Giới thiệu về NoSQL và Cơ sở dữ liệu Vector cho các Tác nhân AI

Các tác nhân AI cần nhiều hơn chỉ bảng có cấu trúc. Khi xử lý nội dung phi cấu trúc, tìm kiếm ngữ nghĩa, hoặc nhúng quy mô lớn, cơ sở dữ liệu quan hệ truyền thống bắt đầu tụt hậu. Đây là lúc NoSQL document stores và cơ sở dữ liệu vector xuất hiện.

Các cơ sở dữ liệu tài liệu như MongoDB lưu trữ các bản ghi dạng JSON linh hoạt. Chúng lý tưởng khi tác nhân của bạn xử lý các payload đa dạng — ví dụ hồ sơ người dùng với các trường tùy chọn, trang web được thu thập, hoặc lịch sử trò chuyện mà mỗi cuộc hội thoại có một cấu trúc khác nhau.

Cơ sở dữ liệu vector như Pinecone, Weaviate, hoặc Chroma lưu trữ các nhúng chiều cao và cho phép tác nhân thực hiện tìm kiếm tương đồng. Thay vì ghép đúng từ khóa, tác nhân lấy các mục có ngữ nghĩa gần nhất với truy vấn. Điều này hỗ trợ các pipeline RAG, hệ thống nhớ và các tính năng đề xuất.

Kết nối các Tác nhân với Kho Tài liệu

Quy trình làm việc thông thường là một tác nhân gọi một công cụ hoặc hàm đóng gói các thao tác cơ sở dữ liệu. Thay vì viết truy vấn thô trong prompt, bạn công khai các hành động an toàn, có tham số như get_user_profile hoặc log_conversation.

from pymongo import MongoClient

client = MongoClient("mongodb://localhost:27017")
db = client["agent_store"]

def log_conversation(session_id: str, messages: list):
    db.conversations.update_one(
 {"session_id": session_id},
        {"$set": {"messages": messages}},
        upsert=True
    )

def get_user_context(user_id: str) -> dict:
    return db.users.find_one({"user_id": user_id})

Trong mẫu này, tác nhân quyết định hàm nào sẽ gọi dựa trên yêu cầu của người dùng, và các hàm xử lý mọi tương tác với cơ sở dữ liệu phía sau. Sơ đồ cơ sở dữ liệu vẫn linh hoạt — MongoDB sẽ chấp nhận mọi hình dạng bạn lưu.

Sử dụng Cơ sở dữ liệu Vector cho Truy vấn Ngữ nghĩa

Cơ sở dữ liệu vector biến văn bản thành các mảng số (các embedding) bằng một mô hình như text-embedding-3-small của OpenAI hoặc một local sentence-transformer. Sau khi được lưu trữ, độ tương đồng được đo bằng khoảng cách cosine hoặc tích vô hướng.

from openai import OpenAI
import chromadb

client = OpenAI()
chroma = chromadb.PersistentClient(path="./vector_store")
collection = chroma.get_or_create_collection("docs")

def embed(text: str) -> list:
    response = client.embeddings.create(
        model="text-embedding-3-small",
        input=text
    )
    return response.data[0].embedding

def add_document(doc_id: str, content: str):
    collection.add(ids=[doc_id], embeddings=[embed(content)], documents=[content])

def search_similar(query: str, top_k: int = 3) -> list:
    results = collection.query(query_embeddings=[embed(query)], n_results=top_k)
    return results["documents"][0]

Agent gọi search_similar khi câu hỏi của người dùng yêu cầu kiến thức vượt quá thời hạn huấn luyện của nó. Các khối được retrievied sau đó được chèn vào prompt làm ngữ cảnh cho mô hình ngôn ngữ.

Lựa chọn giữa Document và Vector Stores

Các cơ sở dữ liệu tài liệu là lựa chọn đúng khi bạn cần tra cứu chính xác, lược đồ linh hoạt và lọc truyền thống. Ví dụ, lấy đơn hàng theo ID hoặc liệt kê tất cả các phiên cho một người thuê.

Cơ sở dữ liệu vector là lựa chọn đúng khi bạn cần truy xuất mơ hồ, dựa trên ý nghĩa. Ví dụ bao gồm tìm bài viết trợ giúp liên quan đến cách người dùng diễn đạt, ghép hồ sơ ứng tuyển với mô tả công việc, và tìm các cuộc hội thoại trước đó có phần giống với chủ đề hiện tại.

Trong thực tế, hầu hết các agent sản xuất kết hợp cả hai. Cơ sở dữ liệu vector tìm các mục có ý nghĩa tương đồng, và cơ sở dữ liệu tài liệu lấy các hồ sơ đầy đủ có cấu trúc liên quan đến những mục đó — ví dụ, truy xuất hồ sơ người dùng đầy đủ sau một phép so khớp tương tự trên các vé trước.

Các Cạm bẫy và Thực hành Tốt nhất

Một lỗi phổ biến là lưu embedding kích thước lớn bên trong cơ sở dữ liệu tài liệu. Dù có thể, điều này làm giảm tốc độ chỉ mục và hiệu suất truy vấn. Giữ embedding ở một cửa hàng vector riêng và lưu tham chiếu (như ID tài liệu) ở cửa hàng tài liệu của bạn.

Một cạm bẫy khác là quên xử lý sự thay đổi của mô hình embedding. Nếu bạn đổi mô hình, bạn phải tái nhúng toàn bộ corpus — các vector cũ và mới không thể so sánh được.

Cuối cùng, hãy luôn thiết lập bộ lọc metadata trong các truy vấn vector của bạn. Tìm kiếm trên hàng triệu vector là tốn kém, vì vậy hãy thu hẹp theo ngày tháng, người dùng, hoặc danh mục trước khi tiến hành bước tìm tương tự.

results = collection.query(
    query_embeddings=[embed(query)],
    n_results=5,
    where={"user_id": "u_123", "created_at": {"$gt": 1700000000}}
)

Tóm tắt

Cơ sở dữ liệu NoSQL tài liệu cung cấp cho các agent AI sự linh hoạt về sơ đồ cho dữ liệu thực tế đa dạng. Cơ sở dữ liệu vector bổ sung khả năng truy xuất ngữ nghĩa mà SQL truyền thống không thể sánh được. Với các agent sản xuất, mô hình chiến thắng là kết hợp: dùng một store tài liệu cho trạng thái có cấu trúc và tra cứu chính xác, và một store vector cho tìm kiếm dựa trên ý nghĩa. Giữ embedding ở store gốc của chúng, lọc sớm và lên kế hoạch trước cho việc nâng cấp mô hình.