RAG Archives - ITNotes

Triển khai Milvus trên Docker: Hướng dẫn Production cho AI Doanh nghiệp và Ứng dụng RAG

Tháng 8 19, 2026

Hướng dẫn thực chiến triển khai Milvus vector database trên Docker, dựa trên 6 tháng kinh nghiệm production với pipeline RAG 50 triệu vector. Bao gồm cài đặt Standalone, tinh chỉnh cấu hình hiệu năng, lựa chọn index và giám sát với Attu và Prometheus.

Database

Hướng dẫn thiết lập ChromaDB: Lưu trữ Vector cục bộ cho RAG

Tháng 7 31, 2026

Bạn mệt mỏi vì tìm kiếm chậm hoặc không chính xác trong ứng dụng AI? Hướng dẫn này sẽ giúp bạn triển khai ChromaDB, cơ sở dữ liệu vector mã nguồn mở cho RAG.

Đừng chấp nhận RAG tầm thường: Hướng dẫn thực hành Reranking với BGE và Cohere

Tháng 7 18, 2026

Reranking là bí quyết để đạt độ chính xác cao trong RAG. Tìm hiểu cách triển khai quy trình truy xuất hai giai đoạn với BGE-Reranker và Cohere API để loại bỏ ngữ cảnh AI không liên quan.

RAG Nâng cao: Giải quyết vấn đề ‘Bảng bị lỗi’ với Multi-vector Retrieval

Tháng 6 7, 2026

RAG tiêu chuẩn thường gặp lỗi khi các bảng bị chia nhỏ vào các chunk khác nhau. Hướng dẫn này chỉ cách sử dụng Multi-vector Retrieval để liên kết các bản tóm tắt có thể tìm kiếm được với các bảng và hình ảnh đầy đủ ngữ cảnh, giúp tăng độ chính xác cho các tài liệu phức tạp.

Đừng “nuôi” RAG bằng dữ liệu rác: Trích xuất dữ liệu hiệu quả hơn với LlamaParse và LlamaIndex

Tháng 6 6, 2026

Tìm hiểu cách xây dựng pipeline RAG độ chính xác cao với LlamaParse và LlamaIndex. Tránh các bẫy parsing PDF phổ biến và trích xuất dữ liệu sạch từ các bảng biểu phức tạp.

Đừng làm cỗ máy tìm kiếm chạy bằng “cơm” nữa: Xây dựng Bot hỗ trợ kỹ thuật dựa trên RAG

Tháng 5 31, 2026

Giảm 60% số lượng yêu cầu hỗ trợ. Hướng dẫn này sẽ giúp bạn xây dựng Telegram bot dựa trên RAG để trả lời các câu hỏi kỹ thuật dựa trên chính tài liệu của nhóm bạn.

Xây dựng Private RAG: Hỏi đáp tài liệu bảo mật với LlamaIndex và Ollama

Tháng 5 26, 2026

Xây dựng hệ thống RAG bảo mật, hiệu suất cao trên phần cứng của riêng bạn. Hướng dẫn này giúp bạn dùng LlamaIndex và Ollama để truy vấn tài liệu nội bộ mà không lo rủi ro đám mây.

Dữ liệu Sạch, RAG Tốt hơn: Làm chủ Microsoft MarkItDown cho Pipeline Python

Tháng 5 9, 2026

Nâng cao độ chính xác của hệ thống RAG bằng cách chuẩn hóa việc nạp dữ liệu. Tìm hiểu cách sử dụng Microsoft MarkItDown và Python để chuyển đổi các tệp PDF, Excel và Word phức tạp thành định dạng Markdown tinh gọn, thân thiện với LLM.

Triển khai Dify với Docker: Hướng dẫn Chuyên nghiệp về Low-code AI Agent và RAG

Tháng 5 8, 2026

Bỏ qua các dòng mã LangChain phức tạp. Tìm hiểu cách triển khai Dify với Docker và xây dựng các AI Agent có khả năng hiểu tài liệu thực sự hiệu quả trong môi trường thực tế.

Vượt xa việc ‘Đánh giá theo cảm tính’: Định lượng hiệu suất RAG với RAGAS

Tháng 5 2, 2026

Đừng dựa vào 'cảm tính' để kiểm thử AI. Hãy học cách sử dụng RAGAS để định lượng Faithfulness, Relevancy và Recall bằng phương pháp chấm điểm tự động dựa trên LLM.