Hai cách một trợ lý "biết" về sản phẩm của bạn
Khi Vy hỏi một trợ lý "phần mềm quản lý nhà trọ nào dễ dùng?", câu trả lời có thể đến từ hai nơi rất khác nhau. Hiểu hai nơi này là bước đầu tiên để biết mình có thể tác động vào đâu.
Cách thứ nhất — từ những gì mô hình đã học. Mô hình ngôn ngữ được huấn luyện trên một khối lớn văn bản, đến một thời điểm nhất định (gọi là mốc kiến thức). Nếu Trọ Xinh xuất hiện đủ nhiều và đủ nhất quán trong văn bản đó, mô hình có thể nhắc đến nó mà không cần tra cứu gì. Nhưng thông tin có thể đã cũ: giá năm ngoái, tính năng đã bỏ.
Cách thứ hai — tra cứu khi trả lời. Trợ lý tìm trên web ngay lúc người dùng hỏi, đọc một số trang, rồi viết câu trả lời dựa trên các trang đó và thường kèm trích dẫn. Ở thời điểm viết, Perplexity, Google AI Overviews, Copilot và ChatGPT khi bật tìm kiếm đều có cơ chế tra cứu dạng này, dù cách hiển thị nguồn khác nhau giữa các sản phẩm và thay đổi theo thời gian.
flowchart TD
A[Người dùng đặt câu hỏi] --> B{Trợ lý có tra cứu web không?}
B -->|Không| C[Trả lời từ kiến thức đã học]
B -->|Có| D[Tìm và đọc một số trang]
D --> E[Viết câu trả lời, thường kèm nguồn]
C --> F[Người dùng đọc câu trả lời]
E --> FHai cách này cần hai chiến lược khác nhau. Với cách thứ nhất, bạn tác động gián tiếp và chậm: sự hiện diện nhất quán trên web theo thời gian. Với cách thứ hai, bạn tác động trực tiếp hơn: trang của bạn phải tìm thấy được, đọc được, và trả lời đúng câu hỏi.
Những gì biết chắc
| Điều biết chắc | Vì sao chắc | Hệ quả cho PM |
|---|---|---|
| Trang không truy cập được thì không thể được đọc khi tra cứu | Cơ chế tra cứu cần tải được trang | Kiểm tra robots.txt, trang bắt đăng nhập, nội dung chỉ hiện sau khi chạy JavaScript nặng |
| Câu trả lời thay đổi giữa các lần hỏi | Mô hình sinh văn bản có yếu tố ngẫu nhiên, nguồn tra cứu cũng thay đổi | Không kết luận từ một lần hỏi; phải đo trên nhiều câu, nhiều lần |
| Kiến thức đã học có mốc thời gian | Các nhà cung cấp công bố mốc kiến thức của mô hình | Thông tin mới (giá mới, tính năng mới) chỉ đến qua tra cứu cho đến lần huấn luyện sau |
| Các nhà cung cấp có trình thu thập web riêng, có tên công bố | Có trong tài liệu chính thức của họ | Bạn có thể chọn cho phép hay chặn từng trình thu thập |
Hệ quả thực tế: nếu đội kỹ thuật từng chặn "tất cả bot AI" bằng một dòng trong robots.txt, rất có thể họ đã chặn luôn trình dùng để trích dẫn bạn khi người dùng hỏi. Quyết định chặn hay cho phép là quyết định kinh doanh, không phải mặc định kỹ thuật.
Những gì có cơ sở hợp lý, nhưng chưa phải chắc chắn
- Nội dung dễ trích từng đoạn có lợi hơn. Khi trợ lý đọc nhiều trang và ghép câu trả lời, một đoạn tự đứng được (có chủ ngữ rõ, không cần đọc đoạn trước) dễ được dùng hơn một đoạn chỉ có nghĩa trong ngữ cảnh. Đây là suy luận từ cách hệ thống hoạt động, chưa phải quy tắc được công bố.
- Được nhiều nguồn độc lập nhắc đến có lợi hơn tự mình nói. Nếu chỉ website của Trọ Xinh nói Trọ Xinh tốt, đó là một nguồn. Nếu diễn đàn, bài đánh giá và nhóm cộng đồng cũng nhắc, đó là nhiều nguồn. Điều này đúng với cả người đọc lẫn máy.
- Thứ hạng tìm kiếm truyền thống vẫn quan trọng với trợ lý có tra cứu, vì nhiều trợ lý dựa vào một công cụ tìm kiếm để chọn trang đọc. Nhưng mức độ phụ thuộc khác nhau và không được công bố đầy đủ.
Những gì chưa biết — và nên nghi ngờ khi ai đó nói biết
- Trọng số chính xác giữa các yếu tố khi trợ lý chọn nguồn.
- Một trang cụ thể có nằm trong dữ liệu huấn luyện hay không, và ảnh hưởng bao nhiêu.
- Liệu một định dạng file hay thẻ mới nào đó có được các trợ lý lớn dùng hay không. Ví dụ file
llms.txtlà một đề xuất cộng đồng; ở thời điểm viết, chưa có xác nhận rộng rãi rằng các trợ lý lớn dựa vào nó khi chọn nguồn.
Trọ Xinh kiểm tra nền móng
Đạt và Khoa làm một buổi kiểm tra hai tiếng, không viết thêm nội dung nào, chỉ trả lời câu hỏi: "trợ lý có đọc được chúng ta không?"
| Hạng mục | Phát hiện | Việc cần làm |
|---|---|---|
| robots.txt | Một dòng chặn mọi trình thu thập có chữ "bot" ngoài Googlebot, thêm từ hai năm trước để giảm tải máy chủ | Viết lại theo danh sách trình thu thập cụ thể, quyết định riêng cho huấn luyện và cho tìm kiếm |
| Trang bảng giá | Giá hiển thị bằng JavaScript sau khi gọi API | Đưa giá vào HTML trả về từ máy chủ |
| Trung tâm trợ giúp | Nằm sau đăng nhập | Mở công khai các bài hướng dẫn chung, giữ riêng phần gắn với tài khoản |
| Blog | Đọc được, có tiêu đề rõ | Giữ nguyên |
Làm ngay
Mở robots.txt của sản phẩm bạn và liệt kê từng dòng chặn: chặn trình nào, vì lý do gì, ai quyết định. Sau đó chọn ba trang quan trọng nhất (trang chủ, bảng giá, một bài hướng dẫn) và kiểm tra: nội dung chính có nằm trong HTML ban đầu không, hay chỉ hiện sau khi chạy JavaScript? Có trang nào bắt đăng nhập mà không cần thiết không? Ghi ra một quyết định cho phép hoặc chặn cho từng trình thu thập AI, kèm lý do kinh doanh.