Few-shot Prompting: Dạy AI bằng ví dụ

Định nghĩa

Few-shot Prompting là kỹ thuật đưa ra 1-5 ví dụ mẫu (cặp input-output) trước khi yêu cầu AI thực hiện nhiệm vụ thực tế, giúp AI nhận diện pattern thay vì phải đoán mò định dạng bạn muốn.

Giải thích chi tiết

Tại sao AI cần "học mẫu"?

AI không hiểu "cảm giác" của bạn. Khi bạn nói "tóm tắt đoạn này theo kiểu hay hay", AI không biết "hay hay" của bạn là kiểu Buzzfeed hay là kiểu tạp chí khoa học.

Few-shot giải quyết vấn đề này bằng cách show, don't tell. Thay vì dùng 100 từ để mô tả định dạng, bạn đưa 2-3 ví dụ cụ thể. AI nhìn vào pattern và áp dụng cho case mới. Đây là cách AI "học" nhanh nhất — giống như bạn chỉ cho bạn mới vào công ty cách viết email khách hàng bằng cách đưa 2 email mẫu thay vì đọc quy trình 10 trang.

Cấu trúc chuẩn của Few-shot

Một prompt few-shot chuẩn có cấu trúc rõ ràng:

Input: [văn bản/vấn đề mẫu 1]
Output: [kết quả mong muốn 1]

Input: [văn bản/vấn đề mẫu 2] 
Output: [kết quả mong muốn 2]

Input: [vấn đề thực tế cần giải quyết]
Output:

Quy tắc vàng: Dòng cuối cùng để trống sau Output: để AI biết đây là chỗ nó cần điền.

Bao nhiêu là "đủ"?

• 1-shot: Đủ cho task đơn giản (phân loại có/không)
• 3-shot: Ngọt ngào cho hầu hết trường hợp — đủ để thấy pattern, không tốn quá nhiều token
• 5+ shot: Gọi là many-shot, chỉ dùng khi task phức tạp hoặc cần bắt nhiều edge case

Nhiều ví dụ quá không giúp AI thông minh hơn — nó chỉ tốn tiền (token) và thời gian xử lý. Nếu 3 ví dụ chưa đủ, thường là bạn chưa chọn đúng ví dụ đại diện, chứ không phải cần nhiều hơn.

Ví dụ thực tế

Phân loại email khách hàng

Bạn cần AI tự động phân loại email vào các nhãn: Urgent, Normal, Spam.

Input: "Tôi cần báo cáo tài chính Q3 trước 16h hôm nay, gấp!"
Output: Urgent

Input: "Cảm ơn team đã hỗ trợ, chúc cuối tuần vui vẻ."
Output: Normal

Input: "Giảm giá 90% viagra, mua ngay kẻo lỡ!"
Output: Spam

Input: "Hệ thống server đang down, khách hàng không truy cập được website."
Output:

AI sẽ trả lời: Urgent — vì pattern cho thấy sự cố kỹ thuật ảnh hưởng kinh doanh thuộc nhãn Urgent.

Chuyển đổi giọng văn (Casual → Formal)

Bạn muốn chuyển tin nhắn chat thân mật thành email công việc trang trọng.

Input: "Ê ông, gửp tài liệu cho tôi đi, cần gấp!"
Output: "Kính gửi anh, vui lòng gửi tài liệu đính kèm trước 17h00 hôm nay để phục vụ công tác báo cáo. Trân trọng."

Input: "Tao thấy bản thiết kế này ổn áp đó, cứ thế mà làm."
Output: "Tôi đã xem xét bản thiết kế và thấy phương án này phù hợp. Đề nghị triển khai theo đúng bản vẽ đính kèm."

Input: "Chị ơi, em muốn nghỉ phép mai để đưa con đi khám bệnh."
Output:

AI sẽ tạo: "Kính gửi chị, em xin phép nghỉ làm ngày mai để đưa con đi khám bệnh. Em sẽ bàn giao công việc trước khi nghỉ. Rất mong chị thông cảm."

Trích xuất dữ liệu có cấu trúc

Từ đoạn văn tự do trích xuất thông tin vào JSON.

Input: "Nguyễn Văn A, sinh năm 1995, làm kỹ sư tại Google, lương 50 triệu/tháng"
Output: {"name": "Nguyễn Văn A", "yob": 1995, "company": "Google", "salary": 50000000}

Input: "Lê Thị B, 1988, giám đốc marketing FPT, thu nhập 80tr"
Output: {"name": "Lê Thị B", "yob": 1988, "company": "FPT", "salary": 80000000}

Input: "Trần Văn C sinh 2000, mới vào Tiki làm junior dev, 15 củ một tháng"
Output:

AI trả về JSON chuẩn với {"name": "Trần Văn C", "yob": 2000, "company": "Tiki", "salary": 15000000} — nhận ra "15 củ" = 15 triệu dựa vào pattern từ ví dụ trước.

Ứng dụng

Sinh viên

• Viết essay: Đưa 2 đoạn mở bài hay, yêu cầu AI viết mở bài cho chủ đề mới theo cùng cấu trúc lập luận
• Giải bài tập: Cho AI xem 2 bài giải mẫu, sau đó đưa bài tập mới yêu cầu giải theo cách tư duy tương tự

Người đi làm

• Trả lời email: Lưu 3 template email phản hồi khách hàng hay nhất của bạn, dùng few-shot để AI viết email mới giữ đúng "hơi thở" thương hiệu
• Tạo báo cáo: Đưa 2 báo cáo cũ có cấu trúc đẹp, yêu cầu AI viết báo cáo tháng này theo format tương tự

Doanh nghiệp

• Phân loại ticket support: Tự động gắn nhãn priority cho ticket dựa trên 3-5 ví dụ đã phân loại sẵn
• Chuẩn hóa dữ liệu: Đưa dữ liệu nhập tay từ nhiều nguồn khác nhau về cùng format chuẩn (ví dụ: địa chỉ, số điện thoại, tên công ty)

So sánh

Kết luận: Nếu bạn mô tả 3 lần AI vẫn làm sai format, đừng viết thêm mô tả — hãy chuyển sang few-shot. Còn nếu task quá dễ (dịch tiếng Anh sang Việt), zero-shot cho nhanh gọn.

Bài viết liên quan

Cùng cụm

Đọc tiếp