3. KIẾN TRÚC HỆ THỐNG

3.1. Data Flow tổng quát

┌─────────────────────────────────────────────┐
│              CLIENT LAYER                   │
│      React 18 / TypeScript     │
└──────────────────────┬──────────────────────┘
                       │ REST API
                       ▼
┌─────────────────────────────────────────────┐
│          API GATEWAY & SECURITY              │
│       FastAPI + JWT + Async SQLAlchemy       │
└──────────────────────┬──────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────┐
│              LITA ENGINE                    │
│              LangGraph                      │
│                                             │
│  ┌────────────────┐   ┌─────────────────┐  │
│  │ Dynamic Planner│   │ Academic Tutor  │  │
│  │     Agent      │   │     Agent       │  │
│  └────────────────┘   └─────────────────┘  │
│                                             │
│              Agent Tools                    │
│     RAG Search / Course / Assignment        │
└──────────────┬──────────────────┬───────────┘
               │                  │
               ▼                  ▼
┌─────────────────────┐   ┌───────────────────┐
│   AI & VISION       │   │   RAG RETRIEVAL   │
│                     │   │                   │
│ Groq LLM            │   │ Gemini Embedding  │
│ Gemini Vision OCR   │   │ Qdrant Cloud      │
└─────────────────────┘   └───────────────────┘
               │                  │
               └────────┬─────────┘
                        ▼
┌─────────────────────────────────────────────┐
│            PERSISTENCE & MEMORY             │
│                                             │
│ PostgreSQL │ Redis │ Qdrant │ Cloudflare R2 │
└─────────────────────────────────────────────┘

3.2. Các tầng hệ thống

Client Layer — Lita UI

• React 18
• Next.js 14 App Router
• TypeScript
• Chat UI
• Dashboard quản lý kế hoạch tuần
• Hiển thị công thức toán bằng LaTeX

API Gateway & Security

• FastAPI
• Async RESTful API
• JWT Authentication
• Authorization / phân quyền người dùng
• Async SQLAlchemy 2.0

AI Agent Engine — Lita Engine

Lita Dynamic Planner Agent

• Quản lý StateGraph bằng LangGraph.
• Phân tích khối lượng học tập.
• Lập kế hoạch học tập.
• Theo dõi tiến độ.
• Tự động Re-plan khi sinh viên trễ kế hoạch.

Lita Academic Tutor Agent

• Hỗ trợ học tập dựa trên tài liệu.
• Sử dụng phương pháp Socratic Tutoring.
• Đặt câu hỏi định hướng.
• Giải thích bản chất thay vì cung cấp đáp án trực tiếp.

Agent Tools

• Semantic Search.
• Truy xuất tài liệu môn học.
• Phân tích course / assignment.
• Truy xuất context từ hệ thống RAG.

4. CÁC THÀNH PHẦN AI CỐT LÕI

4.1. Lita Dynamic Planning Engine

Phân bổ thời gian thông minh

Lita phân tích:

• Cấu trúc đề cương.
• Số lượng chương / chủ đề.
• Độ khó của kiến thức.
• Thời gian còn lại trước kỳ thi.
• Khối lượng công việc.
• Tiến độ thực tế của sinh viên.

Từ đó, hệ thống ưu tiên nhiều thời gian hơn cho các nội dung quan trọng hoặc có độ khó cao thay vì chia thời gian một cách cảm tính.

Dynamic Replanning

Đây là một trong những điểm khác biệt chính của Lita.

Ví dụ:

Kế hoạch ban đầu
        │
        ▼
Thứ 2 ──► Chương 1
Thứ 3 ──► Chương 2
Thứ 4 ──► Chương 3
Thứ 5 ──► Chương 4
        │
        │ Sinh viên bỏ lỡ ngày thứ 3
        ▼
   Dynamic Replanning
        │
        ▼
Tính lại workload
        │
        ├──► Phân bổ lại thời gian
        ├──► Ưu tiên nội dung quan trọng
        └──► Đảm bảo hoàn thành trước kỳ thi

Thay vì để một ngày bị bỏ lỡ tạo ra “hiệu ứng Domino”, Lita tự động điều chỉnh các phiên học tiếp theo.

5. MULTIMODAL RAG & VISION OCR

5.1. Pipeline xử lý tài liệu

Upload Document
      │
      ▼
┌──────────────────┐
│ File Detection   │
│ PDF / PPTX /     │
│ DOCX / XLSX /    │
│ CSV / Image      │
└────────┬─────────┘
         ▼
┌──────────────────┐
│ Content          │
│ Extraction       │
└────────┬─────────┘
         ▼
┌──────────────────┐
│ Gemini Vision    │
│ OCR / Structure  │
└────────┬─────────┘
         ▼
┌──────────────────┐
│ Normalization     │
│ + Chunking        │
└────────┬─────────┘
         ▼
┌──────────────────┐
│ Gemini Embedding │
└────────┬─────────┘
         ▼
┌──────────────────┐
│ Qdrant Cloud     │
│ course_materials │
└──────────────────┘

5.2. Xử lý đa định dạng

PowerPoint — .pptx

• Trích xuất nội dung theo thứ tự slide.
• Đảm bảo thứ tự số tự nhiên: 1 → 2 → 3 → 10.
• Xử lý hình ảnh được chèn trực tiếp trong slide.
• Bảo toàn ngữ cảnh bài giảng.

Word — .docx

• Trích xuất nội dung văn bản.
• Phân tích hình ảnh được chèn trong tài liệu.
• Sử dụng Vision OCR cho nội dung không thể xử lý bằng text extraction thông thường.

Hình ảnh — .png, .jpg

Gemini Vision OCR có thể xử lý:

• Văn bản tiếng Việt / tiếng Anh.
• Sơ đồ.
• Bảng biểu.
• Công thức toán học.
• Biểu thức dưới dạng LaTeX.

Ví dụ:

Q₁, Q₂, σ, S²
        ↓
LaTeX representation
        ↓
RAG-ready structured content

Excel / CSV

Dữ liệu bảng được chuẩn hóa thành Markdown Table:

| Student | Score | Attempts |
|---------|------:|---------:|
| A       | 8.5   | 2        |
| B       | 7.0   | 3        |
| C       | 9.0   | 1        |

Cách biểu diễn này giúp LLM hiểu rõ cấu trúc hàng / cột và hỗ trợ tốt hơn cho các bài tập phân tích dữ liệu.

6. LITA ACADEMIC INTEGRITY TUTOR

6.1. Socratic Tutoring

Lita được thiết kế để trở thành người hướng dẫn tư duy, thay vì công cụ giải bài hộ.

Khi sinh viên hỏi một câu hỏi học thuật, hệ thống ưu tiên:

Question
   │
   ▼
Retrieve relevant course material
   │
   ▼
Understand student's context
   │
   ▼
Give hint / guiding question
   │
   ▼
Student attempts
   │
   ▼
Explain concept / correct misconception

Thay vì:

Question
   │
   ▼
AI generates final answer
   │
   ▼
Student copies answer

Điều này giúp giảm sự phụ thuộc vào AI và khuyến khích sinh viên thực sự hiểu kiến thức.

6.2. Reflect & Review

Sau khi sinh viên hoàn thành một mục tiêu học tập, Lita có thể tự động tạo:

• Câu hỏi trắc nghiệm.
• Đáp án.
• Giải thích chi tiết.
• Nội dung ôn tập dựa trên tài liệu đã học.

Qua đó hình thành chu trình:

Plan → Learn → Practice → Reflect → Review

7. TECH STACK THỰC TẾ

8. TÍNH KHẢ THI — FEASIBILITY & VIABILITY

8.1. Technical Feasibility

Hệ thống sử dụng các dịch vụ cloud và AI API có khả năng triển khai thực tế:

• Qdrant Cloud cho Vector Database.
• Cloudflare R2 cho Object Storage.
• PostgreSQL cho dữ liệu quan hệ.
• Redis cho caching và session state.
• Groq API cho LLM inference.
• Gemini Vision cho xử lý tài liệu đa phương thức.

Kiến trúc được phân tách thành các service độc lập, thuận lợi cho việc mở rộng và thay thế từng thành phần.

