inflearn logo

Wiki tri thức AI của riêng tôi được tạo bằng Claude — bộ não thứ hai tích lũy kiến thức và lọc bỏ những điều sai lệch (Obsidian)

Wiki do AI tổng hợp, liệu có thể tin từng câu chữ? Tự tay xây dựng wiki công việc bằng Claude Code và vault Obsidian, gắn tệp nguồn và số dòng cho từng câu; các script đối chiếu tự động lọc trích dẫn sai, số liệu sai, nguồn đã lỗi thời và mâu thuẫn giữa các trang. Phần nâng cao còn đề cập đến tài liệu gốc dạng PDF, Excel, bản quét, nội dung web được lưu lại, bản ghi âm, email, slide; bộ câu hỏi có đáp án chuẩn cùng công cụ chấm điểm; quy mô 300 trang; và cách vận hành nhóm dựa trên git (tổng cộng 65 bài). Obsidian chỉ được dùng để mở vault; hình ảnh vault trên màn hình bài giảng là hình dựng lại trực tiếp từ các tệp thực hành.

2 học viên đang tham gia khóa học này

Độ khó Nhập môn

Thời gian Không giới hạn

Python
Python
Git
Git
Business Productivity
Business Productivity
claude
claude
Python
Python
Git
Git
Business Productivity
Business Productivity
claude
claude

Bạn sẽ nhận được điều này sau khi học.

  • Thực ra, hãy tạo một tệp quy tắc để Claude Code viết trang wiki, trong đó mỗi câu đều kèm theo tệp nguồn, số dòng và đoạn trích dẫn.

  • Chỉ với một dòng mã đối chiếu, có thể tìm các trích dẫn không nhất quán, số liệu sai lệch và nguồn bị thiếu trên toàn bộ wiki, theo từng trang và số dòng.

  • Dùng dấu vân tay văn bản gốc để chỉ xác định những trang có nội dung gốc thay đổi; khi có bản sửa đổi, chỉ chỉnh sửa lại những trang bị ảnh hưởng.

  • Tìm những trường hợp giá trị của cùng một mục nằm rải rác ở nhiều trang nhưng khác nhau (mâu thuẫn), rồi đối chiếu với văn bản gốc để xác định.

  • Hỏi Wiki thì yêu cầu trả lời kèm dòng trích dẫn làm căn cứ; nếu không có căn cứ thì không được bịa ra, mà phải nói 'không có căn cứ' và cung cấp nguyên văn cần thiết.

  • Tự động chạy kiểm tra bằng các kỹ năng thu thập, hook, quy tắc từ chối và bộ lọc; chỉ con người mới được thay đổi tiêu chí kiểm tra.

  • Hàng tuần, xem tỷ lệ xác nhận, mức độ lỗi thời, mâu thuẫn và các mục chờ xét duyệt trong một báo cáo kiểm tra sức khỏe một trang.

  • Chuyển PDF, Excel, CSV, ảnh quét, nội dung lưu từ web, bản ghi cuộc họp, email và slide thành bản chuyển đổi có thể trích dẫn theo số dòng; đồng thời kiểm tra dấu vân tay của tài liệu gốc, số trang, số dòng và các số liệu bị ngắt đoạn.

  • Lọc và cách ly các chỉ dẫn ẩn trong văn bản gốc trước khi thu thập.

  • Phát hiện riêng các vấn đề về cấu trúc mà kiểm tra đối chiếu không thể nhận ra, chẳng hạn như bí danh, bảng thuật ngữ, sự kiện có mốc thời gian, trạng thái quyết định và thuật ngữ đã ngừng sử dụng.

  • Dùng bộ câu hỏi có đáp án chuẩn để phát hiện hồi quy của wiki, đồng thời đối chiếu bộ đánh giá AI với đánh giá của con người để xác định phạm vi có thể giao phó.

  • Xử lý quy mô trong kho lưu trữ 300 trang bằng chỉ mục phân cấp, chỉ thu thập lại những văn bản nguồn đã thay đổi và tìm kiếm từ khóa không cần cài đặt.

  • Đội ngũ vận hành bằng cách lưu mỗi lần thu thập thành một commit, hoàn tác, chỉ trích xuất những thay đổi cần xem xét, giải quyết xung đột, dùng bảng điều khiển thuộc tính và kiểm tra hằng ngày.

