0:01 Xin chào mọi người. Hôm nay mình sẽ trình bày một cái chủ đề rất là hay đó các bạn sẽ pin một cái con chat bap sử dụng cái API gọi là file search của Open AI. Tức là file search nó là một cái công cụ giúp các bạn có thể là build cái vector store là các bạn lưu trữ những cái văn bản của các bạn một cách rất là dễ dàng. Cái file search này nó bao gồm cả cơ sở dữ liệu, bao gồm cả những cái thuật toán tìm kiếm văn bản giúp các bạn build cái RAC nó nhanh hơn rất là nhiều. Ví dụ ở đây các bạn thấy là cái rock của chúng ta là khi các bạn một cái hệ thống thông minh thì với một cái truy vấn thì nếu mà các bạn không có rock thì cái con mô hình ngôn ngữ nó sẽ không thể hiểu được các bạn đang nói về cái sản phẩm gì. Nhưng khi có R thì các bạn dùng cái truy vấn này các bạn truy xuất vào cái cơ sở dữ liệu các bạn. Đấy sau đó các
0:47 bạn tìm ra những văn bản tương đồng các bạn trả lời. Thì hôm nay thì mình sẽ hướng dẫn các bạn build một cái vector search sử dụng Open AI gọi là file search. Tức là cái tool này nó sẽ đọc những cái file của các bạn sau đó nó lưu vào một cái cơ sở dữ liệu và tất cả những thuật toán liên quan đến tìm kiếm văn bản tương đồng mà nó làm hết cho chúng ta nó rất chi là gọn đấy và cái độ chính xác nó rất là cao nữa không? Thì đầu tiên thì cái quy trình sẽ như sau. Mình sẽ build ra một cái chúng ta sẽ tạo ra những cái vector store. Đấy, vector store. Vector store là chúng ta có những cái văn bản. Ví dụ ở đây mình có những cái văn bản như là file
1:32 CSV hoặc là những văn bản như là PDF. Đây mình sẽ build cái vector store này với một cái ID gì đấy. Giả sử là ID là 123 chẳng hạn. Đấy tức là chút nó là không cần phải setup cơ sở dữ liệu các thứ để các bạn lưu chữ văn bản vào trong này. Open họ sẽ làm cho các bạn hết. Thế sau khi mà các bạn có cái vector store rồi thì các bạn sẽ up trên cái vector store này. Được không? Giả sử vector store này các bạn sẽ lưu trữ những cái thông tin về sản phẩm điện thoại. Ví dụ như là tên title chẳng hạn. Điện thoại điện thoại mà Nokia 3210. Thế xong có đây là một cái điện thoại nhé. Chúng ta có cái miêu tả các thứ xong chúng ta có giá chẳng hạn vân vân.
2:18 Đấy đây một điện thoại còn chúng ta có nhiều điện thoại khác thì chúng ta sẽ lưu những cái thông tin này vào trong cái vector store này. Được không? Đấy thì đây là cái bước đầu tiên, bước số 1. Sau khi có bước có vector store xong thì các bạn sẽ search. Tức là ví dụ các bạn xây dựng hệ thống tìm kiếm tức là từ một try vấn. Ví dụ người ta hỏi là cho tôi thông tin về Nokia chẳng hạn 3210. Thì khi mà có cái query như thế này ấy thì nó sẽ đi vào trong cái vector store nó lấy ra cái văn bản này chẳng hạn. Đấy, lấy ra cái văn bản
3:04 này. Sau đó các bạn sẽ cung cấp văn bản này cho mô hình ngôn ngữ và trả lời thì nó sẽ trả lời ra cái tiêu đề cái giá là các thứ. Thì bước một thì mình sẽ cùng khám phá cái vector store. Thì đây các bạn sẽ dùng c cho mình nhá. Cái cure là cái tool để các bạn dep nhanh hơn. Thì ở đây mình đã cung cấp cho nó một cái ngữ cảnh đó sẽ chính là cái đốc của cái file search này. Đấy để tí nữa nó giúp mình viết API nhanh hơn. Thì đây là cái cure được không? Thì ở đây thì mình có thể dùng cái tính năng là ví dụ như là yêu cầu nó tạo một cái environment file là chúng ta phải lưu trữ cái environment file của Open vào đây. Đấy. Đây đã tạo cho các bạn cái environment file rồi. Thế thì bây giờ
