# AutoRAG: trợ lý thủ thư AI hỏi đáp file, mail, chat trên máy — hướng dẫn cài đặt và dùng

> AutoRAG (bản 2.0, còn gọi là AutoRAG Agent) là một trợ lý AI chạy trên máy bạn, giúp tìm và hỏi đáp trong file, mail, chat và ghi chú mà không phải chuyển dữ liệu đi đâu. Mỗi câu trả lời đều có số thứ tự và trích nguồn. Cài bằng một lệnh npm hoặc bun, cần Node.js từ bản 24 trở lên, nên khá dễ với người đã quen dùng terminal.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: Repo & Skill
- Đăng: 2026-09-08 · Cập nhật: 2026-11-13
- URL: https://ongt.vn/bai-viet/autorag-tro-ly-thu-thu-ai-hoi-dap-file-mail-chat

AutoRAG (bản 2.0, tên đầy đủ là AutoRAG Agent) là một trợ lý AI đóng vai thủ thư cá nhân cho công việc văn phòng. Bạn hỏi bằng câu bình thường, nó đi tìm trong file, mail, chat, ghi chú trên máy bạn, đọc nội dung thật rồi trả lời kèm trích nguồn. Nó được phát hành dưới dạng gói npm tên `@autorag/librarian`, có lệnh `autorag` để dùng trong terminal.

Vấn đề nó giải quyết rất quen thuộc. Các công cụ tìm kiếm thông thường chỉ trả về đường dẫn file và vài dòng khớp từ khoá. Bạn vẫn phải tự mở file, đọc, rồi tự tổng hợp. Với AutoRAG, bạn hỏi kiểu 'hợp đồng cloud quý 3 đổi những gì?' và nhận lại danh sách ý đã đánh số, mỗi ý có chỉ rõ file hoặc đoạn tin nhắn mà nó lấy ra.

Người nên thử là nhân viên văn phòng có nhiều tài liệu lẫn lộn, chủ doanh nghiệp nhỏ hay bị chìm trong mail và nhóm chat, và lập trình viên muốn gắn một công cụ truy xuất dữ liệu vào Claude Code hay các agent khác. Điểm đáng giá nhất là nguyên tắc 'không di dời dữ liệu': nó tìm ngay tại nơi dữ liệu đang nằm, và việc nhúng (embedding) để hiểu nghĩa chạy ngay trên máy bạn. Repo hiện có khoảng 5743 sao và 505 fork, giấy phép Apache-2.0. Bạn xem video ngắn bên dưới để thấy cách nó hoạt động trước khi cài.

```repo
- repo | Marker-Inc-Korea/AutoRAG
- kind | Agent
- desc | AutoRAG Agent là trợ lý thủ thư AI: bạn hỏi bằng câu thường, nó tìm trong file, mail, chat trên máy rồi trả lời kèm trích nguồn.
- stars | 5.7k
- lang | TypeScript
- license | Apache-2.0
```

```video
- youtube | https://youtube.com/shorts/NlYoIT2xtzc
- facebook | https://www.facebook.com/reel/1485302333659382
- title | Video giới thiệu AutoRAG
```

## AutoRAG làm được gì

### Hỏi như hỏi đồng nghiệp, có trích nguồn

Bạn đặt câu hỏi tự nhiên. Agent tìm, mở file gốc bằng các lệnh như `cat`, `grep`, `find` để kiểm tra lại cho chắc, rồi trả lời bằng các mục đánh số. Mỗi mục kèm nguồn, ví dụ tên file và số trang, hoặc một tin nhắn trong kênh Slack. Lợi ích thực tế là bạn kiểm chứng được câu trả lời trong vài giây, không phải tin mù quáng vào AI.

### Tìm bằng nhiều cách cùng lúc

Nó kết hợp tìm theo từ khoá, tìm theo ý nghĩa (vector) và tìm lai (hybrid) trên cùng một kho dữ liệu. Ngoài ra còn tìm tên file rất nhanh: trên Windows dùng công cụ Everything đi kèm, trên macOS và Linux dùng fsearch-cli. Nếu máy macOS hoặc Linux chưa cài fsearch-cli, README nói việc tìm tên file sẽ chuyển sang duyệt thư mục chậm hơn.

### Tìm trong nhiều nơi, không chỉ thư mục

Bản desktop liệt kê các nguồn dữ liệu: Slack, KakaoTalk, Discord, Telegram, WhatsApp (chỉ đọc), Mail, GitHub và Obsidian. Bạn không phải nhớ thông tin nằm ở đâu, chỉ cần hỏi một lần.

### Đọc được nhiều loại tài liệu, kể cả HWP

Việc đọc HWP/HWPX/HWPML, PDF, DOCX, XLSX/XLS chạy ngay trong chương trình, README ghi rõ không cần cài Java. Với người dùng Việt thì PDF, Word và Excel là chính, còn HWP chủ yếu hữu ích khi bạn làm việc với đối tác Hàn Quốc.

### Máy tính cầm tay cho ngày giờ và con số

Công cụ `calculator` tính số thập phân chính xác và tính lịch: số ngày giữa hai mốc, thứ trong tuần, ngày làm việc có trừ ngày lễ, đổi múi giờ. Hệ thống ép mô hình dùng công cụ này thay vì tính nhẩm, nên giảm lỗi tính sai.

### Bộ nhớ truy xuất

Sau mỗi câu trả lời, bằng chứng được đánh giá là thực sự hỗ trợ câu trả lời sẽ được lưu vào `~/.autorag/memory.json`. Lần tìm sau, nó dùng lại làm gợi ý tham khảo. README nhấn mạnh gợi ý này không thay đổi thứ hạng kết quả và không đè lên bằng chứng hiện tại.

### Nhiều cách dùng: terminal, chat, MCP, thư viện

Cùng một bộ máy được dùng qua giao diện terminal (`autorag tui`), qua Telegram, WhatsApp, Discord, qua dòng lệnh cho script, qua MCP server cho Claude Code hoặc Codex, và qua API TypeScript. Bản ứng dụng desktop (tên Dazzi) có mã nguồn ở repo riêng NomaDamas/AutoRAG-app.

## Cần chuẩn bị gì

- **Node.js bản 24 trở lên** (README và `package.json` đều ghi vậy), hoặc dùng Bun.
- Một **mô hình AI** để agent suy luận. README cho biết bạn có thể dùng gói mô hình trả phí của Dazzi, hoặc dùng key của nhà cung cấp riêng và trả tiền trực tiếp cho họ. Trong giao diện terminal, các lệnh `/login` và `/model` có sẵn để đăng nhập và chọn mô hình ngay lần chạy đầu.
- **Không cần khoá embedding từ xa.** Việc nhúng chạy cục bộ bằng MinSync với mô hình Qwen3-Embedding-0.6B. README chỉ nói nội dung file không bị gửi đi trừ khi bạn tự cấu hình `minSync.embedder` từ xa.
- Không cần Java để đọc tài liệu.
- Phần yêu cầu hệ thống chi tiết hơn (RAM, dung lượng ổ đĩa, GPU) nằm ở phần README bị cắt, nên mình chưa có thông tin. Bạn xem mục System Prerequisites trong README và thư mục `docs/` của repo.

```note
Key API và token đăng nhập là thông tin nhạy cảm. README cho biết chúng được lưu trong kho mã hoá của hệ thống, không nằm trong file cấu hình. Nếu dùng key của nhà cung cấp riêng, hãy nhớ mỗi lượt hỏi có thể phát sinh chi phí theo bảng giá của họ.
```

## Cài đặt từng bước

```steps
- Kiểm tra Node.js | Chắc chắn máy có Node.js bản 24 trở lên (hoặc Bun)
- Cài gói | Dùng bun hoặc npm để cài @autorag/librarian toàn cục
- Mở giao diện | Chạy lệnh autorag tui trong terminal
- Đăng nhập, chọn mô hình | Dùng /login và /model ngay trong phiên
- Hỏi thử | Gõ một câu hỏi về tài liệu của bạn
```

### Kiểm tra Node.js

Mở terminal. Trên Windows bạn có thể dùng PowerShell, trên macOS dùng Terminal. Gõ lệnh dưới đây để xem phiên bản Node.js. Chỗ người mới hay vấp là Node quá cũ: nếu số hiện ra nhỏ hơn 24, bạn cần cập nhật Node trước khi cài tiếp.

```bash
node --version
```

### Cài gói toàn cục

README đưa hai cách. Dùng Bun:

```bash
bun install -g @autorag/librarian
```

Hoặc dùng npm, cách này hợp với đa số người đã cài Node:

```bash
npm install -g @autorag/librarian
```

Chữ `-g` nghĩa là cài toàn cục, nhờ đó lệnh `autorag` dùng được ở bất kỳ thư mục nào. Chọn một trong hai, không cần chạy cả hai.

