Hướng dẫn dùng AI

Bắt AI trích nguồn khi trả lời từ tài liệu

Một chatbot trả lời từ quy chế, giáo trình hay hợp đồng chỉ đáng tin khi người đọc kiểm được câu trả lời dựa vào đoạn nào. Dặn mô hình "hãy trích nguồn" trong prompt thì đôi khi nó trích sai hoặc tự gõ lại câu không có trong tài liệu. Tính năng citations của Claude trả về đúng đoạn trích nguyên văn và vị trí của nó trong tài liệu. Bài này giải thích cách bật, cấu trúc phản hồi, chi phí, và đoạn Python gắn chú thích [1], [2] cho câu trả lời.

Ý chính
  • Bật citations trên từng khối tài liệu gửi kèm câu hỏi. Mô hình trả lời bằng nhiều khối chữ; khối nào dựa vào tài liệu thì kèm đoạn trích nguyên văn và vị trí.
  • Đoạn trích do API lấy thẳng từ tài liệu, nên luôn là chữ có thật trong tài liệu, không phải mô hình tự gõ lại.
  • Tài liệu chữ thường và PDF được tự chia theo câu; tài liệu dạng nội dung tùy chỉnh cho bạn tự quyết từng đơn vị được trích.
  • Theo tài liệu, citations không dùng chung được với đầu ra JSON theo schema.

Bài này dựa trên trang Citations trong tài liệu của Anthropic, đọc ngày 11/11/2026. Nếu chưa rõ cách đưa tài liệu cho mô hình, đọc trước bài RAG là gì.

Vì sao không chỉ dặn trong prompt

Cách đơn giản nhất là viết trong chỉ dẫn: "trích câu gốc trong tài liệu cho mỗi ý". Mô hình thường làm được, nhưng có ba vấn đề. Câu được "trích" đôi khi bị diễn đạt lại một chút, không còn đúng nguyên văn. Đôi khi trích sai tài liệu. Và chương trình của bạn phải tự tìm câu trích nằm ở đâu trong tài liệu để hiển thị hay tô sáng.

Trang tài liệu của Anthropic so sánh và nêu hai lợi ích của tính năng citations: tiết kiệm chi phí vì phần đoạn trích không tính vào token đầu ra, và trích dẫn đáng tin hơn vì API tách trích dẫn thành định dạng chuẩn và lấy đoạn trích trực tiếp, nên con trỏ tới tài liệu luôn hợp lệ.

Cách hoạt động

Bạn gửi tài liệu trong các khối kiểu document, mỗi khối có tên và bật citations. Tài liệu được chia thành các đơn vị nhỏ nhất có thể trích. Với chữ thường và PDF, đơn vị là câu: mô hình có thể trích một câu hoặc nối nhiều câu liên tiếp thành một đoạn. Với tài liệu dạng nội dung tùy chỉnh, các khối bạn đưa được giữ nguyên, không chia thêm, hợp với danh sách gạch đầu dòng hay biên bản theo lượt nói.

Phản hồi gồm nhiều khối chữ xen kẽ. Khối nào là ý lấy từ tài liệu thì có thêm danh sách trích dẫn. Mỗi trích dẫn có đoạn trích nguyên văn, chỉ số tài liệu, tên tài liệu, và vị trí: với chữ thường là chỉ số ký tự bắt đầu và kết thúc, đếm từ 0; với PDF là số trang, đếm từ 1; với nội dung tùy chỉnh là chỉ số khối. Theo tài liệu, PDF dạng ảnh scan không có chữ thì chưa trích được, vì chưa hỗ trợ trích dẫn từ hình.

