Giới thiệu
Nếu bạn đã từng sử dụng LLM cho các nhiệm vụ khác nhau, có lẽ bạn đã nhận thấy rằng câu trả lời thường phụ thuộc vào cách bạn viết prompt. Đây chính là prompt engineering. Cách bạn đưa ra hướng dẫn có thể tạo ra sự khác biệt giữa một câu trả lời mơ hồ và một câu trả lời chính xác, có thể áp dụng được. Tôi biết prompt engineering đôi khi có thể hơi phức tạp. Nó không chỉ là một môn khoa học thuần túy, mà là sự kết hợp giữa khoa học và nghệ thuật, đòi hỏi bạn phải thử nghiệm để tìm ra điều gì hiệu quả nhất trong từng tình huống. Đừng lo lắng — tôi sẽ hỗ trợ bạn trong bài viết này.
Chúng ta sẽ đi qua 7 công thức đã được kiểm chứng mà bạn có thể đánh dấu và sử dụng ngay cho các nhiệm vụ của riêng mình. Tôi sẽ không đề cập đến mọi lĩnh vực, mà tập trung vào 7 lĩnh vực khác nhau. Nếu bất kỳ lĩnh vực nào trong số đó phù hợp với công việc bạn đang làm, hãy thử chúng và cho tôi biết kết quả trong phần bình luận nhé. Bắt đầu thôi.
1. Ứng tuyển Việc làm & Sự nghiệp → Prompt với Persona + Cá nhân hóa
Những thư xin việc chung chung rất dễ nhận ra. Mặc dù cá nhân tôi cho rằng một lá thư do chính tay bạn viết sẽ tự nhiên và thu hút nhà tuyển dụng hơn, tôi hiểu đây là một trong những trường hợp sử dụng phổ biến nhất. Trong trường hợp đó, hãy thêm một chút cá nhân hóa và giữ giọng điệu tự nhiên. Nếu bạn chỉ dán CV của mình vào, nó thường làm nổi bật mọi thứ — kể cả những điều không thực sự quan trọng. Bạn cũng có thể thêm một vài điểm chính về cấu trúc nếu muốn. Đừng chỉ hỏi: “Viết một thư xin việc cho vị trí kỹ sư ML tại công ty XYZ.” Bạn không muốn thư của mình giống hệt mọi ứng viên khác.
Template:
Bạn là trợ lý sự nghiệp của tôi. Hãy viết một thư xin việc (cover letter) được tùy chỉnh cho vị trí [Chức danh công việc] tại [Công ty].Thông tin về tôi: [dán các kỹ năng chính, thành tích liên quan nhất và kinh nghiệm làm việc].
Hướng dẫn:
– Giữ giọng điệu: chuyên nghiệp, tự tin, nhưng tự nhiên — không quá nhiệt tình.
– Tóm tắt kinh nghiệm theo cách làm nổi bật giá trị và tác động có thể chuyển giao, không chỉ liệt kê nhiệm vụ.
– Cấu trúc:
1) Lời mở đầu ngắn gọn thể hiện sự quan tâm chân thành đến vai trò/công ty.
2) Một đoạn văn ngắn kết nối nền tảng của tôi với yêu cầu công việc.
3) Lời kết với lời kêu gọi hành động đầy tự tin nhưng vẫn tôn trọng.
– Giữ thư trong vòng một trang.
2. Toán học & Lý luận Logic → Kỹ thuật Chain-of-Thought + Vai trò + Few-Shot Prompting
Hầu hết mọi người trong cộng đồng có thể đã biết Chain-of-Thought và Few-Shot Prompting là gì, nhưng vì nhiều sinh viên và người dùng không chuyên kỹ thuật sử dụng LLM cho mục đích này, tôi muốn đề cập rõ. Các LLM thường gặp khó khăn với toán học nếu bạn hỏi trực tiếp. Ví dụ, hãy thử yêu cầu một LLM đếm số chữ ‘r’ trong từ ‘strawberry’ và bạn sẽ thấy nó gặp khó khăn. Thay vào đó, yêu cầu nó rõ ràng “lý luận từng bước” sẽ cải thiện độ chính xác. Thêm các ví dụ minh họa — các bài toán đã được giải — sẽ giảm thiểu lỗi hơn nữa bằng cách cung cấp một khung lý luận rõ ràng.
Template:
Bạn là một gia sư toán. Hãy giải bài toán sau từng bước trước khi đưa ra đáp án cuối cùng.Ví dụ:
Q: Nếu một đoàn tàu di chuyển với vận tốc 60 km/h trong 2 giờ, nó đi được bao xa?
A: Bước 1: Quãng đường = Tốc độ × Thời gian = 60 × 2 = 120 km.
Đáp án cuối cùng: 120 kmBây giờ hãy giải bài toán này:
[Chèn bài toán toán học của bạn vào đây]
3. Tạo Code → Prompt Phân rã Hướng dẫn + Ràng buộc
Viết code là một trong những trường hợp sử dụng chính của LLM, và đó cũng là lý do bạn có thể đã nghe đến thuật ngữ “vibe coding” đang thịnh hành. Ngay cả các developer có kinh nghiệm cũng chuyển sang tạo boilerplate code bằng LLM rồi phát triển tiếp. Nếu bạn đã từng viết code, bạn biết rằng một vấn đề có thể có nhiều cách giải, và LLM đôi khi làm mọi thứ phức tạp hơn mức cần thiết. Một chút hướng dẫn dưới dạng các ràng buộc — và chia nhỏ nhiệm vụ với đầu vào, đầu ra và yêu cầu rõ ràng — sẽ giúp đầu ra thực tế hơn.
