Viết prompt cho người mới bắt đầu: một khung thực sự hiệu quả

Vì sao prompt thất bại

Viết prompt cho người mới bắt đầu không phải là ghi nhớ những câu chữ khôn khéo. Đó là việc cho mô hình AI nhiệm vụ, bằng chứng, ranh giới và hình dạng đầu ra mà nó cần để tạo ra thứ gì đó hữu ích. Hầu hết các prompt tệ thất bại vì chúng yêu cầu trợ giúp mà không định nghĩa "tốt" nghĩa là gì. Mô hình lấp đầy khoảng trống bằng những mẫu có khả năng cao, và những mẫu đó có thể nghe bóng bẩy nhưng lại trượt mất mục tiêu thật của bạn.

Thất bại phổ biến nhất là nhiệm vụ không rõ ràng. "Làm cho cái này hay hơn" có thể nghĩa là ngắn hơn, ấm áp hơn, thuyết phục hơn, chính xác hơn, ít kỹ thuật hơn hoặc dễ đọc lướt hơn. Thất bại thứ hai là thiếu bối cảnh. Nếu mô hình không biết đối tượng, văn bản nguồn, tiêu chí quyết định hay mục tiêu kinh doanh, nó sẽ tối ưu cho chất lượng chung chung. Thất bại thứ ba là ràng buộc yếu. Không có quy tắc về độ dài, giọng điệu, nguồn, quyền riêng tư, định dạng và những điều phải tránh, câu trả lời có thể trôi dạt. Thất bại thứ tư là không có vòng lặp rà soát. Câu trả lời đầu tiên thường là một bản nháp, chưa phải vạch đích.

Một quy trình tốt cho người mới coi việc viết prompt như một bản tóm tắt yêu cầu ngắn cộng với một lần kiểm tra chất lượng. Bạn xác định nhiệm vụ, đưa vào bối cảnh, đặt ràng buộc, yêu cầu một định dạng, rồi nhờ mô hình bộc lộ các giả định hoặc điểm chưa chắc chắn. Thói quen đơn giản đó cải thiện prompt cho viết lách, prompt cho nghiên cứu, prompt lập kế hoạch và prompt phân tích, vì nó biến mô hình từ một trợ lý mơ hồ thành một cộng sự có cấu trúc.

Khung: hướng dẫn, bối cảnh, ràng buộc và định dạng

Hãy dùng khung viết prompt AI này cho gần như mọi prompt nghiêm túc: Hướng dẫn, Bối cảnh, Ràng buộc, Định dạng. Nó dễ nhớ, chạy được trên nhiều mô hình, và đủ cụ thể để cải thiện độ chính xác. Bạn có thể chạy cùng một mẫu trong Whizi trên các mô hình khác nhau và so sánh xem cái nào bám sát yêu cầu tốt nhất.

Hướng dẫn là hành động. Bắt đầu bằng một động từ và một sản phẩm bàn giao: tóm tắt, so sánh, viết lại, trích xuất, phê bình, phân loại, lập dàn ý, gỡ lỗi hoặc lập kế hoạch. Thay vì "Giúp tôi nghiên cứu thị trường", hãy viết "Tạo một bảng so sánh đối thủ cho năm sản phẩm trong ngành hàng này." Hướng dẫn càng rõ, càng dễ đánh giá kết quả.

Bối cảnh là vật liệu mô hình cần để khỏi phải đoán. Bao gồm đối tượng, mục tiêu, thông tin nền, văn bản nguồn, ví dụ, tiêu chí quyết định và định nghĩa. Với các đầu vào dài, hãy gắn nhãn rõ ràng cho nguồn và đặt hướng dẫn của bạn trước hoặc sau nội dung theo một cấu trúc nhất quán. Hướng dẫn về ngữ cảnh dài từ các nhà cung cấp mô hình thường nhấn mạnh việc tổ chức rõ ràng vì các đầu vào lớn vẫn cần biển chỉ dẫn.

Ràng buộc là các quy tắc. Thêm độ dài, giọng điệu, phạm vi, những khẳng định bị loại trừ, bằng chứng bắt buộc, ranh giới quyền riêng tư, trình độ đọc, và cần làm gì khi thiếu thông tin. Ràng buộc đặc biệt hữu ích khi bạn cần prompt giúp tăng độ chính xác: bảo mô hình đánh dấu điều chưa biết thay vì bịa ra chi tiết, tách dữ kiện khỏi giả định, và trích dẫn phần nguồn khi có thể.

Định dạng là khuôn chứa đầu ra. Yêu cầu một bảng, danh sách kiểm tra, bản ghi nhớ, dàn ý, các trường dạng JSON, email, thang chấm điểm, hoặc một kế hoạch từng bước. Hướng dẫn về đầu ra có cấu trúc từ OpenAI và Gemini rất hữu ích vì nó củng cố cùng một bài học thực tế: khi hình dạng mong muốn được nêu rõ, đầu ra dễ phân tích, so sánh và tái sử dụng hơn.