3:51 các bạn vào platform của Open AI. Đấy các bạn login vào xong các bạn vào phần đấy các bạn lấy cái key. Đấy đấy các bạn lại login vào. Xong các bạn lấy cái key nha. Thì cái key nó sẽ bắt đầu bằng cái SK. Và đây thì mình sẽ tự thêm vào trong cái file environment của mình. Nó sẽ bắt đồng bằng SK dưới như này này. Đấy thì các bạn phải biết chọn chỗ nào cho đúng. Đấy tức nó trông như này. Ok thì cái phần này các bạn tự làm nhé. Ở đây thì mình đã lưu trữ lại cái key ấy rồi. Bây giờ mình lấy cái key đấy. Rồi mình đã copy cái key vào
4:38 rồi. Rồi ok rồi. Có file environment rồi đúng không? Vậy thì bây giờ mình sẽ à sau khi có environment thì mình muốn tạo ra một cái file để mình có thể học cái vector store này. Thì cái vector store này ấy nó là cái mà các bạn sẽ đẩy cái những cái văn bản của mình lên. Sau đó những cái kỹ thuật ví dụ chia văn bản thành nhiều phần rồi chuyển văn bản đó thành vecơ chẳng hạn. Đấy thì cái hệ thống mà file search nó tự làm hết cho các bạn luôn đúng không? Đấy thì ví dụ đây mình có thể làm một việc đầu tiên đó là mình sẽ tạo ra một cái gọi là du vector store đấy chp chẳng hạn. Thì trong cái
5:26 file này thì các bạn sẽ làm một số việc. Ví dụ các bạn sẽ load cái data from mình sẽ tạo một folder là data đấy. And build vector store and return cái ID của cái vector store đấy. Đây này. ID nó giống tên của cái cơ sở dữ liệu ấy. Tí nữa các bạn dùng để các bạn truy xuất. Thì bây gi mình thử đã. Rồi chúng ta cùng lượt qua cái B vector Store này thì nó có những cái code gì? Ví dụ đây vector store builder này tạo ra thư mục này. Chắc là thư mục data
6:12 đúng không? Đấy sau đó thì các bạn sẽ làm gì? những cái file nó support đây. Ví dụ đây thì mình sẽ demo CSV tức là file giống như file bảng ấy đúng không? Thì đây thì mình à có cái code là các bạn sẽ upload cái file lên cái vector store này. Đ upload đây này. Đấy thì đây là cái hàm build là hàm chính là các bạn sẽ tạo file data đấy. Xong a upload file lên. Thì đây thì mình modify cái code một chút là mình chỉ only support. Cái này là only support CSV thôi. Cái này thì nó support nhiều file nhưng mà mình để CSV thôi. Đây thì đây mình có thể bảo nó là make cái
7:00 data direction. Đấy. Đấy. Tức là mình sẽ build cái folder chứa data trước. Đấy, ví dụ mình build ở đây này. Thì bây giờ mình sẽ bỏ một cái data mình hay demo, tức là cái data điện thoại hoặc là hàng mobile ấy. Đây mình cho các bạn xem cái data này. Data này là về các cái điện thoại thôi. Đây, giờ mình bật cho các bạn xem. Tức là nó một cái bảng thông thường và nó có những cái data kiểu như này. Đ các bạn chờ nút nó sẽ load. Đây
7:49 ví dụ chúng ta có cái đường dẫn của cái là cái điện thoại đấy. Chúng ta có tiêu đề chúng ta có miêu tả chúng ta miêu tả cái điện thoại đấy. Công nghệ là gì đúng không? Hai sim giá là màu các thứ. Thì bây giờ mình sẽ đưa tất cả cái này vào vector store. Ok. Thì ở đây thì là nó đã hướng dẫn mình gọi là vest store builder này là cái mà các bạn sẽ khi chạy hàm bu này thì nó sẽ upload cái file trong cái data này lên. Vậy thì bây giờ mình sẽ kéo cái file Hoàng Hà Mobile này vào bên trong. Các bạn chờ mình một chút. Mình lấy cái file data mình kéo vào đây. Kéo vào Hoàng Hòa Mobile đây. Và mình hy vọng là nó sẽ upload data
8:34 lên. Đấy thì ở đây thì à chỗ này mình yêu cầu nó là ví dụ mình sẽ chat từ file này đây. Ví dụ cái chỗ mà support các cái file đây thì đây thì mình chỉ cần là only support CSV thôi. Hoặc các bạn có thể bổ sung thêm PDF vào cũng được. Đấy, cư sờ rất là tiện. Nó sẽ giúp các bạn viết code rất là nhanh được
