Học viết Prompt AI chuẩn, nhận về câu trả lời đúng ý muốn
95% người dùng AI chưa học cách giao tiếp đúng. Bài này tổng hợp tài liệu chính thức của Anthropic từ lỗi phổ biến, nền tảng, kỹ thuật nâng cao đến 5 bước trở thành bậc thầy viết Prompt AI.
Mình có thể nói thẳng điều này:
Kỹ năng giao tiếp với AI hiệu quả sẽ mang lại giá trị kinh tế thực sự.
Cách đây vài năm, để có được phân tích chiến lược kinh doanh hay tư vấn chuyên sâu, bạn phải trả tiền cho Consultant, hoặc một chuyên gia nào đó.
Giờ đây, AI có thể làm điều đó trong vài phút, nhưng chỉ khi bạn biết cách “giao tiếp” đúng với nó.
Vấn đề là 95% người dùng AI đang giao tiếp với model AI đó như thể bạn đang tìm kiếm trên Google Search: Ngắn ngủn, không có bối cảnh. Để rồi, nhận về kết quả không mong muốn: Chung chung, nhàm chán, nhiều khi nó còn bịa “bậy bạ” nữa.
Bài này tổng hợp từ hai nguồn: Tài liệu chính thức Anthropic về prompt engineering và hướng dẫn thực chiến từ cộng đồng AI. Thế nên, trong bài viết này mình cũng sẽ thực hành với Claude, bạn có thể đem các ý tương tự để thử nghiệm với AI khác.
Mình đã đọc hết tài liệu giúp bạn & Đây là những gì chỉ mục quan trọng để viết Prompt AI tốt hơn, chuẩn ý & ít chỉnh sửa nhất có thể:
QUILIX AI Insights là newsletter chia sẻ về chủ đề AI. Tại đây, bạn sẽ tìm được nhiều tin tức, kiến thức, kỹ năng AI được cập nhật liên tục mỗi ngày.
3 lỗi phổ biến đang làm hỏng output của bạn
*Output có thể hiểu đơn giản là câu trả lời từ AI, sau khi bạn hỏi nó điều gì đó!
Sửa ba lỗi cơ bản này và output sẽ cải thiện ngay lập tức mà chưa cần học thêm gì.
5 thành phần bắt buộc cho mọi câu prompt tốt
Anthropic tổng hợp 10 yếu tố làm nên một prompt Claude tốt.
Mình chắt lọc lại 5 thành phần cốt lõi, không thể thiếu, dù cho prompt đó ngắn hay dài.
5 kỹ thuật nâng cao để viết Prompt AI hiệu quả
#01: Structured Prompting (XML Tags và JSON)
Nghe kĩ thuật một xíu, nhưng đây là nâng cấp khác biệt nhất mà bạn có thể áp dụng cho quá trình viết prompt AI.
Cụ thể, thay vì viết hướng dẫn dạng văn bản xuôi, hãy tổ chức Prompt của bạn dưới dạng XML tag hoặc JSON.
Claude được train trên XML tags, vì vậy đây là cách “nói cùng ngôn ngữ” với model.
Output phản ánh độ chính xác của cấu trúc câu hỏi mà bạn cung cấp.
Ví dụ: XML Structured Prompt
<role>Bạn là chuyên gia marketing B2B</role>
<context>Công ty SaaS nhắm đến HR managers</context>
<task>Viết chiến lược go-to-market 90 ngày</task>
<format>Danh sách đánh số, mỗi bước có giải thích ngắn</format>#02: Reverse Prompting (Để AI hỏi ngược lại bạn)
Thay vì tự viết toàn bộ prompt, hãy yêu cầu Claude hỏi bạn những câu hỏi cần thiết để thu thập đủ dữ liệu cần thiết và ngữ cảnh.
Kỹ thuật này đặc biệt hiệu quả khi bạn chưa rõ phải mô tả gì, khi output cứ mãi không như ý, hoặc khi triển khai một loại task mới (Mở: New Chat, nhập taks cho AI)
Prompt Reverse Prompting
Hỏi mình 10 câu hỏi để thu thập đủ ngữ cảnh
cần thiết để xây kế hoạch kinh doanh cá nhân hóa cho mình.Mình từng nhắc đến thủ thuật này trong bài viết:
#03: Deep Thinking Triggers (Kích hoạt cho AI suy luận sâu)
Với những vấn đề phức tạp như khi bạn muốn một chiến lược, phân tích, báo cáo, chắc chắn bạn sẽ muốn Claude suy nghĩ kỹ hơn (Thay vì trả lời vội vã)
Claude có khả năng suy luận mở rộng, nhưng mặc định nó trả lời nhanh (Đó là lý do các model thường có Extended Thinking, Deep Thinking, nghĩ sâu và trả lời rõ hơn)
Đây là phương pháp giúp bạn không cần bật Deep Thinking, Expert AI gì đó để tiết kiệm số lượng sử dụng AI mỗi ngày (Free Version) mà AI vẫn trả về câu hỏi sâu hơn.
Thêm bất kỳ dòng nào dưới đây vào prompt khi cần output chất lượng cao hơn.
Câu kích hoạt để AI suy luận sâu
Hãy suy nghĩ kỹ trước khi trả lời.
Dành thời gian lý giải từng bước một.
Xem xét nhiều góc độ trước khi đưa ra câu trả lời.#04: Chain Prompting (Chia task lớn thành chuỗi task nhỏ)
Thay vì yêu cầu Claude làm tất cả trong một lần, bạn xây output cuối cùng trên từng task nhỏ.
