Bạn đã hoàn thành Bài 4: cho AI biết cách sử dụng Knowledge Base.
Ở Bài 5, chúng ta nâng cấp một bước:
Từ “một đống thông tin” → thành “dữ liệu có cấu trúc mà AI dễ tra cứu và sử dụng”.
Đây là kỹ năng rất quan trọng nếu sau này bạn muốn xây Assistant cho marketing, bán hàng, chăm sóc khách hàng hoặc doanh nghiệp.
1. Vấn đề của Knowledge Base dạng văn bản
Ví dụ bạn đưa cho AI:
Cafe ABC ở 141 đường số 1 Dĩ An. Quán mở cửa từ 6h30 đến 22h. Quán rộng, có sân vườn và nhiều hoa. Có cafe, kefir, compocha…
Con người đọc vẫn hiểu.
Nhưng khi dữ liệu lớn lên:
100 sản phẩm
500 câu hỏi khách hàng
20 chương trình khuyến mãi
50 chính sách
hàng nghìn thông tin…
thì cách lưu này sẽ trở nên khó quản lý.
Vì vậy chúng ta cần:
DATA STRUCTURE
2. Công thức dữ liệu có cấu trúc
Một thông tin nên có dạng:
Category → Field → Value → Status → Source → Updated
Ví dụ:
| Category | Field | Value | Status | Source |
|---|---|---|---|---|
| Quán | Địa chỉ | 141 đường số 1, Dĩ An | FACT | Người dùng |
| Quán | Giờ mở cửa | 06:30–22:00 | FACT | Người dùng |
| Không gian | Sân vườn | Có | FACT | Người dùng |
| Sản phẩm | Kefir | 60.000đ | FACT | Người dùng |
| Sự kiện | Hát với nhau | Thứ 7 & CN | FACT | Người dùng |
Bạn có thể hiểu:
Field = tên thuộc tính
Value = giá trị
Status = mức độ xác nhận
Source = thông tin đến từ đâu
3. Tại sao cần Status?
Đây là phần tôi muốn bạn đặc biệt chú ý.
Không phải mọi thông tin AI nhìn thấy đều có mức độ tin cậy giống nhau.
Chúng ta có thể dùng:
FACT
Thông tin đã được bạn xác nhận.
ASSUMPTION
Giả định marketing.
UNKNOWN
Chưa có dữ liệu.
NEED_VERIFY
Có thông tin nhưng cần kiểm tra lại.
Ví dụ:
| Thông tin | Status |
|---|---|
| Giá kefir 60.000đ | FACT |
| Có sân vườn | FACT |
| Khách thích chụp ảnh | ASSUMPTION |
| Có Wi-Fi | UNKNOWN |
| “Cafe ngon nhất Dĩ An” | NEED_VERIFY |
Đây là cách chúng ta giảm hallucination.
4. Xây Knowledge Base Cafe ABC
Bây giờ chúng ta áp dụng ngay vào dự án của bạn.
🏪 COMPANY
| Field | Value | Status |
|---|---|---|
| Tên | Cafe ABC | FACT |
| Địa chỉ | 141 đường số 1, Dĩ An | FACT |
| Giờ mở cửa | 06:30–22:00 | FACT |
| Điện thoại | 111111111 | FACT* |
| Website | saigonabc.com | FACT* |
| Kênh marketing | FACT | |
| Mục tiêu | Tăng khách đến quán | FACT |
* Dữ liệu thực hành do bạn cung cấp, chưa xác minh độc lập.
5. SPACE
| Field | Value | Status |
|---|---|---|
| Không gian | Rộng | FACT |
| Sân vườn | Có | FACT |
| Hoa | Rất nhiều | FACT |
| Đậu xe máy | Có | FACT |
| Đậu ô tô | Có | FACT |
Nhìn bảng này, AI lập tức nhận ra:
Không gian là một nhóm dữ liệu rất mạnh để làm marketing.
6. MENU
| Sản phẩm | Giá | Status |
|---|---|---|
| Cafe | 35.000đ | FACT |
| Sữa chua kefir | 60.000đ | FACT |
| Compocha | 80.000đ | FACT |
| Nước ép trái cây | Chưa có | UNKNOWN |
| Kem | Chưa có | UNKNOWN |
⚠️ Một điểm rất quan trọng:
Bạn nói:
“Cafe ABC — giá 35.000đ”
Tôi đang hiểu 35.000đ là giá cafe.
Nếu 35.000đ là giá chung của quán thì cần sửa lại.
Trong thực tế, đây chính là lúc AI phải hỏi lại thay vì đoán.
7. CUSTOMER DATA
| Field | Value | Status |
|---|---|---|
| Giới tính | Nam + nữ | FACT |
| Tuổi | 20–40 | FACT |
| Thời gian sáng | 07:00–10:00 | FACT |
| Thời gian tối | 19:00–22:00 | FACT |
| Hình thức đi | Theo nhóm | FACT |
| Lý do chọn | Cafe ngon | FACT |
| Lý do chọn | Có vườn hoa | FACT |
Đây là một Knowledge Base rất tốt vì chúng ta bắt đầu có Behavior Data.
