VÍ DỤ CỤ THỂ: 40 TỦ SÁCH, CÂU HỎI ĐẦU TƯ DỰ ÁN TẠI LÀO
THIẾT LẬP BAN ĐẦU
Cơ sở dữ liệu:
20 tủ sách Việt Nam:
VN_01_Đầu tư,VN_02_Doanh nghiệp,VN_03_Xây dựng,VN_04_Thuế,VN_05_Lao động,VN_06_Đất đai,VN_07_Môi trường, ...VN_20_Ngoại hối20 tủ sách Lào:
LAO_01_Đầu tư,LAO_02_Doanh nghiệp,LAO_03_Xây dựng,LAO_04_Thuế,LAO_05_Lao động, ...LAO_20_Ngoại hốiTổng: ~500 cuốn sách (văn bản), mỗi cuốn trung bình 80.000 ký tự → tổng ~40 triệu ký tự
User tick chọn: TẤT CẢ 40 tủ sách
Câu hỏi (prompt):
"Doanh nghiệp Việt Nam muốn đầu tư xây dựng nhà máy điện mặt trời tại Lào. Cần xin những giấy phép gì ở cả hai nước? Thủ tục chuyển vốn ra nước ngoài theo quy định Việt Nam như thế nào?"
3 PHƯƠNG PHÁP TÌM KIẾM (ví von)
Trước khi đi vào 6 bước, hãy hiểu 3 cách tìm:
Phương pháp
Phương pháp | Ví von | Ưu điểm | Nhược điểm |
Dò từ khoá (code/SQL) | Giống tra từ điển: tìm đúng chữ "đầu tư", "giấy phép", "chuyển vốn" trong sách | Nhanh, rẻ, chính xác 100% khi từ khớp | Không hiểu đồng nghĩa: "rót vốn" ≠ "đầu tư", "license" ≠ "giấy phép" |
Phán đoán ý nghĩa (LLM/AI) | Giống hỏi một người biết đọc: "cuốn nào nói về chuyện này?" — họ hiểu cả đồng nghĩa, ngữ cảnh | Hiểu đồng nghĩa, hiểu ngữ cảnh | Tốn tiền (phải trả AI), có thể phán sai |
Tra bảng chỉ mục (SQL truy vấn ID) | Giống tra số kệ trong thư viện: "kệ 3, ngăn 5" → lấy đúng cuốn | Cực nhanh, không sai | Chỉ dùng được khi đã biết chính xác vị trí |
BƯỚC 1: Mở tủ sách (Tra bảng chỉ mục)
User đã tick 40 tủ → hệ thống ghi nhận: "được phép tìm trong cả 40 tủ"
Phương pháp: Tra bảng chỉ mục — chỉ kiểm tra "user có quyền mở tủ này không?" bằng mã số. Không đọc gì bên trong.
Kết quả: "Phạm vi = 500 cuốn sách trong 40 tủ"
→ Truyền sang bước 2: lệnh giới hạn phạm vi (chỉ là mã số 40 tủ)
BƯỚC 2: AI nhỏ đọc TÊN tủ → loại tủ không liên quan (Phán đoán ý nghĩa)
AI nhỏ (Haiku) nhận:
Câu hỏi: "Đầu tư nhà máy điện mặt trời tại Lào, giấy phép, chuyển vốn"
Danh sách 40 tủ: VN_01_Đầu tư, VN_02_Doanh nghiệp, VN_03_Xây dựng,
VN_04_Thuế, VN_05_Lao động, VN_06_Đất đai, VN_07_Môi trường,
VN_08_Năng lượng, VN_20_Ngoại hối, LAO_01_Đầu tư, LAO_03_Xây dựng,
LAO_04_Thuế, LAO_07_Môi trường, LAO_08_Năng lượng...
AI nhỏ PHÁN ĐOÁN (không mở tủ, chỉ đọc tên):
✅
VN_01_Đầu tư— "đầu tư ra nước ngoài" chắc nằm đây✅
VN_20_Ngoại hối— "chuyển vốn ra nước ngoài" liên quan ngoại hối✅
VN_08_Năng lượng— "điện mặt trời" là năng lượng✅
LAO_01_Đầu tư— giấy phép đầu tư tại Lào✅
LAO_03_Xây dựng— xây nhà máy tại Lào✅
LAO_08_Năng lượng— điện mặt trời tại Lào✅
LAO_07_Môi trường— nhà máy điện cần đánh giá môi trường❌
VN_05_Lao động— không liên quan trực tiếp❌
VN_06_Đất đai— đất đai VN, không phải Lào❌
LAO_05_Lao động— chưa hỏi về lao động❌ 30 tủ khác — loại
Kết quả: 40 tủ → còn 7 tủ (~150 cuốn sách)
Rủi ro bỏ sót: Nếu Luật Thuế Lào có quy định ưu đãi thuế cho dự án năng lượng tái tạo, nhưng AI không chọn LAO_04_Thuế → bỏ sót. Tuy nhiên bước 3 (dò từ khoá) vẫn tìm trong TẤT CẢ 40 tủ nên có thể bù lại.
→ Truyền sang bước 3: danh sách 7 tủ được ưu tiên
BƯỚC 3: Tìm cuốn sách cụ thể (Dò từ khoá + Phán đoán ý nghĩa)
Bước này chạy 2 cách song song:
Cách 1 — Dò từ khoá (tìm đúng chữ trong TÊN SÁCH + LỜI TỰA):
Tách câu hỏi thành từ khoá: "đầu tư", "nhà máy điện", "mặt trời", "giấy phép", "chuyển vốn", "nước ngoài"
Lật nhanh TÊN + LỜI TỰA (tóm lược) của 500 cuốn → tìm cuốn nào chứa các từ này
Kết quả:
"Luật Đầu tư 2020" (VN) — tên chứa "đầu tư" ✅
"Nghị định 31/2021 về đầu tư ra nước ngoài" — chứa "đầu tư" + "nước ngoài" ✅
"Pháp lệnh Ngoại hối" — lời tựa chứa "chuyển vốn" ✅
"ກົດໝາຍວ່າດ້ວຍການສົ່ງເສີມການລົງທຶນ" (Luật Khuyến khích đầu tư Lào) — tóm lược tiếng Việt chứa "đầu tư" ✅
... tìm được ~12 cuốn
Cách 2 — AI đọc TÊN sách (phán đoán ý nghĩa):
Vì 7 tủ ưu tiên có ~150 cuốn (≤ 120 cuốn thì mới chạy, giả sử đúng ngưỡng)
Đưa danh sách 150 TÊN + LỜI TỰA cho AI nhỏ
AI nhỏ chọn thêm:
"Thông tư hướng dẫn thủ tục cấp Giấy chứng nhận đăng ký đầu tư ra nước ngoài" — từ khoá không khớp chính xác nhưng AI hiểu đây là thủ tục giấy phép ✅
"Quy định về đánh giá tác động môi trường dự án năng lượng" (Lào) — AI hiểu nhà máy điện cần ĐTM ✅
Gộp 2 cách: ~15 cuốn. Ngân sách cho phép 25 → giữ hết 15.
Nhưng nếu > 25? Xếp hạng: cuốn nào khớp nhiều từ khoá hơn → ưu tiên cao hơn. Cắt xuống 25.
→ Truyền sang bước 4: danh sách 15 cuốn sách (chỉ có tên + mã số, CHƯA mở ra đọc)
BƯỚC 4: Chọn chuyên gia (Cố định / Thủ công)
Với SCI Project: user đã chọn "Sonnet" khi tạo project → dùng Sonnet. Xong.
→ Truyền sang bước 5: tên chuyên gia ("Sonnet")
BƯỚC 5: Đọc nội dung (Dò từ khoá + Phán đoán ý nghĩa + Tra bảng chỉ mục)
Kiểm tra: 15 cuốn × 80.000 ký tự = 1.200.000 ký tự. Ngân sách chỉ có 150.000. → Không thể đọc nguyên cuốn → dùng chiến lược "đọc theo Điều".
Bước 5a — Mở MỤC LỤC:
Hệ thống mở mục lục 15 cuốn. VD:
[Cuốn 1] Luật Đầu tư 2020 (VN)
Điều 1: Phạm vi điều chỉnh
Điều 2: Giải thích từ ngữ
Điều 3: Áp dụng luật
...
Điều 69: Thủ tục cấp Giấy chứng nhận đăng ký đầu tư ra nước ngoài
Điều 70: Điều kiện đầu tư ra nước ngoài
Điều 71: Hình thức đầu tư ra nước ngoài
Điều 72: Hoạt động đầu tư ra nước ngoài
...
Điều 77: Chuyển lợi nhuận về nước
[Cuốn 2] Nghị định 31/2021 (VN)
Điều 1: Phạm vi
...
Điều 8: Hồ sơ xin cấp Giấy chứng nhận
Điều 9: Thủ tục thẩm định
Điều 10: Chuyển vốn đầu tư ra nước ngoài
...
Bước 5b — Cắt mục lục thông minh (Dò từ khoá):
Mục lục dài (VD: Luật Đầu tư có 77 điều). Hệ thống dò từ khoá "đầu tư", "nước ngoài", "giấy phép", "chuyển vốn" trong TIÊU ĐỀ từng điều → chỉ giữ điều có chứa từ khoá ± 2 điều lân cận. VD: giữ Điều 1-3 (luôn giữ đầu) + Điều 67-77 (chứa "đầu tư ra nước ngoài"). Bỏ Điều 4-66 (nói về đầu tư trong nước, không liên quan).