9:21 không? Đấy thì các bạn thấy đây nó chỉ sửa là set mỗi CSP thôi. Xong. Đấy thì bây giờ ví dụ à nó sẽ chạy như thế nào? Tức là cái vector store này ấy nó sẽ upload file lên. Đấy đây nó sẽ đếm file ở trong này sau đó sẽ upload. Đây mình có một file thôi cho các bạn làm đơn giản thôi. Đây chính là cái hàm upload lên cái vector store. Ok. Đ phần này thì quết data mình không cần mình có cái directory đấy rồi mình chỉ upload đây thôi. Mấy cái này các bạn có thể upset hết cho nó nhanh. Tất nhiên có thể có lỗi không thể tránh được đúng không? Rồi ở đây thì mình có thể lấy cái
10:08 terminal mình chạy riêng cũng được. Đây đây mình có cái terminal này. Đ mình lấy cái folder này đang ở đâu? Mình CD cái folder này một chút. Đôi khi các bạn phải dùng song song giữa việc Asian. Asient có thể chạy terminal cũng được nhưng mà đôi khi nó sẽ chưa được hoàn toàn là tốt lắm nên mình có thể là dùng song song cả hai. À thì các bạn thấy là chúng ta đã upload cái file CP lên trên lên trên cái vector store có cái ID là như thế này. Tức là ví dụ đây các bạn nhìn vào cái hình là nó có cái ID là VS67E này. Đấy, tức là chúng ta đã có một cái a vector store nó là gì?
10:53 VS 67E. Ok. Đấy và có những cái title các thứ như này thì bây giờ mình có thể debug một cái vector store tức mình phải xem là khi mình build vector store xong rồi thì trông data như thế nào thì các bạn có thể tạo ra một cái file. Đấy, ví dụ như là ở đây các bạn yêu cầu nó là tạo file là search vector store with the vector store id là chính là cái a cái này đấy.
11:39 Prin gọi là trun tức là nó sẽ chia văn bản ra nếu mà quá dài thì mình sẽ thử xem nào. Đây nó cải search store cho các bạn đấy. Đấy thì các bạn có search store rồi. Đây đây là cái ID đây. Đấy xong các bạn chạy cái hàm retrieve đấy. Ok không? Đấy, để thử xem nào. Nó vẫn đang chạy tiếp thì chúng ta cứ từ từ mà xem. Ở đây nó lại sửa lại một lần. Để thử
12:26 mình xem nó có đúng không. Từ từ check cái hàm từ upset nhé bạn. Search vector store này. Mình kéo rộng này ra một chút. Search vector store rồi vẫn phải openi. Assistant created vector store search. Cái này là nó đã tạo luôn một cái con AI trả lời theo rồi. Tức là đây là đang gọi là hơi rối. Bản thân mình là mình chỉ muốn search cái data thôi nhưng mà đây thì lại đang gọi là đưa cả mô hình ngôn ngữ vào trong này để chck luôn với cái data đấy. Thì bây giờ mình có thể lấy một đoạn code mà mình đã từng làm để cho nó chuẩn hơn. Đây chính xác cái subter store mình
13:12 muốn nó phải trông kiểu như này đây nhá. Tức là chưa cần phải mô hình ngôn ngữ trả lời gì cả. Bây giờ mình chỉ muốn là với một cái vector store id bất kỳ thôi mình liệt kê ra được data. Thì đây là cái cũ của mình. Thì bây giờ bây giờ mình sẽ cái hàm này nó làm một việc là nó chạy cái đây này. Đây chính là cái hàm mà nó sẽ trả ra tất cả những cái tră dữ liệu đã lưu ở trong cái cái hệ thống của mình ấy và mình muốn hiển thị ra một cách gọi là đẹp đẽ thôi. Thì đây chính là cái mình muốn chứ cái vừa nãy nó sinh ra là nó đã có cả mô hình ngôn ngữ bên trong rồi. Thì đấy sẽ chính là cái mà ai nó chưa hoàn hảo đúng không? Chúng ta vẫn cần phải monitơ theo dõi nó. Thì ví dụ bây giờ mình à mình search query thử một cái này thì
13:59 nó search vector này sẽ ra gì? Ở đây thầy thấy đang chưa thấy search được cái gì cả thì kiểm tra lại một chút xem tại sao lại không không search được. Ví dụ đây mình bỏ cái filter này đi. Cô để filter ra rỗng xem nào. Ở đây thì chúng ta không tìm thấy thông tin. Đấy thì mình có thể thêm một cái code là mình liệt kê tất cả những cái vector store ra xem là nó có đã có cái vector store của mình
14:44 hay chưa. Ở đây mình có một đoạn code là search các bạn liệt kê ra những vector store. Thì đây các bạn dùng hàm vector store các bạn client.vector store các bạn liệt kê ra để mình xem là có bao nhiêu cái vector store mình đã tạo ra. Thử nhá. Đây ví dụ đây mình có hai cái này. Một cái là đuôi 83 một cái là à đuôi 4A này thì chính là cái YouTube search store chính là cái mà mình vừa làm này. Vậy thì tại sao cái code này nó chưa chạy đúng? Nếu như vậy thì mình sẽ quay lại cái nút build vector store này xem nó có làm đúng không. Đó.
15:29 Tức là như mình hiểu là nó chưa đẩy được data lên. Đ chưa đẩy data lên. Rồi chúng ta sẽ cùng check check xem tại sao mà nó chưa đổi được data lên đây. Ok bây giờ mình cũng chat m cái này xem nào. Đây chúng ta sẽ update cái vector store builder and check. The
16:16 data was uploaded successfully. Tức là một lần duy check lại cái việc build vector store này. Đ Ok. Xem cái code của nó làm gì.
17:02 À về mặt data này. Đây là cái chỗ mà các bạn tạo ra vector store này mình cứ accept đi. Đấy cái phần upload file này. Đấy ok. Đấy up file đây. Đấy lập qua các file. Upload and after store id. Ok. Rồi làm lại nhá. chạy lại cái hàm build gọi là vector store đây. Ví dụ đây là fail này. Nói chung là vector store đã được
17:47 tạo thành công đấy nhưng mà nó đang không có thể gọi là data hầu như là không upload được đây. Đấy thì đây mình có thể đưa code này vào yêu cầu cure nó giải quyết cho mình xem nào.
18:36 Đấy thì có nghĩa là CSV đang chưa hỗ trợ đúng không? Đấy thì ở đây nó bảo là CSP không được hỗ trợ thì mình sẽ làm gì? Thì bây giờ mình sẽ cần phải làm việc là mình đọc nó vậy. Đọc thành gọi là thành văn bản riêng xong mình upload lên được không? Đấy thì bây gi ví dụ bây giờ mình sẽ yêu cầu nó làm cái việc như thế này. Tức là nó sẽ sử dụng Pandas nó đọc cái file CSV này và nó sẽ dùng file TXT cho mình. Giờ mình sẽ dùng Pandas mình đọc file CSV xong mình chuyển thành file TXT. Đấy, tức là cái Open AI nó không hỗ trợ cái đấy. CSV trực
19:23 tiếp. Đây thì mình sẽ cập nhật cái code thì các bạn thấy cư sờ rất là nhanh và tiện để các bạn code nhanh. Tất nhiên các bạn phải có khả năng review cái codeấy chứ không thể là cứ gọi là ngồi xem không và mà và mà và mà và mà accept không được, chấp nhận không được đúng không? Đây chỗ này nó thêm một cái hàm convert cái CSP to text. Tức là các bạn sẽ sử dụng Pandas đọc cái file CSV này lặp qua các cái dòng lấy tên ra này. À gọi là đây là ưu đãi này, đây là giá này được không? Đấy, ví dụ mình có thể muốn làm thêm tức là ví dụ trong cái file này thì nó có
20:09 thêm data, một số data nữa. Ví dụ ở đây thì à mình có đây mình muốn là lấy tất cả những cái thông tin này thì mình lại quay lại cơ sở so column username. Đấy. Đấy. Càng nhiều thông tin càng tốt thì khi mà chúng ta build cái chatbot nó sẽ trả lời được nhiều hơn. Đây này. Đấy thì ví dụ đây các bạn hình dung là nó sẽ build a nó sẽ nối tất cả những cái a đường dẫn này tên các thứ bằng một cái dòng đấy để nó build cái gọi là gì? cái vector search trên cái văn bản đấy.
