AI Agents & Agentic AI
Trang chủ / Module 8
🔎 Module 8 / 16 · 1-2 tuần

Agentic RAG & Deep Research

Từ pipeline RAG một lượt sang truy xuất như một công cụ: agent tự quyết định tìm gì, tìm tiếp hay dừng. Thiết kế tool tìm kiếm, kiến trúc deep research, và trích dẫn nguồn.

Agentic RAGSearchDeep ResearchCitations
📌 Vì sao module này quan trọng

RAG cổ điển (khoá AI Engineer, Module 6) là một pipeline cố định: truy xuất một lần rồi sinh câu trả lời. Nó thất bại theo những cách quen thuộc: câu hỏi cần ghép thông tin từ nhiều nơi, truy vấn đầu tiên lệch hướng, tài liệu tìm được lại gợi ra thứ cần tìm tiếp. Agentic RAG giải quyết bằng cách đưa việc tìm kiếm vào trong vòng lặp agent. "Deep research" — tính năng nổi bật của mọi sản phẩm AI lớn — chính là dạng trưởng thành nhất của ý tưởng này, và là một trong những ứng dụng agent có giá trị rõ ràng nhất.

🎯 Mục tiêu học tập

  • So sánh RAG pipeline và agentic RAG, biết khi nào mỗi cách phù hợp
  • Thiết kế bộ tool truy xuất cho agent: tìm kiếm, đọc chi tiết, lọc, và tìm kiếm kiểu lần theo (grep/glob)
  • Xây một agent nghiên cứu nhiều vòng với công cụ web search và trích dẫn nguồn
  • Hiểu kiến trúc deep research: điều phối viên, subagent song song, bước trích dẫn
  • Đánh giá chất lượng một hệ nghiên cứu: độ phủ, độ chính xác, chất lượng nguồn

RAG pipeline vs Agentic RAG

RAG pipelineAgentic RAG
Ai viết truy vấnCode (câu hỏi người dùng, có thể viết lại một lần)Agent, có thể nhiều truy vấn, sửa dần
Số lần truy xuấtCố định (thường 1)Tuỳ câu hỏi: 0 đến hàng chục
Xử lý khi kết quả kémVẫn trả lời bằng thứ tìm đượcNhận ra, đổi từ khoá, đổi nguồn
Câu hỏi nhiều bướcKémTốt: tìm A, từ A biết cần tìm B
Chi phí, độ trễThấp, ổn địnhCao hơn, dao động
Hợp vớiHỏi đáp tra cứu đơn giản, lưu lượng lớn, cần phản hồi nhanhCâu hỏi phân tích, so sánh, tổng hợp; kho dữ liệu không đồng nhất

Hai cách không loại trừ nhau. Kiến trúc lai thường gặp: router (Module 5) đưa câu hỏi đơn giản qua pipeline rẻ, câu hỏi phức tạp qua agent. Và toàn bộ kỹ thuật RAG bạn đã học — chunking, hybrid search, reranking — vẫn nguyên giá trị: chúng trở thành phần bên trong của tool tìm kiếm.

Thiết kế tool truy xuất cho agent

Áp dụng Module 3 vào bài toán truy xuất. Bộ tool điển hình:

@beta_tool
def kb_search(query: str, doc_type: str = "any", updated_after: str = "", max_results: int = 8) -> str:
    '''Tìm trong kho tài liệu nội bộ bằng tìm kiếm lai (từ khoá + ngữ nghĩa).

    Trả về danh sách kết quả, mỗi kết quả gồm: doc_id, tiêu đề, ngày cập nhật, và đoạn trích khớp nhất.
    Đoạn trích chỉ để quyết định có đáng đọc không — dùng kb_read để lấy nội dung đầy đủ trước khi trích dẫn.
    Nếu kết quả không liên quan, thử từ khoá cụ thể hơn hoặc thuật ngữ khác.

    Args:
        query: Từ khoá hoặc câu hỏi ngắn. Truy vấn ngắn, cụ thể cho kết quả tốt hơn câu dài.
        doc_type: Một trong "policy", "runbook", "postmortem", "spec", "any".
        updated_after: Chỉ lấy tài liệu cập nhật sau ngày này (YYYY-MM-DD). Để trống nếu không lọc.
        max_results: Số kết quả tối đa (mặc định 8, tối đa 20).
    '''
    hits = hybrid_search(query, doc_type, updated_after, max_results)   # BM25 + vector + rerank
    return format_hits(hits)

@beta_tool
def kb_read(doc_id: str, section: str = "") -> str:
    '''Đọc nội dung một tài liệu. Tài liệu dài được trả theo mục; để trống section để nhận mục lục.