Bước 5c — AI nhỏ đọc mục lục đã cắt (Phán đoán ý nghĩa):
AI nhỏ nhận mục lục rút gọn (~30 dòng thay vì 77 dòng) → phán đoán:
{"dieu": ["dieu-69", "dieu-70", "dieu-71", "dieu-72", "dieu-77", "nd31-dieu-8", "nd31-dieu-9", "nd31-dieu-10", ...]}
→ Chọn ~40 điều từ 15 cuốn (tối đa 100 điều)
Bước 5d — Cắt nguyên văn từng điều (Tra bảng chỉ mục):
Hệ thống biết chính xác vị trí từng điều trong sách (nhờ anchor/mã điều) → cắt NGUYÊN VĂN, TRỌN VẸN từng điều đã chọn. Không cắt giữa chừng.
Nạp lần lượt cho đến khi đầy 150.000 ký tự:
Điều 69 Luật Đầu tư (3.000 ký tự) → nạp ✅, còn 147.000
Điều 70 (2.500 ký tự) → nạp ✅, còn 144.500
...
Điều 35 Luật Năng lượng Lào (4.000 ký tự) → nạp ✅, còn 2.000
Điều 36 (3.500 ký tự) → KHÔNG ĐỦ CHỖ → bỏ, ghi chú "chưa đọc được"
→ Truyền sang bước 6: gói tài liệu ~150.000 ký tự gồm nguyên văn ~38 điều từ 12 cuốn sách + ghi chú "đã quét 15 cuốn, 12 cuốn có điều liên quan, 2 điều chưa nạp được vì hết chỗ"
BƯỚC 6: Chuyên gia đọc và trả lời
Sonnet nhận:
Nguyên văn 38 điều (150.000 ký tự)
Ghi chú: "đã quét 15 cuốn, 12 cuốn có quy định liên quan"
Lịch sử hội thoại (nếu có)
Câu hỏi: "Giấy phép gì ở cả hai nước? Thủ tục chuyển vốn?"
Sonnet đọc HẾT → trả lời có trích dẫn:
"Theo Điều 69 Luật Đầu tư 2020, doanh nghiệp cần xin Giấy chứng nhận đăng ký đầu tư ra nước ngoài... Theo Điều 10 Nghị định 31/2021, việc chuyển vốn phải..."
TRẢ LỜI CÂU HỎI CỦA BẠN
"Liệu nó có nhặt ra đúng các điều cần tra cứu trong rừng 500 văn bản không?"
Câu trả lời thành thật: PHẦN LỚN là đúng, nhưng KHÔNG 100%.
Phân tích rủi ro từng bước:
BướcRủi ro bỏ sótMức độ1Không có (user đã chọn hết 40 tủ)0%2AI loại nhầm tủ (VD: bỏ LAO_04_Thuế dù có ưu đãi thuế năng lượng)Trung bình — nhưng bước 3 dò từ khoá bù lại3Từ khoá không khớp (VD: luật Lào dùng từ khác) + AI đọc tên không nhận raCao nhất — đây là điểm yếu lớn nhất5bCắt mục lục bỏ điều quan trọng (VD: "Điều 45: Ưu đãi đặc biệt" — không chứa từ "đầu tư" hay "giấy phép")Trung bình5cAI chọn sai điều từ mục lụcThấp — AI đọc tiêu đề điều khá chính xác
Kịch bản bỏ sót thực tế:
Luật Thuế Lào có "Điều 45: Ưu đãi thuế cho dự án năng lượng tái tạo" → bước 2 có thể bỏ tủ Thuế Lào, bước 3 từ khoá "đầu tư" không khớp "ưu đãi thuế" → BỎ SÓT
Nhưng nếu user hỏi tiếp: "Có ưu đãi thuế gì không?" → lượt sau sẽ tìm được
"Không bao giờ nạp hết 100% bộ luật?"
ĐÚNG khi dùng chiến lược "theo Điều" (bước 5 cách B). Nhưng SAI khi phạm vi nhỏ:
Nếu user chỉ chọn 1 tủ có 3 cuốn luật ngắn (tổng 120.000 ký tự < 150.000) → hệ thống nạp NGUYÊN VĂN 100% cả 3 cuốn (bước 5 cách A)
Chỉ khi tổng > 150.000 mới phải cắt theo Điều
Kết luận: Hệ thống này giống một thủ thư GIỎI nhưng KHÔNG HOÀN HẢO. Nó tìm đúng ~85-90% thông tin cần thiết trong lần đầu. Phần còn lại phụ thuộc vào user hỏi tiếp (follow-up) hoặc chọn scope hẹp hơn để tăng độ chính xác.