AI trả lời kèm nguồn Đoạn trích lấy thẳng từ tài liệu, không do mô hình gõ lại 1. Gửi tài liệuKhối documentbật citations 2. Chia câuChữ thường, PDFcắt theo câu 3. Trả lờiKhối chữ có nguồnđoạn trích, vị trí 4. Hiển thịGắn số [1], [2]đối chiếu vị trí Không dùng chung với JSON theo schema
AI trả lời kèm nguồn 1. Gửi tài liệuKhối documentbật citations 2. Chia câuChữ thường, PDFcắt theo câu 3. Trả lờiKhối chữ có nguồnđoạn trích, vị trí 4. Hiển thịGắn số [1], [2]đối chiếu vị trí Không dùng chung với JSON theo schema
Hình 1. AI trả lời kèm nguồn: (1) gửi tài liệu trong khối document, bật citations; (2) chữ thường và PDF được chia theo câu; (3) mô hình trả lời bằng các khối chữ, khối có nguồn kèm đoạn trích và vị trí; (4) ứng dụng gắn số [1], [2] và đối chiếu vị trí. Đoạn trích lấy thẳng từ tài liệu, không do mô hình gõ lại. Không dùng chung với JSON theo schema.

Ví dụ bằng Python

Đoạn code dưới đây gửi hai tài liệu (một đoạn quy chế học vụ và một thông báo học phí), mỗi tài liệu là một khối chữ thường bật citations, rồi đặt câu hỏi sau cùng. Hàm ghep_chu_thich duyệt các khối trả về: nối chữ lại, và mỗi khi gặp khối có trích dẫn thì gắn số [n], đồng thời ghi vào danh sách nguồn gồm tên tài liệu, đoạn trích, vị trí ký tự. Hàm doi_chieu kiểm lại: cắt tài liệu gốc ở đúng vị trí ghi trong trích dẫn, xem có ra đúng đoạn trích không. Hàm hoi để max_tokens rộng vì phần suy nghĩ của mô hình cũng tính vào đó, và báo rõ nếu câu trả lời bị cắt vì chạm max_tokens hay bị từ chối, thay vì in chữ dở dang như đã trả lời xong.

"""Bắt Claude trích nguồn khi trả lời từ tài liệu (tính năng citations), rồi in câu trả lời kèm chú thích [n].

- tao_noi_dung: mỗi tài liệu là một khối document dạng chữ thường, bật citations; câu hỏi đặt sau.
- ghep_chu_thich: phản hồi gồm nhiều khối chữ, khối nào có citations thì gắn số [n]; cuối in danh sách nguồn
  (tên tài liệu, đoạn được trích nguyên văn, vị trí ký tự). Đoạn trích lấy từ API nên luôn khớp tài liệu.
- doi_chieu: kiểm lại đoạn trích có nằm đúng vị trí trong tài liệu gốc không.
Lưu ý theo tài liệu Anthropic: không dùng citations cùng structured outputs (JSON theo schema).
Cài: python -m pip install anthropic ; đặt ANTHROPIC_API_KEY để chạy thật.
"""
import os
import sys

TAI_LIEU = [
    ("Quy chế học vụ", "Học viên nghỉ quá 3 buổi sẽ không được cấp chứng nhận. Có thể học bù ở lớp khác cùng khóa nếu còn chỗ."),
    ("Thông báo học phí", "Học phí khóa Python cơ bản là 3 triệu đồng cho 12 buổi. Đóng học phí trước buổi học đầu tiên."),
]


def tao_noi_dung(tai_lieu, cau_hoi):
    nd = [{"type": "document", "source": {"type": "text", "media_type": "text/plain", "data": noi_dung},
           "title": ten, "citations": {"enabled": True}} for ten, noi_dung in tai_lieu]
    return nd + [{"type": "text", "text": cau_hoi}]


def ghep_chu_thich(khoi_tra_ve):
    chu, nguon = "", []
    for k in khoi_tra_ve:
        if k.type != "text":
            continue
        chu += k.text
        for c in getattr(k, "citations", None) or []:
            nguon.append(c)
            chu += f"[{len(nguon)}]"
    danh_sach = [f"[{i}] {c.document_title}: \"{c.cited_text.strip()}\" (ký tự {c.start_char_index}-{c.end_char_index})"
                 for i, c in enumerate(nguon, 1)]
    return chu, danh_sach, nguon


def doi_chieu(nguon, tai_lieu):
    """Mỗi trích dẫn phải đúng là đoạn nằm ở vị trí đã ghi trong tài liệu gốc."""
    return all(tai_lieu[c.document_index][1][c.start_char_index:c.end_char_index] == c.cited_text for c in nguon)


class KhongCoCauTraLoi(Exception):
    """Mô hình dừng mà không đưa ra câu trả lời trọn vẹn."""


def hoi(client, cau_hoi, mo_hinh="claude-sonnet-5-5"):
    # Sonnet 5.5 suy nghĩ trước khi trả lời, và token suy nghĩ tính vào max_tokens dù không hiện ra, nên để rộng chỗ.
    # max_tokens chỉ là mức trần: bạn trả tiền cho số token thật sự sinh ra.
    tl = client.messages.create(model=mo_hinh, max_tokens=16000,
                                messages=[{"role": "user", "content": tao_noi_dung(TAI_LIEU, cau_hoi)}])
    # Câu trả lời bị cắt hay bị từ chối thì báo rõ, không in chữ dở dang (hay rỗng) như thể đã trả lời xong.
    if tl.stop_reason in ("max_tokens", "model_context_window_exceeded"):
        raise KhongCoCauTraLoi(f"câu trả lời bị cắt giữa chừng ({tl.stop_reason})")
    if tl.stop_reason == "refusal":
        raise KhongCoCauTraLoi("mô hình từ chối trả lời câu hỏi này")
    chu, danh_sach, nguon = ghep_chu_thich(tl.content)
    if not chu.strip():
        raise KhongCoCauTraLoi("mô hình không trả về chữ nào")
    return chu, danh_sach, nguon


def main(cau_hoi):
    if not os.environ.get("ANTHROPIC_API_KEY"):
        sys.exit("Chưa có ANTHROPIC_API_KEY. Đặt biến môi trường trước khi chạy.")
    import anthropic
    try:
        chu, ds, nguon = hoi(anthropic.Anthropic(), cau_hoi)
    except KhongCoCauTraLoi as e:
        sys.exit(f"Chưa có câu trả lời trọn vẹn: {e}.")
    except anthropic.APIStatusError as e:
        sys.exit(f"API báo lỗi {e.status_code}: {e.message}")
    except anthropic.APIConnectionError:
        sys.exit("Không kết nối được tới API. Kiểm tra mạng rồi thử lại.")
    print(chu)
    print("\n".join(ds))
    print("Đối chiếu vị trí:", "khớp" if doi_chieu(nguon, TAI_LIEU) else "LỆCH")


if __name__ == "__main__":
    main(" ".join(sys.argv[1:]) or "Nghỉ 4 buổi thì sao, và học phí bao nhiêu?")

Với câu hỏi "Nghỉ 4 buổi thì sao, và học phí bao nhiêu?", kết quả có dạng: "Theo quy chế, nghỉ quá 3 buổi thì không được cấp chứng nhận[1]; học phí là 3 triệu đồng cho 12 buổi[2]", kèm danh sách nguồn [1] trỏ tới câu trong quy chế và [2] trỏ tới câu trong thông báo học phí. Bộ thử đi kèm dựng một phản hồi giả có đúng cấu trúc như tài liệu mô tả để kiểm phần ghép chú thích và đối chiếu, nên chạy không cần mạng; khi chạy thật, nội dung câu trả lời do mô hình viết và có thể khác.

Chi phí

Tài liệu ghi rõ ba điểm. Bật citations làm tăng nhẹ token đầu vào, do có thêm chỉ dẫn hệ thống và việc chia tài liệu. Tính năng rất tiết kiệm token đầu ra, vì mô hình chỉ xuất trích dẫn theo định dạng chuẩn, còn đoạn trích nguyên văn do API điền vào và không tính vào token đầu ra. Khi gửi lại lịch sử ở lượt sau, đoạn trích cũng không tính vào token đầu vào. Với tài liệu dài hỏi nhiều lần, có thể dùng cache cho phần tài liệu.

Kết hợp với RAG

Trong hệ thống tìm kiếm rồi trả lời, mỗi đoạn tìm được có thể đưa vào như một tài liệu chữ thường riêng, có tên là nguồn gốc của đoạn (tên tệp, mục, trang). Tài liệu gợi ý: nếu muốn mô hình trích được từng câu trong đoạn, đưa mỗi đoạn như một tài liệu chữ thường; nếu không muốn chia thêm, dùng nội dung tùy chỉnh. Khi đó trích dẫn trỏ thẳng về nguồn gốc, người dùng bấm vào là mở đúng chỗ. Đây cũng là cách đo một phần độ bám nguồn trong bài đánh giá hệ thống RAG: đếm bao nhiêu câu trong câu trả lời có trích dẫn đi kèm.

