Hướng dẫn kỹ thuật viết Prompt
Tài liệu này tổng hợp 58 kỹ thuật thiết kế prompt và 26 nguyên tắc vàng giúp bạn tương tác hiệu quả với các hệ thống AI tạo sinh.
Các kỹ thuật được trích từ báo cáo “The Prompt Report: A Systematic Survey of Prompting Techniques” — siêu báo cáo tổng hợp về prompt engineering.
1. Kỹ thuật Prompting văn bản cơ bản
Nhóm kỹ thuật nền tảng, phù hợp cho mọi người dùng.
| # | Kỹ thuật | Mô tả | Ví dụ |
|---|---|---|---|
| 1 | In-Context Learning | Học từ ví dụ trong lời nhắc | ”Dịch: Bonjour” |
| 2 | Few-Shot Prompting | Cung cấp vài ví dụ hướng dẫn | ”Bonjour → Hello. Merci → ?“ |
| 3 | Zero-Shot Prompting | Không ví dụ, dựa vào kiến thức chung | ”Dịch điều sau: Bonjour” |
| 4 | Vanilla Prompting | Hướng dẫn đơn giản | ”Trả lời không thiên vị” |
| 5 | Role Prompting | Gán vai trò cụ thể | ”Đóng vai giáo viên: Giải thích quang hợp” |
| 6 | Style Prompting | Xác định phong cách đầu ra | ”Viết với tông giọng trang trọng” |
| 7 | Emotion Prompting | Kết hợp ngữ cảnh cảm xúc | ”Điều này rất quan trọng với tôi: …“ |
| 8 | Interactive Chain | Đặt câu hỏi phụ trước khi trả lời | ”Hỏi làm rõ trước khi đưa câu trả lời cuối” |
| 9 | Iterative Prompting | Tinh chỉnh qua nhiều lần lặp | ”Tạo bản nháp, sau đó cải thiện” |
| 10 | Self-Consistency | Nhiều cách suy luận, tổng hợp | ”Giải bài toán bằng nhiều cách” |
| 11 | Chain-of-Thought | Lập luận từng bước | ”Hãy suy nghĩ từng bước” |
| 12 | Step-Back Prompting | Hiểu tổng quan trước, rồi mới giải | ”Trước tiên hiểu, sau đó giải quyết” |
2. Kỹ thuật Prompting văn bản nâng cao
Dành cho người dùng muốn tối ưu hóa chất lượng đầu ra.
| # | Kỹ thuật | Mô tả | Ví dụ |
|---|---|---|---|
| 13 | Self-Criticism | Mô hình tự phê bình và tinh chỉnh câu trả lời | ”Viết đoạn quảng cáo. Sau đó phê bình bản thân và viết lại bản cải thiện.” |
| 14 | Ensembling | Tổng hợp nhiều phản hồi để đảm bảo chính xác | ”Đưa ra 3 câu trả lời khác nhau cho câu hỏi này, sau đó tổng hợp thành 1 đáp án tốt nhất.” |
| 15 | Answer Engineering | Chiến lược trích xuất câu trả lời chính xác | ”Trả lời chỉ bằng MỘT từ: Đúng hoặc Sai. Câu hỏi: Trái đất phẳng không?“ |
| 16 | Negative Prompting | Xác định những gì KHÔNG muốn trong đầu ra | ”Viết email xin nghỉ phép. KHÔNG dùng giọng điệu xin lỗi quá mức, KHÔNG dài quá 100 từ.” |
| 17 | Self-Calibration | Đánh giá và điều chỉnh câu trả lời ban đầu | ”Trả lời câu hỏi, sau đó đánh giá mức độ tự tin (%) và giải thích tại sao.” |
| 18 | Self-Refine | Tinh chỉnh lặp lại dựa trên phản hồi | ”Viết tóm tắt. Sau đó tự đánh giá: thiếu gì? dài quá không? Viết lại bản tốt hơn.” |
| 19 | Reversing CoT | Dùng câu trả lời để xác minh lại vấn đề | ”Đáp án là 42. Hãy giải ngược lại xem đề bài nào sẽ cho ra kết quả này.” |
| 20 | Self-Verification | Tạo nhiều giải pháp và xác minh từng cái | ”Giải bài toán bằng 2 cách khác nhau. So sánh kết quả để xác minh đáp án đúng.” |
