Đã bao giờ bạn cảm thấy muốn "vả" vào mặt ChatGPT hay Claude vì nhận được những câu trả lời vô dụng chưa? Bạn mong đợi một kết quả xịn xò, nhưng thứ nhận lại là một đoạn văn bản chung chung, máy móc và sai lệch. Cảm giác bực bội đó rất thật và mình cũng từng trải qua vô số lần.
Khi đối mặt với sự thất vọng đó, chúng ta thường nghĩ đến hai khả năng: Một là AI quá ngu ngốc và không hữu dụng như lời đồn. Hai là... do chính chúng ta chưa biết cách sử dụng. Sau rất nhiều thời gian nghiên cứu sâu, tham khảo các tài liệu chính thống từ Google, Anthropic, mình nhận ra sự thật nghiêng về phương án hai: Đó là vấn đề về kỹ năng.
Trong bài viết này, mình sẽ chia sẻ lại toàn bộ lộ trình từ tư duy nền tảng đến các kỹ thuật viết prompt AI nâng cao nhất để giúp bạn biến những kết quả "rác" thành siêu phẩm. Hãy cùng bắt đầu hành trình làm chủ công cụ mạnh mẽ nhất thế kỷ 21 này.
Bản chất của Prompting: Lập trình bằng ngôn ngữ
Trước khi đi vào các thủ thuật cụ thể, chúng ta cần thay đổi tư duy. Hầu hết mọi người thất bại vì họ nghĩ họ đang "trò chuyện" với một con người. Nhưng thực tế không phải vậy.
Prompting thực chất là việc bạn lập trình AI bằng lời nói. Các mô hình ngôn ngữ lớn (LLM) không suy nghĩ như con người; chúng là những cỗ máy dự đoán (prediction engines) siêu việt. Hãy tưởng tượng nó giống như chức năng "tự động hoàn thành" (auto-complete) trên điện thoại của bạn, nhưng ở một đẳng cấp cao hơn gấp tỷ lần.
Khi bạn đưa ra một yêu cầu mơ hồ, AI sẽ chọn câu trả lời có xác suất thống kê cao nhất - tức là câu trả lời chung chung nhất. Bí quyết ở đây là bạn không đặt câu hỏi, mà bạn đang thiết lập một mô hình (pattern) để AI hoàn thiện nó. Mô hình càng cụ thể, khả năng AI dự đoán đúng ý bạn càng cao. Chúng ta đang "hack" xác suất.
Các kỹ thuật viết Prompt AI nền tảng
Để minh hoạ cho các kỹ thuật này, hãy lấy ví dụ về việc yêu cầu AI viết một email xin lỗi khách hàng về sự cố sập mạng (ví dụ: sự cố CloudFlare). Nếu chỉ viết "Hãy viết email xin lỗi về sự cố mạng", bạn sẽ nhận được một văn bản vô hồn. Đây là cách chúng ta sửa nó.
1. Sử dụng Persona (Vai trò)
Câu hỏi đầu tiên bạn cần đặt ra không phải là "viết gì", mà là "Ai đang viết cái này?".
Một email xin lỗi được viết bởi một nhân viên trực tổng đài sẽ rất khác với email được viết bởi một Kỹ sư cao cấp về độ tin cậy trang web (Senior Site Reliability Engineer). Nếu không xác định vai trò, AI sẽ đóng vai một "người trung bình" vô danh.
Hãy thử thêm vào prompt:
"Bạn là một Kỹ sư trưởng về độ tin cậy hệ thống tại CloudFlare. Bạn đang viết thư cho cả khách hàng kỹ thuật và quản lý. Hãy viết một email xin lỗi..."
Kỹ thuật này giúp thu hẹp phạm vi dữ liệu mà AI sẽ truy xuất. Nó giống như việc bạn muốn lên kế hoạch đi Nhật Bản, bạn sẽ hỏi một hướng dẫn viên du lịch chuyên nghiệp chứ không hỏi một người bất kỳ ngoài đường.
2. Sức mạnh của bối cảnh (Context is King)
Năm 2025 được coi là năm của "Context". Đây là yếu tố quan trọng nhất để loại bỏ "ảo giác" (hallucinations) – hiện tượng AI tự bịa ra thông tin.
