Xin chào bạn!
Bước sang Ngày 39, chúng ta sẽ cùng nhìn lại AI, nó mạnh ở đâu, giới hạn chỗ nào, và quan trọng nhất, mình sẽ viết prompt ra sao để làm việc thông minh với các giới hạn đó. Biết giới hạn của AI không phải để… buồn mà để chọn hướng đi khéo léo và nhận được output đáng tin cậy hơn.
Và đó chính là nội dung chính của ngày hôm nay, cùng khám phá giới hạn của AI một cách toàn diện nhất.
Ảnhminh họa: Khám Phá Giới Hạn của AI Một cách Toàn Diện
Mục tiêu
- Nắm bức tranh tổng thể về giới hạn của mô hình, giới hạn của AI ngoài Bias & Hallucination.
- Biết cách phát hiện và làm việc xung quanh (work around) các giới hạn khi thiết kế prompt.
- Luyện prompt từng bước để xử lý suy luận đa bước, dữ liệu theo thời gian thực, ngữ nghĩa sâu, và giới hạn context.
Khám phá giới hạn của AI (ngoài Bias & Hallucination)
1) Thiếu kiến thức thời gian thực (Knowledge Cutoff)
- Mô hình chỉ biết đến một thời điểm cắt nhất định. Do AI phụ thuộc vào việc huấn luyện của con người, do đó nó chỉ ghi nhận kiến thức đến mốc thời gian nào đó mà không phải theo thời gian thực
- Có thể bỏ lỡ sự kiện mới, chính sách cập nhật, phiên bản phần mềm mới.
Gợi ý prompt:
Các bạn hãy luôn nằm lòng kỹ thuật sau bằng cách thêm 2 câu bên dưới vào prompt nhé:
- Nhắc mô hình về hạn chế: “Thông tin có thể lỗi thời. Nếu không chắc chắn, hãy nói ‘không chắc’ và đề xuất cách kiểm chứng/nguồn cập nhật.”
- Yêu cầu đường dẫn kiểm chứng hoặc bước tự kiểm tra.
Ví dụ prompt : “Uống nước chanh muối mỗi sáng có tác dụng chữa bệnh như thế nào. Hãy nêu đường dẫn kiểm chứng hoặc nói ‘không chắc’ nếu không có nguồn. Không được tự ý bịa thông tin.” –> Đây là cách giảm thiểu giới hạn của AI để nó đưa ra thông tin chính xác nhất.
2) Khó xử lý suy luận đa bước / tác vụ phức tạp
- LLM (xem LLM là gì?) giỏi văn, nhưng có thể trượt khi phải xâu chuỗi logic dài (multi-step reasoning). Hạn chế này xẩy ra khi bạn đưa quá nhiều câu hỏi vào một prompt.
Gợi ý prompt để giải quyết vấn đề này:
- Chia nhỏ nhiệm vụ → “bước 1, bước 2, bước 3…”
- Yêu cầu show work (giải thích ngắn gọn lập luận), sau đó chốt đáp án.
3) Hiểu ngữ nghĩa không như con người
- AI học từ xác suất ngôn ngữ, không hiểu thế giới như ta.
- Dễ nhầm nghĩa bóng, ẩn dụ, ngữ dụng xã hội.
Gợi ý prompt:
- Cung cấp định nghĩa làm chuẩn + ví dụ ranh giới (counter-example). Bạn có thể xem lại bài học về Few Shot nhé!
- Chỉ định tiêu chí: đúng/sai dựa trên đâu, ưu tiên nghĩa nào.
4) Giới hạn cửa sổ ngữ cảnh (Context Window) & định dạng đầu vào
- Khi input quá dài → bị cắt bớt hoặc mất chi tiết.
- Dữ liệu không được cấu trúc → AI khó trích xuất chính xác.
Gợi ý prompt:
- Dùng delimiters (”” , — , ###) để tách Instruction / Context / Input Data / Output Format.
- Nếu dài, yêu cầu tóm tắt trung gian, hoặc nạp theo “lô” (chunk & summarize).
Thực hành
🟡 Bài 1 — Kiểm tra suy luận đa bước
Prompt A (đơn giản):
Instruction: Nếu A > B, B > C, và C > D, vậy ai lớn nhất?
Output Format: Trả lời 1 dòng: [A/B/C/D] và giải thích 1 câu.
Prompt B (nâng cấp – có chain-of-thought “ngắn gọn”):
Instruction: Giải bài logic sau theo 3 bước (liệt kê quan hệ, suy ra thứ tự, kết luận).
Constraints: Không trình bày dài dòng; mỗi bước ≤ 15 từ.
Task: A > B; B > C; C > D. Ai lớn nhất?
Output Format: 3 bullet + 1 dòng kết luận.
