Xây dựng hệ thống đánh giá tài liệu bằng AI end-to-end tích hợp SharePoint

 

Mô hình AI có thể review tài liệu thiết kế và đưa ra những nhận xét hữu ích. Tuy nhiên, chỉ riêng điều đó chưa đủ để công việc review trở nên đáng tin cậy. Trong thực tế dự án, quá trình đánh giá cần có đầy đủ tài liệu đầu vào chính xác, trạng thái thực thi phải được hiển thị rõ ràng, phải xác định được kết quả thuộc dự án nào, và đội ngũ phải có thể tìm lại đầu ra về sau. Hơn nữa, khi người dùng tiếng Nhật, tiếng Anh và tiếng Việt cùng phối hợp, trách nhiệm kỹ thuật về dịch thuật lại được thêm vào một lớp nữa. 

Vì vậy, để việc hỗ trợ review tài liệu thiết kế bằng AI vận hành được trong thực tế, cần kết nối nhiều thành phần: ứng dụng lấy dự án làm điểm xuất phát, xử lý backend bằng Python, thực thi đánh giá bất đồng bộ, tích hợp với Microsoft Graph, và SharePoint để lưu cả bản gốc lẫn bản dịch. 

Thách thức kỹ thuật: Biến đầu ra của AI thành thứ “dùng được” 

Một câu trả lời AI trả về đơn lẻ sẽ rất khó sử dụng trong vận hành, trừ khi người review xác định được tài liệu đó thuộc dự án nào và kết quả nên được đặt ở đâu. Trong phần triển khai được trình bày ở bài viết này, dự án là ngữ cảnh xuất phát, workflow đánh giá tạo ra các nhận xét, và SharePoint là nơi lưu trữ sản phẩm đầu ra. Câu hỏi kỹ thuật cốt lõi không chỉ là AI có trả về được kết quả review hay không, mà là toàn bộ chuỗi xử lý có thể truy vết và truy xuất một cách nhất quán hay không. 

1. Bắt đầu từ ngữ cảnh dự án và kiểm tra đầu vào 

Trước khi bắt đầu đánh giá, người dùng tạo dự án và liên kết nó với vị trí lưu trữ tương ứng trên SharePoint. Việc gắn tham chiếu dự án vào quá trình đánh giá giúp tránh việc mỗi lần review bị xem như một lời gọi API rời rạc. Điều này đặc biệt quan trọng khi hệ thống xử lý nhiều bộ tài liệu hoặc nhiều lượt review song song. 

Tùy loại đánh giá, một số tài liệu thiết kế nhất định là bắt buộc. Việc thiếu đầu vào bắt buộc là vấn đề của bước kiểm tra đầu vào, không phải lỗi xử lý của AI. Do đó, workflow cần xác nhận tài liệu đã đầy đủ trước khi bắt đầu review và trả về cụ thể những gì còn thiếu. Nhờ vậy người dùng bớt lúng túng, và việc phân biệt lỗi đầu vào với lỗi thực thi cũng dễ dàng hơn. 

 

2. Xử lý đánh giá bằng AI như một workflow bất đồng bộ 

Việc đánh giá tài liệu có thể mất nhiều thời gian hơn một request thông thường từ trình duyệt. Trong phần triển khai này, backend FastAPI kiểm tra các tài liệu được chọn, tạo task đánh giá và trả về task ID mà không cần chờ AI review hoàn tất. TaskManager bất đồng bộ do chúng tôi tự xây dựng xử lý các task trong hàng đợi đồng thời kiểm soát số lượng thực thi song song. Redis lưu metadata của task, còn bản ghi workflow trong cơ sở dữ liệu đảm nhận lịch sử thực thi và quản lý trạng thái. Thiết kế này giúp tách quá trình đánh giá kéo dài khỏi API request ban đầu mà không cần đến BackgroundTasks của FastAPI hay hàng đợi worker bên ngoài. 

Các trạng thái hiển thị cho người dùng như queued, running, completed, failed đóng vai trò mô tả tiến độ đánh giá. Mọi chuyển đổi trạng thái đều được ghi lại trong lịch sử workflow. Sau khi AI tạo báo cáo review bằng tiếng Nhật, backend tải file đầu ra lên vị trí lưu trữ tương ứng trên SharePoint. Workflow chỉ chuyển sang completed khi cả bước xử lý cần thiết lẫn bước tải lên đều thành công. Nếu AI review đã hoàn tất nhưng tải lên SharePoint thất bại, lỗi sẽ được truyền nguyên vẹn và workflow được ghi nhận là failed. Hệ thống không bao giờ báo cáo sai rằng toàn bộ quá trình đã thành công. 

 

3. Tích hợp SharePoint thông qua Microsoft Graph 

Microsoft Graph cung cấp API để lấy các mục trong thư viện tài liệu và tạo/cập nhật nội dung file trên Microsoft 365. Trong phần triển khai này, các file đầu ra có kích thước đến 4 MiB được tải lên bằng API PUT /content, còn file lớn hơn được gửi theo từng chunk tuần tự 5 MiB bằng createUploadSession. Lưu ý rằng ngưỡng 4 MiB này là quyết định thiết kế phía ứng dụng, không phải giới hạn mà Microsoft Graph hỗ trợ. Với loại tích hợp này, chỉ xác nhận thông tin xác thực API hợp lệ là chưa đủ. Ứng dụng phải nhắm đúng site hoặc thư mục, và phải có đủ quyền cần thiết để đọc/ghi file đích. 

Sau khi AI hoàn tất đánh giá, kết quả review (bản tiếng Nhật) được lưu vào SharePoint. Khi bản dịch tiếng Anh và tiếng Việt được tạo, các sản phẩm này cũng được lưu vào SharePoint theo cách tương tự. Nhờ đó, workspace Microsoft 365 không chỉ là nơi lưu trữ mà còn hoạt động như nền tảng bàn giao sản phẩm review, loại bỏ thao tác xuất file thủ công. 

4. Giữ nguyên ý nghĩa và khả năng truy vết giữa tiếng Nhật, tiếng Anh và tiếng Việt 

Ngôn ngữ gốc của lần đánh giá AI đầu tiên là tiếng Nhật. Báo cáo tiếng Anh và tiếng Việt được tạo ra bằng cách dịch kết quả đánh giá gốc tiếng Nhật, thay vì chạy lại AI review riêng biệt. Cách làm này giúp ba ngôn ngữ dùng chung một nguồn gốc cho các nhận xét, điểm số, trạng thái review và tham chiếu tới vị trí tương ứng trong tài liệu. 

 

Để đảm bảo tính nhất quán, phần triển khai này lưu bản đánh giá gốc tiếng Nhật dưới dạng file JSON trung gian có cấu trúc. Khi có yêu cầu bản tiếng Anh hoặc tiếng Việt, hệ thống dịch nội dung báo cáo và đánh giá tổng quan, đồng thời giữ nguyên các giá trị có cấu trúc như điểm cuối cùng và số lượng nhận xét theo mức độ nghiêm trọng. Sau đó, kết luận đạt/không đạt được tạo lại từ các giá trị này dưới dạng câu chữ chuẩn hóa. Chỉ dẫn dịch thuật bắt buộc không được thay đổi tên file, số liệu, ngày tháng, định dạng Markdown và code block. Tuy nhiên, thuật ngữ chuyên môn và tham chiếu tài liệu vẫn cần được kiểm tra lại, vì phiên bản hiện tại chưa áp dụng bắt buộc một bảng thuật ngữ (glossary) cố định. Đầu ra theo từng ngôn ngữ được liên kết với cùng một lượt đánh giá và lưu vào SharePoint. 