Từ wiki được xây dựng đến wiki có thể kiểm chứng — truy vết từng câu trong wiki đến tận dòng tương ứng trong tài liệu gốc, để máy móc phát hiện trước những câu sai — Phần cơ bản 30 bài + Phần nâng cao 35 bài

Wiki được AI sắp xếp, liệu có thể tin nguyên xi không? Chúng tôi tự xây dựng wiki nghiệp vụ bằng Claude Code và vault Obsidian, ghi rõ tệp nguồn và số dòng cho từng câu, rồi dùng tập lệnh đối chiếu để tự động lọc trích dẫn, số liệu, nguồn cũ và mâu thuẫn giữa các trang. Phần nâng cao còn đề cập đến tài liệu nguồn PDF, Excel, bản quét, nội dung trích từ web, bản ghi âm, email và slide; bộ câu hỏi có đáp án cùng công cụ chấm điểm; quy mô 300 trang; và cách vận hành nhóm dựa trên git (tổng cộng 65 bài). Obsidian chỉ được dùng để mở vault; hình ảnh vault xuất hiện trên màn hình bài giảng là màn hình tái dựng, thể hiện nguyên vẹn các tệp thực hành.

Màn hình không phải là bản ghi ứng dụng Obsidian, mà là đầu ra từ terminal chạy thực tế cùng giao diện được dựng lại chính xác từ các tệp vault dùng trong bài thực hành (đây không phải khóa học hướng dẫn sử dụng Obsidian). Đây không phải khóa học giới thiệu tổng quan về các tính năng của Obsidian hay cách xây dựng wiki. Khóa học sẽ dùng màn hình chạy thực tế để cho thấy những lỗi wiki do AI tạo ra thường mắc phải (số liệu bị thay đổi, trích dẫn bịa đặt, thiếu nguồn, nội dung không được cập nhật sau khi bản gốc thay đổi, các trang mâu thuẫn với nhau), rồi lần lượt xây dựng các cơ chế để lọc bỏ những lỗi đó. Công cụ kiểm tra là một tập lệnh xác định, không gọi mô hình ngôn ngữ, nên cùng một đầu vào sẽ luôn cho cùng một kết quả. Khóa học cũng không che giấu những “câu sai nghĩa” mà việc đối chiếu không phát hiện được, mà xem đó là phần con người cần tự kiểm tra.

Sau khi hoàn thành bài giảng này, bạn sẽ…

  • Tạo một tệp quy tắc để Claude Code viết các trang wiki, trong đó mỗi câu nêu sự thật đều kèm theo tệp nguồn, dòng và đoạn trích dẫn nguyên văn.

  • Chỉ với một dòng lệnh trong script đối chiếu, có thể tìm ra các trích dẫn không nhất quán, số liệu không khớp và nguồn bị thiếu trên toàn bộ wiki, kèm theo trang và số dòng.

  • Dùng dấu vân tay của văn bản gốc để chỉ chọn những trang có văn bản gốc thay đổi; khi có bản sửa đổi, chỉ cập nhật lại các trang bị ảnh hưởng.

  • Tìm những chỗ giá trị của cùng một mục khác nhau (mâu thuẫn) giữa các trang và xác định theo văn bản gốc.

  • Khi được hỏi, wiki sẽ trả lời kèm các dòng căn cứ; nếu không có căn cứ, wiki sẽ không bịa đặt mà nói “không có căn cứ” và nêu rõ nội dung gốc cần thiết.

  • Với các kỹ năng thu thập, hook, quy tắc từ chối và bộ lọc, việc kiểm tra sẽ tự động chạy; chỉ con người mới được thay đổi tiêu chí kiểm tra.

  • Hằng tuần, xem tỷ lệ xác minh, mức độ lỗi thời, mâu thuẫn và số lượng đang chờ rà soát trong một báo cáo sức khỏe một trang.

  • Chuyển PDF, Excel, CSV, ảnh quét, nội dung trích từ web, bản ghi cuộc họp, email và slide thành các bản chuyển đổi có thể trích dẫn theo số dòng; đồng thời kiểm tra dấu vân tay của bản gốc, số trang, số hàng và các con số bị cắt cụt.

  • Lọc và cách ly các chỉ dẫn ẩn trong tài liệu nguồn trước khi thu thập.

