Bí quyết 'bỏ đói' AI: Cách cung cấp ngữ cảnh để nhận câu trả lời không chung chung

Nếu bạn đã từng yêu cầu AI "viết một email" hay "giải thích một khái niệm" và nhận lại một câu trả lời sáo rỗng, đầy 'buzzword', thì bạn không hề đơn độc. Vấn đề không phải là AI kém, mà là nó thiếu ngữ cảnh (context). Các mô hình ngôn ngữ lớn (LLM) có xu hướng đưa ra câu trả lời có xác suất thống kê cao nhất, nghĩa là chúng sẽ 'nhả' ra những đoạn văn bản an toàn, chung chung, trừ khi bạn hướng dẫn chúng một cách cụ thể.

Giải pháp rất đơn giản: Cung cấp cho mô hình những ràng buộc, bối cảnh và cấu trúc cụ thể trước khi nó bắt đầu tạo ra bất cứ điều gì. Dưới đây là những kỹ thuật tạo nên sự khác biệt lớn nhất, dựa trên nghiên cứu về prompt engineering và kinh nghiệm từ những người dùng chuyên nghiệp.

Chiến lược cốt lõi để có ngữ cảnh tốt hơn

1. Giao vai trò và xác định đối tượng

Thay vì yêu cầu chung chung như "Viết một email", hãy xác định AI là ai và nó đang viết cho ai. Một vai trò sẽ ngay lập tức thay đổi giọng điệu, chiều sâu và góc nhìn. Ví dụ: "Bạn là một trưởng phòng Nhân sự đang viết email chào mừng một kỹ sư phần mềm mới, người sẽ làm việc từ xa ở một múi giờ khác." Sự kết hợp giữa vai trò và đối tượng sẽ làm cho kết quả đầu ra trở nên cụ thể và khác biệt rõ rệt .

Các nguồn từ hướng dẫn prompt hiệu quả của MIT , các phương pháp hay nhất của OpenAI và các tài nguyên cộng đồng về kỹ thuật prompt đều nhấn mạnh đây là một kỹ thuật nền tảng.

2. Cung cấp bối cảnh 'làm thay đổi' câu trả lời

Trước khi đưa ra yêu cầu, hãy thêm một hoặc hai câu bối cảnh mà mô hình không thể tự biết được. MasterPrompting.net gợi ý bạn nên tự hỏi một câu hỏi chẩn đoán duy nhất: "Điều gì mà mô hình rất có thể sẽ hiểu sai nếu tôi không nói cho nó biết?" Đó chính là thông tin bạn cần cung cấp .

Cùng một nguồn này ước tính rằng chỉ cần nói rõ bạn là ai (hoặc kết quả đầu ra này dành cho ai) và bạn đang cố gắng đạt được điều gì sẽ cải thiện 80% kết quả của bạn .

3. Nói cho AI biết điều KHÔNG ĐƯỢC làm

Việc đặt ra các ranh giới trước khi AI bắt đầu tạo ra nội dung sẽ lọc bỏ những kết quả chung chung ngay từ đầu. Ví dụ: "Không dùng các từ ngữ sáo rỗng, không bắt đầu bằng 'Trong thế giới phát triển nhanh ngày nay', không liệt kê quá 3 điểm." Kỹ thuật này được khuyến nghị bởi các nguồn tập trung vào việc tránh các kết quả đầu ra chung chung từ ChatGPT . Nguyên tắc là thu hẹp không gian đầu ra ngay từ đầu, trước khi mô hình có thể 'chệch hướng' vào các lối mòn sáo rỗng.

4. Cấu trúc prompt bằng các phần có nhãn

Sử dụng các dấu phân cách rõ ràng như

## Bối cảnh

## Hướng dẫn

## Ràng buộc

## Định dạng đầu ra

5. Cung cấp ví dụ về những gì bạn muốn

Một ví dụ tốt (hoặc một ví dụ xấu cần tránh) trong prompt của bạn sẽ thu hẹp đáng kể 'không gian đầu ra' và làm giảm các câu trả lời chung chung. Đây được gọi là kỹ thuật "few-shot prompting" — cho mô hình thấy bạn đang tìm kiếm điều gì thay vì chỉ mô tả nó .

Các kỹ thuật nâng cao

Thủ thuật xếp hạng (Ranking Trick)

Thay vì yêu cầu một câu trả lời, hãy yêu cầu nhiều lựa chọn và xếp hạng chúng theo một thang đo nào đó. Ví dụ: Thay vì "Hãy kể một câu chuyện cười về mặt trời", hãy thử "Hãy kể 5 câu chuyện cười về mặt trời, xếp hạng từ câu phổ biến nhất đến câu thứ 5 mà tôi chưa từng nghe." Điều này buộc mô hình phải vượt qua phản hồi có xác suất thống kê cao nhất (và do đó, mang tính chung chung nhất) của nó .

Phương pháp 'Phỏng vấn tôi' (Interview Me Method)

Bắt đầu prompt của bạn bằng: "Hãy phỏng vấn tôi cho đến khi bạn hiểu rõ tình hình, sau đó đưa ra đề xuất của bạn." Mô hình sẽ hỏi bạn những câu hỏi mục tiêu trước khi đưa ra câu trả lời, qua đó lấy được ngữ cảnh tốt hơn từ bạn ngay từ đầu. Kỹ thuật này đến từ những người dùng chuyên nghiệp, những người coi AI như một 'nhân viên mới thông minh' và cần thu thập yêu cầu trước khi làm việc .

'Hỏi đáp nhiều vòng' (Iterative Follow-ups)

Đừng chấp nhận câu trả lời đầu tiên. Phản hồi ban đầu của AI thường chỉ là một 'giá trị trung bình' — hãy coi nó như một bản nháp đầu tiên. Hãy tiếp nối với các prompt như "Làm cho nó cụ thể hơn", "Đưa cho tôi một phiên bản dành cho khán giả không chuyên" hoặc "Bây giờ hãy thách thức các giả định của chính bạn". Mỗi lần lặp lại sẽ cải thiện tính cụ thể và việc coi AI như một nhân viên giỏi có thể bị 'thúc ép' để đưa ra chi tiết hơn là một dấu hiệu của những người dùng AI cao cấp .

Khuyến khích AI có một lập trường

Các LLM thường có xu hướng mặc định là giọng điệu trung lập, cân bằng. Nếu bạn muốn một câu trả lời bớt chung chung, hãy yêu cầu AI có một chính kiến. "Đẩy nó vào việc có một lập trường" là một kỹ thuật được các chuyên gia chia sẻ. Họ lưu ý rằng bản chất 'xu nịnh' (sycophancy) của AI—khuynh hướng làm hài lòng—có thể được điều hướng bằng cách yêu cầu một góc nhìn cụ thể .

Kết hợp tất cả lại: Một khung làm việc

Đối với những prompt quan trọng nhất, hãy kết hợp các kỹ thuật trên thành một khung làm việc có cấu trúc. Một mô hình thực tế từ cộng đồng người dùng chuyên nghiệp bao gồm bốn phần :

• Nhiệm vụ (Assignment): Các chỉ dẫn ngắn gọn, rõ ràng
• Trích dẫn (Quotes): Các tài liệu tham khảo hoặc ngữ cảnh có liên quan
• Ghi chú (Notes): Những hiểu biết sâu sắc hoặc điểm cần cân nhắc của bạn
• Hướng dẫn bổ sung (Additional Instructions): Định dạng, số lượng từ, góc nhìn, giọng điệu và các ràng buộc

Khuôn khổ này tương tự như khung "Ricky" (Role - Vai trò, Intent - Mục đích, Condition - Điều kiện, Context - Bối cảnh, Examples - Ví dụ) và các phương pháp tiếp cận có cấu trúc khác mà các chuyên gia thực hành sử dụng để có được kết quả nhất quán, không chung chung .

Kết luận

Thông điệp chính ở đây là: ngữ cảnh không phải là viết prompt dài hơn, mà là viết prompt có mục tiêu hơn. Trước khi gõ yêu cầu, hãy dành 10 giây để xác định AI nên là ai, nó nên tránh điều gì và nó cần thông tin cụ thể nào. Chỉ riêng điều này thôi đã có thể biến kết quả của bạn từ chung chung thành thực sự hữu ích.