RAGRAG từ A tới Z: lấy tài liệu rồi mới trả lời
Xây pipeline RAG hoàn chỉnh với Spring AI: chia nhỏ tài liệu, tạo embedding, tìm kiếm vector, ghép prompt có trích nguồn và viết test cho từng bước.
LLM cần bằng chứng để trả lời đúng: RAG giải thích chi tiết kèm ví dụ
LLM không tự biết dữ liệu riêng của công ty bạn. Bài viết giải thích cơ chế RAG, vì sao retrieval quyết định chất lượng câu trả lời, kèm ví dụ Java chạy được.
Sao so hết lại quá tốn?: giải thích chi tiết kèm ví dụ (RAG)
Flat search trong RAG chạy O(n) và chính xác tuyệt đối, nhưng tốn kém khi dữ liệu lớn. Bài viết giải thích IVF, nprobe và đánh đổi recall/tốc độ qua ví dụ Java.
Embedding tìm ý nghĩa: giải thích chi tiết kèm ví dụ
Tìm hiểu cách embedding biến văn bản thành vector để so khớp theo ý nghĩa, áp dụng vào RAG với ví dụ Java chạy được.
Từ đoạn tìm được đến câu trả lời có bằng chứng trong RAG
Tìm được đoạn văn liên quan chưa có nghĩa là có câu trả lời. Bài viết hướng dẫn pipeline rerank, hybrid search và grounding để LLM trả lời có bằng chứng, biết từ chối khi không đủ dữ liệu.