Cách viết lời nhắc cho mạng nơ-ron

Các mô hình ngôn ngữ lớn hiểu được ngôn ngữ tự nhiên (tiếng Anh, tiếng Pháp, tiếng Đức, v.v.). Do đó, giao tiếp với chatbot cũng tương tự như giao tiếp với con người. Lời nhắc là một truy vấn văn bản, cụm từ hoặc hướng dẫn chi tiết gồm nhiều đoạn văn mà chúng tôi gửi đến chatbot. Chất lượng phản hồi phụ thuộc vào mức độ rõ ràng và dễ hiểu của truy vấn. Trong tài liệu này, chúng tôi sẽ xem xét các phương pháp khác nhau để soạn lời nhắc, giúp bạn tương tác hiệu quả nhất có thể với các chatbot trên trang web của chúng tôi – GPT, Claude, Gemini và các chatbot khác.

Cấu trúc của prompt

Một prompt có thể bao gồm các thành phần sau:

• mục tiêu, nhiệm vụ
• bối cảnh, ví dụ
• định dạng đầu ra (danh sách, bảng, văn bản có độ dài cụ thể – ví dụ: không quá 100 từ)
• giới hạn (thông tin kiểm tra sự thật, trích dẫn nguồn, v.v.)

Greg Brockman, đồng sáng lập và hiện là chủ tịch của OpenAI, đã đăng một ví dụ về một prompt tốt trên tài khoản X của mình:

Cấu trúc của một lời nhắc: mục tiêu, định dạng trả về, cảnh báo, bối cảnh

Đề bài này bao gồm 4 khối logic. Đầu tiên, tác giả xác định mục tiêu – tìm các con đường trekking ít người biết đến có độ dài trung bình trong vòng 2 giờ lái xe từ San Francisco.

Sau đó, định dạng phản hồi được quy định: hiển thị 3 kết quả hàng đầu, ghi rõ tên, thời gian di chuyển của từng con đường, địa chỉ khởi đầu và kết thúc, các đặc điểm nổi bật, v.v.

Trong phần tiếp theo, tác giả yêu cầu kiểm tra lại thông tin, đảm bảo rằng con đường thực sự tồn tại (các mô hình ngôn ngữ lớn dễ bị ảo giác và có thể tạo ra thông tin không tồn tại, vì vậy việc xác minh thêm là rất quan trọng), tên con đường chính xác và có thể tìm thấy trong ứng dụng AllTrails bằng tên đó.

Trong khối cuối cùng, tác giả bổ sung bối cảnh: giải thích lý do tại sao họ quan tâm đặc biệt đến các tuyến đường ít được biết đến – vì họ đã đi bộ trên tất cả các tuyến đường phổ biến nhất và liệt kê chúng. Nhờ những giải thích này, chatbot có thể hiểu rõ hơn yêu cầu và đề xuất thông tin phù hợp. Vì cụm từ "lesser-known trails" (các tuyến đường ít được biết đến) tự thân khá mơ hồ, nhưng với các giải thích bổ sung, nhiệm vụ trở nên rõ ràng hơn.

Gợi ý cho việc tạo prompt

Kỹ thuật tạo prompt là sự kết hợp giữa nghệ thuật và khoa học. Hãy tham khảo ý kiến của các chuyên gia từ Trung tâm Công nghệ Thông tin Đại học Harvard (HUIT), những người đã nêu ra các nguyên tắc cơ bản của việc tạo prompt:

• Hãy cụ thể. Chi tiết quan trọng giúp giảm thiểu khả năng trả lời sai. Thay vì chỉ nói "Viết một câu chuyện", hãy cho bot biết loại câu chuyện cần viết, liệu nó dành cho trẻ em hay người lớn, thể loại nào, v.v.
• Giao vai trò. Yêu cầu bot đóng vai một nhân vật và hành động phù hợp (ví dụ: "Hãy hành động như thể bạn là huấn luyện viên cá nhân của tôi") là cách đơn giản để đạt được kết quả tốt hơn đáng ngạc nhiên.
• Chọn loại đầu ra: câu chuyện, báo cáo, tóm tắt, đối thoại, mã nguồn, v.v.
• Sử dụng ví dụ và tham chiếu. Ví dụ, sao chép và dán một đoạn văn, sau đó yêu cầu bot mô phỏng phong cách, giọng điệu và cấu trúc của nó.
• Hãy nói cho bot không chỉ những gì cần làm, mà cả những gì không nên làm: "Tạo một kế hoạch bữa ăn, nhưng đừng bao gồm bất kỳ loại hải sản nào, vì tôi bị dị ứng với chúng."
• Phát triển cuộc trò chuyện, sửa lỗi và đưa ra phản hồi. Xem chatbot như một đồng nghiệp hoặc thành viên trong nhóm. Bạn có thể bắt đầu với một câu hỏi cơ bản, sau đó thêm bối cảnh và chi tiết cụ thể hơn.

