> For the complete documentation index, see [llms.txt](https://docs.clickai.vn/clickai-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clickai.vn/clickai-docs/nha-phat-trien/quan-ly-co-so-du-lieu-tri-thuc.md). # Quản lý cơ sở dữ liệu tri thức
## Mục lục · \[Giới thiệu RAG]\(#giới-thiệu-rag) · \[Ứng dụng thực tế]\(#ứng-dụng-thực-tế) · \[Tạo Knowledge Base]\(#tạo-knowledge-base) · \[Quản lý & Tối ưu]\(#quản-lý--tối-ưu) · \[Tích hợp vào ứng dụng]\(#tích-hợp-vào-ứng-dụng) · \[Chiến lược Retrieval]\(#chiến-lược-retrieval) ## Giới thiệu RAG RAG (Retrieval-Augmented Generation) là kiến trúc cốt lõi của hệ thống Knowledge trong ClickAI: ┌─────────────────────────────────────────────────┐\ │ 1. RETRIEVAL (Truy xuất) │\ │ Khi người dùng hỏi, hệ thống tìm kiếm │\ │ thông tin liên quan từ Knowledge Base │\ ├─────────────────────────────────────────────────┤\ │ 2. AUGMENTED (Bổ sung) │\ │ Thông tin tìm được kết hợp với câu hỏi │\ │ gốc → gửi đến LLM như context mở rộng │\ ├─────────────────────────────────────────────────┤\ │ 3. GENERATION (Sinh câu trả lời) │\ │ LLM sử dụng context này để tạo câu trả lời │\ │ chính xác và có căn cứ │\ └─────────────────────────────────────────────────┘ 💡 TIP: RAG giúp AI trả lời dựa trên dữ liệu cập nhật của bạn thay vì chỉ dựa trên kiến thức pre-training, giảm thiểu hallucination đáng kể. ## Ứng dụng thực tế
Use-caseMô tả
Customer Support BotTrả lời chính xác từ tài liệu sản phẩm, FAQ, hướng dẫn xử lý lỗi
Internal Knowledge PortalAI search & Q&A cho nhân viên truy cập chính sách, quy trình công ty
Content GenerationTạo báo cáo, bài viết, email dựa trên tài liệu nền
Research & AnalysisTruy xuất và tóm tắt từ kho tài liệu nghiên cứu, báo cáo thị trường
## Tạo Knowledge Base ClickAI cung cấp 3 cách tạo Knowledge Base: ### Cách 1: Quick Create (Khuyến nghị cho người mới) Cách nhanh nhất — import dữ liệu, định nghĩa quy tắc xử lý, ClickAI lo phần còn lại. Bước thực hiện: 1\. Vào Knowledge từ sidebar → Nhấn "+ Create Knowledge" 2\. Đặt tên và mô tả cho Knowledge Base 3\. Upload tài liệu — Hỗ trợ các định dạng:
Định dạngLoại
.pdfTài liệu PDF
.docx .docMicrosoft Word
.txtVăn bản thuần
.mdMarkdown
.csvBảng dữ liệu
.htmlTrang web
.xlsxExcel
4\. Cấu hình chunking — Cách chia nhỏ tài liệu:
Phương phápMô tảKhi nào dùng
AutomaticClickAI tự chia tối ưuHầu hết trường hợp
CustomTùy chỉnh separator, chunk sizeTài liệu có cấu trúc đặc biệt
Parent-ChildChunks lớn chứa chunks nhỏCần context rộng hơn
5\. Chọn Embedding Model — Model chuyển text thành vector 6\. Chọn Index Method — Phương pháp lập chỉ mục: · High Quality: Gọi Embedding Model (chính xác hơn, tốn token) · Economical: Dùng keyword indexing (tiết kiệm, kém chính xác hơn) 7\. Nhấn "Save & Process" → Chờ indexing hoàn tất ### Cách 2: Knowledge Pipeline (Nâng cao) Orchestrate quy trình xử lý dữ liệu phức tạp hơn với các bước tùy chỉnh và plugins. · Phù hợp khi cần tiền xử lý dữ liệu phức tạp · Hỗ trợ các plugin ETL (Extract-Transform-Load) · Quy trình có thể tái sử dụng ### Cách 3: External Knowledge Base Kết nối trực tiếp với knowledge base bên ngoài qua API. · Tận dụng dữ liệu hiện có không cần di chuyển · Hỗ trợ các vector database: Pinecone, Weaviate, Qdrant, ... · Đồng bộ real-time ⚠️ IMPORTANT: Chất lượng Knowledge Base quyết định trực tiếp chất lượng phản hồi AI. Đầu tư thời gian chuẩn bị tài liệu sạch, có cấu trúc tốt. ## Quản lý & Tối ưu ### Quản lý nội dung