Nếu bạn là lập trình viên và muốn dùng như một thư viện trong dự án của mình, README ghi thêm lệnh sau, chạy trong thư mục dự án:

```bash
bun add @autorag/librarian
```

### Mở giao diện terminal

Sau khi cài xong, chạy:

```bash
autorag tui
```

Đây là giao diện tương tác để hỏi và chỉnh hướng tìm kiếm. Lần đầu, README nói việc đăng nhập nhà cung cấp và chọn mô hình vẫn dùng được dù chưa cấu hình mô hình nào của AutoRAG. Màn hình đầu tiên là màn hình chào của AutoRAG.

### Đăng nhập và chọn mô hình

Trong phiên `autorag tui`, README liệt kê các lệnh gạch chéo có sẵn: `/login`, `/logout`, `/model`, `/resume`, `/new`, `/tree`, `/compact`, `/settings`. Với người mới, hai lệnh cần nhất là `/login` (đăng nhập nhà cung cấp mô hình) và `/model` (chọn mô hình). Cách tạo key cho từng nhà cung cấp cụ thể thì README phần mình có không nói; bạn xem docs trong repo.

### Tắt kiểm tra cập nhật (nếu muốn)

Mỗi lần chạy, `autorag tui` có thể kiểm tra bản mới và hiện một dòng thông báo. Nếu bạn không muốn nó tra cứu, README cho biết đặt biến môi trường `AUTORAG_NO_UPDATE_CHECK=1`.

## Kiểm tra đã chạy được chưa

README phần mình có không ghi một lệnh kiểm tra riêng kiểu 'in ra phiên bản'. Cách kiểm tra đáng tin nhất là:

1. Chạy `autorag tui` và xem có hiện màn hình chào của AutoRAG: logo, số phiên bản và ba mẹo xoay vòng. Nếu terminal hẹp, logo sẽ thu nhỏ hoặc chỉ còn dòng chữ tên.
2. Gõ `/model` và xem có chọn được mô hình không.
3. Hỏi một câu nhỏ về thư mục bạn có sẵn. Khi tìm, phía trên ô nhập sẽ hiện một thanh tiến trình gồm bộ đếm giờ và từng bước (định tuyến, từng nguồn tìm kiếm, xếp hạng, câu trả lời đầu, kiểm chứng). Cuối cùng bạn nhận câu trả lời có đánh số và nguồn.

Nếu lệnh `autorag` báo không tìm thấy, xem phần lỗi thường gặp bên dưới.

## Dùng vào việc thật

### Nhân viên pháp chế tìm thay đổi trong hợp đồng

Bạn có một đống hợp đồng PDF, file Word, và các đoạn trao đổi trong Slack. Cuối quý cần tổng hợp xem điều khoản nào đã đổi. Trong `autorag tui`, bạn gõ như ví dụ chính của README:

```text
What changes were made to the cloud infrastructure contract in Q3?
```

Bạn cũng có thể hỏi bằng tiếng Việt, nhưng chất lượng với tiếng Việt thì README không nói gì, nên bạn nên tự thử trên dữ liệu thật. Kết quả theo README là các mục đánh số, mỗi mục nói ngắn ý chính và dẫn nguồn như `contracts/cloud-2026.pdf:p.4` hoặc một tin nhắn trong kênh Slack. Bạn bấm mở đúng file để đối chiếu rồi mới đưa vào báo cáo.

> Công cụ tìm kiếm thường chỉ đưa bạn đường dẫn file, còn thủ thư thì đọc giúp bạn rồi chỉ đúng trang.
>
> — Ông T

### Chủ shop dọn các bản file trùng

Thư mục báo giá của bạn có `proposal-final`, `proposal-v3`, `proposal (1)`. Bản desktop gom chúng thành một dòng, bản mới nhất ở trên, gắn nhãn Latest, Similar hoặc Identical. README nói cùng cách quét này có trong dòng lệnh dưới tên `autorag duplicates`, dựa trên công cụ dupey. Các tuỳ chọn của lệnh này mình không có trong tư liệu, nên bạn xem mục CLI Command Reference trong docs của repo trước khi chạy. Kết quả là bạn biết bản nào nên giữ, bản nào có thể dọn.