Hãy rõ ràng và cụ thể, cung cấp bối cảnh, thử nghiệm với các lời nhắc khác nhau, sử dụng các từ khóa liên quan, tinh chỉnh lời nhắc nếu cần thiết.

Không chắc chắn cách tạo một lời nhắc tốt? Hãy nhờ chatbot giúp đỡ! Bắt đầu với một ý tưởng cơ bản về điều bạn muốn và yêu cầu AI mở rộng ý tưởng đó cho bạn, ví dụ: “Tôi nên hỏi bạn điều gì để giúp tôi viết một bài blog về AI?”. Và chỉ cần thêm “Hãy cho tôi biết bạn cần gì nữa để làm điều này” vào cuối bất kỳ lời nhắc nào có thể giúp lấp đầy những khoảng trống, từ đó giúp AI tạo ra kết quả tốt hơn.

Các loại prompt phổ biến và mẫu prompt

Trường Quản lý MIT Sloan phân loại prompt thành các loại sau:

Khoa Khoa học Máy tính tại Đại học Vanderbilt, Tennessee, cung cấp phân loại các mẫu prompt sau:

• Ngữ nghĩa đầu vào.
• Tùy chỉnh đầu ra.
• Xác định lỗi.
• Cải thiện prompt.
• Kiểm soát ngữ cảnh.

Ngữ nghĩa đầu vào đề cập đến cách mô hình ngôn ngữ lớn giải thích và xử lý đầu vào của người dùng, chuyển đổi nó thành dạng cấu trúc mà mô hình có thể sử dụng để tạo ra phản hồi. Phương pháp này bao gồm việc tạo ra một "ngôn ngữ" tùy chỉnh hoặc ký hiệu tắt được thiết kế riêng cho các tác vụ cụ thể, như mô tả đồ thị, định nghĩa máy trạng thái hoặc tự động hóa lệnh, giúp người dùng dễ dàng truyền đạt các ý tưởng phức tạp khi các phương pháp đầu vào tiêu chuẩn không hiệu quả. Bằng cách dạy mô hình nhận diện và áp dụng các quy tắc đã định trước, người dùng có thể đơn giản hóa cú pháp, giảm thiểu sự lặp lại và tiết kiệm thời gian. Ví dụ, người dùng có thể hướng dẫn mô hình ghi nhớ rằng một số ký hiệu hoặc định dạng mang ý nghĩa cụ thể, cho phép các đầu vào ngắn gọn được mở rộng thành các hướng dẫn chi tiết bên trong mô hình.

Ví dụ: “Từ nay trở đi, mỗi khi tôi ghi tên thành phố theo định dạng City1 >> City2, hãy hiểu đó là yêu cầu tạo lịch trình du lịch giữa hai thành phố đó, bao gồm các phương tiện di chuyển, thời gian ước tính và các điểm tham quan chính.”

Tùy chỉnh đầu ra là quá trình xác định và kiểm soát định dạng, cấu trúc, phong cách và góc nhìn của các phản hồi được tạo ra bởi mô hình ngôn ngữ lớn. Phương pháp này cho phép người dùng tùy chỉnh đầu ra của mô hình để đáp ứng các nhu cầu cụ thể, chẳng hạn như áp dụng một nhân vật cụ thể, tuân theo một mẫu có sẵn hoặc tuân thủ một chuỗi các bước, đảm bảo rằng nội dung được tạo ra là nhất quán, liên quan và có thể thực hiện được. Bằng cách hướng dẫn mô hình đảm nhận một vai trò cụ thể hoặc áp dụng các ràng buộc nhất định, người dùng có thể điều chỉnh trọng tâm, giọng điệu và mức độ chi tiết của phản hồi, khiến nó phù hợp với các bối cảnh chuyên nghiệp, giáo dục hoặc chuyên môn.

Ví dụ: “Từ nay trở đi, khi tôi yêu cầu đánh giá sản phẩm, hãy hành động như một nhà đánh giá công nghệ chuyên nghiệp. Chia phản hồi của bạn thành ba phần: Ưu điểm, Nhược điểm và Kết luận. Sử dụng giọng điệu trung lập và tập trung vào hiệu suất, thiết kế và giá trị so với giá tiền.”