    Args:
        doc_id: Mã tài liệu lấy từ kb_search, ví dụ "POL-0142".
        section: Tên mục cần đọc. Để trống để xem mục lục và phần tóm tắt.
    '''
    ...
  • Tách "tìm" và "đọc": kết quả tìm kiếm trả đoạn trích ngắn; agent chọn cái đáng đọc rồi mới nạp toàn văn. Tiết kiệm context hơn nhiều so với trả 8 tài liệu đầy đủ.
  • Cho bộ lọc có cấu trúc (loại, ngày, tác giả): agent dùng metadata rất tốt.
  • Trả metadata giúp đánh giá nguồn: ngày cập nhật, loại tài liệu, tác giả/nhóm sở hữu.
  • Gợi ý chiến lược trong mô tả: bắt đầu rộng rồi thu hẹp; truy vấn ngắn.

Tìm kiếm kiểu lần theo: grep và glob thay cho embedding

Một phát hiện thực tiễn quan trọng từ các coding agent: với kho dữ liệu dạng file, cho agent các công cụ tìm chính xác (glob theo tên file, grep theo nội dung, read theo dòng) và để nó tự lần theo thường tốt hơn một hệ embedding được dựng sẵn.

Tìm ngữ nghĩa (embedding)Tìm lần theo (grep/glob/read)
Chuẩn bịChunk, embed, lập chỉ mục, đồng bộ khi dữ liệu đổiKhông cần gì
Độ tươiChỉ mục có thể cũLuôn là dữ liệu hiện tại
Mạnh ởCâu hỏi diễn đạt khác với tài liệu; kho rất lớnĐịnh danh chính xác (tên hàm, mã lỗi); lần theo tham chiếu
Yếu ởMã định danh, số liệu chính xác; mất ngữ cảnh do chunkKho khổng lồ; khái niệm không có từ khoá ổn định
Minh bạchKhó biết vì sao trượtDễ debug: thấy rõ agent đã tìm gì

Thực tế: kết hợp. Tìm ngữ nghĩa/hybrid để "nhảy" vào đúng vùng trong kho lớn, tìm lần theo để đào sâu chính xác. Nếu kho của bạn vừa phải và có cấu trúc thư mục tốt, hãy thử phương án không-embedding trước.

Agent nghiên cứu web với công cụ phía server

Web search và web fetch là tool chạy phía nhà cung cấp model: bạn chỉ khai báo, không cần tự thực thi.

RESEARCH_SYSTEM = '''
Bạn là trợ lý nghiên cứu. Với mỗi câu hỏi:
- Bắt đầu bằng vài truy vấn rộng để nắm toàn cảnh, rồi thu hẹp vào các điểm chưa rõ.
- Ưu tiên nguồn gốc (tài liệu chính thức, bài báo khoa học, số liệu của cơ quan phát hành) hơn bài tổng hợp lại.
- Khi các nguồn mâu thuẫn, nêu rõ sự mâu thuẫn thay vì âm thầm chọn một bên.
- Dừng tìm khi các truy vấn mới không còn đem lại thông tin mới cho câu hỏi.
- Trong báo cáo, mọi nhận định về sự kiện đều kèm nguồn; phân biệt rõ điều đã xác minh với suy luận của bạn.
'''

messages = [{"role": "user", "content": question}]
while True:
    response = client.messages.create(
        model="claude-opus-5-5",
        max_tokens=16000,
        system=RESEARCH_SYSTEM,
        tools=[
            {"type": "web_search_20260209", "name": "web_search", "max_uses": 15},
            {"type": "web_fetch_20260209", "name": "web_fetch", "max_uses": 10},
        ],
        messages=messages,
    )
    messages.append({"role": "assistant", "content": response.content})
    if response.stop_reason != "pause_turn":      # pause_turn: lượt dài, gửi lại để tiếp tục
        break

for block in response.content:
    if block.type == "text":
        print(block.text)
        for c in (block.citations or []):          # trích dẫn gắn với từng đoạn văn
            print("   ↳", c.url)

max_uses là giới hạn cứng số lần tìm — một dạng ngân sách. Kết quả tìm kiếm là nội dung không đáng tin (bất kỳ ai cũng có thể viết lên web): xem Module 14 về prompt injection gián tiếp trước khi cho agent nghiên cứu quyền làm gì khác ngoài đọc.