### Quản lý hỏi ngay từ điện thoại qua Telegram

Bạn đang đi công tác, cần tìm nhanh một con số trong file ở máy văn phòng. README cho biết bạn có thể chạy:

```bash
autorag tui --telegram
```

Câu hỏi gửi cho bot Telegram sẽ được xử lý như trong terminal. Điều kiện là phiên `autorag tui` phải đang chạy trên máy của bạn. Cách tạo bot, các lệnh và cách giữ cho nó chạy liên tục nằm trong `docs/telegram.md`. WhatsApp (`autorag tui --whatsapp`, bản không chính thức) và Discord (`autorag tui --discord`, chưa hỗ trợ chỉnh hướng giữa chừng) làm theo cách tương tự.

### Lập trình viên gắn vào Claude Code hoặc app riêng

README liệt kê MCP server (cho Claude Code, Codex và các agent khác), skill để agent tự cài và điều khiển AutoRAG, và API TypeScript để nhúng vào ứng dụng của bạn. Các mục này có tài liệu riêng trong repo (nhắc tới là 'AutoRAG Lite MCP Server', 'For AI Agents' và 'Programmatic usage'). Phần README mình có chưa chép lệnh cụ thể, nên hãy đọc đúng những mục đó trước khi gắn.

Trong lúc tìm, bạn có thể can thiệp: **Enter** để chỉnh hướng khi nó tìm sai, **Alt+Enter** để xếp thêm một câu hỏi chờ chạy sau, **Esc** để dừng lại.

## Lỗi hay gặp và cách xử lý

### Gõ autorag báo không tìm thấy lệnh

Thường do cài xong nhưng terminal chưa nhận đường dẫn mới, hoặc cài toàn cục không thành công. Hãy đóng terminal rồi mở lại. Nếu vẫn lỗi, kiểm tra lệnh cài có báo lỗi không. Bạn cũng nên chắc là đã dùng đúng một trong hai lệnh `npm install -g` hoặc `bun install -g`, và Node.js đã đủ bản 24.

### Cài đặt báo sai phiên bản Node

Gói yêu cầu Node từ 24 trở lên. Nếu máy bạn đang dùng bản cũ, hãy cập nhật Node hoặc dùng Bun. Kiểm tra lại bằng `node --version` trước khi cài lại.

### Hỏi nhưng không trả lời được vì chưa có mô hình

Agent cần một mô hình AI để suy luận. Trong `autorag tui`, hãy dùng `/login` rồi `/model` để đăng nhập và chọn. Nếu dùng key riêng, đảm bảo key còn hạn mức và đúng nhà cung cấp.

### Tìm tên file chậm trên macOS hoặc Linux

README nói nếu chưa cài fsearch-cli, việc tìm tên file sẽ chuyển sang duyệt hệ thống file chậm. Cách xử lý là cài fsearch-cli theo hướng dẫn của dự án đó. Mình không chép lệnh cài vì tư liệu mình có không ghi.

### Tìm mã hay tên định danh chính xác không ra đúng

README thừa nhận tìm từ khoá kiểu SPLADE xếp hạng kém tin cậy hơn BM25 khi cần tìm một mã định danh chính xác giữa nhiều file na ná nhau. Trường hợp này hãy dùng tìm theo tên file, hoặc hỏi kèm thêm ngữ cảnh như tên thư mục, loại file, khoảng thời gian.

## Có nên dùng không

**Điểm mạnh.** Tìm tại chỗ, không phải upload hay sao chép dữ liệu sang kho khác. Nhúng chạy cục bộ nên nội dung file không rời máy theo mặc định. Câu trả lời có đánh số và trích nguồn nên dễ kiểm chứng. Hỗ trợ nhiều nguồn (mail, Slack, Telegram, GitHub, Obsidian…) và nhiều cách dùng (terminal, chat, MCP, thư viện). Giấy phép Apache-2.0 và repo vẫn được cập nhật trong vài tháng gần đây.

