Kẻ thù thầm lặng của Multi-Agent RAG: Khi lỗi nhỏ biến thành thảm họa
Multi-agent RAG bị silent failure khoảng 30% thời gian theo dữ liệu nội bộ Q4/2025 trên 1.500 multi-hop queries. Khoảng 60% hallucination đến từ unhandled execution errors, không phải LLM suy luận sai. Kiến trúc hierarchical với reflective retry giảm hallucination rate từ 28.5% xuống 7.1%. Context Engineering - treat context như compiled view thay vì giant prompt - là hướng giải quyết đúng đắn.
Bốn kiến trúc multi-agent: khi nào dùng gì và sự thật về production
Benchmark mới nhất test 10.000 tài liệu SEC qua 5 LLM lớn cho thấy Reflexive đạt F1 cao nhất nhưng tốn gấp 2.3 lần chi phí. Hierarchical Supervisor là lựa chọn tốt nhất cho hầu hết workload production với 98.5% độ chính xác tại 60.7% chi phí. Parallel nhanh hơn Sequential tới 1.84 lần nhưng là pattern kém hiệu quả token nhất. Gartner dự báo hơn 40% pilot AI agent sẽ bị huỷ vào 2027 - kiến trúc mới là nguyên nhân.
1 Research Agent, 5 Agent Thông Minh Hơn: Kiến Trúc Vault Bằng Chứng Cho Hệ Thống AI
Trong 3 tháng, một research agent duy nhất ghi lại hơn 8.000 mảnh bằng chứng có cấu trúc trên 16 chủ đề, giúp toàn bộ 5 agent còn lại trong hệ thống bắt đầu mỗi ngày với nền tảng kiến thức tốt hơn. Điểm mấu chốt là scraping thô không phải research thật - nếu dữ liệu không có cấu trúc, các agent khác không dùng được. Research vault phân tách rõ ràng: raw input, finding, claim, verified knowledge và task là 4 thứ hoàn toàn khác nhau.