3.14 Bảng chọn: nhu cầu nào dùng cấu trúc nào

Mục tra cứu. Mỗi dòng là một nhu cầu thật, đọc từ phía người dùng.

Bảng chính

Người dùng muốn	Ví dụ	Cấu trúc	Mục
Khớp chính xác một mã	E2003, sk_live_x	inverted index, không phân tích, không fuzzy	3.1, 3.7
Có/không chứa từ, kèm lọc	status=active AND "mật khẩu"	boolean + filter	3.2
Ranking theo mức liên quan	“làm sao đổi mật khẩu”	BM25 trên inverted index	3.4
Đúng cụm từ, đúng thứ tự	"xác thực hai lớp"	positional index, hoặc bigram term	3.5
Gõ dở, gợi ý ngay	mat kh…	trie/FST prefix + xếp theo độ phổ biến	3.6, 3.11
Tìm chuỗi con bất kỳ	%at kha%	trigram index (GIN + pg_trgm)	3.6
Gõ sai một hai ký tự	mật khảu	Levenshtein automaton (k≤2) hoặc trigram	3.8, 3.9
Gõ không dấu	mat khau	chuẩn hoá bỏ dấu, không phải fuzzy	3.10
Viết teencode	ko doi dc mk	từ điển ánh xạ phía truy vấn	3.10
Diễn đạt khác hẳn từ trong tài liệu	“quên cách vào app” ↔ “khôi phục truy cập”	embedding + ANN	Tầng 1, Tầng 5
Câu hỏi cần ghép nhiều tài liệu	“so sánh gói A và gói B”	multi-hop / agentic retrieval	Tầng 9
Câu trả lời có dẫn nguồn	“theo chính sách nào?”	retrieval + context assembly	Tầng 8

Ánh xạ sang công cụ

Nhu cầu	Postgres	Elasticsearch / OpenSearch	SQLite
Full-text + BM25	tsvector + GIN	mặc định	FTS5
Prefix / typeahead	btree text_pattern_ops	edge_ngram, search_as_you_type	FTS5 term*
Substring %x%	pg_trgm + GIN	wildcard field	— (phải tự làm)
Fuzzy	pg_trgm / levenshtein() (fuzzystrmatch)	fuzziness (k≤2)	spellfix1
Cụm từ	phraseto_tsquery, <->	match_phrase + slop	FTS5 "a b"
Bỏ dấu	unaccent	asciifolding filter	tự chuẩn hoá trước khi ghi
Vector	pgvector (HNSW)	dense_vector + kNN	sqlite-vec
Hybrid lexical+vector	tự trộn (Tầng 2)	RRF dựng sẵn	tự trộn

Nếu đã có Postgres và corpus dưới vài triệu chunk: tsvector + pg_trgm + pgvector phủ được toàn bộ bảng trên, trong một transaction, không thêm hệ thống mới. Chi phí vận hành của việc này thường thấp hơn giá trị của các tính năng nâng cao mà Elasticsearch mang lại — hãy chắc là bạn cần chúng trước khi thêm một cluster.

Đọc thêm

• [EN] PostgreSQL — Full Text Search (tsvector/tsquery/GIN) — Postgres: full text search
• [EN] PostgreSQL — pg_trgm (trigram similarity) — Postgres: fuzzy bằng trigram
• [EN] pgvector — vector search trong Postgres — Postgres: vector search
• [EN] SQLite FTS5 — full-text search nhúng — SQLite: FTS5 cho ứng dụng nhúng
• [EN] elasticsearch-analysis-vietnamese (vi_analyzer) — duydo — Elasticsearch: analyzer tiếng Việt
• [VI] Elasticsearch with Vietnamese analyzer — Viblo — cấu hình vi_analyzer + icu_folding, có ví dụ mapping

Thứ tự sửa, xếp theo lợi/chi phí đo được

Từ số đo trên golden set của cẩm nang:

#	Việc	Tác động đã đo
1	Sửa tokenizer để không ăn mất định danh	+20,8% (lớp A)
2	Quyết định bỏ dấu dựa trên p thật	tránh sập −15,5% khi truy vấn mất dấu
3	Giữ nguyên stopword	tránh mất −11% (lớp B)
4	Tinh chỉnh k1, b	+2,4%
5	Đổi TF-IDF → BM25	+1,2%

Đọc bảng này theo chiều dọc: bốn việc đầu đều là quyết định về dữ liệu và tiền xử lý, không phải về thuật toán ranking. Đó là bài học đắt nhất của cả Phần 3. Chỉ khi đã xong năm dòng trên thì thêm embedding và reranking mới đáng đồng tiền (Phần 8 xếp toàn bộ theo ROI).