| 21 | KNN Prompting | Chọn ví dụ tương tự để cải thiện hiệu suất | ”Đây là 3 email marketing thành công trong ngành giáo dục: [ví dụ]. Viết email tương tự cho sản phẩm AI.” |
| 22 | Vote-K | Đề xuất ví dụ ứng viên để chú thích | ”Đề xuất 5 câu hỏi mẫu tốt nhất để kiểm tra chatbot hỗ trợ khách hàng.” |
| 23 | Self-Generated ICL | AI tự tạo ví dụ để hướng dẫn | ”Tự tạo 3 ví dụ về cách phân loại cảm xúc khách hàng, sau đó dùng format đó để phân loại: [text].“ |
| 24 | Prompt Mining | Tìm định dạng prompt tốt nhất từ dữ liệu lớn | ”Thử 3 cách khác nhau để hỏi câu này, chọn cách cho kết quả tốt nhất.” |
| 25 | Meta Prompting | Dùng prompt để tạo/cải thiện prompt khác | ”Viết một prompt tối ưu để AI tạo ra mô tả sản phẩm hấp dẫn cho e-commerce.” |
3. Kỹ thuật Prompting hình ảnh
Áp dụng khi làm việc với đầu vào đa phương thức (text + image).
| # | Kỹ thuật | Mô tả | Ví dụ |
|---|---|---|---|
| 26 | Multimodal ICL | Học từ ví dụ với đầu vào đa phương thức | ”Đây là ảnh biển báo giao thông [ảnh 1] = ‘Cấm rẽ trái’. Hãy nhận diện biển báo này: [ảnh 2]“ |
| 27 | Image-as-Text | Mô tả hình ảnh bằng văn bản | ”Mô tả chi tiết nội dung trong ảnh này: bố cục, màu sắc, đối tượng, văn bản hiển thị.” |
| 28 | Paired-Image | So sánh hình ảnh trước/sau | ”So sánh 2 ảnh giao diện (trước và sau redesign). Liệt kê những thay đổi chính.” |
| 29 | Segmentation | Phân tích từng phần của hình ảnh | ”Phân tích dashboard này: giải thích từng biểu đồ, số liệu và ý nghĩa của chúng.” |
| 30 | 3D Prompting | Làm việc với mô hình 3D | ”Mô tả kiến trúc tòa nhà trong mô hình 3D này: cấu trúc, vật liệu, tỷ lệ.” |
4. Kỹ thuật đa phương thức nâng cao
Dành cho các tác vụ phức tạp đòi hỏi lập luận sâu.
| # | Kỹ thuật | Mô tả | Ví dụ |
|---|---|---|---|
| 31 | Graph-of-Thought | Biểu diễn đồ thị để cấu trúc lập luận | ”Phân tích các nguyên nhân gây churn. Vẽ sơ đồ quan hệ nhân-quả giữa các yếu tố trước khi đưa giải pháp.” |
| 32 | Tree-of-Thought | Khám phá nhiều nhánh lập luận | ”Đưa ra 3 hướng giải quyết. Với mỗi hướng, phân tích ưu/nhược điểm. Chọn hướng tốt nhất.” |
| 33 | Automate-CoT | Tự động hóa chuỗi lập luận | ”Tự động chia bài toán thành các bước nhỏ, giải từng bước, và tổng hợp kết quả cuối cùng.” |
| 34 | Complexity-Based | Điều chỉnh prompt theo độ khó | ”Nếu câu hỏi đơn giản, trả lời ngắn gọn. Nếu phức tạp, phân tích từng bước chi tiết.” |
| 35 | Self-Evaluation | Mô hình tự đánh giá câu trả lời | ”Sau khi trả lời, tự chấm điểm 1-10 về: độ chính xác, độ đầy đủ, tính thực tiễn.” |
| 36 | Program of Thoughts | Dùng logic lập trình để lập luận | ”Viết pseudo-code để giải bài toán logic này, sau đó chạy từng bước và đưa ra kết quả.” |
| 37 | Chain-of-Images | Chuỗi hình ảnh hướng dẫn lập luận | ”Xem lần lượt 4 ảnh chụp quy trình sản xuất. Mô tả từng bước và phát hiện lỗi nếu có.” |
5. Kỹ thuật Prompting chuyên biệt
Các kỹ thuật nâng cao cho nhiệm vụ cụ thể.