  • Xử lý riêng các vấn đề về cấu trúc mà kiểm tra đối chiếu không phát hiện được, chẳng hạn như bí danh, bảng thuật ngữ, sự thật gắn với thời điểm, trạng thái quyết định và thuật ngữ đã ngừng sử dụng.

  • Phát hiện các lỗi hồi quy của wiki bằng bộ câu hỏi có đáp án chuẩn, đồng thời đánh giá bộ chấm điểm AI dựa trên đánh giá của con người trước để xác định phạm vi có thể giao cho AI.

  • Xử lý quy mô kho 300 trang bằng chỉ mục phân cấp, chỉ thu thập lại nội dung gốc đã thay đổi và tìm kiếm từ khóa không cần cài đặt.

  • Ghi nhận mỗi lần thu thập thành một commit, để nhóm vận hành bằng cách hoàn tác, chỉ trích xuất những thay đổi cần xem xét, giải quyết xung đột, dùng bảng điều khiển thuộc tính và kiểm tra hằng ngày.

Dành cho những người sau đây

  • Nhân viên văn phòng đã bắt đầu hoặc đang định lưu trữ tài liệu công việc bằng Obsidian (Markdown)

  • Những người đã thử tạo wiki LLM nhưng vẫn băn khoăn: “Liệu có thể tin vào những gì AI tổng hợp không?”

  • Người phụ trách hoạch định, vận hành hoặc CS, dùng AI để hệ thống hóa chính sách, biên bản họp và tài liệu hướng dẫn của nhóm nhưng lo nội dung sai lệch bị lan truyền.

Chương trình học (13 phần · 65 bài · khoảng 820 phút)

  • Phần 1. Những lúc wiki sai — Bắt đầu với bản hoàn chỉnh: lần theo từ câu trả lời một dòng đến dòng văn bản gốc, năm cách wiki do AI tạo ra bị sai, chuẩn bị và vai trò của các thư mục: vault, Python, Claude Code, ai chỉnh sửa thư mục nào?

  • Phần 2. Viết wiki có dẫn nguồn — Tệp quy tắc: yêu cầu mỗi câu nêu sự thật đều có nguồn, định dạng trích dẫn: tệp·dòng·một đoạn trích, lần thu thập đầu tiên: chuyển ba biên bản họp thành trang wiki, ghi trạng thái ở phần đầu: đã xác minh·chưa xác minh·lỗi thời, đưa câu không có nguồn vào hàng chờ rà soát

  • Mục 3. Đối chiếu với nguyên văn — máy kiểm tra trước — Chạy script đối chiếu một lượt: đoạn trích có trong nguyên văn không; kiểm tra lại số liệu: các con số trong câu có nằm trong đoạn trích không; đọc lỗi được phát hiện: những câu có thời hạn hoặc số tiền bị thay đổi; thứ tự chỉnh sửa: yêu cầu đọc lại nguyên văn, còn người chỉ xem các điểm khác biệt; điều mà việc đối chiếu không phát hiện được: câu trích dẫn đúng nhưng diễn giải sai.

  • Phần 4. Khi văn bản gốc thay đổi — Tìm các trang lỗi thời bằng dấu vân tay của văn bản gốc, khi có bản sửa đổi: chỉ xử lý lại các trang bị ảnh hưởng, khi hai văn bản gốc khác nhau: quy tắc ưu tiên theo thứ tự mới nhất và thẩm quyền, tìm mâu thuẫn giữa các trang: cùng một mục nhưng khác giá trị

  • Phần 5. Hỏi wiki và trả lời dựa trên bằng chứng — Đưa ra bằng chứng trong câu trả lời: trích dẫn hai bước từ wiki đến tài liệu gốc, yêu cầu trả lời “không biết” nếu thông tin không có trong wiki, bổ sung câu trả lời tốt vào wiki: chỉ những điều đã xác minh, tìm những chỗ còn thiếu trong wiki qua lịch sử câu hỏi.

  • Phần 6. Cơ chế bảo vệ — Skill và hook — Skill thu thập: thu thập, đối chiếu và đánh dấu trạng thái bằng một lệnh; hook: tự động đối chiếu khi chỉnh sửa wiki; chỉ con người thay đổi tiêu chí xác minh: bảo vệ các quy tắc và tập lệnh; kiểm tra sức khỏe hằng tuần: tỷ lệ xác minh, thông tin lỗi thời và mâu thuẫn trên một trang duy nhất.

