Quy trình RAG và Kỹ thuật Vòng lặp: Bộ điều phối quyết định khi nào lặp và khi nào dừng

Mô hình ngôn ngữ lớn Quy trình RAG và Kỹ thuật vòng lặp: Bộ điều phối quyết định khi nào lặp và khi nào dừng Thông minh tài liệu doanh nghiệp [Tập 1 #13] – Kết hợp các mẫu và lý do đây là hình thái của “RAG tác nhân” angela shi Ngày 14/8/2026 32 phút đọc Chia sẻ Ảnh của Fernando Narvaez, qua Pexels. Trong vài bài viết gần đây, chúng tôi đã xây dựng các mẫu vòng lặp từng bước một: phân tích lại khi kiểm tra trang thất bại, truy xuất lần thứ hai khi câu trả lời chỉ đến một phần khác, tổng hợp khi câu hỏi yêu cầu một danh sách đầy đủ. Mỗi mẫu có bài viết riêng, yếu tố kích hoạt riêng và thử nghiệm riêng. Mỗi mẫu đều hoạt động tốt riêng lẻ. Các câu hỏi thực tế không xuất hiện từng mẫu một. Lấy ví dụ một câu hỏi mà một cán bộ tuân thủ có thể hỏi về Khung an ninh mạng NIST (tài liệu của Chính phủ Hoa Kỳ, thuộc phạm vi công cộng tại Hoa Kỳ, xem tuyên bố bản quyền NIST): “Tất cả các Danh mục thuộc GOVERN là gì, và danh mục nào bao gồm rủi ro chuỗi cung ứng?” Câu hỏi nghe có vẻ bình thường. Bên trong quy trình, nó kích hoạt ba mẫu cùng lúc: Truy xuất mục lục (TOC), để đến đúng phần; Tổng hợp danh sách, để liệt kê mọi Danh mục, không chỉ những danh mục được trích dẫn nhiều nhất; Bước tổng hợp, để chọn danh mục bao gồm rủi ro chuỗi cung ứng. Mỗi trong ba bước này đều có cơ chế lặp riêng: truy xuất lại ở đây, tạo lại ở đó, một cờ LLM kích hoạt lần chạy thứ hai. Chạy chúng trên cùng một câu hỏi và một vấn đề thực tế xuất hiện: cái nào quyết định khi nào dừng? Nếu không quyết định, mỗi loại câu hỏi mới sẽ trở thành một trường hợp đặc biệt khác được gắn thêm vào, và không ai có thể nói trước quy trình sẽ làm gì tiếp theo. Câu trả lời phổ biến hiện nay là giao quyết định đó cho một tác nhân (agent) và để mô hình điều phối. Đối với một quy trình doanh nghiệp, chúng tôi ưu tiên một đoạn mã có thể đọc được: một bộ điều phối biến câu hỏi đã phân tích và hồ sơ tài liệu thành một kế hoạch rõ ràng, và các vòng lặp có giới hạn (bounded loops) chỉ ra, bằng mã, mỗi mẫu có thể lặp bao xa. Đó là những gì bài viết này xây dựng: các vòng phản hồi, sự lặp lại có giới hạn và bộ điều phối kết hợp chúng thành một quy trình làm việc duy nhất. Bài viết này khép lại Phần III của Thông minh tài liệu doanh nghiệp, một loạt bài xây dựng hệ thống RAG cấp doanh nghiệp từ bốn khối: phân tích tài liệu, phân tích câu hỏi, truy xuất và tạo sinh. 🧭 Mới làm quen với loạt bài này? Bắt đầu với bản đồ: Prompt, Context, Loop trình bày ba lớp kỹ thuật mà mọi hệ thống RAG được xây dựng trên đó, prompt (lời gọi), context (những gì lấp đầy cửa sổ của mô hình), loop (khi nào lời gọi tiếp theo được kích hoạt và khi nào nó dừng), và xem xét toàn bộ loạt bài qua lăng kính đó, từng bài một. Đây là cách ngắn nhất để xem những gì được đề cập và vị trí của bài viết này. vị trí của bài viết này trong loạt bài: Bài 13 (quy trình làm việc), kết thúc Phần III – Hình ảnh của tác giả 📓 Tài liệu đi kèm có thể chạy được giúp bạn tự vận hành cơ chế vòng lặp: bạn chạy pdf_qa_loop trên một câu hỏi thất bại ở lần chạy đầu tiên, in lịch sử IterationRecord hiển thị những gì mỗi lần thử lại đã thay đổi, và xem