Mẫu prompt sao chép và dán: "Hướng dẫn: [hành động và sản phẩm bàn giao cụ thể]. Bối cảnh: [đối tượng, mục tiêu, văn bản nguồn, ví dụ, định nghĩa, tiêu chí quyết định]. Ràng buộc: [độ dài, giọng điệu, phải bao gồm, phải tránh, quy tắc bằng chứng, quy tắc quyền riêng tư, quy tắc về điểm chưa chắc chắn]. Định dạng: [bảng/danh sách kiểm tra/bản ghi nhớ/email/dàn ý/các trường dạng JSON]. Trước khi hoàn tất, hãy liệt kê các giả định, thông tin còn thiếu, và một câu hỏi tiếp theo có thể cải thiện kết quả."

Ví dụ theo nhiệm vụ

Những prompt tốt nhất cho công việc là các mẫu tái sử dụng được, không phải những câu chữ thần kỳ dùng một lần. Hãy dùng các ví dụ bên dưới làm điểm khởi đầu, rồi lưu lại những cái liên tục cho ra kết quả hữu ích.

Prompt viết lách: "Hướng dẫn: Viết lại bản nháp này cho rõ ràng và cụ thể. Bối cảnh: Đối tượng là [đối tượng], mục tiêu là [mục tiêu], và bản nháp là [dán bản nháp]. Ràng buộc: Giữ nguyên mọi dữ kiện, tránh nói quá, dùng ngôn ngữ giản dị, và làm cho bước tiếp theo rõ ràng. Định dạng: Trả về một bản nháp đã sửa, rồi một bảng gồm vấn đề gốc, chỉnh sửa đã làm và lý do." Cách này hiệu quả vì nó cho mô hình một nhiệm vụ, một người đọc, một tiêu chuẩn, và một dấu vết chỉnh sửa có thể rà soát.

Prompt nghiên cứu: "Hướng dẫn: Biến các nguồn này thành một bản tóm tắt nghiên cứu. Bối cảnh: Tôi đang đánh giá [câu hỏi] cho [quyết định]. Nguồn: [dán trích đoạn nguồn hoặc liên kết/ghi chú]. Ràng buộc: Chỉ dùng vật liệu được cung cấp, tách bằng chứng khỏi suy luận, đánh dấu bằng chứng yếu, và đừng bịa số liệu. Định dạng: Trả về phát hiện chính, bảng bằng chứng, câu hỏi mở và các nguồn tiếp theo nên tìm." Cách này tốt hơn hỏi "Nghiên cứu chủ đề này" vì nó bảo vệ khả năng truy vết.

Prompt lập kế hoạch: "Hướng dẫn: Tạo một kế hoạch thực thi hai tuần. Bối cảnh: Mục tiêu là [mục tiêu], đội nhóm là [đội nhóm], hạn chót là [ngày], ràng buộc là [ràng buộc]. Ràng buộc: Ưu tiên các bước có thể đảo ngược, phát hiện điểm nghẽn sớm, và giữ mỗi việc thân thiện với người phụ trách. Định dạng: Bảng gồm ngày, việc, người phụ trách, đầu ra, rủi ro và tiêu chí thành công." Đầu ra trở thành thứ một đội nhóm thực sự dùng được.

Prompt phân tích: "Hướng dẫn: So sánh các lựa chọn này và khuyến nghị một cái. Bối cảnh: Các lựa chọn là [các lựa chọn]. Tiêu chí quyết định là [tiêu chí]. Ràng buộc: Bao gồm các đánh đổi, lập luận phản bác mạnh nhất, và điều gì sẽ thay đổi khuyến nghị. Định dạng: Bảng chấm điểm cộng một bản ghi nhớ quyết định ngắn." Cách này khuyến khích phán đoán mà không giấu đi sự chưa chắc chắn.

Prompt rà soát: "Hướng dẫn: Phê bình kết quả này trước khi tôi dùng. Bối cảnh: Mục đích sử dụng là [tình huống sử dụng]. Kết quả cần rà soát: [dán]. Ràng buộc: Kiểm tra độ chính xác, các khẳng định không có căn cứ, bối cảnh còn thiếu, giọng điệu, rủi ro, và những chỗ cần con người rà soát. Định dạng: Trả về các vấn đề nghiêm trọng trước, rồi các chỉnh sửa đề xuất, rồi một mức độ tin cậy cuối cùng." Cách này biến AI thành một bước kiểm soát chất lượng thay vì chỉ là công cụ tạo bản nháp.

Vòng lặp cải tiến

Viết prompt tốt là một quá trình lặp đi lặp lại. Bạn nên trông đợi câu trả lời đầu tiên bộc lộ điều mà prompt đã bỏ quên. Thay vì bắt đầu lại từ đầu, hãy dùng một vòng lặp: đánh giá, chẩn đoán, chỉnh sửa, so sánh, lưu lại.