20:55 Tức là các bạn hình dung là nó sẽ nối tất cả những cái trường vào với nhau. Đây ví dụ ở cái file Hoàng Hà Mobile này thì từ từ tên của cái điện thoại rồi ưu đãi rồi cấu hình các thứ thì nó nối lại hết vào với nhau để nó embet cái nó chuyển cái văn bản to đùng này thành một cái vector chứ nó không biết được là mình muốn làm gì đúng không? Ví dụ như là mình không nó không biết được mình muốn search theo cái trường nào đấy cho nên nó cần phải nối lại hết thì nó dùng tất cả thông tin này để nó search được không? Không sao cả. Đấy, đây là cái điều người ta bắt buộc phải làm tại vì họ họ họ làm tự động cho tất cả các bên thì họ không thể biết được là bên kia người ta build cái vector search hay là vector store dựa trên cái trường nào.
21:40 Người ta sẽ phải làm như này. Đấy, thì bây giờ mình sẽ accept này. Mình sẽ accept cái file này luôn. Logic cũng là như vậy. Đấy, chúng ta dùng tạo ra vector store xong upload cái data lên vector store id như thế này. Đấy, đây là cái thông tin của vector store. Rồi mình sẽ build không có file Hoàng Hà Mobile CSV chúng ta đang để ở data. Đấy, thì đây thì các bạn sửa thành data. Đấy. Đấy. Đây các bạn phải convert cái
22:25 Hoàng Hòa Mobile thành TT. Xong các bạn upload lên. Ở đây thì nó phải à build embedding đúng không? Rồi cứ để nó ra được cái này đi đã. Bây giờ là vector store đi con này rồi. Mình cứ theo dõi cái bấc này. Bây giờ mình check lại là cái việc mà mình search vector store này nó có hoạt động hay không. Đấy. Ví dụ bây mình cứ search thử làn sản 1% như này nhá. Xem là nó có hoạt động không. Đấy như này là hoạt động rồi cho nên là mình tạm thời mình à bỏ qua cái bấc kia. Đ không.
23:12 Đấy, bây giờ mình search là giảm 1%. Đây nó ra giảm 1% tối đa này. Ví dụ mình search những cái liên quan màu đen xem nào. Ví dụ ta hỏi là điện thoại là màu đen. Mình lấy tiếng Việt nhá. Đây ví dụ đen này. Đen này. Ok. Ví dụ phức tạp hơn ví dụ các bạn muốn search theo kiểu là một cái a 128 GB. Đấy. Không 128 GB thì nhiều cái. Ví dụ các bạn search camera phụ 0.8 MP này. Giờ các bạn thấy bình thường các bạn lập trình RAP các bạn phải build
23:58 những cái vector search rồi eding các thứ nó rất là cồng kềnh. Nhưng mà đây nó default hết, nó mặc định hết đấy. Đây chúng ta đang muốn nó ra được camera phụ 0.8 MP để tìm xem là đây có không. Ví dụ mình chạy lại nhé. Clear đi từ trên đầu đây cái mà phụ 0.8 MP đây xem này. Đây
24:44 đấy 0.8 MP ra đây nó ra nhiều kết quả và khi mà các bạn thực hiện search thì ra những cái điểm đây này 09256 này. Đấy ở 0.8719 8719 này để xem đây nó ra bao nhiêu cái kết quả 10 kết quả đúng không? Đấy các bạn có thể config cái này tức là các bạn có thể config cái việc là trả ra bao nhiêu cái a cái cái kết quả được không? Ví dụ đây mình có thể update là ví dụ như là đấy ví dụ đây các bạn có thể đọc cái thử xem là đây nó có đây được không 5 of max result tức các bạn muốn xuất nhiều thông
