Nếu ai đó hỏi kĩ năng nào là quan trọng nhất về AI hiện nay, câu trả lời chắc chắn sẽ là học viết prompt. Mặc dù có thể nghe không hấp dẫn bằng các thuật ngữ thời thượng như AI agent, n8n, vibe coding hay text-to-video, nhưng thực tế là nếu bạn muốn tận dụng tối đa giá trị từ AI, việc thành thạo kỹ năng viết prompt là điều cốt yếu.
Khoảng 80-90% giá trị gia tăng từ AI hiện nay đều có được thông qua các prompt được thiết kế riêng, sử dụng trên các công cụ phổ biến như ChatGPT, Perplexity, Claude… Chỉ có 10-20% còn lại mới cần đến các công cụ chuyên dụng, và nhiều công cụ trong số đó cũng chỉ là bao bọc các prompt phức tạp và cung cấp giao diện người dùng thuận tiện hơn.
Đối với người mới học prompt, tài liệu “Prompt Engineering” dài 68 trang của Google vừa ra mắt là nguồn tài nguyên toàn diện và dễ hiểu nhất. Dưới đây là tổng hợp 5 bài học quan trọng nhất sau khi nghiên cứu kỹ tài liệu này.
1. Các Kỹ Thuật Prompt Có Thể Áp Dụng Chung Cho Mọi Model AI
Đây có lẽ là điểm mạnh tuyệt vời nhất của GenAI - bạn chỉ cần học một “ngôn ngữ” và có thể áp dụng nó trên nhiều công cụ khác nhau, từ ChatGPT, Perplexity, Gemini, Claude đến NotebookLLM. Các kỹ thuật này bao gồm:
- One-shot prompting: Cung cấp một ví dụ minh họa
- Few-shot prompting: Cung cấp một vài ví dụ minh họa
- Role prompting: Gán vai trò cụ thể cho AI
- Contextual prompting: Cung cấp bối cảnh chi tiết
Mặc dù việc học những kỹ thuật này có thể đòi hỏi nỗ lực, nhưng đây là khoản đầu tư xứng đáng vì bạn chỉ cần học một lần và có thể áp dụng trong nhiều năm tới.
2. “Lùi Một Bước Biển Rộng Trời Cao”
Khi làm việc với AI, hãy nhớ rằng bạn đang tương tác với một “người thầy” chứ không phải ra lệnh cho “người hầu”. Trong nhiều trường hợp, phương pháp hiệu quả nhất là sử dụng kỹ thuật “step-back prompting” - lùi lại một bước để nhìn nhận vấn đề tổng thể.
Thay vì yêu cầu AI giải quyết vấn đề ngay lập tức, hãy nhờ nó giúp phân tích và làm rõ toàn cảnh vấn đề trước, sau đó mới đi vào chi tiết. Cách tiếp cận này thường mang lại kết quả toàn diện và sâu sắc hơn.
3. Chất Lượng Sử Dụng AI Phụ Thuộc Vào Chất Lượng Tư Duy Của Bạn
AI hoạt động hiệu quả hơn nhiều khi bạn cung cấp chuỗi tư duy phù hợp để giải quyết vấn đề. Các kỹ thuật như chain-of-thought prompting hoặc tree-of-thought prompting giúp AI hiểu rõ hơn về quá trình giải quyết vấn đề.
Điều này tương tự như việc giải toán - mỗi dạng toán có một quy trình giải nhất định. Nếu bạn giúp AI nhận diện được “dạng toán” của vấn đề, nó sẽ đưa ra giải pháp hiệu quả hơn rất nhiều.
Câu hỏi đặt ra là: làm sao bạn biết được vấn đề mình đang gặp phải thuộc “dạng toán” nào? Đây chính là lúc bạn cần nâng cao tư duy của mình, học hỏi thêm nhiều framework và quy trình tư duy khác nhau.
4. Yêu Cầu AI Trả Lời Nhiều Lần
Trong giao tiếp thông thường, việc yêu cầu ai đó trả lời cùng một câu hỏi nhiều lần có thể bị coi là thiếu lịch sự. Tuy nhiên, với AI, đây lại là một thói quen tốt.
Kỹ thuật self-consistency khuyến nghị rằng bạn nên đặt cùng một câu hỏi theo nhiều cách khác nhau, sau đó chọn phương án trả lời xuất hiện nhiều nhất. Phương pháp này giúp tăng độ chính xác và độ tin cậy của kết quả.
5. Cấu Trúc Hóa Thông Tin Đầu Vào Và Đầu Ra
Để tối ưu hóa kết quả, hãy cố gắng đưa thông tin đầu vào dưới các định dạng có cấu trúc như JSON hoặc tag. Đồng thời, yêu cầu dữ liệu đầu ra cũng được trả về theo các định dạng này.
Kỹ thuật này giúp:
- Tăng độ chính xác của kết quả
- Đảm bảo thông tin đầu ra đầy đủ và ổn định
- Dễ dàng xử lý dữ liệu kết quả trong các bước tiếp theo
Tài liệu tham khảo:
- Tài liệu gốc: Kaggle - Whitepaper Prompt Engineering
- Tải trên Google Drive
- Website hóa tài liệu: prompt-engineering.satoriwave.ai.vn (Chia sẻ bởi Anh Trương Văn Quốc)
- xem bài viết trên facebook