Đánh giá câu trả lời dựa trên năm câu hỏi. Nó có hoàn thành đúng nhiệm vụ không? Nó có dùng bối cảnh được cung cấp không? Nó có tuân theo ràng buộc không? Định dạng có dễ dùng không? Các khẳng định, giả định và điểm chưa chắc chắn có được thể hiện rõ không? Nếu câu trả lời không đạt, hãy chẩn đoán prompt trước khi trách mô hình. Một đầu ra mơ hồ thường có nghĩa nhiệm vụ đã mơ hồ. Một đầu ra chung chung thường có nghĩa bối cảnh còn mỏng. Một đầu ra rủi ro thường có nghĩa ràng buộc còn thiếu.

Rồi chỉnh sửa với mỗi lần một hướng dẫn chính xác. Hãy nói "làm cho khuyến nghị dựa trên bằng chứng hơn và đánh dấu điều chưa biết" thay vì "thử lại". Hãy nói "chuyển cái này thành một bảng với các cột khẳng định, bằng chứng, độ tin cậy và bước kiểm tra tiếp theo" thay vì "có cấu trúc hơn". Khi chất lượng là quan trọng, hãy chạy cùng prompt đã chỉnh trên các mô hình trong Whizi và so sánh độ chính xác, độ đầy đủ, khả năng kiểm soát giọng điệu và thời gian chỉnh sửa.

Hãy dùng danh sách kiểm tra cải tiến này: 1. Gọi tên thất bại trong một câu. 2. Thêm bối cảnh hoặc ràng buộc còn thiếu. 3. Siết chặt định dạng đầu ra. 4. Yêu cầu các giả định và điểm chưa chắc chắn. 5. Chạy một mô hình thứ hai khi nhiệm vụ quan trọng. 6. Chỉ lưu prompt đã cải tiến sau khi nó hiệu quả trên một việc thật, không phải một ví dụ đồ chơi.

Xây dựng thư viện prompt tái sử dụng của bạn

Một thư viện prompt tái sử dụng là nơi việc viết prompt cho người mới trở thành một quy trình hằng ngày. Thay vì giữ những prompt lộn xộn trong lịch sử trò chuyện, hãy tổ chức các mẫu theo công việc: viết lách, nghiên cứu, lập kế hoạch, lập trình, phân tích khách hàng, rà soát tài liệu và hỗ trợ ra quyết định. Mỗi mẫu nên bao gồm cùng bốn trường: hướng dẫn, bối cảnh, ràng buộc và định dạng.

Thêm một ghi chú sử dụng ngắn vào mỗi prompt đã lưu: khi nào dùng nó, nó cần đầu vào nào, mô hình nào hoạt động tốt nhất, và cách xác minh kết quả. Ví dụ, một prompt nghiên cứu có thể cần các trích đoạn nguồn và một bảng khẳng định - bằng chứng. Một prompt viết lách có thể cần đối tượng, một mẫu giọng văn, và các dữ kiện phải giữ. Một prompt rà soát mã có thể cần diff, hành vi mong đợi và bối cảnh kiểm thử.

Whizi phù hợp với quy trình này vì bạn có thể lưu các mẫu và chạy chúng trên các mô hình thay vì cam kết với một mô hình mãi mãi. Hãy bắt đầu với ba mẫu trong tuần này: một prompt viết lại, một bản tóm tắt nghiên cứu, và một bảng chấm điểm quyết định. Chạy mỗi mẫu trên một việc thật, so sánh kết quả các mô hình, chỉnh sửa mẫu, và giữ lại phiên bản cho ra kết quả hữu ích nhất với ít công dọn dẹp nhất.

Để có một hướng dẫn tổng quát hơn cho người mới, hãy đọc Cách sử dụng AI. Với công việc nặng về nghiên cứu, hãy thử Founder Research Stack. Khi bạn sẵn sàng biến việc viết prompt thành một không gian làm việc lặp lại được, hãy tạo tài khoản tại register.

Danh sách kiểm tra

• Bắt đầu mọi prompt nghiêm túc bằng một hướng dẫn và sản phẩm bàn giao cụ thể.
• Thêm đối tượng, mục tiêu, văn bản nguồn, ví dụ và tiêu chí quyết định làm bối cảnh.
• Dùng ràng buộc để kiểm soát độ dài, giọng điệu, bằng chứng, quyền riêng tư và điểm chưa chắc chắn.
• Yêu cầu một định dạng cụ thể: bảng, danh sách kiểm tra, bản ghi nhớ, dàn ý hoặc các trường dạng JSON.
• Yêu cầu mô hình liệt kê các giả định, thông tin còn thiếu và giới hạn độ tin cậy.
• Cải thiện prompt qua từng lần chỉnh sửa tập trung một điểm.
• So sánh các prompt quan trọng trên các mô hình trước khi lưu mẫu cuối cùng.
• Lưu các prompt tái sử dụng theo quy trình công việc, không theo tên mô hình.

Câu hỏi thường gặp