong hồ sơ thì nói chưa biết”. 2 Định nghĩa RAG trong một câu Đ ỊN H N G H Ĩ A D Ễ N H Ớ RAG = trước khi trả lời, hệ thống tìm (retrieve) các đoạn liên quan trong kho kiến thức của bạn, ghép (augment) chúng vào câu hỏi, rồi để AI viết câu trả lời (generate) dựa trên các đoạn đó, kèm trích nguồn[2][4]. Bạn không cần huấn luyện lại model. AWS nhấn mạnh RAG mở rộng khả năng của mô hình sang lĩnh vực riêng hoặc kho kiến thức nội bộ của tổ chức mà không phải huấn luyện lại, nên tiết kiệm chi phí hơn[2]. Muốn AI biết thông tin mới, bạn chỉ cần sửa tài liệu trong kho. R A G T Ừ A Đ ẾN Z : X ÂY K H O K I ẾN T H ỨC Đ Ể A I T R Ả LỜI Đ Ú N G , K H Ô N G B ỊA C H Ư Ơ N G 1 MINH ĐỖ · FACEBOOK.COM/DOTANMINH 05
3 Một chút lịch sử: bài báo gốc năm 2020 Thuật ngữ RAG xuất hiện trong bài báo “Retrieval-Augmented Generation for Knowledge- Intensive NLP Tasks” của Patrick Lewis và cộng sự (Facebook AI Research, University College London, New York University)[1]. Vài điểm đáng nhớ từ bài báo: Nhóm tác giả gọi phần kiến thức nằm trong model là bộ nhớ tham số (parametric memory), còn kho tài liệu tra cứu bên ngoài là bộ nhớ phi tham số (non-parametric memory)[1]. Kho tra cứu là Wikipedia, cắt thành các đoạn 100 từ, tổng cộng khoảng 21 triệu đoạn[1]. Thí nghiệm “thay kho” (index hot-swapping): chỉ cần thay kho Wikipedia 2016 bằng bản 2018 là model trả lời đúng về các nguyên thủ mới, không cần huấn luyện lại[1]. Đây chính là lý do RAG hợp với dữ liệu hay thay đổi. 4 RAG, fine-tuning hay “nhét hết vào prompt”? Có ba cách chính để AI làm việc với kiến thức của bạn. Chúng không loại trừ nhau, nhưng mỗi cách hợp với một loại việc. RAG (tra cứu) Fine-tuning (tinh chỉnh) Long context (nhét hết vào prompt) Ý tưởng Tìm đoạn liên quan rồi đưa cho AI đọc Huấn luyện thêm để model “thấm” phong cách, thuật ngữ Dán toàn bộ tài liệu vào khung chat mỗi lần hỏi Hợp với Dữ liệu thay đổi thường xuyên, cần trích nguồn Giọng văn, định dạng, thuật ngữ chuyên ngành cố định Tài liệu nhỏ, cần đọc trọn vẹn (một hợp đồng, một cuốn sách) Cập nhật kiến thức Sửa tài liệu trong kho là xong Phải huấn luyện lại Dán bản mới Trích nguồn Dễ, vì biết đoạn nào được dùng Khó, kiến thức nằm trong trọng số Có thể, nhưng tài liệu càng dài càng dễ lạc Chi phí mỗi câu hỏi Chỉ gửi vài đoạn liên quan Prompt ngắn, rẻ khi chạy Gửi lại toàn bộ tài liệu mỗi lần Bảng tổng hợp từ video IBM về RAG và fine-tuning, video IBM về long context, và bài Contextual Retrieval của Anthropic[5]. IBM gợi ý có thể kết hợp: fine-tune để model nói đúng “giọng” ngành, dùng RAG để luôn có dữ liệu mới. K H I N À O C H Ư A C ẦN R A G Anthropic viết: nếu kho kiến thức của bạn nhỏ hơn khoảng 200.000 token (tương đương khoảng 500 trang), bạn có thể đưa toàn bộ vào prompt mà không cần RAG; tính năng prompt caching giúp cách này nhanh và rẻ hơn[5]. Khi kho lớn dần, RAG mới thật sự cần thiết. THEO TRANG CHÍNH THỨC Nói cách khác: một shop có 10 trang chính sách thì cứ dùng Projects hoặc NotebookLM (Chương 3), các công cụ này đã tự lo phần tra cứu. Khi bạn có hàng trăm tài liệu, nhiều phiên bản, nhiều người cùng hỏi, lúc đó mới cần quan tâm sâu tới chunking, embedding, đánh giá. R A G T Ừ A Đ ẾN Z : X ÂY K H O K I ẾN T H ỨC Đ Ể A I T R Ả LỜI Đ Ú N G , K H Ô N G B ỊA C H Ư Ơ N G 1 MINH ĐỖ · FACEBOOK.COM/DOTANMINH 06
Câu hỏi thường gặp về ấn phẩm
Từ NotebookLM, ChatGPT/Claude Projects không cần code đến Chunking, Embedding, Vector DB, Hybrid Search & Python. Nội dung được biên soạn theo hướng thực chiến bởi Minh Đỗ, tập trung vào quy trình từng bước và khung câu lệnh (Prompt) áp dụng ngay vào công việc.
Ấn phẩm gồm 59 trang (13 chương · 6 phụ lục), bao gồm các phần chính: Trang bìa ấn phẩm; Chương 1: RAG là gì và vì sao AI cần nó Một mô hình ngôn ngữ giống một ng; Chương 10. Ghi chú: bài tập này chính là RAG làm bằng tay; Chương 2: RAG hoạt động thế nào Mọi hệ thống RAG, từ NotebookLM tới một c; Chương 8 với câu hỏi trên: hai mục được chọn là “Giao hàng: khu vực và p; Chương 2: Lấy một tài liệu dài 3 đến 5 trang của bạn (chính sách, quy trì.
Bạn đọc có thể bấm nút "Mở Trình Đọc Tương Tác & Đọc Thử" ngay trên trang để lật đọc miễn phí các trang mở đầu và nghe miễn phí Phần 1 Sách nói trên Cổng Tri Thức Minh Đỗ, hoặc sở hữu trọn bộ PDF gốc kèm Sách nói với mức phí 99.000đ (hoặc mở không giới hạn toàn bộ 85+ ấn phẩm với Gói Hội viên 1 Năm 890.000đ).
Cả người không biết code muốn dựng kho tài liệu chuẩn lẫn kỹ sư muốn xây dựng hệ thống RAG bằng Python.
Ấn phẩm cùng tủ sách: Tủ 4 · AI Agent, Bot & Kỹ thuật


