06/10/2026 · VietTechies · Biên tập
Amazon Web Services (AWS) đã công bố chi tiết về tính năng truy xuất dữ liệu bằng AI Agent trong Amazon Bedrock Managed Knowledge Bases, cho phép các ứng dụng Tạo sinh tăng cường bằng truy xuất (RAG) xây dựng trên LangChain thực thi kế hoạch truy vấn qua nhiều bước. Được cung cấp qua gói langchain-aws, tính năng này thay thế phương pháp tìm kiếm tương đồng đơn vector bằng một vòng lặp lặp lại giúp phân tách các câu hỏi phức tạp thành các truy vấn phụ có mục tiêu rõ ràng.
Tìm kiếm đa bước thay thế truy vấn đơn vector
Khi xử lý các câu hỏi so sánh hoặc gồm nhiều phần — như đánh giá nhiều sản phẩm dựa trên các tính năng khác nhau — phương pháp truy xuất một lần thông thường chỉ dựa vào một vector nhúng đơn lẻ để đại diện cho toàn bộ câu hỏi. Theo AWS, cách tiếp cận đơn vector này thường chỉ trả về các đoạn văn bản liên quan về mặt chủ đề nhưng lại bỏ sót những ý định cốt lõi nằm trong các câu lệnh phức tạp.
API AgenticRetrieveStream giải quyết hạn chế này bằng cách vận hành một mô hình lập kế hoạch nội bộ. Hệ thống thực thi truy xuất suy đoán, chia nhỏ câu hỏi của người dùng thành các truy vấn phụ riêng biệt, đánh giá xem ngữ cảnh thu thập được đã đủ bằng chứng hay chưa, và kích hoạt thêm các chu kỳ tìm kiếm nếu vẫn còn thiếu thông tin. Nếu các đoạn ngữ cảnh cụ thể chưa đáp ứng đủ yêu cầu, bộ lập kế hoạch có thể gọi tính năng mở rộng toàn bộ tài liệu để lấy về toàn bộ tệp nguồn.
Mức tăng hiệu năng trên các bộ dữ liệu phức tạp
AWS đã đánh giá cơ chế truy xuất bằng AI Agent trên bài đo hiệu năng MuSiQue — một bộ dữ liệu đa bước công khai — và ghi nhận khả năng thu hồi cải thiện đáng kể so với tìm kiếm một lần. Mức tăng cao nhất xuất hiện ở các câu hỏi đa bước phức tạp đòi hỏi thu thập ngữ cảnh qua nhiều công đoạn, trong khi các truy vấn đơn bước đơn giản chỉ ghi nhận mức cải thiện khả năng thu hồi dưới 5 điểm.
Bên cạnh việc lập kế hoạch truy vấn đa bước, tính năng truy xuất bằng AI Agent còn cho phép ứng dụng tìm kiếm đồng thời trên tối đa năm cơ sở tri thức khác nhau chỉ trong một yêu cầu duy nhất. Mô hình lập kế hoạch sẽ định tuyến từng truy vấn phụ đến các kho lưu trữ cụ thể dựa vào phần mô tả bằng ngôn ngữ tự nhiên được gán cho từng cơ sở tri thức.
Đánh đổi về độ trễ, chi phí và cơ chế API
Mặc dù cải thiện tỷ lệ thu hồi, phương pháp truy xuất bằng AI Agent lại làm tăng độ trễ và chi phí tài chính do phải gọi các mô hình nền tảng nhiều lần trong quá trình thực thi. Tiến trình này phụ thuộc vào giới hạn lượt lặp do tham số maxAgentIteration kiểm soát, với giá trị dao động từ 2 đến 10 và mặc định là 5. Việc thiết lập tham số dưới 4 sẽ ngăn cản quá trình phân tách truy vấn, dẫn đến hành vi tìm kiếm một lần nhưng vẫn tính phí theo mức giá của truy xuất agent.
Các nhà phát triển khi chuyển từ phương pháp truy xuất tiêu chuẩn sang cơ chế mới cần thích ứng với một số thay đổi về cấu trúc API. Khác với API Retrieve thông thường, kết quả từ truy xuất agent không bao gồm các trường điểm số liên quan có định kiểu trong dữ liệu đặc tả đầu ra. Ngoài ra, việc áp dụng rào chắn bảo vệ đối với truy xuất agent bị giới hạn ở chế độ BLOCK thông qua các cấu hình chính sách nhất định, trong khi truy xuất tiêu chuẩn cung cấp nhiều tùy chọn tích hợp rộng rãi hơn.
Ảnh minh họa do AI tạo, không phải ảnh tư liệu.
Nguồn: Agentic retrieval with LangChain and Amazon Bedrock Knowledge Bases