Hiển thị trích dẫn cho người đọc

Trích dẫn chỉ có ích khi người đọc thấy và dùng được. Vài cách trình bày hay gặp. Gắn số nhỏ sau mỗi ý như trong ví dụ, và liệt kê nguồn ở cuối câu trả lời. Khi người dùng di chuột hoặc chạm vào số, hiện đoạn trích nguyên văn ngay cạnh. Với tài liệu có trang, kèm số trang để họ mở bản gốc. Với tài liệu nội bộ có đường dẫn, biến tên tài liệu thành liên kết mở đúng vị trí, dùng chỉ số ký tự để tô sáng đoạn được trích.

Một quy tắc hiển thị nên đặt ngay từ đầu: ý nào trong câu trả lời không có trích dẫn thì làm khác đi, ví dụ in nghiêng hoặc thêm nhãn "chưa có nguồn". Người đọc nhìn vào là biết phần nào kiểm được, phần nào là mô hình tự diễn giải.

Ghi lại để cải thiện

Lưu mỗi câu hỏi kèm danh sách trích dẫn trả về. Sau một thời gian, bạn có số liệu quý: tài liệu nào được trích nhiều nhất, câu hỏi nào nhận câu trả lời không có trích dẫn nào (dấu hiệu tài liệu thiếu thông tin hoặc phần tìm kiếm bỏ sót), và đoạn nào hay bị trích nhưng người dùng vẫn hỏi lại (dấu hiệu đoạn đó viết khó hiểu). Những số liệu này chỉ ra chỗ cần bổ sung hay viết lại tài liệu gốc, không chỉ chỗ cần sửa chatbot.

Giới hạn cần biết

Citations không dùng chung được với structured outputs: theo tài liệu, bật citations trên tài liệu do người dùng gửi cùng với định dạng JSON theo schema sẽ bị từ chối, vì trích dẫn cần xen khối trích dẫn với chữ, mâu thuẫn với khuôn JSON chặt. Nếu cần cả hai, chạy hai bước: một lần trả lời có trích dẫn, một lần trích dữ liệu có cấu trúc.

Có trích dẫn không có nghĩa câu trả lời đúng. Mô hình có thể trích đúng câu nhưng hiểu sai, hoặc bỏ qua một câu quan trọng khác. Trích dẫn giúp người đọc kiểm nhanh, không thay cho việc kiểm.

Cẩn thận
  • Chỉ dặn trích nguồn trong prompt rồi tin các câu được "trích" là nguyên văn.
  • Gửi PDF dạng ảnh scan rồi mong có trích dẫn.
  • Bật citations cùng đầu ra JSON theo schema trong một yêu cầu.
  • Đặt tên tài liệu chung chung, người đọc không biết nguồn là gì.
  • Hiển thị câu trả lời mà giấu danh sách nguồn.

Câu hỏi thường gặp

Mô hình nào hỗ trợ citations?

Theo tài liệu, mọi mô hình đang hoạt động đều hỗ trợ.

Trích dẫn có thể trỏ sai chỗ không?

Đoạn trích được API lấy trực tiếp nên vị trí luôn hợp lệ. Nhưng việc chọn đoạn nào để trích vẫn do mô hình, nên vẫn cần người đọc kiểm ý.

Có dùng được khi truyền dần không?

Có, tài liệu có mục riêng về truyền dần với trích dẫn.

Trích dẫn từ trang web thì sao?

Công cụ tìm kiếm web phía máy chủ cũng trả kết quả có trích dẫn. Bài này tập trung vào tài liệu bạn tự gửi.

Học tiếp

Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.

Muốn học bài bản cùng giảng viên?

Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.

Xem Khóa AI

Nguồn tham khảo

Chia sẻ: Facebook LinkedIn
Nhắn Zalo tư vấnZalo Gọi 0937 401 483