Template:
Bạn là một kỹ sư phần mềm cấp cao. Hãy viết code Python để hoàn thành nhiệm vụ sau với các ràng buộc: {ràng buộc}.Nhiệm vụ: {mô tả những gì code cần thực hiện}
Yêu cầu:
Định dạng đầu vào: {chỉ định}
Định dạng đầu ra: {chỉ định}
Các trường hợp đặc biệt cần xử lý: {liệt kê chúng}Chỉ cung cấp code sạch, có comment.
4. Học tập & Gia sư → Phương pháp Socrates + Hướng dẫn Giảng dạy
Rất nhiều người sử dụng LLM như một công cụ học tập nhờ tính linh hoạt và khả năng thích ứng với phong cách ưa thích của bạn. Các phương pháp giảng dạy khác nhau phù hợp với những người khác nhau, nhưng một cách tiếp cận tôi thấy vừa hữu ích vừa được áp dụng rộng rãi là khi việc học không diễn ra một chiều. Thay vào đó, “giáo viên” đặt câu hỏi để kiểm tra sự hiểu biết của bạn, sau đó mới làm rõ hoặc giải thích thêm. Điều này duy trì tính tương tác và tránh việc đọc thụ động.
Template:
Bạn là một gia sư kiên nhẫn. Thay vì đưa ra câu trả lời trực tiếp, hãy hướng dẫn tôi từng bước thông qua các câu hỏi mà tôi có thể trả lời. Sau đó, dựa trên câu trả lời của tôi, hãy giải thích giải pháp một cách rõ ràng.Chủ đề: {Chèn chủ đề}
Bắt đầu giảng dạy:
5. Viết Sáng tạo & Kể chuyện → Sáng tạo Có Kiểm soát với Persona + Phong cách
Một trong những trường hợp sử dụng nổi bật của LLM là sự phát triển của nội dung dành cho trẻ em, nhờ khả năng tạo ra những câu chuyện hấp dẫn. Bạn cũng có thể đã thấy các video AI trên YouTube theo xu hướng tương tự. Việc tạo câu chuyện khá thú vị, nhưng nếu bạn để mô hình tự do sáng tạo, mọi thứ có thể dễ dàng đi lạc hướng. Để giữ cho câu chuyện hấp dẫn và có cấu trúc, việc đặt ra các ràng buộc như góc nhìn, chủ đề, nhân vật, hoặc thậm chí kết thúc sẽ rất hữu ích. Trong thực tế, điều này hoạt động tốt hơn nhiều cho các nhiệm vụ sáng tạo.
Template:
Bạn là một người kể chuyện tài năng. Hãy viết một câu chuyện ngắn (khoảng 400 từ) theo phong cách magical realism (chủ nghĩa hiện thực huyền ảo).Góc nhìn: ngôi thứ nhất
Chủ đề: khám phá một thế giới ẩn giấu trong những điều bình thường
Đối tượng/Mức độ phức tạp: trẻ em (đơn giản)
Kết thúc: Kết thúc với một twist (bất ngờ) thú vị.
6. Động não & Tạo ý tưởng → Tư duy Phân kỳ + Hội tụ
Khi nói đến sáng tạo, một trong những cách sử dụng LLM hiệu quả nhất là để động não. Nhưng nếu bạn chỉ yêu cầu “ý tưởng”, mô hình có thể đưa ra một danh sách ngẫu nhiên, quá rộng hoặc không thực tế. Một cách tốt hơn là tuân theo quy trình tương tự trong các buổi động não thực tế: đầu tiên mở rộng và tạo ra càng nhiều ý tưởng thô càng tốt (tư duy phân kỳ), sau đó thu hẹp và tinh chỉnh những ý tưởng tốt nhất thành các giải pháp khả thi (tư duy hội tụ). Bằng cách này, bạn nhận được cả sự sáng tạo và cấu trúc.
Template:
Bước 1: Hãy tạo ra 10 ý tưởng thô, chưa lọc cho [chủ đề].
Bước 2: Chọn ra 3 ý tưởng thực tế nhất và mở rộng từng ý tưởng thành một bản phác thảo chi tiết.
7. Kinh doanh & Chiến lược → Prompt Có Cấu trúc theo Phong cách Tư vấn
Rất nhiều người sử dụng LLM cho các nhiệm vụ kinh doanh, cho dù là nghiên cứu thị trường, lập kế hoạch hay xây dựng chiến lược. Vấn đề là nếu bạn chỉ đặt một câu hỏi mơ hồ như “Làm thế nào để cải thiện việc kinh doanh của tôi?”, bạn thường sẽ nhận được một câu trả lời chung chung, không thực sự hữu ích. Cách để có được đầu ra thực tế và rõ ràng hơn là định dạng prompt theo cấu trúc, tương tự như cách các công ty tư vấn trình bày phân tích. Điều này giúp câu trả lời tập trung, tránh lan man và có thể hành động được.
Template:
Bạn là một nhà tư vấn chiến lược. Hãy đưa ra một phân tích có cấu trúc 3 phần cho [thách thức kinh doanh].1. Tình hình Hiện tại: Các sự kiện chính, bối cảnh thị trường, hoặc dữ liệu có sẵn.
2. Thách thức Chính: Các vấn đề hoặc trở ngại chính cần giải quyết.
3. Chiến lược Đề xuất: 3 bước hành động có thể thực hiện trực tiếp.
Tham khảo thêm các gợi ý ChatGPT sáng tạo nội dung hay nhất của tôi.
Tags: Prompt Engineering, AI Templates, LLM Best PracticesPrompt Engineering, AI Templates, LLM Best Practices