should_continue cắt vòng lặp khi các ứng viên ngừng di chuyển. Trên GitHub: doc-intel/notebooks-vol1. Kho mã nguồn công khai đi kèm tại doc-intel/notebooks-vol1 – Hình ảnh của tác giả Trong môi trường sản xuất, các câu hỏi thực tế thường kết hợp nhiều mẫu: câu hỏi “Liệt kê các nghĩa vụ của người bán, bao gồm mọi tiêu chuẩn được tham chiếu” trong một hợp đồng yêu cầu giải quyết tham chiếu hai bước bên cạnh việc liệt kê. Cơ chế lặp lại hoạt động song song với các mẫu này. Điều này giúp đặt bài viết này vào một thang bậc gồm năm cấp độ, mỗi cấp độ là một phiên bản có khả năng hơn của cùng một chức năng trả lời câu hỏi PDF. Phiên bản cơ sở (Bài viết 1) nối bốn khối một lần với truy xuất từ khóa: một lần chạy, trả về câu trả lời. Phiên bản nâng cấp (Bài viết 9, bốn khối được nâng cấp từng hợp đồng) giữ nguyên một lần chạy nhưng làm cho nó phong phú hơn, với phân tích quan hệ đầy đủ và định tuyến theo mục lục (TOC), đồng thời trả về một câu trả lời có kiểu dữ liệu mang các trường phản hồi (ngữ cảnh có đầy đủ không? phân tích có thành công không?), được tạo ra nhưng chưa được xử lý. Cấp độ quy trình làm việc, tức là bài viết này, biến lần chạy đó thành một bước bên trong một vòng lặp có giới hạn: một bộ điều phối chọn các mẫu nào sẽ kích hoạt, và vòng lặp đọc các trường phản hồi để quyết định có nên thử lại không, với quyền kiểm soát vẫn nằm trong mã. Cấp độ đa ý định (công việc tiếp theo) mở rộng đầu vào: một mục nhập trò chuyện phân loại điều người dùng muốn (một câu hỏi, một bản dịch, một bản tóm tắt, hoặc chỉ “xin chào”, vốn cần một phản hồi trực tiếp và không cần quy trình nào cả) và định tuyến đến quy trình phù hợp, quyết định vẫn nằm trong mã. Cấp độ tác nhân (xa hơn) chuyển vòng lặp kiểm soát vào LLM, nơi nó tự chọn bước tiếp theo; bài viết này dừng lại hai cấp độ bên dưới, nơi quy trình vẫn có thể tái tạo và kiểm toán được. Các cấp độ từ một đến bốn giữ quyền kiểm soát trong mã; chỉ bước nhảy cuối cùng mới chuyển quyền kiểm soát vòng lặp từ mã sang mô hình. Năm cấp độ kiểm soát, kiểm soát trong mã cho đến cấp độ cuối cùng; bài viết này là cấp độ quy trình làm việc – Hình ảnh do tác giả cung cấp Bài viết này nói về quy trình tổng hợp: một hàm điều phối duy nhất nhận một câu hỏi, quyết định các mẫu nào sẽ kích hoạt, chạy chúng, quản lý các vòng phản hồi và đưa ra câu trả lời. Hàm đó là pdf_qa_loop: lần chạy duy nhất từ quy trình nâng cấp, được phát triển thêm một cấp độ, điều phối các mẫu của Phần III trong phạm vi (pdf, qa). Công việc tiếp theo sẽ bổ sung các điểm vào phía trên nó (các định dạng tài liệu khác, các ý định khác); phạm vi đó nằm ngoài bài viết này. Các mẫu trở thành một bộ công cụ. pdf_qa_loop trở thành bộ điều phối của chúng. Bốn mẫu BẬT, ba mẫu TẮT; chỉ các mẫu BẬT mới đến được Câu trả lời – Hình ảnh do tác giả cung cấp Bộ điều phối là nơi “khuếch đại chuyên gia” xuất hiện ở lớp tổng hợp. Kiến thức định tuyến của nhóm (các mẫu nào kích hoạt cho loại câu hỏi nào, theo thứ tự nào) được ghi lại một lần, bằng mã Python xác định, và chạy cho mọi câu hỏi trong tương lai. LLM xuất hiện ở mỗi khối. Nó không bao giờ chọn lệnh gọi tiếp theo. Việc lựa chọn mẫu là nhiệm vụ của bộ điều phối; quyết định lặp lại hay dừng lại.