<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title>RAG - Tag - Nguyen Ngoc Tin</title><link>https://ngoctin.me/tags/rag/</link><description>RAG - Tag - Nguyen Ngoc Tin</description><generator>Hugo -- gohugo.io</generator><language>en</language><managingEditor>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</managingEditor><webMaster>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</webMaster><lastBuildDate>Sat, 01 Aug 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://ngoctin.me/tags/rag/" rel="self" type="application/rss+xml"/><item><title>RAG</title><link>https://ngoctin.me/ai-engineer/02-llm-fundamentals/rags/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/02-llm-fundamentals/rags/</guid><description>Retrieval-Augmented Generation (RAG) là một phương pháp tiếp cận AI kết hợp việc truy xuất thông tin với tạo ngôn ngữ để tạo ra các đầu ra chính xác và phù hợp với ngữ cảnh hơn.</description></item><item><title>RAG and Dynamic Filters</title><link>https://ngoctin.me/ai-engineer/03-prompt-engineering/rag-dynamic-filters/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/03-prompt-engineering/rag-dynamic-filters/</guid><description>Retrieval-Augmented Generation (RAG) tăng cường các Large Language Models (LLMs) bằng cách cung cấp cho chúng thông tin liên quan, cập nhật từ các nguồn bên ngoài.</description></item><item><title>RAG &amp; Implementation</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/what-are-rags/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/what-are-rags/</guid><description>Retrieval-Augmented Generation (RAG) kết hợp việc truy xuất thông tin với tạo ngôn ngữ để tạo ra các phản hồi chính xác hơn và nhận biết ngữ cảnh.</description></item><item><title>RAG Usecases</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/rag-usecases/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/rag-usecases/</guid><description>Retrieval-Augmented Generation (RAG) nâng cao các ứng dụng như chatbot, hỗ trợ khách hàng và tóm tắt nội dung bằng cách kết hợp truy xuất thông tin với tạo ngôn ngữ.</description></item><item><title>RAG vs Fine-tuning</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/rag-vs-fine-tuning/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/rag-vs-fine-tuning/</guid><description>RAG (Retrieval-Augmented Generation) và fine-tuning là hai phương pháp tiếp cận để nâng cao các mô hình ngôn ngữ, nhưng chúng khác nhau về phương pháp luận và các trường hợp sử dụng.</description></item><item><title>Chunking</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/chunking/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/chunking/</guid><description>Bước chunking trong Retrieval-Augmented Generation (RAG) bao gồm việc chia nhỏ các tài liệu hoặc nguồn dữ liệu lớn thành các phần nhỏ hơn, dễ quản lý.</description></item><item><title>Embedding</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/embedding/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/embedding/</guid><description>Trong Retrieval-Augmented Generation (RAG), các embedding là thiết yếu để liên kết việc truy xuất thông tin với việc tạo ngôn ngữ tự nhiên.</description></item><item><title>Vector Database</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/vector-database/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/vector-database/</guid><description>Khi triển khai Retrieval-Augmented Generation (RAG), một cơ sở dữ liệu vector được sử dụng để lưu trữ và truy xuất hiệu quả các embedding, vốn là các biểu diễn vector của dữ liệu như tài liệu, hình ảnh hoặc các nguồn kiến thức khác.</description></item><item><title>Retrieval Process</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/retrieval-process/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/retrieval-process/</guid><description>Quy trình truy xuất trong Retrieval-Augmented Generation (RAG) bao gồm việc tìm kiếm thông tin liên quan từ một tập dữ liệu lớn hoặc cơ sở kiến thức để hỗ trợ việc tạo ra các phản hồi chính xác, nhận biết ngữ cảnh.</description></item><item><title>Generation</title><link>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/generation/</link><pubDate>Sat, 01 Aug 2026 00:00:00 +0000</pubDate><author>ngoctin.work@gmail.com (Nguyen Ngoc Tin)</author><guid>https://ngoctin.me/ai-engineer/04-rag-and-vector-databases/generation/</guid><description>Generation đề cập đến quy trình nơi một mô hình ngôn ngữ tạo, chẳng hạn như GPT, tạo ra một phản hồi dựa trên thông tin được truy xuất trong giai đoạn truy xuất.</description></item></channel></rss>