Claude xây dựng đồ thị tri thức mà không cần máy chủ LLM cục bộ

Một công cụ mã nguồn mở mới có tên Chaos Cypher cho phép các nhà phát triển xây dựng các đồ thị tri thức bền vững bằng cách sử dụng Claude Code hoặc các ứng dụng khách Model Context Protocol (MCP) khác. Được Denis MacPherson công bố vào ngày 28 tháng 9 năm 2026, phương pháp này chuyển gánh nặng tính toán của việc trích xuất thực thể từ một máy chủ cục bộ sang trợ lý AI đang chạy trong trình soạn thảo của nhà phát triển. Hệ thống xác minh mọi tuyên bố so với văn bản gốc trước khi lưu chúng vào cơ sở dữ liệu cục bộ.

Chuyện gì đã xảy ra

Các hệ thống Graph Retrieval-Augmented Generation (GraphRAG) truyền thống thường yêu cầu một máy chủ để lưu trữ mô hình ngôn ngữ lớn. Thiết lập này đòi hỏi tài nguyên phần cứng đáng kể, chẳng hạn như GPU, để xử lý tài liệu và trích xuất mối quan hệ. Chaos Cypher đảo ngược kiến trúc này. Thay vì máy chủ gọi mô hình, trợ lý phía client sẽ thực hiện việc trích xuất. Máy chủ chỉ đóng vai trò là lớp lưu trữ và xác thực, nhận dữ liệu có cấu trúc từ trợ lý và kiểm tra chúng so với văn bản gốc.

Quy trình bắt đầu khi người dùng kết nối CLI Chaos Cypher với một ứng dụng khách tương thích MCP như Claude Code, Cursor hoặc Claude Desktop. Người dùng hướng dẫn trợ lý xử lý một thư mục chứa các tệp markdown. Trợ lý đọc các tài liệu theo từng phần nhỏ, xác định các thực thể và mối quan hệ, rồi gửi lại thông tin cho máy chủ. Sau đó, máy chủ chạy một trình xác thực bằng chứng để đảm bảo mỗi sự kiện được gửi đều tương ứng với các số câu cụ thể trong văn bản gốc. Nếu bằng chứng không khớp, máy chủ sẽ từ chối mục nhập. Vòng lặp này tiếp tục cho đến khi đồ thị được xây dựng hoàn chỉnh, tạo ra một cơ sở dữ liệu SQLite bền vững tồn tại qua các lần khởi động lại phiên làm việc.

Chi tiết chính

• CLI Chaos Cypher yêu cầu Python 3.14 trở lên và được cài đặt qua pipx.
• Việc trích xuất được thực hiện hoàn toàn bởi trợ lý phía client, nghĩa là máy chủ không chạy bất kỳ mô hình ngôn ngữ nào.
• Máy chủ xác thực các mục gửi bằng cách kiểm tra tham chiếu câu, loại bỏ bất kỳ thực thể hoặc mối quan hệ nào thiếu bằng chứng văn bản.
• Đồ thị kết quả được lưu trữ trong cơ sở dữ liệu SQLite cục bộ và có thể được xuất dưới dạng gói .ccx.
• Các truy vấn đa bước (multi-hop) được giải quyết bằng cách sử dụng Personalized PageRank và Reciprocal Rank Fusion, kết hợp duyệt đồ thị với tìm kiếm vector.
• Hệ thống tự động chuyển sang tìm kiếm từ khóa nếu mô hình nhúng (embedding model) cục bộ không khả dụng.

Bối cảnh

GraphRAG là một kỹ thuật nâng cao các hệ thống truy xuất tiêu chuẩn bằng cách ánh xạ các kết nối giữa các khái niệm. Trong khi tìm kiếm vector truyền thống tìm các tài liệu chứa các từ tương tự, một đồ thị tri thức hiểu cách các thực thể liên quan đến nhau. Điều này cho phép suy luận đa bước, nơi hệ thống có thể trả lời các câu hỏi đòi hỏi phải kết nối những mảnh thông tin rời rạc trên nhiều tài liệu. Ví dụ, nó có thể xác định thành phần nào phụ thuộc vào một thư viện cụ thể và hồ sơ quyết định kiến trúc nào quản lý các thay đổi đối với thư viện đó.