25:31 tin hơn chẳng hạn đấy bằng 20 chẳng hạn Đấy, đôi khi các bạn phải chú ý cái max result có tồn tại không thì mình lại phải lên cái đốc của Open Ey mình đọc xem nào. Ví dụ mình nhớ là có vẻ là không phải là phải là max result mà nó sẽ là một cái đây nó phải max 5 đấy. chú ý một chút. Đấy, chỗ đây mình để à max 5 bằng 20 accept. Thế đôi khi cái ngữ cảnh các bạn cung cấp không đủ thì nó chưa hiểu. Ok. Thì bây giờ mình quay lại mình
26:19 search xem nó có được 20 res hay không. Đấy các bạn thấy nó res 20 luôn này. Đấy thì ví dụ đây khi trong cái trường hợp mà các bạn muốn là nó nó phải có nhiều thông tin hơn để bổ sung cho con chatpot thì mình cần phải làm như vậy. Đây chính là B vector và search vector. Thì bây giờ nhiệm vụ tiếp theo mình yêu cầu mô hình ngôn ngữ trả lời thôi. Thì mình có thể lấy lại cái slide để mình kiểm tra một chút. Thì cái cách hoạt động cái này là nó sẽ tự động. trong king những cái văn bản ra. Các bạn thấy văn bản mình khi mà mình build là nó nối tất cả những cái cột vào thì những việc mà trunking các thứ rồi chuyển cái văn bản thành cái vecor nó tự làm hết. Nó sử dụng cái eding là texting
27:06 3 để nó chuyển thành vector 256 chiều. Đấy và nó làm việc rất nhiều file ví dụ ví dụ CSV vừa nãy thì mình phải chuyển thành file TXT ngoài ra thì nó làm việc rất là tốt với PDF vân vân. Đấy, nó có cái tính năng là ví dụ khi mà trả lời ấy thì nó có thể biết được là cái thông tin đấy từ cái file nào. Cái này khá thú vị để các bạn debug. Ok không? Nhưng mà đương nhiên là các bạn sẽ cần phải trả tiền cho việc lưu trữ cái file này. Một cái store nó lưu trữ được 10.000 file và nó tốn là 0.1 một đ ờ một một đô một cái gig một ngày. Nhưng mà các bạn có cái gọi là có thể à expire cái vector store này nếu mà ví dụ 7
27:52 ngày gọi là không không dùng chẳng hạn. Đấy để tránh trường hợp mà các bạn cứ để đấy mà không ai không ai sử dụng nó sẽ tự hết. Đấy đấy thì nó sẽ improve CP. Mình demo cái CP để các bạn hình dung được cái cách sử dụng cơ sở để nó support đó. Chúng ta sẽ c tạo một cái chatbot ở đây. Đấy, sau đấy thì mình sẽ dùng cái đoạn code như thế này. Đấy, tức là mình à có một đoạn code mẫu ở trên cái API rồi nhưng mình yêu cầu là nó ví dụ như là add gọi là Missy Code như cái đoạn code bên trên. Ở đây thì chúng ta sẽ đưa tạo ra một
28:42 assistant bằng việc beta assistant này. Sau cái điều quan trọng nhất đó chính là các bạn set up cái tool chính là file search tìm kiếm gọi theo file chính là những cái trong các bạn đưa vào ấy. Đ không ở đây thì mình sẽ không cần từ từ mình nói nốt cái này. Ví dụ các bạn có rề xộc là các bạn sẽ đẩy cái vecơ store ID vào. Chính là cái ID của cái vecơ store các bạn đã build. Đấy các bạn set up cho con chatbot này. Ok không? Thì bây giở đây. Còn những cái bên trên thì mình đã buill rồi thì mình không cần thấy nữa. Đấy. Đây thì mình chỉ cần thay cái vector store đi. Đây sẽ chính là cái đấy. Đây đặt cho nó một cái biến
