Upload README.md with huggingface_hub

README.md

@@ -1,45 +1,49 @@
 ---
-title: Bigdata Project Assets
-emoji: 📂
+title: Bigdata Project Assets (The Brain)
+emoji: 🧠
 colorFrom: blue
 colorTo: indigo
 sdk: static
 pinned: false
 ---
 
-# Bigdata Project Assets 🚀
+# Bigdata Project Assets (The "Brain") 🧠
 
-This repository contains the essential data snapshots for the **Bigdata AI Document Processing System**. These assets facilitate the seamless migration and setup of the project across different machines.
+Đây là repository lưu trữ các bản sao lưu (snapshots) cơ sở dữ liệu cho hệ thống **Bigdata AI Document Processing**. 
 
-## 📦 What's Included?
+## 🎯 Mục đích & Ý nghĩa
+Trong các hệ thống AI xử lý dữ liệu lớn, việc tách biệt **Dữ liệu thô (Raw Data)** và **Dữ liệu đã xử lý (Processed/Brain Data)** là cực kỳ quan trọng:
+-   **Raw Data (~48GB)**: Là các file ảnh/PDF ban đầu. Việc tải và xử lý lại từ đầu tốn rất nhiều thời gian.
+-   **Brain Data (Vài MB - GB)**: Là kết quả của quá trình index (Vector embeddings, Metadata). Đây là những gì được lưu trữ tại repository này.
 
-Currently, this repository houses the **Core Database Snapshots** (the "Brain" of the RAG system):
+**=> Lợi ích:** Bạn có thể setup máy mới và Chat được ngay lập tức chỉ bằng cách tải "Bộ não" này về, mà không cần tải 48GB dữ liệu thô ngay lúc đó.
 
-- **`infra_milvus_data.tar.gz`**: Vector database snapshots containing all indexed document embeddings (BGE-M3).
-- **`infra_postgres_data.tar.gz`**: Metadata and relational data including document references and system configurations.
-- **`infra_minio_data.tar.gz`**: Object storage metadata and small-scale processed assets.
-- **`infra_etcd_data.tar.gz`**: Configuration state for the Milvus cluster.
+## 📦 Danh sách Assets
+-   **`infra_milvus_data.tar.gz`**: Chứa toàn bộ Vector Embeddings của tài liệu (BGE-M3).
+-   **`infra_postgres_data.tar.gz`**: Chứa thông tin Metadata, cấu hình hệ thống và lịch sử.
+-   **`infra_minio_data.tar.gz`**: Chứa metadata của Object Storage và các file đã xử lý quy mô nhỏ.
+-   **`infra_etcd_data.tar.gz`**: Trạng thái cấu hình của cluster Milvus.
 
-### ⚠️ Note on Data Size
-The raw source datasets (like **RVL-CDIP**, which is **48GB**) are **NOT** included in these primary snapshots to keep the migration process fast and efficient. These snapshots allow the RAG (Retrieval-Augmented Generation) system to remain fully functional for querying and chat, even without the massive raw source files.
+## 🛠️ Quy trình khôi phục nhanh (Quick Restore)
+Các assets này được thiết kế để hoạt động cùng với script `setup.sh` trong mã nguồn chính.
 
-## 🛠️ How to Restore
+1.  **Clone mã nguồn từ GitHub**:
+    ```bash
+    git clone https://github.com/congkx123789/bigdata_project.git
+    cd bigdata_project
+    ```
+2.  **Chạy script Setup thông minh**:
+    ```bash
+    export HF_TOKEN="your_huggingface_token_here"
+    ./setup.sh
+    ```
+3.  **Xác nhận Restore**: Khi script hỏi `Do you want to restore data from Hugging Face?`, hãy chọn `y`.
 
-These files are intended to be used with the `restore_from_hf.py` script found in the main project repository.
+---
 
-1. **Clone the Repo**:
-   ```bash
-   git clone https://github.com/congkx123789/bigdata_project.git
-   ```
-2. **Set Hugging Face Token**:
-   ```bash
-   export HF_TOKEN="your_token_here"
-   ```
-3. **Run Setup**:
-   ```bash
-   ./setup.sh
-   # Select 'y' when prompted to restore data from Hugging Face.
-   ```
+## 🔗 Liên kết quan trọng
+-   **Mã nguồn chính (Github)**: [bigdata_project](https://github.com/congkx123789/bigdata_project)
+-   **Tác giả**: Cong123779
 
-## 👨‍💻 Maintainer
-Maintained by **Cong123779**.
+---
+*Lưu ý: Nếu bạn muốn tải dữ liệu thô (48GB RVL-CDIP), hãy sử dụng công cụ `download_datasets.sh` có sẵn trong repository GitHub.*