Kiến trúc Deep Research

Các hệ deep research trong sản phẩm thật thường có ba vai:

  1. Điều phối viên (lead): phân tích câu hỏi, lập chiến lược, chia thành các hướng nghiên cứu độc lập, viết bản giao việc cho từng hướng.
  2. Subagent nghiên cứu: mỗi subagent nhận một hướng, có context riêng, tự tìm kiếm nhiều vòng, rồi trả về bản tóm tắt cô đọng kèm nguồn. Chạy song song.
  3. Tổng hợp và trích dẫn: lead đọc các bản tóm tắt, quyết định cần đào thêm hướng nào không, viết báo cáo; một bước riêng đối chiếu từng nhận định với nguồn.

Vì sao multi-agent hợp với nghiên cứu (và không hợp với nhiều việc khác — xem Module 10): các hướng nghiên cứu độc lập nên song song được; mỗi hướng đọc rất nhiều nhưng chỉ cần giữ lại một ít, nên cách ly context có lợi lớn; và việc chủ yếu là đọc, ít xung đột do ghi. Cái giá: tổng token gấp nhiều lần một agent đơn — chỉ đáng cho câu hỏi có giá trị cao.

Mở rộng nỗ lực theo độ khó nên được ghi rõ trong prompt của điều phối viên: tra cứu sự kiện đơn giản → 1 agent, vài lần tìm; so sánh → 2-4 subagent; nghiên cứu rộng → nhiều hơn. Không có hướng dẫn này, hệ thống dễ huy động 10 subagent cho một câu hỏi tầm thường.

Chất lượng nguồn, trích dẫn và đánh giá

  • Chất lượng nguồn: agent tìm kiếm dễ bị hút về trang được tối ưu SEO thay vì nguồn gốc. Nêu rõ thứ tự ưu tiên nguồn trong prompt, và dùng danh sách tên miền cho phép/chặn nếu miền nghiệp vụ có nguồn chuẩn.
  • Trích dẫn kiểm chứng được: mỗi nhận định trỏ tới đoạn văn cụ thể, không chỉ URL. Bước kiểm tra tự động: mở lại nguồn và xác nhận đoạn trích có thật và có đỡ cho nhận định.
  • Trung thực về giới hạn: báo cáo tốt nói rõ điều gì không tìm thấy, điều gì chỉ có một nguồn, điều gì là suy luận.
  • Điều kiện dừng: ngân sách (số lần tìm, token) + tiêu chí bão hoà (truy vấn mới không đem lại thông tin mới).
Tiêu chí đánh giáCách đo
Độ chính xác sự kiệnLLM chấm từng nhận định so với nguồn được trích; kiểm tra tay mẫu ngẫu nhiên
Độ chính xác trích dẫnTự động: nguồn có tồn tại, đoạn trích có thật
Độ phủSo với danh sách "các điểm một chuyên gia chắc chắn sẽ nêu" do người soạn trước
Chất lượng nguồnTỉ lệ nguồn gốc so với nguồn thứ cấp
Hiệu quảSố lần tìm, token, thời gian cho mỗi báo cáo

🏋️ Bài tập thực hành

Agent nghiên cứu có trích dẫn kiểm chứng

Xây một agent nghiên cứu với web search/fetch (hoặc trên một kho tài liệu nội bộ với bộ tool kb_search/kb_read tự viết). Yêu cầu: (1) báo cáo có cấu trúc, mọi nhận định sự kiện có nguồn; (2) một bước kiểm tra sau cùng mở lại từng nguồn để xác nhận trích dẫn, đánh dấu những nhận định không được đỡ; (3) mục "Giới hạn" nêu điều chưa tìm được. Soạn 10 câu hỏi theo ba mức: tra cứu đơn, so sánh, và tổng hợp rộng; với mỗi câu, viết trước 3-5 điểm mà một câu trả lời tốt phải có. Chạy và chấm độ phủ, độ chính xác trích dẫn, số lần tìm. Sau đó thử phiên bản có 3 subagent song song (xem trước Module 10) cho nhóm câu hỏi rộng và so sánh chất lượng với chi phí.

📚 Tài nguyên học tập

✅ Tự đánh giá hoàn thành

  • Giải thích được khi nào RAG pipeline là đủ và khi nào cần agentic RAG
  • Bộ tool truy xuất của mình tách tìm và đọc, có bộ lọc và metadata đánh giá nguồn
  • Đã thử phương án tìm kiếm lần theo (grep/glob) và so với tìm ngữ nghĩa trên dữ liệu của mình
  • Agent nghiên cứu của mình có trích dẫn, có bước kiểm chứng trích dẫn, và nêu giới hạn
  • Mô tả được kiến trúc deep research và vì sao nghiên cứu là bài toán hợp với multi-agent