| # | Kỹ thuật | Mô tả | Ví dụ |
|---|---|---|---|
| 38 | Memory-of-Thought | Dùng đầu ra trước để thông báo phản hồi hiện tại | ”Dựa trên phân tích trước đó về nhân khẩu học, bây giờ hãy đề xuất chiến lược marketing phù hợp.” |
| 39 | Few-Shot-CoT | Kết hợp ví dụ + chuỗi lập luận | ”VD: 15% của 80 → 15/100 × 80 = 12. Bây giờ giải: 23% của 540 là bao nhiêu? Giải từng bước.” |
| 40 | Step-Aware Verification | Xác minh từng bước giải | ”Giải bài toán. Sau mỗi bước, kiểm tra: bước này có đúng không? Nếu sai, sửa trước khi tiếp.” |
| 41 | Demonstration Ensembling | Kết hợp nhiều ví dụ tạo prompt mạnh hơn | ”Đây là 3 email marketing thành công với 3 phong cách khác nhau. Kết hợp điểm mạnh của cả 3 để viết email mới.” |
| 42 | Question Decomposition | Phân nhỏ câu hỏi phức tạp | ”Câu hỏi: ‘AI ảnh hưởng đến giáo dục thế nào?’ → Chia thành: (1) AI hỗ trợ giảng dạy? (2) AI thay đổi cách học? (3) Thách thức?“ |
| 43 | Deductive Verification | Logic suy diễn xác minh câu trả lời | ”Nếu kết luận là A đúng, thì hệ quả B phải xảy ra. Kiểm tra: B có thực sự xảy ra không?“ |
| 44 | Faithful CoT | Đảm bảo lập luận phù hợp ngữ cảnh | ”Chỉ dựa trên thông tin trong tài liệu được cung cấp, suy luận từng bước. Không dùng kiến thức bên ngoài.” |
| 45 | Maieutic Prompting | Phương pháp Socratic tinh chỉnh câu trả lời | ”Trả lời câu hỏi. Sau đó tự hỏi: ‘Đáp án này có mâu thuẫn gì không?’ Nếu có, điều chỉnh lại.” |
| 46 | Active Prompting | Điều chỉnh prompt dựa trên phản hồi | ”Nếu câu trả lời đầu tiên chưa đạt yêu cầu, hãy hỏi tôi cần thay đổi gì rồi viết lại.” |
| 47 | Plan-and-Solve | Lên kế hoạch trước khi giải quyết | ”Trước khi viết code: (1) Liệt kê yêu cầu, (2) Chọn kiến trúc, (3) Lên kế hoạch file, rồi mới code.” |
6. Prompting phản hồi động
Kỹ thuật tự thích ứng dựa trên kết quả ban đầu.
| # | Kỹ thuật | Mô tả | Ví dụ |
|---|---|---|---|
| 48 | Self-Adaptive | Điều chỉnh prompt nếu phản hồi đầu tiên sai | ”Trả lời câu hỏi. Nếu bạn không chắc chắn, hãy thử cách tiếp cận khác và so sánh 2 kết quả.” |
| 49 | Rephrase and Respond | Diễn đạt lại câu hỏi trước khi trả lời | ”Trước khi trả lời, hãy diễn đạt lại câu hỏi bằng cách khác để đảm bảo bạn hiểu đúng. Rồi mới trả lời.” |
| 50 | Chain-of-Dictionary | Dùng định nghĩa từ điển đa ngôn ngữ | ”Từ ‘sustainability’: EN = bền vững, JP = 持続可能性, FR = durabilité. Dựa trên các nghĩa này, giải thích khái niệm.” |
| 51 | Decomposed Prompting for MT | Chia văn bản, dịch từng phần | ”Chia đoạn văn thành 3 phần theo ý chính. Dịch từng phần riêng lẻ. Ghép lại thành bản dịch hoàn chỉnh.” |
| 52 | Multilingual Prompting | Hướng dẫn đầu ra đa ngôn ngữ | ”Giải thích ‘Machine Learning’ bằng cả tiếng Việt và tiếng Anh. Đảm bảo thuật ngữ chuyên ngành nhất quán.” |
| 53 | AutoPrompt | Tối ưu hóa token tự động | ”Viết lại prompt sau cho ngắn gọn hơn nhưng giữ nguyên ý nghĩa: [prompt dài]. Mục tiêu: dưới 50 từ.” |
26 Nguyên tắc vàng viết Prompt
Đây là 26 nguyên tắc cốt lõi giúp cải thiện đáng kể chất lượng prompt. Hãy áp dụng khi viết bất kỳ prompt nào.
