Giữ nguồn gốc thông tin khi tổng hợp từ nhiều nguồn

Một hệ thống nghiên cứu nhiều agent đi qua nhiều bước: tìm nguồn, đọc, tóm tắt, tổng hợp. Mỗi bước tóm tắt lại bỏ bớt chi tiết, và chi tiết hay bị bỏ nhất là "câu này lấy từ đâu".

Bài này giúp bạn trả lời: làm sao để báo cáo cuối vẫn biết mỗi nhận định đến từ nguồn nào, và xử lý thế nào khi các nguồn nói khác nhau?

Ví dụ xuyên suốt: báo cáo về thói quen đọc sách của người trẻ

Một nhà xuất bản dựng hệ thống nhiều agent để viết báo cáo "thói quen đọc sách của người 18–30 tuổi". Subagent tìm web và subagent đọc tài liệu gửi kết quả cho subagent tổng hợp. Báo cáo bản đầu có mấy vấn đề:

1. Nhiều nhận định trong báo cáo không ghi nguồn, dù các subagent phía trước có gắn trích dẫn.
2. Khảo sát A nói 28% người trẻ đọc sách giấy hằng tuần, khảo sát B nói 19%. Báo cáo lúc chọn 28%, lúc chọn 19%, không nhắc số kia.
3. Subagent tổng hợp đánh dấu hai con số trên là "mâu thuẫn", trong khi khảo sát A làm năm 2023 còn khảo sát B làm năm 2026.
4. Doanh số theo quý, tin về một hội sách lớn, và kết quả phân tích dữ liệu ứng dụng đọc đều bị viết thành cùng một kiểu đoạn văn.

Nguồn bị mất khi tóm tắt

Vấn đề 1 xảy ra ở bước tổng hợp. Subagent tổng hợp nhận nhiều đoạn có trích dẫn, gộp và viết lại thành văn mới, và trong lúc nén lại thì mất dấu câu nào đi với nguồn nào. Đó là mất liên kết giữa nhận định và nguồn (claim-source mapping) khi tóm tắt.

Cách sửa: bắt các subagent phía trước trả kết quả dưới dạng cặp nhận định và nguồn có cấu trúc, và subagent tổng hợp phải giữ, gộp các cặp đó chứ không viết lại thành văn tự do:

{
  "nhanDinh": "28% người 18–30 tuổi đọc sách giấy ít nhất một lần mỗi tuần",
  "nguon": "Khảo sát A, báo cáo PDF trang 12",
  "trichDoan": "...28% cho biết đọc sách in hằng tuần...",
  "ngayThuThap": "2023-09"
}

Bài viết của Anthropic về hệ thống nghiên cứu nhiều agent kể họ có một agent riêng lo trích dẫn ở cuối, xử lý tài liệu và báo cáo để tìm đúng chỗ cần dẫn nguồn, bảo đảm mọi nhận định đều gắn với nguồn của nó. Tài liệu prompt của Anthropic cũng khuyên bọc từng tài liệu trong thẻ kèm thông tin nguồn khi đưa nhiều tài liệu vào prompt.

Nguồn đáng tin nói khác nhau

Vấn đề 2: cả hai khảo sát đều đáng tin. Chọn một số, dù chọn ngẫu nhiên hay chọn số "có vẻ hợp lý hơn", là giấu đi một thông tin quan trọng: các nguồn chưa thống nhất.

Cách xử lý đúng: ghi cả hai giá trị, chú thích rõ nguồn, không tự ý chọn một. Subagent phân tích tài liệu nên hoàn thành việc của mình với các giá trị mâu thuẫn được giữ nguyên và ghi chú rõ, để agent điều phối quyết định cách xử lý trước khi chuyển sang tổng hợp.

Báo cáo cuối nên chia hai phần rõ ràng:

• Đã rõ: các phát hiện nhiều nguồn cùng ủng hộ.
• Còn tranh cãi: các điểm nguồn nói khác nhau, giữ nguyên cách mỗi nguồn diễn đạt và cách họ thu thập số liệu (cỡ mẫu, cách hỏi).

Ngày của số liệu

Vấn đề 3: 28% năm 2023 và 19% năm 2026 có thể không hề mâu thuẫn; có thể thói quen đã thay đổi trong ba năm. Nhưng nếu kết quả gửi cho subagent tổng hợp không kèm ngày, nó không có cách nào biết.

Cách sửa: bắt các subagent ghi ngày công bố hoặc ngày thu thập dữ liệu trong kết quả có cấu trúc (trường ngayThuThap ở trên). Có ngày, bước tổng hợp hiểu đúng đây là xu hướng theo thời gian chứ không phải hai nguồn cãi nhau.

Mỗi loại nội dung một cách trình bày

Vấn đề 4: ép mọi thứ về cùng một dạng đoạn văn làm mỗi loại nội dung khó đọc theo một kiểu. Nên trình bày theo đúng loại:

Người đọc so được doanh số các quý ngay trên bảng, đọc tin tức như đọc báo, và lướt nhanh các phát hiện theo từng gạch đầu dòng.