Answer engine trích dẫn nguồn thế nào? Giải thích RAG
Answer engine dẫn nguồn nhờ RAG: tìm tài liệu, ghép vào câu hỏi, rồi viết câu trả lời kèm nguồn. Hiểu ba bước này để biết mình đang thua ở khâu nào.
Trả lời nhanh: Các công cụ trả lời bằng AI dẫn được nguồn là nhờ một kỹ thuật gọi là RAG — tìm trước, trả lời sau. Nó có ba bước: (1) đi tìm những đoạn nội dung liên quan nhất trên web · (2) đưa các đoạn đó cho mô hình đọc · (3) mô hình viết câu trả lời dựa trên chúng rồi gắn link nguồn. Muốn được dẫn nguồn, nội dung của bạn phải qua được cả ba bước — và phần lớn website thua ngay ở bước một mà không biết.
RAG là gì, nói cho dễ hiểu
Mô hình ngôn ngữ tự nó chỉ biết những gì đã học lúc huấn luyện. Kiến thức đó cũ và không sửa được. Nếu chỉ dựa vào đó, nó không thể trả lời câu hỏi về chuyện mới xảy ra, và cũng không có gì để dẫn nguồn.
RAG giải quyết bằng cách cho mô hình tra cứu trước khi trả lời — giống như bảo một người thông thái đi tra tài liệu rồi mới phát biểu, thay vì nói theo trí nhớ.
Đây chính là nền kỹ thuật giúp ChatGPT (khi bật tìm kiếm), Perplexity, Google AI Overviews và Copilot dẫn được nguồn.
⚠️ Hệ quả quan trọng nhất, và cũng là điều hay bị bỏ qua: hệ thống lấy ĐOẠN, không lấy cả trang. Mọi thứ trong bài này đều xuất phát từ chỗ đó.
Ba bước, và bạn có thể thua ở bước nào
Bước 1 — Đi tìm: lọt vào tập ứng viên
Hệ thống so ý nghĩa của câu hỏi với từng đoạn nội dung có sẵn, rồi lấy về một nhúm đoạn giống nhất. Thường chỉ vài chục đoạn cho toàn bộ web.
Thua ở đây nếu:
- Trang chưa được lập chỉ mục — không có trong kho thì không được lấy. Đây là lý do phổ biến nhất và cũng dễ sửa nhất.
- Nội dung viết theo từ khóa cụt thay vì theo câu hỏi thật người ta hỏi.
- Đoạn văn dài lê thê, trộn nhiều ý — máy khó xác định nó trả lời cái gì.
- Bot bị chặn ở
robots.txthoặc ở tường lửa. Xem có nên chặn bot AI không.
Cách qua bước này: viết đúng câu hỏi người ta hỏi, và chia bài thành khối trọn ý. Xem chia khối nội dung.
Bước 2 — Đọc: được mô hình hiểu đúng
Các đoạn tìm được sẽ được đưa vào cho mô hình cùng với câu hỏi. Ở bước này mô hình đọc và chọn dùng đoạn nào.
Thua ở đây nếu:
- Đoạn của bạn mở đầu bằng “Như đã nói ở trên…” hoặc “Tiếp theo phần trước…” — tách ra khỏi bài là không hiểu được gì, mô hình bỏ qua.
- Nội dung nằm trong ảnh, hoặc chỉ hiện ra sau khi trình duyệt chạy hết mã.
- Câu chữ mơ hồ, không có khẳng định rõ ràng nào để trích.
Cách qua bước này: mỗi đoạn dưới một tiêu đề phụ phải đứng riêng vẫn hiểu được. Tiêu đề phụ nên tự nó đã là một câu hỏi hoặc một khẳng định rõ nghĩa — chứ không phải “Phần 2” hay “Một số lưu ý”.
Bước 3 — Viết: lọt vào câu trả lời cuối cùng
Mô hình tổng hợp các đoạn thành một câu trả lời và gắn link nguồn.
Thua ở đây nếu:
- Nội dung của bạn nói y hệt những nguồn khác — mô hình chọn nguồn nào cũng được, và nó thường chọn nguồn quen thuộc hơn.
- Không có gì cụ thể để trích: không số liệu, không khẳng định gọn, chỉ toàn nói chung chung.