  • Phần 7. Chuyển sang wiki công việc của bạn — Tạo vault bằng tài liệu của bạn: sao chép khung sườn và thu thập lần đầu, những thứ không được đưa vào: bộ lọc bí mật và thông tin cá nhân, sắp xếp wiki đã sử dụng lâu: ghi lại cả việc gộp và xóa, tự mình thử: tìm câu sai trong nhóm tài liệu mới

  • Mục 8. Dọn dẹp — Dọn dẹp: danh sách kiểm tra vận hành trong một tháng

  • Phần 9. Nhập tài liệu gốc ở nhiều định dạng — Bản chuyển đổi cũng là tài liệu gốc: văn bản nguồn và văn bản chuyển đổi, PDF: đánh dấu ranh giới trang và đối chiếu số trang, bảng trong PDF và các con số bị ngắt, bản quét và hình ảnh: dòng nhận dạng ký tự cần chờ xác nhận, năm cạm bẫy trong Excel·CSV, trích dẫn theo vị trí trong trang tính, lưu trữ nội dung web: địa chỉ nguồn và ngày lưu, lọc bỏ chỉ dẫn ẩn, bản ghi lời thoại cuộc họp: chú thích thời gian và xác nhận người nói, chuỗi email: loại bỏ phần trả lời trích dẫn, slide và ghi chú của người thuyết trình, báo cáo kiểm tra chuyển đổi trên một trang

  • Phần 10. Củng cố cấu trúc wiki — trang thực thể và bảng bí danh, bảng thuật ngữ: ý nghĩa trong wiki này, sự thật có mốc thời gian, trạng thái của trang ghi lại quyết định, đo xem việc thu thập lại có khiến nó phình to hay không, tìm thuật ngữ đã ngừng sử dụng

  • Mục 11. Đo lường độ chính xác bằng số liệu — Tạo bộ câu hỏi có đáp án chuẩn, so sánh hồi quy sau khi sửa, độ trung thực của trích dẫn: độ bao phủ và độ chính xác, đánh giá bộ phân loại trước, kiểm tra mẫu với hạt giống cố định, thống kê các loại lỗi

  • Mục 12. Mở rộng lên 300 trang — Vault 300 trang và kích thước chỉ mục, chia thành các chỉ mục phân cấp, chỉ thu thập lại nội dung gốc đã thay đổi, tìm kiếm từ khóa không cần cài đặt, đo thời gian chạy và số token

  • Mục 13. Vận hành theo nhóm — Mỗi lần thu thập tương ứng một lần commit, và cách hoàn tác, chỉ trích xuất những gì cần xem từ phần đã thay đổi, khi hai người cùng chỉnh sửa một trang, tạo bảng điều khiển rà soát bằng thuộc tính, lên lịch kiểm tra tự động hằng ngày, danh sách kiểm tra vận hành cho phần nâng cao

Môi trường thực hành

Trong tệp ZIP thực hành có các tài liệu gốc của công ty giả lập 'Loop Market' (chính sách, hợp đồng, biên bản họp, v.v.), cùng năm bộ vault của phần cơ bản (bản khởi đầu, bản quy tắc, bản nháp được cài lỗi, bản hoàn chỉnh và bản tự thực hành) và sáu bộ vault của phần nâng cao (chuyển đổi định dạng, tài liệu gốc thu thập được, cấu trúc, đo lường độ chính xác, 300 trang và vận hành nhóm). Việc trích xuất văn bản PDF và nhận dạng văn bản từ bản quét sử dụng các tính năng có sẵn trên macOS; chúng tôi cũng kèm theo các bản chuyển đổi được chuẩn bị sẵn để người dùng Windows có thể làm theo. Các công cụ kiểm tra (đối chiếu, đóng dấu, kiểm tra sức khỏe, bộ lọc và hook) chỉ sử dụng thư viện chuẩn của Python, và có kèm prompt cùng đáp án cho từng bài học. Obsidian dùng để mở thư mục vault; hình ảnh vault trong giao diện là ảnh dựng lại dựa trên các tệp thực hành nguyên bản. Không cần Docker hay đám mây.

Kiến thức nền tảng

  • Môi trường cho phép cài đặt Claude Code và chạy trong thư mục vault.