AI luôn muốn làm hài lòng bạn, nên nếu thiếu thông tin, nó sẽ tự điền vào chỗ trống bằng những thứ nó "nghĩ" là đúng. Trong ví dụ email xin lỗi, nếu bạn không cung cấp nguyên nhân sự cố, AI sẽ bịa ra lý do (ví dụ: lỗi cơ sở dữ liệu, trong khi thực tế là lỗi cập nhật phần mềm).
Công thức cho bối cảnh:
- Cung cấp dữ liệu thô: Đưa toàn bộ sự thật, số liệu, mốc thời gian vào prompt.
- Chi tiết hóa: Đừng nói "cho tôi ý tưởng quà tặng", hãy nói "cho tôi ý tưởng quà tặng dưới 30$ cho người 29 tuổi thích trượt tuyết".
- Cho phép AI "thất bại": Đây là mẹo cực hay từ tài liệu của Anthropic. Hãy nói với AI: "Nếu bạn không tìm thấy câu trả lời trong bối cảnh được cung cấp, hãy nói 'Tôi không biết', đừng tự bịa ra thông tin." Điều này giúp tăng độ chính xác lên đáng kể.
3. Kiểm soát định dạng đầu ra (Output Requirements)
Sau khi đã có nội dung đúng (nhờ Persona và Context), chúng ta cần kiểm soát cách nó được trình bày. Đừng để AI tự quyết định độ dài hay giọng điệu.
Hãy thêm vào các yêu cầu cụ thể:
- Định dạng: "Sử dụng gạch đầu dòng cho các mốc thời gian."
- Độ dài: "Giữ nội dung dưới 200 từ."
- Giọng điệu: "Chuyên nghiệp, hối lỗi nhưng minh bạch, không dùng ngôn ngữ sáo rỗng (corporate fluff)."
Thậm chí, bạn có thể thử nghiệm các giọng điệu thú vị như "vô cùng lo lắng", "hoảng loạn" để thấy sự linh hoạt của AI, nhưng trong công việc, sự rõ ràng về định dạng là chìa khóa.
Nâng tầm với Few-Shot Prompting
Hầu hết chúng ta sử dụng "Zero-shot prompting" (chỉ yêu cầu mà không đưa ví dụ). Tuy nhiên, cách tốt nhất để dạy ai đó làm gì là làm mẫu cho họ. Đó là bản chất của "Few-shot prompting".
Thay vì miêu tả dài dòng về giọng điệu bạn muốn, hãy cung cấp cho AI 2-3 ví dụ về các email xin lỗi xuất sắc mà công ty bạn từng gửi trước đây.
"Dưới đây là các ví dụ về phong cách viết và cấu trúc email mà tôi muốn bạn tuân theo: [Ví dụ 1], [Ví dụ 2]. Hãy viết email mới dựa trên thông tin sự cố sau..."
Khi có ví dụ, AI không cần phải đoán mò về phong cách nữa, nó chỉ cần bắt chước (pattern matching). Đây là cách nhanh nhất để đạt được kết quả chất lượng cao và nhất quán.
Các chiến thuật tư duy nâng cao (Reasoning Tactics)
Khi bạn đã nắm vững nền tảng, đây là lúc chúng ta sử dụng những kỹ thuật khiến AI trở nên thông minh hơn thực sự.
1. Chain of Thought (Chuỗi suy nghĩ)
Thay vì yêu cầu AI đưa ra kết quả ngay, hãy yêu cầu nó "suy nghĩ từng bước một" (Think step-by-step).
Khi bạn yêu cầu: "Trước khi viết email, hãy suy nghĩ từng bước về nguyên nhân, hậu quả và giải pháp, sau đó mới viết.", bạn sẽ thấy hai lợi ích:
- Độ chính xác tăng vọt: AI có thời gian để "nháp" và sắp xếp logic.
- Dễ kiểm chứng: Bạn có thể đọc quá trình suy nghĩ của nó để xem nó có hiểu sai chỗ nào không.
Hiện nay, nhiều mô hình mới (như các dòng reasoning models) đã tích hợp sẵn tính năng "Extended Thinking", nhưng việc chủ động yêu cầu AI trình bày các bước vẫn rất hữu ích cho các tác vụ phức tạp.