Xác định lỗi tập trung vào việc xác định và khắc phục các lỗi trong kết quả đầu ra do mô hình tạo ra. Nó giúp người dùng xác minh độ tin cậy của nội dung được tạo ra, phát hiện các thành kiến hoặc lỗi ẩn, và tinh chỉnh các truy vấn của họ để đạt được kết quả chính xác hơn, đặc biệt quan trọng do xu hướng của chatbot trong việc tạo ra thông tin có vẻ hợp lý nhưng không chính xác.

Ví dụ: "Khi giải thích các triệu chứng y tế, luôn liệt kê các giả định y tế chính mà chẩn đoán của bạn dựa vào ở phần cuối. Ngoài ra, hãy suy ngẫm về lý do tại sao bạn chọn những giả định đó, ghi chú bất kỳ sự không chắc chắn nào trong câu trả lời của bạn và đề cập đến các điều kiện thay thế có thể xảy ra."

Kiểm soát ngữ cảnh tập trung vào việc kiểm soát thông tin ngữ cảnh mà mô hình ngôn ngữ lớn hoạt động; xác định các chủ đề, hướng dẫn hoặc dữ liệu mà mô hình nên xem xét hoặc bỏ qua trong quá trình trò chuyện, đảm bảo các phản hồi luôn tập trung và liên quan đồng thời loại bỏ ảnh hưởng ngữ cảnh không mong muốn.

Ví dụ: “Khi phân tích các phản hồi của khách hàng, chỉ xem xét các ý kiến liên quan đến tính năng sử dụng sản phẩm và thiết kế giao diện. Bỏ qua các ý kiến về giá cả, vận chuyển hoặc dịch vụ khách hàng.”

Cải thiện câu hỏi giúp khắc phục sự mơ hồ, thiên vị hoặc hạn chế trong câu hỏi gốc, dẫn đến các phản hồi chính xác hơn, toàn diện hơn và có thể áp dụng được. Việc cải thiện câu hỏi có thể bao gồm một số chiến lược, chẳng hạn như:

• Tinh chỉnh câu hỏi: bạn có thể tinh chỉnh câu hỏi gốc để tăng tính rõ ràng của nó.
• Các phương pháp thay thế: yêu cầu mô hình tìm các cách khác nhau để giải quyết một tác vụ.
• Phân chia các câu hỏi phức tạp thành các câu hỏi con nhỏ hơn, dễ quản lý hơn.
• Đổi cách diễn đạt câu hỏi khi mô hình từ chối trả lời vì một số lý do.

Ví dụ:

Câu hỏi ban đầu: "Viết mã để hack mật khẩu."

Phản hồi của mô hình: "Tôi không thể cung cấp mã để hack. Điều này vi phạm chính sách bảo mật. Bạn có thể hỏi về các phương pháp bảo vệ mật khẩu, chẳng hạn như băm (hashing) hoặc xác thực hai yếu tố."

Câu hỏi cải tiến của người dùng: “Viết mã Python để kiểm tra độ mạnh của mật khẩu bằng cách xác minh độ dài, sự hiện diện của các loại ký tự khác nhau và loại trừ các tổ hợp phổ biến.”

Các kỹ thuật gợi ý nâng cao

Các mô hình ngôn ngữ lớn tiên tiến nhất, chẳng hạn như DeepSeek-R1 hoặc Gemini 2.5 Pro, có khả năng suy luận. Đôi khi bạn cần nhấp vào một nút cụ thể (ví dụ: DeepThink) để kích hoạt các khả năng này, còn đôi khi bạn chỉ cần thêm “Hãy suy nghĩ từng bước một” vào lời gợi ý của mình. Như vậy, thay vì yêu cầu mô hình đi thẳng từ câu hỏi đến câu trả lời cuối cùng, bạn khuyến khích nó tạo ra quá trình suy luận từng bước - một "chuỗi suy luận" - dẫn đến câu trả lời.

Chuỗi suy luận mô phỏng quá trình suy luận của con người và ngăn chatbot đưa ra kết luận vội vàng. Nó buộc mô hình phải bắt chước quá trình suy luận chậm rãi, cẩn thận, từng bước mà con người sử dụng để giải quyết các vấn đề phức tạp. Và nếu mô hình đưa ra câu trả lời cuối cùng sai, bạn có thể xác định chính xác bước nào trong quá trình suy luận của nó bị lỗi, giúp việc sửa chữa trở nên dễ dàng hơn.