Mỗi prompt bạn viết đều tiếp nối prompt trước.
Output tích lũy và thường sắc bén, nhất quán, chi tiết hơn nhiều so với một prompt đơn lẻ.
Ví dụ về kĩ thuật Chain Prompting (4 bước, hoặc mấy bước tùy task của bạn)
Prompt 1: Phân tích những thách thức lớn nhất của [lĩnh vực]
Prompt 2: Dựa trên những thách thức đó, xác định top 3 cơ hội
Prompt 3: Xây kế hoạch hành động 90 ngày cho cơ hội số 1
Prompt 4: Biến thành tóm tắt điều hành có thể trình bày#05: Feedback Looping (Chủ động phản hồi và yêu cầu để AI cải thiện output)
Phần lớn người dùng chấp nhận output đầu tiên (Hoặc gọi là: CỐ CHẤP)
Đây là sai lầm phổ biến, đặc biệt đối với người mới dùng các loại AI chat.
Feedback looping là kĩ thuật chủ động phê bình output của AI. Sau đó, yêu cầu AI cải thiện cho đến khi kết quả chính xác là thứ bạn cần.
Mỗi vòng phản hồi sẽ dạy AI hiểu tiêu chuẩn & ý đồ của bạn hơn.
Phản hồi tệ: “Ngắn hơn.” / “Hay hơn.”
Phản hồi hiệu quả: “Đoạn 3 yếu. Mở rộng với ví dụ cụ thể.” / “Cắt hết những gì nghe như tư vấn viết.”Trở thành Prompt Engineering trong 5 bước
Đây là framework 5 bước đểbạn có thể trở thành Prompt Engineering, mình đã tổng hợp các nguyên tắc dướ đây thành quy trình thực tế để các bạn có thể áp dụng ngay vào bất kỳ loại task nào.
Mẹo từ tài liệu chính thức của Anthropic
Mình đọc hết tài liệu prompting của Anthropic và đây là những điểm thực sự quan trọng, không phải những thứ nghe hay nhưng ít dùng được.
→ Claude được train trên XML tags. Dùng chúng để phân chia các phần của prompt sẽ cho output tốt hơn đáng kể so với văn bản xuôi.
→ Đặt dữ liệu dài ở đầu prompt, phía trên câu hỏi và hướng dẫn. Tài liệu tham chiếu trước, yêu cầu sau.
→ Yêu cầu Claude trích dẫn nguồn trước khi trả lời khi cần thông tin có độ chính xác cao. Giảm đáng kể tỉ lệ tự bịa.
→ Cho Claude dùng scratchpad để thể hiện quá trình suy nghĩ trước khi đưa ra câu trả lời cuối. Cải thiện độ chính xác rõ rệt, người dùng cuối không cần thấy phần này.
→ Định nghĩa rõ tiêu chí thành công như bạn giải thích cho nhân viên. Claude hoạt động tốt hơn khi biết chính xác output như thế nào được coi là hoàn thành.
→ Ngữ cảnh nhiều hơn không phải lúc nào cũng tốt hơn. Giữ ngữ cảnh chặt chẽ và liên quan, loại bỏ thông tin thừa không ảnh hưởng đến task.
→ Nếu output chậm, chuyển sang model nhỏ hơn trước khi chỉnh sửa prompt. Latency thường là vấn đề của model, không phải prompt.
Tài nguyên chính thức từ Anthropic
Claude Prompting Best Practices - Tài liệu nền tảng chính thức.
Prompt Engineering Overview - Tổng quan đầy đủ về kỹ thuật prompting.
Interactive Prompting Tutorial - Hướng dẫn tương tác có bài tập thực hành trên GitHub.
Prompt Generator Tool - Công cụ Anthropic giúp xây prompt trực tiếp.
Nhận định cá nhân: Kỹ năng Prompt nào thực sự quan trọng nhất?
Sau khi tổng hợp tất cả những kỹ thuật viết Prompt AI và framework Prompt Engineering này, mình muốn nói thẳng một điều:
Phần lớn vấn đề về output AI không phải do kỹ thuật.
Mà là thói quen.
Thói quen người dùng thường ngừng ngay ở output đầu tiên, vì viết ngữ cảnh dài có vẻ mất công.
Thay vì cố gắng nói “hay hơn”, thì prompt AI đó nên chỉ ra cụ thể: Hay hơn theo nghĩa nào.
Kỹ thuật prompting tốt nhất không phải là XML tags hay chain prompting, hay các thứ rườm rà về mặt kĩ thuật.
Mà do thói quen không chấp nhận output dài, chỉ ra chính xác điểm nào và lý do tại sao output đó chưa đủ tốt.
Trong số tất cả kỹ thuật ở trên, hai thứ mình thấy có hiệu quả lớn nhất khi áp dụng là: Cung cấp ví dụ mẫu (Phần số 4 trong nền tảng) và phản hồi cụ thể, thay vì nói chung chung. Nếu làm tốt hai điều này, chất lượng output từ con AI của bạn sẽ khác hoàn toàn so với trước.
Còn XML tags, JSON format, chain prompting và những thứ kĩ thuật khác là những thứ nên thêm vào khi bạn đã có thói quen Prompt AI tốt rồi. Không phải thứ ưu tiên hàng đầu.
Hãy ghi nhớ và áp dụng thật hiệu quả nhé!
Theo dõi mình ở các mạng xã hội khác:
TikTok | YouTube | Facebook | Instagram | X | Threads
Có thể bạn quan tâm:
