Prompt engineering là việc thiết kế yêu cầu gửi cho mô hình AI sao cho kết quả đúng, ổn định và đúng định dạng bạn cần. Bài này tổng hợp các kỹ thuật thực dụng khi làm việc với Claude, và hầu hết cũng áp dụng được cho các mô hình ngôn ngữ khác. Đây là tổng hợp nguyên tắc chung, không thay thế tài liệu chính thức của Anthropic, hãy đối chiếu với tài liệu đó vì khuyến nghị có thể được cập nhật theo từng đời mô hình.
Trước khi viết: xác định tiêu chí thành công
Hãy trả lời ba câu hỏi trước khi viết prompt đầu tiên:
- Kết quả tốt trông như thế nào? (định dạng, độ dài, giọng điệu)
- Làm sao đo được? (bộ ví dụ có đáp án, danh sách kiểm tra)
- Trường hợp nào là khó? (dữ liệu thiếu, mơ hồ, đầu vào lạ)
Không có tiêu chí thì mọi lần chỉnh prompt chỉ là cảm giác.
1. Viết rõ ràng và cụ thể
Hãy hình dung bạn giao việc cho một đồng nghiệp thông minh nhưng chưa biết gì về bối cảnh của bạn. Nói rõ:
- Mục đích của kết quả và ai sẽ dùng nó.
- Những gì cần có và những gì không được có.
- Định dạng đầu ra mong muốn.
| Mơ hồ | Rõ ràng |
|---|---|
| "Tóm tắt báo cáo này" | "Tóm tắt báo cáo này trong 5 gạch đầu dòng cho giám đốc, nêu số liệu doanh thu và 2 rủi ro chính" |
| "Viết email cho khách" | "Viết email 100 từ, giọng thân thiện, báo đơn trễ 2 ngày và đề nghị mã giảm 10%" |
2. Cung cấp bối cảnh và lý do
Giải thích vì sao bạn cần điều đó giúp mô hình đưa ra lựa chọn phù hợp. Ví dụ "Đừng dùng thuật ngữ kỹ thuật vì người đọc là khách hàng lớn tuổi" hiệu quả hơn chỉ nói "viết đơn giản".
3. Đưa ví dụ mẫu
Một đến ba ví dụ thường cải thiện rõ rệt độ ổn định, nhất là khi cần định dạng hoặc phong cách đặc thù. Chọn ví dụ đa dạng và đúng với kết quả bạn muốn, vì mô hình bắt chước ví dụ rất sát.
Phân loại phản hồi khách hàng thành: tích cực, tiêu cực, trung lập. Ví dụ 1: "Giao hàng nhanh, đóng gói đẹp" -> tích cực Ví dụ 2: "Chờ 10 ngày mới nhận được" -> tiêu cực Phản hồi cần phân loại: "Sản phẩm đúng mô tả"
4. Dùng thẻ để tách chỉ dẫn và dữ liệu
Khi prompt có nhiều phần (chỉ dẫn, tài liệu, ví dụ), hãy bọc từng phần trong thẻ rõ ràng để mô hình không nhầm lẫn:
<tai_lieu> [dán nội dung] </tai_lieu> <yeu_cau> Tóm tắt tài liệu trên trong 3 ý, trích nguyên văn một câu quan trọng. </yeu_cau>
Cách này đặc biệt hữu ích với tài liệu dài và giúp phòng tránh việc nội dung dữ liệu bị hiểu như chỉ dẫn.
5. Gán vai trò khi cần
Một câu như "Bạn là biên tập viên pháp lý giàu kinh nghiệm" định hướng giọng điệu và mức độ chuyên sâu. Hãy dùng vai trò để bổ sung bối cảnh, đừng để nó thay cho chỉ dẫn cụ thể.
6. Cho mô hình không gian để suy nghĩ
Với bài toán nhiều bước (phân tích, tính toán, so sánh), yêu cầu mô hình lập luận từng bước trước khi kết luận thường cho kết quả tốt hơn. Bạn có thể yêu cầu phần suy luận và phần trả lời cuối nằm trong hai thẻ riêng để dễ lấy đúng phần cần dùng. Nhiều mô hình mới có chế độ suy luận mở rộng sẵn, hãy kiểm tra tài liệu của mô hình bạn dùng.
7. Quy định định dạng đầu ra
- Nêu rõ cấu trúc: danh sách, bảng, JSON với các khóa cụ thể.
- Nói điều nên làm thay vì chỉ cấm: "viết thành đoạn văn liền mạch" hiệu quả hơn "đừng dùng gạch đầu dòng".
- Khi cần đọc kết quả bằng phần mềm, tham khảo cách ép đầu ra có cấu trúc, xem thêm JSON prompt là gì.
8. Xử lý tài liệu dài
- Đặt tài liệu dài ở đầu, câu hỏi ở cuối prompt.
- Yêu cầu trích dẫn đoạn liên quan trước khi trả lời để giảm bịa đặt.
- Nếu có nhiều tài liệu, đánh nhãn từng tài liệu bằng thẻ có tên và nguồn.
9. Giảm "ảo giác"
- Cho phép mô hình nói "tôi không biết" hoặc "tài liệu không nêu".
- Yêu cầu bám sát tài liệu đã cung cấp và trích dẫn.
- Kiểm tra lại các dữ kiện quan trọng bằng nguồn gốc.
10. Kiểm thử và cải thiện có hệ thống
- Tạo bộ 20 đến 50 ví dụ đại diện, kèm đáp án đúng.
- Chạy prompt hiện tại, ghi tỷ lệ đúng.
- Thay đổi một yếu tố mỗi lần, chạy lại và so sánh.
- Xem kỹ các trường hợp sai để biết thiếu chỉ dẫn, thiếu ví dụ hay do dữ liệu.
- Lưu phiên bản prompt cùng kết quả đo.
Prompt hệ thống và agent
Khi dùng cho agent, prompt hệ thống là "bản mô tả công việc" cố định: vai trò, mục tiêu, quy tắc, công cụ được dùng và việc không được làm. Xem mẫu ở cách tạo AI Agent đầu tiên.
Tóm tắt: rõ ràng, có bối cảnh, có ví dụ, tách dữ liệu khỏi chỉ dẫn, rồi đo và cải tiến. Hầu hết cải thiện đến từ việc viết rõ hơn, không phải từ mẹo phức tạp.
Muốn luyện cách khiến AI phản biện bạn, xem 9 prompt bật tư duy phản biện.