選
I. Lựa Chọn và Phân Tích Tác Vụ Học Tập
Để đánh giá sự khác biệt của kỹ nghệ Prompt, tôi đã lựa chọn 3 tác vụ học tập điển hình với các thách thức riêng biệt:
- Tác vụ 1: Tóm tắt tài liệu học thuật (Cơ chế hoạt động của AI/LLM): Thách thức là phải tránh việc tóm tắt bị thiếu ý chính hoặc giữ lại quá nhiều từ ngữ chuyên ngành gây khó hiểu cho người đọc.
- Tác vụ 2: Giải thích khái niệm phức tạp (Bill Pugh Singleton): Thách thức nằm ở chỗ AI dễ giải thích một cách máy móc, cần ép AI sử dụng phép ẩn dụ và ví dụ thực tế cho người mới bắt đầu.
- Tác vụ 3: Tạo bộ câu hỏi ôn tập (Lập trình hướng đối tượng - OOP): Thách thức là câu hỏi AI tạo ra thường quá dễ hoặc nhàm chán, cần đa dạng hóa mức độ và có giải thích chi tiết đáp án.
問
II. Khung Tư Duy Thiết Kế Prompt - Công thức CREATE
Để khai thác tối đa Mô hình ngôn ngữ lớn (LLM), tôi áp dụng triệt để khung CREATE:
- C Context (Bối cảnh): Luôn cho AI biết nó đang giải quyết vấn đề cho ai (ví dụ: học sinh cấp 2, sinh viên năm nhất).
- R Role (Vai trò): Gắn cho AI một nhân dạng (Giáo sư, chuyên gia) để định hình toàn bộ không gian từ vựng và giọng văn.
- E Explicit Constraints (Ràng buộc rõ ràng): Quy định chặt chẽ về độ dài (ví dụ: dưới 200 chữ) và định dạng (bullet points, bảng biểu).
- A Actionable Steps (Các bước cụ thể): Nếu tác vụ phức tạp, phân tách thành Bước 1, Bước 2,... để AI tư duy rành mạch.
- T Tone (Giọng điệu): Cụ thể hóa cảm xúc của văn bản (hài hước, nghiêm túc, truyền cảm hứng).
- E Examples (Ví dụ): Cung cấp sẵn các mẫu nhỏ (few-shot) để AI bắt chước chính xác tư duy.
効
IV. So Sánh và Phân Tích Hiệu Quả Cơ Chế AI
| Mức độ Prompt |
Kết quả đầu ra |
Phân tích chuyên sâu |
| Cơ bản |
Dàn trải, không cấu trúc thống nhất. Giọng văn trung tính, khô khan như từ điển. |
Tạo ra câu trả lời ngẫu nhiên về cấu trúc, văn phong giống robot và đôi khi thiếu trọng tâm. |
| Cải tiến |
Bám sát số lượng, định dạng (đúng 3 đoạn, 5 câu hỏi), trình bày khoa học hơn nhưng văn phong vẫn an toàn. |
Định hình được khối lượng thông tin và cấu trúc hiển thị nhưng chưa đột phá về mặt truyền đạt. |
| Nâng cao |
Nhập vai xuất sắc, cuốn hút. Sử dụng ẩn dụ thông minh (máy pha cà phê). Giải thích cặn kẽ cả các phương án sai. |
Sự lột xác hoàn toàn. Việc yêu cầu "giải thích tại sao sai" đã biến bài test thành một tài liệu tự học vô giá. |
Lý giải sự hiệu quả qua góc độ "Tư duy phản biện" của AI
Bản chất của LLM là dự đoán từ (token) tiếp theo. Khi chúng ta cung cấp "Role" (Vai trò), ta đang chủ động thu hẹp không gian từ vựng và xác suất của AI về một chuyên ngành hoặc phong cách cụ thể. Hơn nữa, việc sử dụng kỹ thuật "Chain-of-thought" (hướng dẫn từng bước) giúp AI phân bổ logic nội dung chặt chẽ, giảm thiểu tối đa hiện tượng "ảo giác" (hallucination) thay vì để AI tự do sinh ra văn bản.