Prompt C (bài toán phức tạp hơn – chia nhỏ):
Instruction: Chia bài toán thành 3 phần: (1) Xác định dữ kiện, (2) Suy luận trung gian, (3) Kết luận.
Task: "[DÁN BÀI TOÁN NHIỀU BƯỚC]"
Constraints: Nếu thiếu dữ kiện, đặt tối đa 3 câu hỏi làm rõ trước khi trả lời.
Output Format: Mục A) Câu hỏi (nếu có) | Mục B) Lời giải tóm tắt | Mục C) Kết luận.
🟡 Bài 2 — Kiểm tra kiến thức thời gian thực
Prompt D (test cập nhật):
Instruction: Liệt kê các giải thưởng điện ảnh lớn được trao trong THÁNG NÀY.
Constraints: Nếu thông tin có thể lỗi thời do thiếu kiến thức thời gian thực, hãy nói "không chắc" và đề xuất 3 nguồn kiểm chứng mới nhất (website/tạp chí uy tín).
Output Format: 3 bullet về giải thưởng + 3 bullet nguồn kiểm chứng đề xuất.
Prompt E (work around – có lộ trình kiểm chứng):
Instruction: Tóm tắt sự kiện [X].
Constraints: Chỉ nêu những gì bạn chắc chắn; gắn nhãn [CHẮC CHẮN]/[KHÔNG CHẮC].
Sau đó đề xuất 3 cách tôi có thể kiểm chứng và cập nhật (trang web, từ khóa tìm kiếm, tổ chức/đơn vị).
Output Format:
1) Tóm tắt 5 bullet (mỗi bullet gắn nhãn).
2) 3 cách kiểm chứng/cập nhật.
🟡 Bài 3 — Làm việc với ngữ nghĩa & context window
Prompt F (đặt định nghĩa chuẩn + ví dụ ranh giới):
Instruction: Phân loại câu sau là "ẩn dụ" hay "tả thực".
Definitions: Ẩn dụ = [định nghĩa của bạn về ẩn dụ]. Tả thực = [định nghĩa của bạn về tả thực].
Edge cases: "Biển người", "Núi việc" → Ẩn dụ; "Trời mưa nhỏ" → Tả thực.
Input Data: """[DANH SÁCH CÂU]"""
Output Format: Bảng 3 cột (Câu | Nhãn | Lý do ≤ 10 từ).
Prompt G (context lớn → nạp theo lô):
Instruction: Tóm tắt tài liệu dài theo từng phần 2.000–3.000 ký tự.
Process:
1) Tôi sẽ gửi Part 1...n.
2) Mỗi phần: tóm tắt 5 bullet.
3) Khi tôi gửi "MERGE", hãy hợp nhất thành bản tóm tắt tổng.
Constraints: Không suy luận ngoài nội dung từng phần.
Output Format: "TÓM TẮT PART i" → 5 bullet; sau "MERGE" → tổng hợp 10–12 bullet.
Tiếng Anh chuyên ngành hôm nay
| Từ vựng | Nghĩa | Ví dụ ứng dụng |
|---|---|---|
| Limitations | Giới hạn | Understanding model limitations is key to effective prompting. |
| Reasoning | Suy luận | LLMs can struggle with multi-step reasoning tasks. |
| Semantics | Ngữ nghĩa | AI lacks human-like semantics understanding. |
| Context window | Cửa sổ ngữ cảnh | Be mindful of the model’s context window size. |
| Constraint | Ràng buộc | Prompt engineers work within certain model constraints. |
Trò chuyện cùng ChatGPT/Gemini (luyện phản xạ)
Dán prompt bạn vừa viết, rồi hỏi:
Bạn là "Limitations Coach".
- Chỉ ra phần nào của yêu cầu có nguy cơ vượt giới hạn (thời gian thực, đa bước, ngữ nghĩa, context window).
- Đề xuất 3 chỉnh sửa prompt (rõ ràng + khả thi + ngắn gọn).
- Nếu cần, đề xuất quy trình chia nhỏ bài toán.
Kết Luận
Vậy là chúng ta vừa kết thúc ngày học thứ 39 của hành trình trở thành prompt engineering chuyên nghiệp. Hôm nay mình hiểu rằng nếu hiểu được giới hạn AI, prompt của mình sẽ thông minh và rành mạch hơn, có chốt kiểm, có lộ trình xử lý thay vì ném hết cho AI. Cảm giác kiểm soát được câu hỏi và câu trả lời khi sử dụng AI. Nên nhớ, không phải AI lúc nào cũng đúng!
Nếu có bất kỳ thắc mắc nào về bài học trên, hãy comment cho mình biết nhé. Hẹn gặp lại ở bài viết tiếp theo. Thân ái!
