---
title: "RAG là gì? Retrieval-augmented generation giải thích"
description: "RAG lấy các đoạn liên quan từ tài liệu của bạn và đưa vào prompt để LLM trả lời dựa trên chúng. Pipeline hoạt động ra sao và khi nào context dài hiệu quả hơn."
url: https://broadrouter.com/vi/glossary/rag/
lang: vi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/glossary/rag/) (cập nhật ngày 2026-11-14).

# RAG (tạo sinh tăng cường truy xuất)

Cập nhật 2026-11-14

RAG (retrieval-augmented generation) là mô hình trong đó ứng dụng trước tiên truy xuất các đoạn liên quan tới câu hỏi từ một kho bên ngoài, như chỉ mục tìm kiếm hay chỉ mục vector, rồi đưa chúng vào prompt để model ngôn ngữ trả lời dựa trên văn bản đó thay vì chỉ dựa vào trí nhớ.

Còn gọi là: tạo sinh tăng cường truy xuất, RAG là gì, pipeline RAG, retrieval-augmented generation, retrieval augmented generation, RAG pipeline, retrieval-augmented LLM

RAG cho model làm bài kiểu được mở sách: trước khi model trả lời, code của bạn tra các trang liên quan và đặt chúng vào prompt.

## Cách hoạt động

Thuật ngữ này xuất phát từ Lewis và cộng sự (2020). Họ ghép một model sinh (“parametric memory”, Bản dịch: bộ nhớ tham số) với “a dense vector index of Wikipedia” (Bản dịch: một chỉ mục vector dày đặc của Wikipedia, tức “non-parametric memory”, bộ nhớ phi tham số) được truy cập qua một retriever dạng mạng nơ-ron, và báo cáo kết quả hỏi đáp miền mở tốt hơn các model chỉ dựa vào trọng số.

Một pipeline RAG hiện đại dùng API LLM thường như sau:

1.  **Index.** Chia tài liệu thành các chunk, chuyển mỗi chunk thành [embedding](https://broadrouter.com/vi/glossary/embeddings/) và lưu vào một [vector database](https://broadrouter.com/vi/glossary/vector-database/), thường kèm một chỉ mục từ khóa.
2.  **Truy xuất.** Embed câu hỏi của người dùng và lấy các chunk khớp nhất, khoảng 5 đến 20.
3.  **Sinh câu trả lời.** Đặt các chunk đó vào prompt kèm chỉ dẫn chỉ trả lời dựa trên chúng và trích dẫn nguồn. Gửi tới model chat.

Model không tự tìm kiếm. Chất lượng truy xuất quyết định mức trần: nếu đoạn văn đúng không được truy xuất, model không thể dùng nó.

## Vì sao quan trọng

-   **Tính cập nhật.** Trọng số của model dừng ở thời điểm kết thúc huấn luyện. RAG cho phép nó trả lời dựa trên bảng giá hay chính sách của hôm nay.
-   **Chi phí.** Gửi 10 chunk tốn ít token đầu vào hơn nhiều so với gửi toàn bộ kho tài liệu cho mỗi câu hỏi.
-   **Truy vết được.** Câu trả lời có thể trích dẫn các đoạn gốc, hỗ trợ [grounding](https://broadrouter.com/vi/glossary/grounding/) và giúp phát hiện [ảo giác](https://broadrouter.com/vi/glossary/hallucination/) dễ hơn.
-   **Thứ tự quan trọng.** Model dùng phần đầu và cuối của một prompt dài tốt hơn phần giữa. Hãy đặt các đoạn tốt nhất lên đầu. Xem [lost in the middle](https://broadrouter.com/vi/glossary/lost-in-the-middle/).

## Trên BroadNet Inference

BroadNet đảm nhận bước sinh câu trả lời. Tài liệu không liệt kê endpoint embedding, nên retriever cần một model embedding riêng hoặc tìm kiếm theo từ khóa. DeepSeek V4.1 Flash và GLM 5.3 nhận tới 1.048.576 token context, nên việc truy xuất rộng rãi (hoặc không cần truy xuất với kho nhỏ) là khả thi. Bài [context dài và RAG](https://broadrouter.com/vi/blog/long-context-vs-rag/) so sánh hai cách về chi phí và recall, còn [tìm kiếm RAG cho tiếng Ả Rập](https://broadrouter.com/vi/blog/arabic-rag-search/) đề cập chuẩn hóa và truy xuất kết hợp (hybrid) cho tiếng Ả Rập.