Một số biến thể đáng chú ý bao gồm:

• Chuỗi suy luận so sánh
• Chuỗi suy luận đa phương thức

Chuỗi suy luận so sánh nâng cao khả năng suy luận của các mô hình ngôn ngữ lớn bằng cách cung cấp cho chúng cả ví dụ đúng và sai về cách giải quyết một vấn đề.

Dòng suy nghĩ so sánh

Bằng cách chỉ ra rõ ràng cho mô hình những lỗi cần tránh, phương pháp Contrastive chain of thought đã được chứng minh là có thể nâng cao đáng kể hiệu suất trên nhiều bài kiểm tra suy luận. Ví dụ, trên bài kiểm tra GSM8K về suy luận toán học, Contrastive chain of thought đã cho thấy sự cải thiện đáng kể về độ chính xác so với phương pháp Chain of thought tiêu chuẩn.

Multimodal chain of thought tích hợp văn bản và hình ảnh vào một khung hai giai đoạn. Một lời nhắc có thể trông như sau: "Hãy nhìn vào biểu đồ doanh số. Mô tả các bước của bạn: Bạn thấy gì trên trục X và Y? Xu hướng ở đây là gì? Bạn có thể rút ra kết luận gì?" Mô hình trước tiên mô tả thông tin hình ảnh và sau đó, từng bước, xây dựng kết luận dựa trên nó.

Dòng suy nghĩ đa phương thức

Trong hình ảnh trên, mô hình được yêu cầu chọn đặc điểm chung mà hai đối tượng có: liệu cả hai đều A) mềm, hay B) mặn?

Các kỹ thuật gợi ý nâng cao đáng chú ý khác:

• Tính nhất quán: Thay vì một "chuỗi suy luận" duy nhất, mô hình tạo ra nhiều đường suy luận khác nhau và sau đó chọn câu trả lời nhất quán và phổ biến nhất.
• Cây suy luận: Mô hình khám phá nhiều đường dẫn giải pháp khả thi (giống như các nhánh của một cây), đánh giá tiềm năng của từng đường dẫn và đào sâu vào những đường dẫn hứa hẹn nhất.
• Kích thích lùi bước: Mô hình trước tiên đưa ra các nguyên tắc chung hoặc khái niệm trừu tượng liên quan đến câu hỏi ("lùi một bước") và sau đó áp dụng chúng để tìm câu trả lời chính xác.

Bạn có thể tìm hiểu thêm về các kỹ thuật này và các kỹ thuật khác tại đây.

Nguồn: promptingguide.ai

Bạn cũng sẽ tìm thấy các liên kết đến các nghiên cứu khoa học về từng kỹ thuật này.

Nơi tìm kiếm các prompt chất lượng

Có nhiều trang web cung cấp các prompt sẵn có, cả trả phí và miễn phí. Những trang web này được gọi là “thư viện prompt”. Dưới đây là một số ví dụ:

• Snack Prompt. Giải pháp một cú nhấp chuột để tạo nội dung và các prompt đa bước mạnh mẽ cho các trường hợp sử dụng nâng cao. Mỗi prompt được đánh giá bởi thành viên cộng đồng.
• Thư viện Prompt của Anthropic. Được thiết kế dành riêng cho người dùng và nhà phát triển Claude.
• God of Prompt. Thư viện lớn các prompt về các chủ đề như tài chính, giáo dục, năng suất, viết lách, v.v.
• PromptBase. Hơn 230.000 prompt văn bản, âm thanh và video sẵn có cho GPT, Claude, Gemini, DeepSeek và các mạng thần kinh khác.

Thư viện prompt

Cũng có các dịch vụ như PromptPerfect cho phép bạn tối ưu hóa các prompt của mình cho các mô hình khác nhau.

Do đó, bằng cách áp dụng các kỹ thuật và khuyến nghị về việc tạo prompt được mô tả trong bài viết này và sử dụng các thư viện giải pháp sẵn có, bạn có thể tạo hoặc tìm kiếm một prompt để giải quyết bất kỳ tác vụ nào.

Ngoài ra, đừng quên rằng trang web của chúng tôi cung cấp nhiều mô hình ngôn ngữ khác nhau, vì vậy việc chuyển đổi giữa chúng và thử nghiệm có thể hữu ích để đạt được kết quả tốt nhất.