Contents
Chào mừng bạn đến với Fx Studio. Thần đèn không bao giờ hỏi lại bạn muốn gì. AI cũng vậy. Bài này mổ xẻ khoảng cách giữa cái bạn GÕ và cái bạn MUỐN – và cách thu hẹp nó cho tới khi gần bằng không.
Đọc lại truyện thần đèn sau 20 năm, mới thấy đây là tài liệu prompt engineering hay nhất từng được viết. Mọi điều ước hỏng trong cổ tích đều có chung một lỗi: người ước nói rõ LỜI, nhưng giấu mất Ý ĐỊNH. “Cho tôi giàu có” – vàng đổ xuống đè chết. Thần đèn làm đúng chữ. Và đúng chữ thường là thảm họa.
Phần lớn các bài viết về prompt dạy bạn cách RA LỆNH cho thần đèn hay hơn: thêm “hãy suy nghĩ từng bước”, gán vai “bạn là chuyên gia”, dùng dấu phân cách XML. Đó là kỹ thuật. Bài này nói về thứ nằm dưới kỹ thuật, thứ không có template nào cứu được nếu thiếu: ý định.
Vì bạn không thiếu kỹ năng prompt. Bạn thiếu biết rõ mình muốn gì trước khi xoa cái đèn.
Vì sao ý định rớt mất khi dịch ra chữ
Một mô hình ngôn ngữ không hiểu bạn. Nó dự đoán phần tiếp theo có xác suất cao nhất của CHUỖI CHỮ bạn đưa vào. Đây không phải tiểu tiết kỹ thuật, đây là toàn bộ vấn đề. Trong đầu bạn, “viết cho hay” gắn liền với hàng nghìn ngữ cảnh ngầm: gu của bạn, người đọc bạn nhắm tới, cái bạn đã chán, deadline, văn hóa công ty. Mô hình không thấy gì trong số đó. Nó chỉ thấy ba chữ “viết cho hay” và điền vào bằng trung bình thống kê của hàng triệu lần “viết cho hay” trên internet – tức là sáo rỗng, an toàn, vô hồn.
Khoảng cách diễn ra ở ba chặng, và rò rỉ ở cả ba:
Chặng một là chặng đau nhất, vì nó không phải lỗi của AI. Rất nhiều lần bạn gõ một prompt mơ hồ không phải vì lười mô tả, mà vì chính bạn cũng chưa quyết định mình muốn gì. AI chỉ phản chiếu sự mơ hồ đó lại – nhanh hơn, sạch hơn, khó chối hơn. Đây là lý do prompt engineering, làm cho tới, giống kỹ thuật soi lại chính mình hơn là kỹ thuật điều khiển máy.
Chặng hai là chặng đa số người nghĩ là toàn bộ vấn đề: diễn đạt. Bạn biết mình muốn gì nhưng câu chữ chưa tải hết. Đây là chặng kỹ thuật có thể sửa được, và phần lớn bài này dành cho nó.
Chặng ba là nơi mô hình tự ý lấp chỗ trống. Mọi thứ bạn không nói, nó sẽ đoán. Và nó đoán theo cái phổ biến nhất, không phải cái đúng nhất với bạn. Một ý định đầy đủ là một ý định không để lại chỗ trống đáng kể nào cho nó đoán.
Giải phẫu một ý định đầy đủ
Trước khi nói cách truyền tải, phải biết truyền tải CÁI GÌ. Một ý định hoàn chỉnh không phải một câu mệnh lệnh. Nó có năm thành phần, và prompt tệ thường là prompt thiếu ba trong số đó.
1. MỤC TIÊU – bạn muốn đạt được gì, không phải làm gì. “Viết email” là hành động. “Viết email để sếp đồng ý dời deadline mà không thấy mình thiếu năng lực” là mục tiêu. Mục tiêu chứa cái “để làm gì”, và cái “để làm gì” định hình mọi lựa chọn còn lại.
2. RÀNG BUỘC – cái không được phép. Thần đèn không có ràng buộc nên vàng đổ xuống đè chết. Ràng buộc âm (“đừng đụng các file khác”, “không quá 200 chữ”, “không dùng từ chuyên ngành”) thường có giá trị hơn ràng buộc dương, vì nó chặn đúng những thảm họa bạn đã lường trước.
3. NGỮ CẢNH – thế giới quanh nhiệm vụ. Ai đọc, ai dùng, nó nằm ở đâu trong hệ thống lớn hơn, cái gì đã thử và thất bại. Đây là phần rò rỉ nhiều nhất, vì với bạn nó hiển nhiên tới mức bạn quên nói.
4. TIÊU CHÍ ĐẠT – làm sao biết kết quả là tốt. Đây là thành phần hay bị bỏ nhất và quan trọng nhất. Nếu bạn không định nghĩa được “hay” nghĩa là gì, mô hình cũng không thể, và bạn sẽ nhận về phiên bản trung bình của “hay”. “Hay” với bài này có thể là “ngắn, gắt, mỗi câu một ý”; với bài khác là “ấm, kể chuyện, có nhịp”. Hai định nghĩa cho ra hai bài hoàn toàn khác.
5. HÌNH MẪU – một ví dụ về cái đúng. Một ví dụ tốt tải nhiều ý định hơn mười dòng mô tả. Đây là cách dạy mô hình cái “gu” mà bạn không diễn đạt nổi bằng tính từ.
Không phải prompt nào cũng cần đủ năm ô. Một câu hỏi tra cứu nhanh thì mục tiêu là đủ. Nhưng khi kết quả ra “đúng chữ sai hồn”, gần như chắc chắn bạn đang thiếu một trong năm ô này – và thường là ô số 4.
Bảy best practice để truyền tải ý định
Đây là phần thực hành. Mỗi cái nhắm vào một chặng rò rỉ cụ thể.
1. Đặc tả thay vì mô tả
Mỗi tính từ trong prompt là một chỗ trống cho mô hình đoán. “Chuyên nghiệp”, “hiện đại”, “súc tích”, “thân thiện” – đều là chỗ trống. Quy tắc: với mỗi tính từ quan trọng, thay bằng một tiêu chí đo được hoặc một ví dụ.
Mơ hồ: "Viết mô tả sản phẩm cho hay"
Đặc tả: "Viết mô tả sản phẩm dưới 80 chữ, mở bằng vấn đề
người dùng gặp, không dùng từ 'cách mạng' hay
'đột phá', kết bằng một câu gọi hành động cụ thể"
Bài kiểm tra nhanh: đọc lại prompt, khoanh mọi tính từ. Mỗi cái khoanh được là một chỗ bạn đang phó mặc cho thần đèn.
2. Ràng buộc âm – nói cả cái KHÔNG muốn
Mô hình mặc định làm nhiều thứ bạn không yêu cầu: thêm lời mở đầu, giải thích lại đề bài, “cải thiện” những phần bạn muốn giữ nguyên. “Fix nhanh giúp anh” cho ra bản fix đúng bug đó kèm ba bug mới, vì bạn quên nói “đừng đụng chỗ khác”. Ràng buộc âm rẻ mà hiệu quả: “không thêm giải thích”, “giữ nguyên cấu trúc hiện tại”, “chỉ sửa phần được đánh dấu”.
3. Cho ví dụ, đừng tả gu
Khi cái bạn muốn khó diễn đạt bằng lời (giọng văn, phong cách code, định dạng), đừng tả – đưa mẫu. Một hoặc hai ví dụ về output đúng dạy mô hình nhanh hơn mọi tính từ. Đây là kỹ thuật few-shot, nhưng bản chất nó là: bạn không cần định nghĩa “hay”, bạn chỉ cần chỉ vào một thứ hay và nói “kiểu này”.
4. Định nghĩa “đạt” trước khi bấm gửi
Trước khi gửi prompt, tự trả lời: “Tôi sẽ biết kết quả này tốt nếu nó ___”. Nếu bạn không điền được chỗ trống đó, mô hình cũng không, và bạn đang ước một điều mình chưa hiểu. Đưa luôn câu trả lời đó vào prompt dưới dạng tiêu chí: “Kết quả đạt nếu một người mới đọc hiểu trong 30 giây và không cần hỏi lại.”
5. Giao vai và ngữ cảnh, nhưng có lý do
Gán vai (“bạn là editor khó tính của một tạp chí công nghệ”) có tác dụng không phải vì ma thuật, mà vì nó kéo theo cả một cụm ngữ cảnh và tiêu chí ngầm mà bạn lười viết ra. Dùng nó như một cách nén ngữ cảnh, không phải bùa chú. Vai không liên quan tới nhiệm vụ thì chỉ là nhiễu.
6. Phân rã ý định lớn
Một ý định lớn nhồi vào một prompt thường rớt nhiều hơn. “Phân tích codebase này, tìm bug, sửa, viết test, và làm tài liệu” là năm ý định đeo lên một câu. Tách ra, làm tuần tự, kiểm tra giữa các bước. Mỗi bước có một ý định rõ thì tổng thể mới đúng. Đây cũng là lý do agent tốt không phải agent làm hết trong một lượt.
7. Bắt mô hình nói lại ý định trước khi làm
Kỹ thuật mạnh nhất và ít người dùng: trước khi để mô hình thực thi, yêu cầu nó diễn đạt lại nhiệm vụ bằng lời của nó và nêu các giả định nó đang ngầm hiểu. “Trước khi viết, hãy tóm tắt bạn hiểu tôi muốn gì và liệt kê những chỗ bạn đang phải đoán.” Bạn sẽ thấy chính xác chỗ ý định bị rò rỉ – và sửa trước khi nó thành output sai. Thần đèn không bao giờ hỏi lại; nhưng bạn có thể bắt nó hỏi lại.
Cách luyện kỹ năng này
Best practice là thứ để biết. Kỹ năng là thứ để luyện. Bốn bài tập dưới đây không cần công cụ gì ngoài việc bạn dùng AI hàng ngày.
Bài tập “spec trước, prompt sau”. Trước khi gõ prompt cho một việc khó, viết ra năm ô ý định ở mục trên bằng gạch đầu dòng, ngoài khung chat. Mất 60 giây. Bạn sẽ phát hiện mình thường thiếu ô số 4 (tiêu chí đạt). Làm đủ một tuần, việc này thành phản xạ và bạn bỏ được bước viết ra giấy.
Bài tập “nói lại”. Với mọi prompt quan trọng, thêm yêu cầu mô hình nói lại ý định và liệt kê giả định trước khi làm. Đọc phần nó đoán. Mỗi giả định sai là một bài học miễn phí về chỗ chữ của bạn chưa tải đủ.
Bài tập “đảo ngược”. Khi mô hình cho ra một kết quả bất ngờ tốt, đừng chỉ ăn mừng – hỏi lại: prompt của tôi đã tải đúng ý định ở chỗ nào? Khi nó cho ra kết quả tệ, đừng chỉ sửa prompt – chẩn đoán: ô nào trong năm ô tôi đã bỏ trống? Tích lũy chẩn đoán này thành một checklist riêng của bạn.
Bài tập “cắt một nửa”. Lấy một prompt dài bạn từng viết, cắt một nửa số chữ nhưng giữ nguyên kết quả. Bài tập này dạy bạn phân biệt chữ TẢI ý định và chữ chỉ làm nền. Prompt tốt không phải prompt dài, mà là prompt không có chỗ trống đáng kể.
Một checklist tối giản để dán cạnh màn hình:
TRƯỚC KHI GỬI PROMPT QUAN TRỌNG: [ ] Tôi đã nói "để làm gì", không chỉ "làm gì"? [ ] Tôi đã nêu cái KHÔNG được làm? [ ] Mọi tính từ quan trọng đã có tiêu chí hoặc ví dụ? [ ] Tôi điền được "kết quả đạt nếu nó ___"? [ ] Ý định này có nên tách thành nhiều bước không?
“Model giỏi hơn rồi, cần gì đặc tả?”
Phản biện thường gặp: mô hình ngày càng mạnh, sớm muộn nó tự hiểu ý mình, đặc tả tỉ mỉ chỉ tốn công. Có phần đúng – mô hình mới đoán chỗ trống giỏi hơn mô hình cũ, và với task phổ thông, một prompt lười vẫn ra kết quả khá.
Nhưng có hai chỗ phản biện này hụt. Thứ nhất, mô hình giỏi hơn ở việc đoán cái PHỔ BIẾN, không phải cái RIÊNG của bạn. Càng nhiều người dùng cùng một mô hình với prompt lười, output càng hội tụ về một mẫu số chung – và nếu giá trị của bạn nằm ở chỗ khác biệt, thứ bạn nhận về là thứ trung bình. Thứ hai, ô số 4 – tiêu chí đạt – không phải vấn đề năng lực của mô hình. Đó là vấn đề bạn có biết mình muốn gì không. Mô hình mạnh tới đâu cũng không thể quyết định hộ bạn “hay” nghĩa là gì với riêng bạn. Khoảng cách ở chặng một không co lại theo phiên bản model.
Nói cách khác: kỹ thuật prompt sẽ commoditize, mô hình sẽ tự lo phần đoán ngày một tốt. Cái không commoditize là khả năng bạn biết rõ mình muốn gì và đặc tả được nó. Đó là kỹ năng còn lại sau khi mọi mẹo prompt đã lỗi thời.
Tạm kết
Mọi điều ước hỏng trong cổ tích đều là một prompt tệ. Không phải vì người ước thiếu kỹ thuật ước, mà vì họ chưa hiểu rõ điều mình muốn trước khi xoa cái đèn. AI không thay đổi bản chất đó – nó chỉ phơi bày nhanh hơn, ở quy mô lớn hơn.
Giá trị thật của việc học truyền tải ý định không nằm ở chỗ AI trả lời đúng hơn. Nó nằm ở chỗ buộc bạn ngừng giả vờ rằng mình đã hiểu vấn đề. Mỗi prompt rõ ràng là một lần bạn buộc phải quyết định mình thật sự muốn gì – và đó là việc khó hơn nhiều so với học một mẹo nhắc lệnh.
Thần đèn không bao giờ hỏi lại bạn muốn gì. Câu hỏi đó, bạn phải tự hỏi mình – trước khi gõ.
Lần gần nhất AI cho bạn kết quả “đúng chữ, sai hồn”, ô nào trong năm ô ý định bạn đã để trống?
Cảm ơn bạn đã đọc bài viết này!
Related Posts:
