9 kỹ thuật tạo promt cho A.I theo Google

Dưới đây là giải thích dễ hiểu và cách sử dụng 9 kỹ thuật prompt phổ biến giúp bạn khai thác tối đa sức mạnh của mô hình ngôn ngữ lớn như GPT:

1. Zero-shot prompting

Giải thích:
Yêu cầu mô hình làm một việc ngay lập tức, không cần ví dụ nào trước đó.
Dùng khi: Nhiệm vụ đơn giản, rõ ràng, phổ biến.

Ví dụ prompt:

Viết đoạn giới thiệu ngắn về sản phẩm tên là "Hisun Trà Đào".

2. Few-shot prompting

Giải thích:
Cung cấp vài ví dụ mẫu để mô hình hiểu cách thực hiện trước khi xử lý câu hỏi chính.
Dùng khi: Nhiệm vụ yêu cầu mô hình học theo định dạng hoặc quy luật.

Ví dụ prompt

Ví dụ 1:  
Q: 2 + 3 = ?  
A: 5  

Ví dụ 2:  
Q: 4 + 7 = ?  
A: 11  

Q: 5 + 6 = ?  
A:

3. System prompting

Giải thích:
Dành riêng cho GPT có tính năng “System” (như ChatGPT). Dùng để định nghĩa vai trò hành vi chung của mô hình suốt cuộc hội thoại.
Dùng khi: Cần định hình “tính cách” hoặc nhiệm vụ xuyên suốt.

Ví dụ:

“Bạn là một trợ lý SEO chuyên nghiệp. Luôn viết bài có cấu trúc chuẩn SEO, sử dụng ngôn ngữ tự nhiên, dễ đọc.”

(Cách này được thiết lập khi tạo system message, không phải prompt thường)

4. Role prompting

Giải thích:
Giao vai trò cụ thể cho mô hình trong từng prompt để nó phản hồi đúng theo phong cách hoặc chuyên môn.

Ví dụ prompt:

Bạn là chuyên gia tâm lý. Hãy giải thích vì sao con người dễ bị áp lực khi làm việc nhóm.

5. Contextual prompting

Giải thích:
Cung cấp bối cảnh đầy đủ để mô hình hiểu và trả lời chính xác.
Dùng khi: Nhiệm vụ phức tạp, cần nhiều thông tin để hiểu đúng.

Ví dụ prompt:

Dữ liệu: Doanh thu quý 1 của công ty tăng 25% so với quý trước.  
Yêu cầu: Viết báo cáo nội bộ đánh giá hiệu quả chiến dịch marketing.

6. Step-back prompting

Giải thích:
Yêu cầu mô hình tạm dừng và nhìn lại tổng thể trước khi đi vào chi tiết. Rất hữu ích trong suy luận, chiến lược.

Ví dụ prompt:

Hãy dừng lại một chút và suy nghĩ: Vấn đề lớn nhất trong chiến lược kinh doanh này là gì?
Sau đó, phân tích chi tiết lý do và giải pháp.

7. Chain of thought (CoT)

Giải thích:
Yêu cầu mô hình “nghĩ thành tiếng” từng bước, giúp tăng độ chính xác và khả năng suy luận.

Ví dụ prompt:

Nếu tôi có 12 quả cam và chia đều cho 4 người, mỗi người nhận bao nhiêu quả?  
Hãy suy nghĩ từng bước một.

8. Self-consistency prompting

Giải thích:
Thay vì chỉ tạo ra 1 câu trả lời, yêu cầu mô hình tạo nhiều câu trả lời độc lập, rồi chọn cái đúng hoặc phổ biến nhất.
Dùng khi: Nhiệm vụ suy luận khó và không muốn sai sót.

Ví dụ prompt:

Hãy đưa ra 3 cách giải bài toán sau, sau đó chọn kết quả chính xác nhất.
Bài toán: Nếu 5 công nhân làm xong việc trong 6 giờ, thì 10 công nhân làm xong trong bao lâu?

✅ 9. Tree of Thought (ToT)

Giải thích:
Giống như Chain of Thought, nhưng mô hình sẽ phát triển nhiều hướng suy nghĩ cùng lúc như nhánh cây, rồi đánh giá, loại bỏ, chọn nhánh tốt nhất.
Dùng khi: Bài toán phức tạp, nhiều khả năng giải khác nhau.

Ví dụ prompt:

Đưa ra nhiều cách tiếp cận để giải bài toán xây dựng chiến lược tăng trưởng doanh thu cho một cửa hàng cà phê.  
Đánh giá ưu nhược điểm của từng hướng, và chọn ra hướng khả thi nhất.

Tổng kết gọn: