Đang chạy mực qua máy in — từng lớp màu một, kiên nhẫn nhé!
№ 01
№ 02
№ 03
№ 04
№ 05
№ 06
Trợ lý tuyển sinh X: Trợ lý tư vấn tuyển sinh AI tư vấn và tăng gắn kết ứng viên · AI·20K Demo Day Zine
№ 12
Trợ lý tuyển sinh X: Trợ lý tư vấn tuyển sinh AI tư vấn và tăng gắn kết ứng viên
Nền tảng Trợ lý Tuyển sinh AI 24/7 cá nhân hóa tư vấn dựa trên hồ sơ và điểm thi thực tế của từng thí sinh, cung cấp thông tin nhanh chóng, chính xác và nhất quán. Đồng thời, hệ thống hỗ trợ Cán bộ tuyển sinh quản lý tư vấn đa nền tảng, tự động phân hạng và nhận diện ứng viên tiềm năng, từ đó tối ưu quy trình và nâng cao hiệu quả tuyển sinh cho Nhà trường.
Fig. 01 · Ảnh dự án
1. Bối cảnh & Bài toán thực tế
Mỗi mùa tuyển sinh cao điểm, Phòng Tuyển sinh các trường Đại học phải tiếp nhận hàng chục nghìn câu hỏi lặp lại về phương thức xét tuyển, học phí, học bổng và quy trình nộp hồ sơ qua nhiều kênh phân mảnh (Website, Fanpage, Hotline).
Cán bộ quá tải: Mất 70–80% thời gian xử lý thủ công các câu hỏi lặp, dễ dẫn đến chậm trễ và bỏ sót các ứng viên tiềm năng (Hot Leads).
Rủi ro ảo giác LLM: Ứng dụng AI thông thường dễ bịa đặt điều kiện điểm sàn, hạn nộp hoặc chính sách học bổng, gây hậu quả pháp lý và tổn hại uy tín của nhà trường.
Tương tác thụ động: Các chatbot truyền thống chỉ hỏi gì đáp nấy, thiếu khả năng cá nhân hóa theo năng lực thí sinh và không chủ động dẫn dắt ứng viên đến bước hoàn tất hồ sơ.
2. Giải pháp Kỹ thuật & Điểm đột phá (Full-Stack Architecture)
Hệ thống được thiết kế và triển khai theo tiêu chuẩn Enterprise AI Agent với kiến trúc 6 tầng chuyên sâu:
1. LangGraph Multi-Agent State Machine & Dẫn dắt thông minh (Lead Nurturing)
Stateful Conversation Graph: Phân luồng intent đa năng (Xét tuyển, Học phí, Học bổng, Thủ tục, Ngoài phạm vi) qua đồ thị trạng thái với các node kiểm duyệt chặt chẽ (Intent_Router → Hybrid_Retriever → Context_Grader → Grounded_Generator → Guardrails_Validator).
Dynamic Candidate Profiling: Bộ nhớ ngữ cảnh đa lượt (Multi-turn Memory) tự động trích xuất và cập nhật hồ sơ thí sinh (Điểm thi thực tế, tổ hợp môn A00/D01, ngành yêu thích, điều kiện tài chính).
Chủ động nuôi dưỡng ứng viên: AI tự động dẫn dắt kịch bản tư vấn khác biệt giữa thí sinh 27 điểm (hướng dẫn nộp Học bổng Tài năng) và thí sinh 23 điểm (tư vấn nguyện vọng bổ sung, ngành gần hoặc chương trình liên kết quốc tế), bứt phá tỷ lệ nộp hồ sơ.
Hybrid Retrieval & Reranker: Kết hợp Dense Vector Search (Supabase pgvector / HNSW index) với BM25 Sparse Search và Cross-Encoder Reranker, giúp truy xuất chính xác từng bảng biểu học phí và điều kiện xét tuyển phức tạp.
Strict Evidence Citation: 100% câu trả lời đều đính kèm trích dẫn nguồn minh bạch (Tên Đề án, Số trang, Mục, Bảng quy chế chính thức). Nếu tài liệu không chứa dữ liệu, AI trung thực từ chối khẳng định và kích hoạt luồng chuyển giao Cán bộ.
Cam kết 0 bịa đặt (Guardrails Engine): Bộ lọc ngăn chặn LLM đưa ra cam kết đỗ/học bổng sai sự thật, đồng thời nhận diện và ngăn chặn các cuộc tấn công Prompt Injection / Jailbreak.
§
Phụ lục — Demo & Slides
Video demo
Bản demo trực tiếp
Slide trình bày
3. Kiến trúc High-Concurrency & 2-Tier Semantic Caching (Xử lý mùa cao điểm)
2-Tier Caching Layer: Bộ nhớ đệm cục bộ (In-memory Cache) kết hợp Redis Semantic FAQ Cache (so khớp Cosine Similarity câu hỏi thường gặp). Các câu hỏi lặp đạt thời gian phản hồi < 100ms với chi phí gọi LLM = $0.
Asynchronous Task & Worker Pipeline: Kiến trúc Nginx Reverse Proxy + Uvicorn Workers + Background chat_worker + Redis PubSub + Postgres chat_tasks đảm bảo hệ thống không bị nghẽn (zero-drop message) khi lưu lượng truy cập tăng đột biến mùa công bố điểm thi.
4. Human-in-the-Loop (HITL) & Trung tâm Điều phối Cán bộ (Officer Workstation)
Hàng chờ Phân loại Thông minh (Admission Queue Hub): Tự động phát hiện các ca nhạy cảm, câu hỏi vượt phạm vi hoặc ứng viên có nguyện vọng cao (Hot Lead) để đưa vào hàng chờ ưu tiên theo thời gian thực.
1-Click Takeover: Cán bộ tư vấn xem toàn bộ Hồ sơ 360° và lịch sử tương tác để nhấp 1 nút tiếp quản hội thoại tức thì mà không làm gián đoạn trải nghiệm của thí sinh.
Hệ thống Phím tắt Macros (/): Cho phép Cán bộ tra cứu nhanh và chèn các mẫu phản hồi chuẩn hóa theo từng Viện/Ngành đào tạo.
Kiến trúc Đa trường (Multi-Tenant RBAC & RLS): Một hệ thống backend duy nhất phục vụ độc lập nhiều trường Đại học (VinUni, Thăng Long,...) với bảng dữ liệu, thương hiệu (Logo, Theme Color), và phân quyền (System Admin / School Admin / Officer) được cách ly tuyệt đối bằng Row-Level Security.
Bảo vệ quyền riêng tư: Tự động ẩn danh hóa thông tin định danh cá nhân (PII Masking) của thí sinh (SĐT, Email, CCCD), tuân thủ nghiêm ngặt Nghị định 13/2023/NĐ-CP.
Tích hợp LangSmith ghi vết (tracing) chi tiết từng bước gọi LLM, độ trễ và token usage.
Pipeline kiểm thử tự động với bộ dataset câu hỏi có gán nhãn thực tế, đo lường toàn diện các chỉ số: Answer Rate, Context Precision, Faithfulness và Answer Relevance.
3. Kết quả Thực nghiệm & Tính Khả thi (Measured KPIs)
Đánh giá thực nghiệm qua bộ benchmark kiểm thử tiêu chuẩn (LLM-as-Judge & RAGAS Framework):
✅ Tỷ lệ giải đáp tự động (Answer Rate): Đạt 78.4%(Vượt KPI yêu cầu ≥ 70%).
✅ Độ chính xác Grounded (Accuracy & Faithfulness): Đạt 88.6%(Vượt KPI yêu cầu ≥ 85%).
✅ Giảm tải câu hỏi trực tiếp cho Cán bộ: Giảm 62.0%(Vượt KPI yêu cầu ≥ 50%).
✅ Hiệu năng & Chi phí: P95 Latency < 1.2s nhờ Semantic Cache, giảm hơn 45% chi phí API LLM trong các đợt mô phỏng cao điểm.
✅ Tăng trưởng chuyển đổi: Tăng 2.8x số lượt hoàn tất form đăng ký xét tuyển thông qua luồng dẫn dắt chủ động.
4. Hướng phát triển Tương lai (Roadmap)
Tích hợp Voice AI Assistant: Mở rộng thành tổng đài tư vấn tự động qua Hotline hỗ trợ giọng nói 24/7 mùa thi.
Đồng bộ phễu tuyển sinh Omnichannel: Tích hợp trực tiếp Zalo OA, Facebook Messenger và hệ thống CRM nộp hồ sơ gốc của trường.
ML Admission Predictor: Mô hình máy học dự báo xác suất trúng tuyển và gợi ý ngành học phù hợp dựa trên phổ điểm thi tốt nghiệp THPT Quốc gia.
