Xin chào bạn!
Hôm nay mình chính thức khép lại Tuần 1 Tháng 2 của hành trình trở thành chuyên gia prompt engineer trong 9 tháng. Một tuần đã tay với Zero-shot, Few-shot, Negative Constraints, và cả chuyện ảo giác AI (hallucination) lẫn dữ liệu lỗi thời. Mình gom hết thành tài sản thực chiến để đưa vào Thư Viện Prompt cho bạn (và cho chính mình) để khi cần là có thể dùng lại thật nhanh. OK bắt đầu nhé!
Ảnh minh họa : Tổng Kết Tuần 1 Tháng 2 học Prompt Engineer & Sản Phẩm Đầu Ra
Mục Tiêu Hôm Nay
- Ôn nhanh kỹ thuật & giới hạn đã học trong tuần.
- Biên soạn bộ sưu tập prompt: Zero-shot, Few-shot, Negative Constraints.
- Viết bản tóm tắt 100–150 từ về Hallucination & Outdated Information.
- Chuẩn bị blog “Thư Viện Prompt – Tuần 1 Tháng 2”.
Ôn Tập Nhanh Tuần 1 của tháng 2
- Zero-shot: Không cần ví dụ; hợp cho việc tóm tắt, dịch, và các câu hỏi & trả lời cơ bản.
- Few-shot: Thêm vài ví dụ để mô hình “bắt nhịp” phong cách/định dạng.
- Negative Constraints: Nói rõ không được làm gì để kiểm soát đầu ra.
- Hallucination: Mô hình có thể “bịa” thông tin hay còn gọi là ảo giác AI; cần nhắc không bịa, yêu cầu nêu nguồn.
- Outdated Information:Tức là dữ liệu đã lỗi thời, mô hình không biết thời gian thực; hãy cảnh báo tính thời sự và xác minh.
Tất cả phần ôn tập trên, bạn có thể dễ dàng xem lại ở đây nhé
- [ngày 29] Zero-shot Prompting: Khai Phá Sức Mạnh AI Từ Con Số 0
- [Ngày 30] Few-shot Prompting: Khi AI Học Hỏi Từ Ví Dụ
- [Ngày 31] Phân Biệt & Lựa Chọn: Zero-shot và Few-shot
- [Ngày 32] – Sức Mạnh Của “KHÔNG”: Giới Thiệu Negative Constraints
- [Ngày 33] – Few-shot Và Negative Constraints: Thực Hành Tổng Hợp hai trong một
- [Ngày 34] – Giới Hạn Của Mô Hình: Hallucination & Dữ Liệu Lỗi Thời
Sản Phẩm Đầu Ra Tuần 1
Mình gôm tất các những phần đã học thành những prompt mẫu, bạn cứ việc thay nội dung trong dấu ngoặc vuông là có một prompt chuẩn để ra lệnh cho AI luôn.
1) Bộ Sưu Tập Prompts Zero-shot & Few-shot
🔹 Zero-shot (để AI trả lời trực tiếp)
Z1 – Tóm tắt 3 gạch đầu dòng
Instruction: Tóm tắt văn bản sau thành 3 gạch đầu dòng, nêu rõ ý chính và số liệu quan trọng.
Input Data: """[DÁN_ĐOẠN_VĂN]"""
Output Format: - Bullet 1
- Bullet 2
- Bullet 3
Z2 – Dịch nhanh
Instruction: Dịch đoạn sau sang [NGÔN_NGỮ] với giọng văn tự nhiên.
Input Data: """[ĐOẠN_VĂN_NGUỒN]"""
Output Format: Đoạn dịch mạch lạc, không chú thích thừa.
Z3 – Ý tưởng tiêu đề
Instruction: Tạo 10 tiêu đề blog về chủ đề “[CHỦ_ĐỀ]”, ngắn gọn (<10 từ), giàu từ khóa.
Output Format: Danh sách 10 gạch đầu dòng.
Từ bây giờ, khi cần một prompt chuẩn để ra lệnh cho AI, bạn cứ copy mẫu phù hợp với nhu cầu của mình nhé!
Ví dụ bạn muốn dịch đoạn văn sau và sử dụng chatGPT để dịch, copy mẫu Z2 ở trên và thay đoạn văn cần dịch trong ngoặc vuông như bên dưới:
Instruction: Dịch đoạn sau sang Tiếng Anh với giọng văn tự nhiên.
Input Data: “””AI technology encompasses systems designed to simulate human intelligence, performing tasks like learning, reasoning, and problem-solving, often by analyzing large datasets to recognize patterns and make predictions or decisions. This is achieved through algorithms and computational power, enabling machines to understand and translate language, perceive their environment, and even generate new content. Key subfields of AI include machine learning, natural language processing, and robotics, which are applied in everyday tools like voice assistants and self-driving cars.”””
Output Format: Đoạn dịch mạch lạc, không chú thích thừa.
🔹 Few-shot (Có ví dụ để định kiểu đầu ra)
F1 – Phân loại cảm xúc
Instruction: Phân loại cảm xúc (Tích cực/Tiêu cực/Trung lập).
Examples:
- "Tôi yêu sản phẩm này." -> Tích cực
- "Dịch vụ thật tệ." -> Tiêu cực
- "Trời hôm nay nhiều mây." -> Trung lập
Input Data: "Tôi cảm thấy rất vui khi nhận được quà."
Output Format: [Nhãn]
F2 – Chuyển đổi giọng văn
Instruction: Chuyển câu sang giọng văn lịch sự, trang trọng.
Examples:
- "Hi, wanna grab coffee?" -> "Dear Sir/Madam, would you be available for a coffee meeting?"