2. Tree of Thought (Cây suy nghĩ)
Nếu "Chain of Thought" là tư duy tuyến tính (đi thẳng từ A đến B), thì "Tree of Thought" là tư duy đa chiều. Nó cho phép AI khám phá nhiều hướng đi khác nhau trước khi chốt phương án tốt nhất.
Ví dụ:
"Hãy brainstorm 3 hướng tiếp cận khác nhau cho email này: (1) Tập trung vào sự minh bạch tuyệt đối, (2) Tập trung vào sự đồng cảm với khách hàng, (3) Tập trung vào cam kết tương lai. Hãy đánh giá ưu nhược điểm của từng hướng, sau đó tổng hợp lại để tạo ra một phương án tối ưu nhất."
Kết quả bạn nhận được sẽ sâu sắc và toàn diện hơn rất nhiều so với cách làm thông thường.
3. Adversarial Validation (Trận chiến của các bot)
Đây là kỹ thuật yêu thích của mình, còn được gọi là "Playoff Method". Chúng ta sẽ tạo ra một cuộc tranh luận giả lập giữa các nhân cách AI để tìm ra kết quả tốt nhất.
Quy trình như sau:
- Vòng 1: Yêu cầu một nhân cách "Kỹ sư" và một nhân cách "Chuyên gia xử lý khủng hoảng PR" mỗi người viết một bản nháp email.
- Vòng 2: Yêu cầu một nhân cách "Khách hàng đang tức giận" đọc cả hai bản nháp và chỉ trích tàn bạo, vạch trần những điểm yếu kém.
- Vòng 3: Yêu cầu hai nhân cách ban đầu đọc lời chỉ trích và hợp tác với nhau để viết ra phiên bản cuối cùng hoàn hảo.
Kỹ thuật này tận dụng khả năng "phê bình" (vốn tốt hơn khả năng sáng tạo ban đầu) của AI để tự sửa lỗi và nâng cao chất lượng văn bản.
"Vũ khí bí mật" Cuối cùng: Kỹ năng Meta (Siêu kỹ năng)
Chúng ta đã đi qua rất nhiều kỹ thuật: Persona, Context, Few-shot, Chain of Thought... Nhưng có một kỹ năng bao trùm tất cả, quyết định sự thành bại của bạn với AI. Đó là: Sự rõ ràng trong tư duy (Clarity of Thought).
Mình đã từng hỏi những chuyên gia prompt rằng họ làm gì khi AI không nghe lời. Câu trả lời luôn là: Họ xem lại chính mình. Họ coi mọi kết quả tệ hại là một "lỗi kỹ năng" (skill issue) cá nhân.
Nếu bạn không thể giải thích rõ ràng điều bạn muốn cho một con người hiểu, bạn cũng sẽ không thể prompt cho AI hiểu. Sự lộn xộn trong prompt phản ánh sự lộn xộn trong tư duy của bạn.
Lời khuyên từ trải nghiệm thực tế:
Trước khi gõ bất cứ thứ gì vào khung chat của AI, hãy mở một trang giấy hoặc ứng dụng ghi chú:
- Viết xuống chính xác mục tiêu của bạn là gì.
- Liệt kê những thông tin (context) cần thiết.
- Hình dung rõ ràng kết quả đầu ra trông như thế nào.
Khi tư duy của bạn mạch lạc, prompt của bạn sẽ tự động trở nên sắc bén. Các kỹ thuật phía trên chỉ là công cụ để cụ thể hóa tư duy đó mà thôi.
Viết prompt AI không phải là phép thuật, đó là kỹ năng giao tiếp và tư duy logic. Từ việc hiểu bản chất dự đoán của LLM, đến việc áp dụng các cấu trúc chặt chẽ như Persona và Context, và cuối cùng là nâng cao với các mô hình tư duy đa chiều.
Đừng nản lòng khi nhận được kết quả tệ. Hãy coi đó là tín hiệu cho thấy bạn cần cung cấp thêm bối cảnh hoặc làm rõ yêu cầu của mình. Hãy nhớ rằng: Tư duy trước, Prompt sau.
Hy vọng những chia sẻ này sẽ giúp bạn không còn cảm thấy muốn "đập máy" mỗi khi làm việc với AI nữa, mà thay vào đó là sự hứng khởi khi tạo ra những kết quả vượt ngoài mong đợi. Hãy bắt tay vào thực hành ngay hôm nay!
Top comments (0)