 

5. Các vấn đề kỹ thuật cần cân nhắc khi tích hợp thực tế 

  • Ánh xạ dự án và thư mục: Mỗi lượt review cần được gắn với đúng nguồn lấy tài liệu và nơi lưu trữ dự kiến, chứ không phải một vị trí SharePoint bất kỳ có thể truy cập. 
  • Kiểm tra tài liệu bắt buộc: Khi đầu vào chưa đầy đủ, cần thông báo trước khi khởi chạy các xử lý AI không cần thiết. 
  • Phân biệt trạng thái thực thi và trạng thái tải lên: Việc AI phản hồi thành công không chứng minh rằng kết quả đã được lưu vào SharePoint. Hai giai đoạn này cần có cơ chế xử lý lỗi độc lập. 
  • Tính nhất quán đa ngôn ngữ: Các nhận xét, nhãn và tham chiếu tài liệu phải được hiểu như nhau giữa đầu ra gốc tiếng Nhật và các bản dịch tiếng Anh, tiếng Việt. 
  • Quyền trên Microsoft 365: Quyền đọc/ghi cần được kiểm chứng trên chính thư mục đích thực tế, thay vì suy đoán từ việc đã lấy được token. 

Để bàn giao sản phẩm một cách tin cậy, mỗi điều kiện nêu trên đều cần có bước kiểm chứng hoặc ranh giới lỗi rõ ràng. Việc thực thi review, dịch thuật và lưu file nên được hiểu là các xử lý riêng biệt, dù có liên kết với nhau. 

Năng lực kỹ thuật của TTV thể hiện qua dự án này 

Phần triển khai này thể hiện lĩnh vực kỹ thuật mà TTV có thể đóng góp: kết hợp ứng dụng Web, dịch vụ backend Python, xử lý tài liệu bằng AI và API của Microsoft 365 thành một workflow thống nhất. Kinh nghiệm này phù hợp với những tổ chức muốn áp dụng review có hỗ trợ AI mà không phải từ bỏ cách cộng tác tài liệu hiện có dựa trên SharePoint. 

Rộng hơn, TTV có thể tư vấn về phương pháp phát triển ứng dụng, tích hợp API và tự động hóa workflow cho nghiệp vụ tài liệu của doanh nghiệp. Giá trị nằm ở việc thiết kế kết nối giữa các hệ thống và trình bày kết quả review dưới dạng dùng được trong thực tế, chứ không phải coi bản thân việc gọi mô hình là toàn bộ giải pháp. 

Tổng kết 

  • Bắt đầu từ ngữ cảnh dự án để tài liệu đầu vào và nơi lưu đầu ra luôn có ý nghĩa rõ ràng. 
  • Kiểm tra các tài liệu thiết kế bắt buộc trước khi bắt đầu AI review. 
  • Theo dõi riêng tình trạng thực thi đánh giá và tình trạng lưu trữ lên SharePoint. 
  • Trước tiên tạo bản review tiếng Nhật và lưu vào SharePoint, sau đó dịch và lưu bản tiếng Anh, tiếng Việt. 
  • Duy trì mối liên kết giữa bản review gốc, các bản dịch và workspace của dự án. 

Nếu bạn đang cân nhắc review tài liệu có hỗ trợ AI hoặc tích hợp với Microsoft 365, hãy liên hệ TTV để được tư vấn về kiến trúc và phương án triển khai: https://trans-tech.vn/contact-us/ 

Nguồn tham khảo kỹ thuật 

Microsoft Graph – List the contents of a folder: https://learn.microsoft.com/en-us/graph/api/driveitem-list-children 

Microsoft Graph – Upload or replace driveItem contents: https://learn.microsoft.com/en-us/graph/api/driveitem-put-content 

FastAPI – Background Tasks: https://fastapi.tiangolo.com/tutorial/background-tasks/ 

TTV – Danh sách bài viết Tech Stack: https://trans-tech.vn/tech-stack/ 

Create your account

[ct-user-form form_type="register"]