Model Context Protocol (MCP) là một tiêu chuẩn mở cho phép các trợ lý AI kết nối với các công cụ và nguồn dữ liệu bên ngoài. Bằng cách sử dụng MCP, Chaos Cypher cho phép bất kỳ trợ lý tương thích nào đóng vai trò là lớp trí tuệ cho việc xây dựng đồ thị. Điều này tách biệt khả năng suy luận khỏi hạ tầng lưu trữ, giúp các nhà phát triển tận dụng các mô hình họ đã có quyền truy cập trong môi trường lập trình của mình mà không cần thiết lập các máy chủ suy luận chuyên dụng.

Tại sao điều này quan trọng

Đối với các nhóm vận hành phần mềm riêng, phương pháp này giảm đáng kể rào cản gia nhập đối với các hệ thống truy xuất tiên tiến. Duy trì một máy chủ LLM cục bộ đòi hỏi phần cứng chuyên dụng và bảo trì liên tục. Bằng cách chuyển giao việc trích xuất cho phía client, các nhà phát triển có thể xây dựng các cơ sở tri thức phức tạp trên laptop tiêu chuẩn mà không cần GPU. Điều này giúp các nhóm nhỏ hoặc kỹ sư cá nhân có thể triển khai quy trình làm việc GraphRAG mà không cần đầu tư vào hạ tầng đắt đỏ.

Việc nhấn mạnh vào xác thực bằng chứng cũng giải quyết một lo ngại then chốt trong quản lý tri thức tự động: niềm tin. Các mô hình ngôn ngữ lớn thường xuyên bị ảo giác (hallucinate) về mối quan hệ hoặc hiểu sai ngữ cảnh. Bằng cách yêu cầu trích dẫn ở cấp độ câu và xác thực chúng ở phía máy chủ, Chaos Cypher đảm bảo rằng đồ thị phản ánh nội dung thực tế của các tài liệu. Tính khả kiểm này cho phép các nhóm xem xét các mục bị từ chối và hiểu lý do tại sao một số sự kiện nhất định bị loại trừ, cung cấp mức độ tin cậy cao hơn đối với thông tin được truy xuất.

Hơn nữa, tính bền vững của đồ thị có nghĩa là tri thức tích lũy theo thời gian. Không giống như các phiên chat tạm thời nơi ngữ cảnh bị mất sau khi đóng cửa sổ, đồ thị vẫn sẵn sàng cho các truy vấn trong tương lai. Điều này cho phép các trợ lý trả lời những câu hỏi phức tạp, xuyên tài liệu mà nếu không sẽ vượt quá cửa sổ ngữ cảnh của chúng. Nó biến đổi tài liệu tĩnh thành một tài sản tương tác, có thể truy vấn và phát triển cùng với dự án.

Những gì bạn có thể làm

• Cài đặt CLI Chaos Cypher bằng pipx và đảm bảo môi trường của bạn chạy Python 3.14 trở lên.
• Kết nối CLI với ứng dụng khách MCP ưa thích của bạn, chẳng hạn như Claude Code, ở chế độ ghi để kích hoạt việc xây dựng đồ thị.
• Bắt đầu với một tập hợp nhỏ các tệp markdown, chẳng hạn như ghi chú thiết kế hoặc tóm tắt cuộc họp, để kiểm tra chất lượng trích xuất.
• Xem nhật ký công cụ trong trình soạn thảo của bạn để giám sát quá trình trích xuất và xem những câu nào hỗ trợ cho từng thực thể.
• Sử dụng giao diện máy chủ cục bộ để kiểm tra đồ thị được tạo, chỉnh sửa các mối quan hệ sai và xem xếp hạng chất lượng.
• Xuất đồ thị hoàn chỉnh dưới dạng gói .ccx để chia sẻ với các thành viên khác trong nhóm hoặc nhập vào các trợ lý khác.