Input Data: "Chào bạn, trưa nay đi ăn nhé?"
Output Format: Câu đã chuyển đổi (1 câu).
F3 – Trích xuất có cấu trúc
Instruction: Trích xuất thông tin vào JSON với các khóa: name, product, date.
Examples:
- "Khách hàng An mua máy X ngày 05/05" -> {"name":"An","product":"máy X","date":"05/05"}
Input Data: "[CÂU_VĂN_TỰ_NHIÊN]"
Output Format: JSON hợp lệ 1 dòng.
2) Bộ Prompts Có Negative Constraints (Kiểm soát đầu ra, tránh, giới hạn…)
N1 – Prompt giới thiệu công ty (tránh từ cấm)
Instruction: Viết đoạn giới thiệu 60–80 từ về [TÊN_CÔNG_TY], lĩnh vực [LĨNH_VỰC].
Negative Constraints: Không dùng từ "hàng đầu", "độc đáo".
Output Format: 1 đoạn văn.
N2 – Prompt Quảng cáo ngắn (giới hạn độ dài)
Instruction: Viết quảng cáo cho [SẢN_PHẨM] nêu 1 lợi ích chính + CTA.
Negative Constraints: Không quá 50 từ.
Output Format: 1 đoạn 40–50 từ.
N3 – Prompt tóm tắt không nêu thương hiệu
Instruction: Tóm tắt bài viết sau thành 4 gạch đầu dòng.
Input Data: """[DÁN_BÀI_VIẾT]"""
Negative Constraints: Không nêu tên công ty/nhãn hàng/danh nhân.
Output Format: 4 bullet.
3) Bản Tóm Tắt 100–150 Từ: Hallucination & Outdated Information
Hallucination là khi mô hình tạo ra thông tin sai sự thật hoặc không có nguồn đáng tin cậy. Điều này thường xảy ra khi prompt mơ hồ, yêu cầu quá rộng, hoặc thiếu dữ liệu xác thực. Outdated information xuất hiện vì mô hình bị giới hạn kiến thức theo thời điểm huấn luyện, không có khả năng cập nhật thời gian thực. Để giảm thiểu rủi ro, hãy nhắc mô hình không bịa, nói “không biết” khi không chắc chắn, và yêu cầu trích dẫn nguồn. Với thông tin thời sự, cần thêm cảnh báo về tính cập nhật và xác minh chéo bằng nguồn độc lập. Kết hợp Clarity, Specificity và Negative Constraints là cách đơn giản mà hiệu quả để tăng độ tin cậy của phản hồi.
Trò Chuyện Cùng ChatGPT/Gemini (để rà soát kho prompt)
Sau khi tạo một prompt và cảm thấy không chắc chắn hãy hỏi thêm AI bằng mẫu bên dưới:
Bạn là Prompt QA Coach. Hãy đánh giá bộ prompt tuần này theo tiêu chí:
- Độ rõ ràng (0–5), Độ cụ thể (0–5), Độ súc tích (0–5)
- Kiểm soát đầu ra bằng Negative Constraints: tốt/chưa tốt?
- Rủi ro Hallucination/Outdated: điểm 0–5 + gợi ý giảm thiểu
Trả lời dạng bảng + 5 đề xuất cải thiện nhanh.
Ghi Chú & Cảm Nhận
Từ những gì đã học được, mình rút ra kinh nghiệm khi ra lệnh cho AI:
- Khi thêm Negative Constraints, output gọn gàng và tốt hơn hẳn.
- Few-shot giúp AI bắt chước phong cách tốt hơn, đặc biệt trong phân loại & định dạng.
- Nhắc không bịa + nêu nguồn nếu có tạo khác biệt rõ về độ tin cậy.
Checklist Ngày 35
Như vậy sau ngày 35, mình đã:
- Ôn lại Zero-shot, Few-shot, ràng buộc (Negative Constraints), ảo giác AI (Hallucination), dữ liệu lỗi thời (Outdated).
- Tạo ≥5 prompt template mẫu (Zero-shot/Few-shot) + ≥3 prompt template có Negative Constraints.
- Viết tóm tắt 100–150 từ về Hallucination & Outdated.
- Luyện phản xạ 10 phút với ChatGPT/Gemini.
- Ghi một đoạn cảm nhận ngắn về tuần học.
📘 5 Từ Vựng Tiếng Anh Chuyên Ngành Hôm Nay
| Từ vựng | Nghĩa | Ví dụ ứng dụng |
|---|---|---|
| Bias | Thiên vị | We need to identify and mitigate bias in LLMs. |
| Mitigation | Giảm thiểu | Mitigation strategies help reduce model flaws. |
| Ethics | Đạo đức | Consider the ethics of AI deployment. |
| Problem | Vấn đề | Hallucination is a common problem in LLMs. |
| Identify | Nhận diện | It’s important to identify biases early. |
Tổng Kết Ngày 35
Tuần 1 Tháng 2 khép lại với một số prompt template sẵn dùng. Mình cảm nhận rõ sự khác biệt nếu viết prompt: ít mơ hồ hơn, có kiểm soát hơn sẽ cho kết quả đáng tin hơn. Tuần tới, chúng ta sẽ bước vào Bias (Thiên vị) để viết prompt có trách nhiệm và công bằng hơn.
Nếu bạn cũng đã có prompt tâm đắt, hãy bình luận chia sẻ để mọi người cùng học hỏi nhé!
Nếu có gì thắc mắc, đừng ngại để lại câu hỏi ở phần bình luận. Mình sẽ trả lời trong khả năng nhé. Thân ái!
