Hôm qua tôi vừa đóng một ticket lớn cho một startup LegalTech tại Hà Nội. Họ chuyển cho tôi một thư mục nặng ~1,8 GB chứa 1.847 bản hợp đồng thương mại song ngữ Trung–Việt, mỗi hợp đồng dày từ 40 đến 120 trang A4, ghép lại tổng cộng khoảng 1,97 triệu token. Yêu cầu cốt lõi nghe có vẻ đơn giản nhưng lại là cơn ác mộng cũ: trích xuất chính xác những điều khoản "bất thường" đã bị các bên cố tình giấu giữa biển chữ — tức bài toán needle-in-a-haystack kinh điển trên legal corpus. Sau hai ngày thử nghiệm, tôi chốt phương án: Gemini 3.1 Pro 2M thông qua Đăng ký tại đây. Bài viết này là hướng dẫn để bạn tái tạo lại toàn bộ pipeline, kèm số liệu thực chiến có thể kiểm chứng.
1. Tại sao cửa sổ 2 triệu token lại là "cứu cánh" cho hợp đồng pháp lý?
Một hợp đồng M&A điển hình gồm: Thỏa thuận khung (MSA) + Phụ lục công việc (SOW) + NDA + Điều khoản bảo hành + Phụ lục kỹ thuật, dễ dàng chạm 180–250 nghìn token mỗi bộ. Nếu dựng hệ thống RAG truyền thống, bạn buộc phải chunking, embedding, rồi đối mặt với việc mất ngữ cảnh xuyên suốt giữa các điều khoản — đặc biệt nguy hiểm với những điều khoản có điều kiện tiên quyết nằm ở file khác.
Với cửa sổ 2 triệu token của Gemini 3.1 Pro, tôi nhét được cả một quy trình mua bán 5 bên vào trong một prompt duy nhất, không cần chunk, không