Hành độngMô tả
View documentsXem danh sách tài liệu đã upload
Add documentsThêm tài liệu mới
Edit chunksChỉnh sửa nội dung chunk
Enable/DisableBật/tắt document hoặc chunk
DeleteXóa tài liệu không còn cần
Re-indexLập chỉ mục lại khi thay đổi settings
### Test & Validate Retrieval Kiểm tra chất lượng truy xuất trước khi tích hợp vào ứng dụng: 8\. Mở Knowledge Base → Nhấn "Test Retrieval" 9\. Nhập câu hỏi test (mô phỏng câu hỏi người dùng) 10\. Nhấn "Run Test" 11\. Xem kết quả: · Matched chunks — Các đoạn tài liệu được truy xuất · Relevance score — Điểm liên quan (0-1) · Source document — Tài liệu nguồn 💡 TIP: Test với nhiều câu hỏi đa dạng để đảm bảo Knowledge Base phủ đủ các chủ đề. Nếu relevance score thấp (<0.5), hãy xem xét cải thiện nội dung tài liệu. ### Metadata Enhancement Thêm metadata vào documents để cải thiện độ chính xác khi retrieval: Ví dụ Metadata:\ ──────────────\ document: "Chính sách bảo hành 2024.pdf"\ metadata:\ category: "policy"\ department: "customer-service"\ effective\_date: "2024-01-01"\ language: "vi" Metadata cho phép filter-based search, ví dụ: "Chỉ tìm trong tài liệu category=policy" ### Điều chỉnh Settings Bạn có thể thay đổi bất kỳ lúc nào: · Index method — Chuyển giữa High Quality và Economical · Embedding model — Đổi model embedding khác · Retrieval strategy — Semantic Search, Full-text Search, hoặc Hybrid
## Tích hợp vào ứng dụng ### Trong Chatbot / Agent 12\. Mở ứng dụng trong Studio 13\. Trong phần Context, nhấn "+ Add" 14\. Chọn Knowledge Base cần kết nối 15\. Cấu hình Retrieval Settings:
SettingMô tảGiá trị khuyến nghị
Top KSố chunks trả về3-5
Score ThresholdNgưỡng điểm tối thiểu0.5-0.7
Retrieval ModePhương pháp tìm kiếmHybrid Search
### Trong Workflow / Chatflow Sử dụng node "Knowledge Retrieval": 16\. Kéo node Knowledge Retrieval vào canvas 17\. Chọn Knowledge Base 18\. Cấu hình query variable (thường là {{sys.query}}) 19\. Kết nối output đến node LLM làm context
## Chiến lược Retrieval ### Semantic Search Tìm kiếm dựa trên ý nghĩa ngữ cảnh, sử dụng embedding vectors. · ✅ Hiểu được câu hỏi đồng nghĩa · ❌ Có thể bỏ sót keyword chính xác ### Full-text Search Tìm kiếm dựa trên từ khóa chính xác (keyword matching). · ✅ Chính xác với thuật ngữ cụ thể · ❌ Không hiểu ngữ cảnh ### Hybrid Search (Khuyến nghị) Kết hợp cả Semantic + Full-text, sử dụng Rerank để sắp xếp kết quả. · ✅ Tận dụng ưu điểm cả 2 phương pháp · ✅ Độ chính xác cao nhất 📝 NOTE: \*\*Rerank\*\* là bước xử lý bổ sung sắp xếp lại kết quả retrieval theo mức độ liên quan. Bật Rerank khi sử dụng Hybrid Search để có kết quả tốt nhất. *📖 Trước: \[Monitor]\(./03-monitor.md) · Tiếp: \[Workspace]*