29:33 đi. Đấy. Rồi. Ok. Access. Access. Đấy, cái assistant này thì bình thường thì nó chỉ là một cái con LM thôi nhưng bây giờ có cái tool file search và chúng ta sẽ có thể lựa chọn là search ở trên cái cơ sở dữ liệu của chúng ta vector store. Đấy, và các bạn tạo ra một cái thread. Cái thread nó giống như kiểu là một cái đoạn chat. Đấy, cái th này thì các bạn sẽ run nó. Đây, trong cái thét này thì tức là cái luồng trả lời có con assistant bên trong. Đấy. Sau các bạn đẩy cái câu hỏi người dùng vào đây này. Đấy. Đấy. Thì bây giờ mình thử chạy cái này xem
30:19 nào. Mình đang hỏi giá của 3210 đấy. 1,5 triệu đúng không? Đấy. Ví dụ mình làm những cái phức tạp hơn. Ví dụ mình muốn convert to terminal chat, tức là nó kiểu như là y2 ấy, chat được nhiều lần ấy. Tức là chat xong nó nó trả lời xong chat tiếp chat tiếp kiểu như vậy. Ở đây các bạn thấy nó mô hình vẫn còn chưa tốt, nó cứ ra 4 nó
31:06 [âm nhạc] không đây. Nó tạo ra hàm to. Xong các bạn cứ nhập nó trả lời. Cứ nhập nó trả lời. Đấy. Rồi chạy xem nào. Đấy. Ví dụ như là điện thoại là màu đen. Đấy các bạn thấy nó sẽ search cái cơ sở dữ liệu ra. Đây đây là chính là những cái mà nó đánh đánh như kiểu là đánh đánh gọi
31:53 là cái nguồn cái size. Đây chúng ta có mua Realme các thứ đây này. Điện thoại giá trên 3 triệu. Đấy các bạn thấy là chúng ta có đấy 6 triệu 7 triệu đấy trên 6 triệu chẳng hạn xem có đúng không. Đây mình chưa xét áp ngữ cảnh cho nên mình phải gõ lại. Còn đâu nếu các bạn xét ngữ cảnh thì có thể các bạn chỉ cần gõ 6 triệu thôi là nó vẫn hiểu là điện thoại giá trên 6 triệu. Chúng ta đang làm đơn giản thôi. Đấy 6,3 triệu này. 6,9 triệu đây
32:43 này. Ok. Đây sẽ chính là cách mà các bạn build một cái gọi là con sử dụng cái gọi là AI assistant của Open AI đó. Và các bạn sử dụng cả cơ để nó hỗ trợ các bạn code nhanh hơn rất là nhiều. Các bạn thấy là trừ để một tiếng là mình đã có một cái con Rust chatbot rồi đó. rất là nhanh đấy. Và đương nhiên là các bạn đừng quên là các bạn phải delete đi. Tức là nhiều khi là các bạn quên delete vector store là nó sẽ cứ ở đấy thôi. Đấy thì các bạn delete vector store đi. Ở đây mình có cái code rồi.
33:31 Đấy, nhiều khi mà làm quá mà quên nên là rất là tốn tiền đúng không? Đây có cái hàm delete đây này. Đấy vẫn dùng cái API vector store các bạn delete. Các bạn phải lặp qua tất cả những cái vector store id xong các bạn delete nó. Đây các bạn chạy cái delit này. Đấy nó vẫn handw day đây này. [âm nhạc] Ponit store đấy. Đang delete store rồi đấy. Đấy các bạn chú ý nó có tính tiền
34:19 đấy. Cần phải chú ý đồng tiền đi liền khúc ruột đúng không? Rồi nó delit hết các vector store rồi. Rồi tóm gọn lại là chúng ta sẽ có một cái công cụ để build r chatbot và tất cả những cái công nghệ liên quan đến search các thứ rồi lưu trữ thông tin trunking thì better store của Open E nó sẽ làm hết. Đấy các bạn chỉ cần gọi là thực hiện thôi. Đấy thực hiện
35:05 cái việc mà các bạn nối với cái assistant thôi. Rất chi là tiện các bạn để data mà thôi. Thì đây chính là cái bài nói của mình ngày hôm nay. Hi vọng các bạn có thể sử dụng những công cụ này để làm ứng dụng chatbot và nhanh hơn.