**Giới hạn.** Cần Node.js 24 trở lên và quen dùng terminal. Bạn vẫn cần một mô hình AI, và nếu dùng nhà cung cấp bên ngoài thì có chi phí cùng việc câu hỏi được gửi tới họ. Các ví dụ và hỗ trợ ngôn ngữ trong README nghiêng về tiếng Hàn và tiếng Anh; chất lượng với tiếng Việt mình chưa có thông tin. Kết nối KakaoTalk có ích với người làm việc với Hàn Quốc nhưng ít liên quan nếu bạn không dùng. Slack chưa hỗ trợ làm kênh hỏi qua messenger. Bản desktop thuộc giấy phép Fair Source (FSL-1.1-MIT) ở repo riêng, khác với phần engine mã nguồn mở Apache-2.0.

**Một lưu ý về tên.** Repo này trước kia là công cụ AutoRAG bản Python, chuyên tối ưu pipeline RAG. Bản đó vẫn được bảo trì ở thư mục `legacy/` và cài qua `pip install AutoRAG`. Nếu bạn cần đúng công cụ AutoML cho RAG, hãy xem tài liệu legacy. Còn nếu bạn chỉ cần một trợ lý tìm và hỏi đáp trong dữ liệu cá nhân, bản 2.0 trong bài này mới là thứ bạn cần.

**Khi nên chọn cách khác.** Nếu bạn chỉ cần tìm tên file thì công cụ như Everything là đủ. Nếu chỉ cần chat với vài file PDF thì các ứng dụng đơn giản hơn sẽ nhẹ nhàng hơn. AutoRAG đáng thử khi dữ liệu của bạn rải ra nhiều nơi và bạn muốn một câu trả lời có dẫn chứng.

## Câu hỏi thường gặp

### AutoRAG có miễn phí không?

Phần engine `@autorag/librarian` là mã nguồn mở, giấy phép Apache-2.0. Việc dùng mô hình AI thì có thể tốn phí: README nói bạn dùng gói mô hình Dazzi, hoặc dùng key nhà cung cấp riêng và trả tiền trực tiếp cho họ. Mình chưa có thông tin về bảng giá cụ thể.

### Cài AutoRAG có cần GPU không?

Tư liệu mình có không nói về yêu cầu GPU. README chỉ cho biết việc nhúng chạy cục bộ bằng mô hình Qwen3-Embedding-0.6B do MinSync cung cấp. Yêu cầu phần cứng cụ thể bạn xem mục System Prerequisites và docs trong repo.

### AutoRAG chạy được trên Windows không?

Có dấu hiệu là được: README nhắc việc tìm tên file trên Windows bằng công cụ Everything đi kèm, và có menu Ask trong chuột phải của Explorer ở bản desktop. Gói cài qua npm hoặc bun cần Node.js từ bản 24 trở lên.

### Dữ liệu của tôi có an toàn không, có bị gửi lên mạng không?

README nói nội dung file không bị gửi tới nơi nhúng từ xa trừ khi bạn tự cấu hình `minSync.embedder` từ xa, và token, key được lưu trong kho mã hoá của hệ thống. Tuy nhiên câu hỏi và đoạn trích gửi cho mô hình AI bạn chọn thì có thể đi tới nhà cung cấp đó, nên hãy đọc chính sách của họ.

### AutoRAG 2.0 khác gì AutoRAG bản cũ?

Bản cũ là công cụ Python giúp tự động tìm pipeline RAG tối ưu cho dữ liệu của bạn. Bản 2.0 là trợ lý thủ thư tìm và hỏi đáp trong file, mail, chat. Bản cũ vẫn được bảo trì trong thư mục `legacy/` và cài bằng `pip install AutoRAG`.

### Có dùng được với Claude Code không?

README liệt kê MCP server để đưa kết quả truy xuất cho Claude Code, Codex và các agent khác, cùng skill để agent tự cài và điều khiển AutoRAG. Lệnh cài cụ thể nằm ở phần tài liệu riêng của repo, không có trong đoạn README mình đọc.

### Có hỏi bằng tiếng Việt được không?

Tư liệu mình có không nói gì về tiếng Việt; bản desktop hỗ trợ giao diện tiếng Hàn, Anh, Nhật và Trung giản thể. Bạn nên tự thử trên vài tài liệu của mình để xem chất lượng.