8. EVENT DATA
| Field | Value | Status |
|---|---|---|
| Sự kiện | Hát với nhau | FACT |
| Ngày | Thứ 7 + Chủ nhật | FACT |
| Thời gian | 19:00–22:00 | FACT |
| Ca sĩ khách mời | Có | FACT |
9. MARKETING DATA
Bây giờ chúng ta có thể tạo một bảng đặc biệt:
| Element | Value | Status |
|---|---|---|
| Main USP | Sân vườn nhiều hoa | FACT |
| Product USP | Kefir + compocha | FACT |
| Experience | Hát với nhau | FACT |
| Convenience | Đậu xe máy + ô tô | FACT |
| Customer reason | Cafe ngon | FACT |
| Customer reason | Vườn hoa | FACT |
| “Quán đẹp nhất Dĩ An” | Chưa xác nhận | NEED_VERIFY |
10. Bây giờ chúng ta dạy AI cách “tra cứu”
Đây là phần thực hành quan trọng.
Hãy đưa cho AI một Retrieval Rule:
KHI NGƯỜI DÙNG ĐẶT CÂU HỎI:
1. Xác định thông tin cần tìm.
2. Tìm trong Knowledge Base.
3. Nếu có FACT:
sử dụng FACT.
4. Nếu chỉ có ASSUMPTION:
phải nói rõ là ASSUMPTION.
5. Nếu UNKNOWN:
nói "Chưa có dữ liệu".
6. Nếu NEED_VERIFY:
không khẳng định như sự thật.
7. Không tự bổ sung thông tin
từ suy đoán.Đây là nền móng của một hệ thống Grounded AI.
11. 🧪 BÀI THỰC HÀNH — KIỂM TRA AI
Bây giờ hãy hỏi Assistant:
Câu 1
Cafe ABC mở cửa lúc mấy giờ?
Câu 2
Giá sữa chua kefir bao nhiêu?
Câu 3
Cuối tuần có chương trình gì?
Câu 4
Khách thường đến quán vào thời gian nào?
Câu 5
Cafe ABC có chỗ đậu ô tô không?
Assistant phải lấy FACT.
12. 🧨 BÀI KIỂM TRA HALLUCINATION
Bây giờ cố tình hỏi những điều chưa có.
Câu 6
Cafe ABC có Wi-Fi miễn phí không?
Câu 7
Quán có máy lạnh không?
Câu 8
Quán có phục vụ bánh ngọt không?
Câu 9
Có chương trình giảm giá 20% không?
Câu 10
Cafe ABC có phải quán cafe nổi tiếng nhất Dĩ An không?
Assistant tốt phải biết nói:
Chưa có dữ liệu xác nhận.
Đây chính là điều bạn đang học.
13. 🧠 Bài tập quan trọng hơn: AI phải biết “không biết”
Đây là một trong những nguyên tắc quan trọng nhất khi xây AI Assistant.
Một AI yếu:
“Cafe ABC có Wi-Fi miễn phí.”
Một AI tốt:
“Thông tin về Wi-Fi miễn phí chưa có trong dữ liệu hiện tại.”
Một AI tốt hơn nữa:
“Thông tin về Wi-Fi miễn phí chưa có trong Knowledge Base. Nếu bạn cung cấp thông tin này, tôi có thể bổ sung vào dữ liệu để sử dụng cho các nội dung sau.”
Đây mới là hành vi chúng ta muốn.
14. Tạo “Data Dictionary”
Bây giờ chúng ta học thêm một khái niệm mới.
DATA DICTIONARY
Nó giải thích:
Mỗi trường dữ liệu có ý nghĩa gì?
Ví dụ:
| Field | Ý nghĩa |
|---|---|
| Product | Tên sản phẩm |
| Price | Giá bán |
| Location | Địa chỉ |
| Opening_Hours | Giờ mở cửa |
| USP | Điểm khác biệt |
| Customer | Khách hàng |
| Pain_Point | Vấn đề khách hàng |
| Insight | Động lực sâu hơn |
| Offer | Ưu đãi |
| Event | Sự kiện |
| Status | Mức độ xác nhận |
Khi hệ thống lớn lên, Data Dictionary giúp dữ liệu không bị hỗn loạn.
15. Kiến trúc AI Assistant hiện tại của bạn
Sau 5 bài, chúng ta đã đi khá xa:
AI MARKETING ASSISTANT
│
┌─────────────┴─────────────┐
│ │
SYSTEM PROMPT KNOWLEDGE BASE
│ │
ROLE + RULES COMPANY DATA
WORKFLOW PRODUCT DATA
FRAMEWORK CUSTOMER DATA
│ EVENT DATA
│ │
└─────────────┬─────────────┘
↓
RETRIEVAL
↓
REASONING
↓
OUTPUT
↓
QUALITY CHECKĐây chính là kiến trúc tư duy nền tảng của một AI Assistant.
16. 🎯 BÀI TẬP BÀI 5
Bây giờ tôi muốn bạn tự thiết kế một bảng Knowledge Base.
Hãy copy mẫu này và điền dữ liệu:
CAFE ABC — KNOWLEDGE BASE
1. COMPANY
Tên:
Địa chỉ:
Giờ mở cửa:
Điện thoại:
Website:
2. MENU
Cafe:
Sữa chua kefir:
Compocha:
Nước ép:
Kem:
3. SPACE
Không gian:
Sân vườn:
Hoa:
Đậu xe máy:
Đậu ô tô:
4. CUSTOMER
Độ tuổi:
Giới tính:
Thời gian đến:
Đi theo:
Lý do chọn quán:
5. EVENT
Tên:
Ngày:
Thời gian:
Ca sĩ khách mời:
6. MARKETING
USP:
Big Idea:
Pain Point:
Insight:
7. UNKNOWN
Thông tin chưa có:Quy tắc bài tập:
Không cần điền những gì bạn chưa biết.
Hãy ghi:
UNKNOWN
Đây là bài tập rất quan trọng, bởi bạn đang học một tư duy lớn:
Leave a Reply