Knowledge Graph

← Chương trước: Phần 1: Kiến Trúc Hội Tụ (The Convergence) | Mục lục Series | Chương tiếp theo: Phần 3: Nghệ Thuật Chunking & Semantic Caching → Answer-first: Agentic Ingestion xử lý dữ liệu phi cấu trúc phức tạp như PDF bảng biểu, sơ đồ kiến trúc và biểu đồ bằng Vision LLMs và công cụ trích xuất cấu trúc. Dữ liệu sau đó được ánh xạ thành Multimodal Knowledge Graph, bảo toàn trọn vẹn giá trị thông tin đa chiều. ...

🇬🇧 Read the English version of this article on tanhdev.com Answer-first: GraphRAG kết hợp Knowledge Graph với Vector Search, giải quyết bài toán suy luận đa bước (multi-hop) và tổng hợp bối cảnh toàn cục. Kiến trúc chuẩn doanh nghiệp sử dụng thuật toán Leiden, đồ thị Neo4j kèm Kafka CDC streaming real-time và kiểm soát ACL phân quyền tầng entity. Đại đa số các phương án triển khai RAG (Retrieval-Augmented Generation) thông thường (Naive RAG) đều có cơ chế tương tự: chia tài liệu thành từng mảng nhỏ (chunks), tạo vector embedding, lưu trữ trong cơ sở dữ liệu vector (vector database), trích xuất thông tin qua độ tương đồng cosine (cosine similarity), và chuyển top-K chunks vào ngữ cảnh (context) của LLM. Phương pháp này hoạt động hiệu quả cho các câu hỏi đáp (Q&A) trên tài liệu ngắn. Tuy nhiên, nó bộc lộ hạn chế lớn khi áp dụng vào kho tri thức doanh nghiệp phức tạp, nơi câu trả lời không nằm ở một chunk rời rạc mà nằm ở các mối quan hệ (relationships) kết nối giữa nhiều thực thể (entities) khác nhau. ...