- Đi thẳng vào vấn đề — Không cần lịch sự với AI (“please”, “thank you”). Hãy trực tiếp và rõ ràng.
- Xác định đối tượng mục tiêu — Tích hợp đối tượng vào prompt, ví dụ: “Đối tượng là chuyên gia trong lĩnh vực…”
- Chia nhỏ tác vụ phức tạp — Tách thành chuỗi prompt đơn giản hơn trong cuộc trò chuyện.
- Dùng chỉ thị khẳng định — Viết “Hãy làm…” thay vì “Đừng làm…”
- Giải thích đơn giản — “Giải thích như thể tôi mới 11 tuổi” hoặc “như người mới bắt đầu trong [lĩnh vực]”.
- Tạo động lực — Thêm “Điều này rất quan trọng cho công việc/sự nghiệp của tôi”.
- Dùng Few-Shot — Cung cấp ví dụ cụ thể để hướng dẫn đầu ra.
- Cấu trúc rõ ràng — Bắt đầu với
###Instruction###, phân tách bằng dòng trống. - Dùng mệnh lệnh mạnh — “Nhiệm vụ của bạn là…” và “Bạn PHẢI…”
- Tạo phần thưởng — “Bạn sẽ được khen thưởng nếu làm tốt.”
- Yêu cầu tự nhiên — “Trả lời một cách tự nhiên, giống như con người.”
- Suy nghĩ từng bước — Dùng “Think step by step” / “Hãy suy nghĩ từng bước”.
- Tránh thiên vị — “Đảm bảo câu trả lời không thiên vị và không dựa trên định kiến.”
- Để AI hỏi lại — “Hãy hỏi tôi các câu hỏi cho đến khi bạn có đủ thông tin để trả lời.”
- Kiểm tra hiểu biết — “Dạy tôi [chủ đề] và đưa bài kiểm tra ở cuối.”
- Gán vai trò — “Bạn là một [chuyên gia/vai trò]. Hãy…”
- Dùng dấu phân cách — Sử dụng
""",---,###để tách các phần trong prompt. - Lặp lại từ khóa quan trọng — Nhấn mạnh bằng cách lặp lại trong prompt.
- Kết hợp CoT + Few-Shot — Cho ví dụ kèm chuỗi lập luận.
- Dùng output primer — Kết thúc prompt bằng phần bắt đầu của câu trả lời mong muốn.
- Yêu cầu chi tiết — “Viết chi tiết bằng cách thêm tất cả thông tin cần thiết.”
- Giữ phong cách gốc — “Cải thiện ngữ pháp nhưng không thay đổi phong cách viết.”
- Tạo code đa file — “Tạo script có thể chạy để tự động tạo các file cần thiết.”
- Tiếp tục văn bản — Cung cấp phần bắt đầu và yêu cầu hoàn thành.
- Nêu rõ yêu cầu — Liệt kê từ khóa, quy định, hướng dẫn cụ thể.
- Giữ ngôn ngữ mẫu — “Sử dụng cùng ngôn ngữ với đoạn văn/mẫu được cung cấp.”
Bảng tham khảo nhanh
| Mục đích | Kỹ thuật gợi ý |
|---|---|
| Trả lời câu hỏi đơn giản | Zero-Shot, Vanilla |
| Dịch thuật | Few-Shot, Chain-of-Dictionary |
| Viết nội dung sáng tạo | Role Prompting, Style Prompting |
| Phân tích dữ liệu | Chain-of-Thought, Program of Thoughts |
| Giải quyết vấn đề phức tạp | Tree-of-Thought, Plan-and-Solve |
| Debug / Code review | Self-Criticism, Step-Aware Verification |
| Nghiên cứu | Question Decomposition, Self-Verification |
| Tóm tắt tài liệu dài | Decomposed Prompting, Ensembling |
Last updated on
