Bài 5: Grep-Based Log Slicing & Zero Token-Waste Architecture
Kỹ thuật đọc file native và trích xuất log bằng grep trong akiflow giúp loại bỏ 90% lãng phí token mà không cần hạ tầng RAG hay Vector DB phức tạp.
Tại Sao akiflow Loại Bỏ Hạ Tầng RAG & Vector Database?
Các hệ thống AI Agent truyền thống thường lạm dụng RAG (Retrieval-Augmented Generation) và Vector DB để tìm kiếm thông tin trong dự án. Tuy nhiên, đối với công việc lập trình thực tế, RAG tạo ra 3 điểm nghẽn nghiêm trọng:
Vector Embedding chia nhỏ code thành chunks làm mất đi tính toàn vẹn của AST (Abstract Syntax Tree) và logic hàm.
Mỗi lần sửa 1 line code phải re-embed toàn bộ file, tiêu tốn thời gian tính toán và API embedding cost.
Nhồi nhét hàng nghìn dòng log hội thoại vào prompt làm lãng phí 80-90% token cho thông tin không cần thiết.
Thay vì dùng Vector DB cồng kềnh, akiflow sử dụng Explicit Native File Reads (`view_file`, `list_dir`) kết hợp với Grep-Based Log Slicing (`council-read.sh`). Agent chỉ đọc chính xác những gì cần thiết, giúp giữ vững Sàn tư duy (Thinking Floor) và tiết kiệm 90% chi phí Token.