## Lỗi thường gặp

-   Đổ lỗi cho model khi retriever mới là nguyên nhân. Hãy ghi log những chunk được truy xuất cho từng câu trả lời.
-   Chunk cắt đôi bảng hoặc câu.
-   Không có chỉ dẫn nói “không tìm thấy”. Thiếu nó, model sẽ lấp chỗ trống bằng trí nhớ.

## Câu hỏi thường gặp

### RAG có giống fine-tuning không?

Không. RAG thêm tài liệu vào prompt lúc gửi request và không thay đổi gì trong model. Fine-tuning thay đổi trọng số của model. RAG dễ cập nhật hơn; bạn chỉ cần index lại tài liệu thay vì huấn luyện lại.

### Làm RAG có bắt buộc phải có vector database không?

Không phải lúc nào cũng cần. Tìm kiếm theo từ khóa, một truy vấn SQL hay một chỉ mục nhỏ trong bộ nhớ đều có thể đóng vai trò retriever. Vector database hữu ích khi bạn có nhiều tài liệu và cần khớp theo ngữ nghĩa.

### Context window 1 triệu token có thay thế được RAG không?

Đôi khi. Nếu toàn bộ kho tài liệu vừa context và được truy vấn thường xuyên kèm cache, bạn có thể gửi hết. Với kho lớn hoặc thay đổi nhanh, truy xuất vẫn rẻ hơn và nhanh hơn cho mỗi câu hỏi.

## Xem thêm

-   [Embedding (vector nhúng)](https://broadrouter.com/vi/glossary/embeddings/) (thuật ngữ)
-   [Vector database (cơ sở dữ liệu vector)](https://broadrouter.com/vi/glossary/vector-database/) (thuật ngữ)
-   [Context window (cửa sổ ngữ cảnh)](https://broadrouter.com/vi/glossary/context-window/) (thuật ngữ)
-   [Grounding (neo câu trả lời vào nguồn)](https://broadrouter.com/vi/glossary/grounding/) (thuật ngữ)
-   [Ảo giác AI (hallucination)](https://broadrouter.com/vi/glossary/hallucination/) (thuật ngữ)
-   [Lost in the middle (lạc ở giữa)](https://broadrouter.com/vi/glossary/lost-in-the-middle/) (thuật ngữ)
-   [Chunking (RAG)](https://broadrouter.com/vi/glossary/chunking/) (thuật ngữ)
-   [Reranking (xếp hạng lại)](https://broadrouter.com/vi/glossary/reranking/) (thuật ngữ)
-   [Hybrid search (tìm kiếm lai)](https://broadrouter.com/vi/glossary/hybrid-search/) (thuật ngữ)
-   [BM25](https://broadrouter.com/vi/glossary/bm25/) (thuật ngữ)
-   [Dùng OpenAI Python SDK với BroadNet Inference](https://broadrouter.com/vi/guides/openai-python-sdk/) (hướng dẫn)
-   [Long context và RAG: khi 1M token thay được vector DB](https://broadrouter.com/vi/blog/long-context-vs-rag/) (bài viết)
-   [RAG tiếng Ả Rập: chuẩn hóa, chia chunk và truy xuất hiệu quả](https://broadrouter.com/vi/blog/arabic-rag-search/) (bài viết)
-   [Khi nào context window 1M token đáng dùng (và khi nào không)](https://broadrouter.com/vi/blog/million-token-context-window-guide/) (bài viết)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-rag&utm_content=page-cta) ·

**Nguồn**

-   [Lewis và cộng sự, Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv, NeurIPS 2020)](https://arxiv.org/abs/2005.11401)
-   [OpenAI, hướng dẫn vector embedding (trường hợp dùng cho tìm kiếm)](https://developers.openai.com/api/docs/guides/embeddings)
-   [Tài liệu tham chiếu API BroadNet Inference, model ID và context (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-rag&utm_content=sources#models)
