VJP AI Tech Internship Showcase

Báo cáo dự án: Nguyễn Tuấn Anh

🎓 THÔNG TIN SINH VIÊN THỰC TẬP

• Họ và tên: Nguyễn Tuấn Anh
• Mã số sinh viên: 2280604287
• Lớp: 22DTHB2
• Vị trí thực tập: AI Prompt Engineering

2. Nội dung dự án: Phát triển chức năng AI Smart Matching

Trong thời gian thực tập tại công ty, em được giao nhiệm vụ nghiên cứu và phát triển tính năng AI Smart Matching (Gợi ý đối tác thông minh) cho nền tảng VJP Connect. Đây là nền tảng kết nối giao thương giữa các doanh nghiệp Việt Nam và Nhật Bản. Mục tiêu của tính năng là tự động hóa quá trình tìm kiếm, giúp các doanh nghiệp tìm thấy đối tác phù hợp nhất dựa trên nhu cầu và lĩnh vực hoạt động mà không bị rào cản bởi ngôn ngữ.

2.1. Hệ sinh thái công nghệ áp dụng (Tech Stack)

Dự án kết hợp các công nghệ hiện đại để tối ưu hóa khả năng xử lý ngôn ngữ tự nhiên và tìm kiếm ngữ nghĩa:

💻 Next.js (React)⚡ Laravel (PHP)🤖 OpenAI API (GPT-4o)🎯 Qdrant (Vector DB)

2.2. Chi tiết quy trình thực hiện

  1. Tiền xử lý & Tạo Vector Nhúng (Embedding): Xây dựng hệ thống tự động trích xuất thông tin hồ sơ doanh nghiệp (Ngành nghề, Nhu cầu hợp tác, Đặc trưng sản phẩm). Dữ liệu này được chuyển đổi thành các Vector tọa độ thông qua mô hình text-embedding-3-large của OpenAI.
  2. Tìm kiếm ngữ nghĩa không rào cản ngôn ngữ: Sử dụng cơ sở dữ liệu vector Qdrant để tính toán khoảng cách Cosine giữa các doanh nghiệp. Hệ thống tự động ghép đôi các doanh nghiệp có sự tương đồng về nhu cầu ngay cả khi một bên viết bằng tiếng Nhật và một bên viết bằng tiếng Việt.
  3. Thiết kế & Lập trình Widget hiển thị: Phát triển Component SmartMatchingPopup trên Frontend bằng Next.js, tự động hiển thị Top 3 đối tác phù hợp nhất kèm theo phần trăm điểm tương thích trực quan.
  4. Tối ưu hóa hiệu năng (Caching): Thiết lập hệ thống Cache 1 giờ trên Controller của Laravel để lưu kết quả gợi ý đối tác, giúp giảm tải 80% truy vấn trùng lặp lên máy chủ và tiết kiệm chi phí vận hành AI.

3. Kết luận và Bài học kinh nghiệm

✅ Kết quả đạt được

Tính năng đã được tích hợp và kiểm thử thành công trên môi trường Staging. Hệ thống phản hồi nhanh dưới 1 giây, đưa ra gợi ý đối tác chính xác và giao diện popup hoạt động mượt mà, giúp tối ưu hóa hiệu quả kết nối doanh nghiệp.

💡 Bài học kinh nghiệm

Làm chủ quy trình xử lý dữ liệu vector bằng Qdrant DB. Nâng cao tư duy tối ưu hóa hiệu năng phần mềm thông qua Caching. Rèn luyện tốt kỹ năng phối hợp làm việc nhóm và xử lý xung đột mã nguồn (Merge Conflict) trên Gitlab.

🚀 Định hướng phát triển

Từ nền tảng kiến thức đạt được trong kỳ thực tập, bản thân em sẽ tiếp tục nghiên cứu chuyên sâu hơn về các thuật toán AI, Machine Learning và các Mô hình ngôn ngữ lớn (LLMs). Đồng thời, rèn luyện thêm kỹ năng thiết kế kiến trúc phần mềm để hướng tới mục tiêu trở thành một AI Fullstack Developer chuyên nghiệp..