Cách qua bước này: có số liệu cụ thể và dẫn nguồn rõ. Nghiên cứu GEO trình bày tại KDD 2024 cho thấy thêm thống kê và trích dẫn cải thiện khả năng hiển thị nguồn. (Nghiên cứu đo trên bộ dữ liệu chuẩn riêng của nhóm tác giả, không phải đo trực tiếp trên ChatGPT — nên hiểu là hướng đúng, không phải con số áp dụng cho mọi trường hợp.)
Bảng tra nhanh: bạn đang thua ở bước nào?
| Dấu hiệu | Thua ở bước | Việc cần làm |
|---|---|---|
| Search Console báo trang chưa được index | 1 | Xin lập chỉ mục, kiểm robots.txt |
| Có index nhưng không bao giờ được nhắc | 1 hoặc 2 | Viết theo câu hỏi thật, chia lại khối |
| Được nhắc trên Perplexity, không trên ChatGPT | — | Bình thường; ChatGPT nghiêng về kiến thức học sẵn |
| Được nhắc nhưng mô tả sai về bạn | 2 | Viết rõ hơn bạn là ai, làm gì |
| Được nhắc cuối danh sách nguồn | 3 | Bổ sung số liệu, góc nhìn riêng |
Mỗi nền tảng lấy nguồn một kiểu
Không nền tảng nào giống nền tảng nào, và khác biệt lớn nhất nằm ở nguồn kiến thức chính:
- Perplexity — nghiêng hẳn về nội dung web thời gian thực, gần như luôn hiện danh sách nguồn. Website mới có cửa sớm nhất ở đây.
- Google AI Overviews — gắn với hệ sinh thái tìm kiếm của Google. Muốn vào thì trước hết phải được lập chỉ mục tử tế.
- ChatGPT — dựa nhiều vào kiến thức đã học lúc huấn luyện, chỉ tra web khi cần. Khó chen chân nhất với site mới.
⚠️ Bạn sẽ gặp nhiều bài đưa con số cụ thể kiểu “ChatGPT trích trung bình 6,9 nguồn, Perplexity 16 nguồn”. Các con số này đến từ báo cáo thương mại không công bố cách đo, và các bản khác nhau cho ra số vênh nhau rất xa. Hướng chung thì đúng — Perplexity dẫn nhiều nguồn hơn — nhưng đừng lấy con số cụ thể làm căn cứ.
Chi tiết: ChatGPT, Perplexity và Google trích dẫn khác nhau ra sao.
RAG không hoàn hảo — và điều đó ảnh hưởng tới bạn
Mô hình vẫn có thể hiểu sai ngữ cảnh hoặc trích lệch ý của bạn. Vài kiểu hay gặp:
- Lấy một câu trong đoạn bạn đang phản biện rồi trình bày như thể đó là quan điểm của bạn.
- Ghép ý của bạn với ý của nguồn khác thành một kết luận mà không nguồn nào nói.
- Gán nhầm bạn cho một lĩnh vực khác vì tên gọi trùng.
Cách phòng: viết dứt khoát và gói gọn. Đoạn nào phản biện thì nói rõ “nhiều nơi cho rằng X, nhưng dữ liệu không ủng hộ” ngay trong cùng một đoạn, đừng để câu khẳng định và câu phản bác nằm cách xa nhau.
Nói cách khác: nội dung rõ ràng vừa giúp bạn được chọn, vừa giúp bạn bị trích đúng.
Câu hỏi thường gặp
RAG khác gì với việc mô hình “tự biết”? Tự biết là kiến thức nằm sẵn trong mô hình từ lúc huấn luyện — cũ và không sửa được. RAG là tra cứu ngay lúc trả lời — mới và sửa được. Hai đường này cần bạn làm hai việc khác nhau, chi tiết ở mô hình AI biết tới thương hiệu bạn bằng hai đường nào.
Bài dài hay bài ngắn dễ được trích hơn? Không liên quan tới độ dài, liên quan tới cấu trúc. Một bài 800 từ chia khối rõ dễ được trích hơn bài 3.000 từ viết liền mạch không tiêu đề phụ.
Có cần biết kỹ thuật để làm được không? Không. Ba việc quan trọng nhất — trả lời thẳng, chia khối, có nguồn — đều là chuyện viết lách, không phải chuyện lập trình.
Làm sao biết mình đã qua được bước 1? Kiểm bằng Google Search Console xem trang đã được lập chỉ mục chưa. Đó là điều kiện cần. Sau đó thử hỏi thẳng Perplexity câu hỏi mà bài bạn trả lời, xem có được lấy ra không.