  • Chỉ cần biết sao chép và chạy một dòng lệnh trong terminal (không cần viết mã).

  • Python 3 (dùng để chạy công cụ kiểm tra)

Những điều khóa học này không đề cập đến

  • Cách cài đặt Obsidian, sử dụng giao diện và plugin

  • Phương pháp PKM (Zettelkasten, MOC, v.v.)

  • Xây dựng cơ sở dữ liệu vector và RAG

  • Tích hợp tự động ghi chú hằng ngày và ứng dụng nhắn tin

Hướng dẫn

Lời thuyết minh của bài giảng này được tạo bằng giọng nói tổng hợp (AI), còn kết quả chạy Claude Code và kết quả kiểm tra hiển thị trên màn hình là kết quả thực tế từ lần chạy đó. Các lỗi trong wiki bản nháp được con người cố ý cài vào nhằm phục vụ mục đích giáo dục, và điều này được nêu rõ trên màn hình. Câu trả lời, số token và thời gian của AI có thể thay đổi mỗi lần chạy. Toàn bộ dữ liệu đều là dữ liệu giả lập phục vụ mục đích giáo dục; các con số có thể thay đổi tùy theo môi trường thực thi.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nhân viên văn phòng đã bắt đầu hoặc đang định lưu trữ tài liệu công việc bằng Obsidian (Markdown)

  • Những ai đã thử tạo wiki LLM nhưng vẫn băn khoăn 'Liệu có thể tin những gì AI tổng hợp không'

  • Những người phụ trách hoạch định, vận hành và CS, lo ngại thông tin sai lệch lan truyền khi dùng AI để hệ thống hóa chính sách, biên bản họp và tài liệu hướng dẫn của nhóm.

Cần biết trước khi bắt đầu?

  • Môi trường có thể cài đặt Claude Code và chạy trong thư mục Vault

  • Có thể sao chép và chạy một dòng lệnh trong terminal (không viết mã)

  • Python 3 (để chạy công cụ kiểm tra)

Xin chào
Đây là dorian05202988

Xác minh sự nghiệp

Tôi là một chuyên gia dữ liệu với hơn 20 năm kinh nghiệm trong lĩnh vực cơ sở dữ liệu và CNTT. Trong vai trò DBA và quản lý nhóm Nền tảng Cơ sở dữ liệu, tôi phụ trách các nền tảng cơ sở dữ liệu, với chuyên môn về MySQL, PostgreSQL, Oracle, MongoDB, tinh chỉnh SQL, AWS, Terraform và Python. Dựa trên kinh nghiệm trong các lĩnh vực trò chơi, tài chính và dịch vụ CNTT, tôi trình bày về cơ sở dữ liệu và kiến trúc đám mây. Tôi đã xuất bản 『Học các mẫu SQL tinh chỉnh thực tế Oracle』 và 『Sổ tay ứng dụng dự án thực tế Oracle Pro*C』, đồng thời thuyết trình về serverless, lựa chọn cơ sở dữ liệu và chiến lược đa cơ sở dữ liệu tại AWS Summit 2018·2019 và sự kiện 데이터야 놀자 2020. Gần đây, tôi tập trung vào phân tích và khuyến nghị tinh chỉnh truy vấn chậm bằng Bedrock LLM, tự động hóa việc tính toán thông số DB, cũng như quy trình tra cứu thông qua máy chủ DB Meta MCP và bot Slack. Tôi giải thích về tự động hóa cơ sở dữ liệu dành cho nhà phát triển và việc ứng dụng AI vào công việc dành cho người không chuyên về phát triển thông qua các bài thực hành phù hợp với đối tượng và mục tiêu của từng khóa học. Thay vì áp dụng nguyên xi các đề xuất của AI, tôi truyền đạt các tiêu chí đánh giá như kiểm tra tính tương đương của kết quả, kế hoạch thực thi và điều kiện quan sát; nếu thiếu căn cứ thì tạm thời chưa áp dụng. Dữ liệu vận hành của công ty và thông tin xác thực không được đưa vào tài liệu giảng dạy.

Thêm

Chương trình giảng dạy

Tất cả

65 bài giảng ∙ (13giờ 40phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của dorian05202988

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

Ưu đãi có thời hạn

7.366 ₫

24%

1.578.587 ₫