8.2. Economic Feasibility

Các chiến lược tối ưu chi phí gồm:

• Sử dụng Groq API cho inference.
• Redis caching nhằm giảm các request / token lặp lại.
• Qdrant Cloud và Cloudflare R2 giúp giảm nhu cầu duy trì hạ tầng storage / vector database riêng.
• Kiến trúc modular cho phép thay đổi model tùy theo yêu cầu về chất lượng và chi phí.

8.3. Academic & Social Feasibility

Lita không hướng tới việc thay thế quá trình học tập của sinh viên.

Thay vào đó, hệ thống tập trung vào:

• Hỗ trợ tư duy.
• Giải thích kiến thức.
• Gợi ý cách tiếp cận.
• Kiểm tra mức độ hiểu bài.
• Hỗ trợ lập kế hoạch và quản lý tiến độ.

Điều này giúp giảm nguy cơ sinh viên sử dụng AI như một công cụ “chép đáp án”.

8.4. UX Feasibility

Giá trị UX nổi bật nhất là Dynamic Replanning.

Sinh viên không còn phải tự xây dựng lại toàn bộ lịch học khi bỏ lỡ một phiên học.

Missed Study Session
        │
        ▼
Workload Recalculation
        │
        ▼
Priority Re-evaluation
        │
        ▼
Automatic Rescheduling
        │
        ▼
Updated Study Plan

Mục tiêu là tạo cho sinh viên cảm giác:

“Kế hoạch có thể thay đổi, nhưng mục tiêu vẫn nằm trong tầm kiểm soát.”

9. LỘ TRÌNH PHÁT TRIỂN — FUTURE ROADMAP

Giai đoạn 1 — 0 đến 3 tháng

Tích hợp LMS & ôn tập thông minh

LMS Integration

Kết nối trực tiếp với:

• Canvas
• Moodle
• Google Classroom

Tự động đồng bộ:

• Course.
• Syllabus.
• Assignment.
• Deadline.

Spaced Repetition Flashcards

Tự động chuyển đổi nội dung từ RAG thành Flashcards và lên lịch ôn tập theo phương pháp Spaced Repetition.

Giai đoạn 2 — 3 đến 9 tháng

Học nhóm & tương tác giọng nói

Study Group Companion

• Phân chia nhiệm vụ nhóm.
• Theo dõi tiến độ từng thành viên.
• Hỗ trợ điều phối công việc.

Voice Agent

• Tương tác với Lita Tutor bằng giọng nói.
• Vấn đáp kiến thức theo thời gian thực.
• Mô phỏng một buổi oral examination / review session.

Giai đoạn 3 — 9 đến 18 tháng

Knowledge Graph & thương mại hóa

Adaptive Knowledge Graph

Xây dựng bản đồ kiến thức cá nhân hóa để:

• Phát hiện lỗ hổng kiến thức.
• Xác định các khái niệm liên quan.
• Đề xuất nội dung cần học lại.
• Cá nhân hóa bài tập bổ sung.

SaaS EdTech

Đóng gói Lita Learning thành nền tảng SaaS dành cho:

• Trường đại học.
• Học viện.
• Trung tâm đào tạo.
• Các hệ thống LMS.

10. GIÁ TRỊ KHÁC BIỆT CỦA LITA LEARNING

11. KẾT LUẬN

Lita Learning hướng tới việc xây dựng một thế hệ trợ lý học tập AI không chỉ “biết trả lời”, mà còn hiểu tiến độ học tập, hiểu tài liệu môn học và đồng hành cùng sinh viên trong toàn bộ quá trình học.

Ba năng lực cốt lõi của hệ thống là:

01 — PLAN

Lập kế hoạch học tập động

Phân tích workload, deadline và độ khó để xây dựng kế hoạch phù hợp.

02 — LEARN

Học tập dựa trên tài liệu cá nhân

Multimodal RAG giúp sinh viên hỏi đáp trực tiếp trên chính tài liệu môn học.

03 — REFLECT

Kiểm tra và củng cố kiến thức

Socratic Tutoring và Reflect & Review giúp sinh viên hiểu và ghi nhớ thay vì phụ thuộc vào đáp án.

Lita Learning — Không học thay bạn. Lita giúp bạn biết mình cần học gì, học như thế nào và học đến đâu.