Phần 1 — Nhập môn

Mười mục, đọc theo thứ tự. Mục 1.6, 1.7 và 1.9 có ví dụ tính bằng tay — tự tay tính lại thì phần còn lại của cẩm nang mới dễ.

Phần này viết cho người chưa từng làm search. Không giả định biết gì trước đó. Nếu bạn đã biết inverted index, vector và cosine là gì, nhảy thẳng sang Phần 2 — Metrics.

#	Mục	Nội dung
1	1.1 Vì sao không dùng Ctrl+F là xong?	Vocabulary mismatch — vấn đề gốc của mọi hệ tìm kiếm
2	1.2 Từ vựng tối thiểu	corpus, document, query, term, relevance, ranking
3	1.3 Ba nhân vật rất dễ lẫn	search vs retrieval vs RAG — ba thứ hay bị gọi lẫn
4	1.4 RAG là gì, và vì sao nó phải tồn tại	Vì sao phải nhồi tài liệu vào prompt thay vì tin LLM
5	1.5 Đi bộ qua một câu hỏi	Một truy vấn đi qua toàn bộ pipeline, từng bước
6	1.6 Inverted index — dựng bằng tay	Dựng inverted index trên giấy — cấu trúc dữ liệu cốt lõi
7	1.7 BM25 tính bằng tay	Tính điểm BM25 bằng tay: idf, tf saturation, độ dài
8	1.8 Vector và embedding — trực giác hình học	Trực giác hình học: vector, cosine, không gian nghĩa
9	1.9 “Tốt” nghĩa là gì	recall, precision, nDCG — đo trước khi tối ưu
10	1.10 Bảy ngộ nhận của người mới	Bảy điều người mới hay tin sai

Đọc xong Phần 1 thì đi đâu

Mặc định là đi tiếp theo thứ tự: Phần 2 — Metrics. Cẩm nang đặt metrics ngay sau nhập môn vì nguyên tắc đầu tiên của nó là không đo thì không tối ưu — mọi phần sau đều giả định bạn đã có thước đo trong tay.

Bạn muốn	Đi tới
Đi tiếp theo lộ trình — dựng thước đo trước khi tối ưu bất cứ thứ gì	Phần 2 — Metrics
Hiểu cơ chế bên trong: postings, fuzzy search, prefix, top-k	Phần 3 — Nền tảng kỹ thuật
Đi thẳng vào lý thuyết hiện đại (embedding, hybrid, rerank)	Phần 4 — Lý thuyết
Xem baseline đã đo trên corpus của repo để có mốc so sánh	Phụ lục — Lộ trình & baseline