Giải phẫu một prompt tốt: 5 thành phần cốt lõi
Khám phá 5 thành phần cốt lõi của prompt hiệu quả. Học cách truyền đạt ý định rõ ràng để AI trả lời chính xác ngay lần đầu tiên.
Định nghĩa
Prompt không phải chỉ là "câu hỏi" — prompt là lệnh giao tiếp có cấu trúc với AI. Một prompt tốt gồm 5 thành phần cốt lõi: Context (bối cảnh), Task (nhiệm vụ), Format (định dạng), Constraints (ràng buộc), và Examples (ví dụ mẫu). Giống như gọi món ở nhà hàng: bạn không chỉ nói "đồ ăn" (prompt tệ), mà phải nói bạn dị ứng đậu phộng, muốn món Ý, và ít phô mai.
Giải thích chi tiết
Context — Bối cảnh: AI đang nói chuyện với ai?
Context trả lời câu hỏi: "Bạn là ai? Bạn đang làm gì? Tại sao bạn cần thông tin này?"
LLM không biết bạn là sinh viên hay giám đốc trừ khi bạn nói. Nếu bạn hỏi "giải thích Machine Learning", AI sẽ bối rối: giải thích cho trẻ 5 tuổi hay cho tiến sĩ? Khi thêm context "Tôi là sinh viên năm nhất ngành Marketing, chưa biết gì về code", AI điều chỉnh ngôn ngữ và độ sâu ngay lập tức.
Context còn bao gồm background thông tin: tài liệu cần xử lý, tình huống cụ thể, hoặc lịch sử cuộc trò chuyện quan trọng.
Task — Nhiệm vụ: Chính xác bạn muốn AI làm gì?
Đây là trung tâm của prompt. Task phải là hành động cụ thể, động từ mạnh: "viết", "tóm tắt", "phân tích", "so sánh", "chuyển đổi".
Tránh mơ hồ như "giúp tôi với bài này". Thay vào đó: "Viết một đoạn mở bài cho bài luận về biến đổi khí hậu". Task càng cụ thể, AI càng ít phải đoán ý bạn.
Format — Định dạng: Bạn muốn nhận kết quả dạng gì?
Format quyết định cấu trúc output: danh sách bullet points, bảng so sánh, đoạn văn liền mạch, JSON, email chuyên nghiệp, hay văn nói?
Nếu không chỉ định, AI tự chọn — và thường chọn sai với nhu cầu của bạn. "Trả lời dưới dạng bảng so sánh" sẽ cho kết quả khác hoàn toàn so với "trả lời dưới dạng câu chuyện".
Constraints — Ràng buộc: Giới hạn và yêu cầu đặc biệt
Constraints là các bức tường bảo vệ: độ dài (dưới 100 từ), giọng văn (hài hước nhưng không xúc phạm), nội dung tránh (không dùng thuật ngữ chuyên ngành), hoặc góc nhìn (từ góc độ người tiêu dùng).
Constraints cũng bao gồm "guardrails" — ví dụ: "chỉ sử dụng thông tin từ tài liệu được cung cấp, không thêm kiến thức bên ngoài".
Examples — Ví dụ mẫu: Khi lời nói chưa đủ
Với những yêu cầu trừu tượng — như "viết theo phong cách Hemingway" — hãy show, don't tell. Đưa một đoạn mẫu 2-3 câu để AI "bắt nhịp" phong cách bạn muốn.
Examples đặc biệt quan trọng trong Few-shot Prompting — kỹ thuật đưa 2-3 ví dụ trước khi yêu cầu AI làm việc tương tự.
Ví dụ thực tế
Viết email xin nghỉ phép
Prompt tệ (không có cấu trúc):
viết email xin nghỉPrompt tốt (đầy đủ 5 thành phần):
Tôi là lập trình viên junior mới vào công ty 3 tháng (Context).
Hãy viết email cho sếp xin nghỉ làm thứ Sáu tuần này để đi khám bệnh (Task).
Format là email công việc chuyên nghiệp, có chủ đề rõ ràng (Format).
Giữ dưới 150 từ, lịch sự nhưng không quá kính cẩn, và đề xuất làm bù vào thứ Bảy (Constraints).Kết quả: Email dứt khoát, phù hợp văn hóa công ty tech, không dài dòng nhưng đủ thông tin.
Giải thích khái niệm cho học sinh
Prompt tệ:
giải thích lượng tử học điPrompt tốt:
Tôi là giáo viên lớp 10 đang chuẩn bị bài giảng (Context).
Giải thích hiện tượng "entanglement" trong vật lý lượng tử (Task) bằng phép ẩn dụ từ đời thường (ví dụ: đôi giày, đôi găng tay).
Viết 2-3 đoạn ngắn, mỗi đoạn 3-4 câu (Format).
Tránh dùng công thức toán học và thuật ngữ tiếng Anh chuyên ngành (Constraints).
Ví dụ về phong cách: "Hai chiếc đồng hồ giống hệt nhau..." (Examples).Kết quả: Giải thích phù hợp trình độ lớp 10, dễ hình dung, không làm học sinh hoang mang.
Trích xuất thông tin từ cuộc họp
Prompt tệ:
tóm tắt cuộc họp này
[paste transcript 5 trang]Prompt tốt:
Bạn là trợ lý dự án có kinh nghiệm (Context).
Từ biên bản cuộc họp dưới đây, hãy trích xuất các action items cụ thể (Task).
Trình bày dưới dạng checklist: [Người chịu trách nhiệm] - [Công việc] - [Deadline] (Format).
Chỉ liệt kê các mục có deadline cụ thể được nhắc đến, bỏ qua các ý kiến thảo luận chung chung (Constraints).
[paste transcript]Kết quả: Danh sách việc làm rõ ràng, ai làm gì khi nào — sẵn sàng paste vào Asana hay Notion.
Ứng dụng
Dành cho sinh viên
Khi viết prompt có đủ 5 thành phần, bạn dùng AI như một gia sư cá nhân thay vì công cụ tra cứu. Context giúp AI điều chỉnh độ khó phù hợp năm học của bạn. Format giúp bạn nhận được outline bài luận thay vì bài luận hoàn chỉnh — để bạn tự viết và học hỏi.
Dành cho người đi làm
Trong môi trường công sở, Constraints là cứu cánh: "Viết bản tóm tắt dưới 200 từ để gửi lên ban lãnh đạo" giúp bạn khỏi phải cắt xén thủ công. Context "Tôi đang chuẩn bị pitch cho khách hàng ngành tài chính" giúp AI dùng đúng thuật ngữ fintech thay vì giải thích căn bản.
Dành cho doanh nghiệp và startup
Khi xây dựng workflow AI cho team, việc chuẩn hóa 5 thành phần này thành template giúp đảm bảo consistency. Mọi nhân viên đều dùng cùng một cấu trúc để viết email khách hàng, phân tích đối thủ, hay viết bài blog — kết quả đồng nhất, dễ maintain.
So sánh: Prompt ngẫu nhiên vs Prompt có cấu trúc
| Tiêu chí | Prompt ngẫu nhiên | Prompt có cấu trúc (5 thành phần) |
|---|---|---|
| Độ rõ ràng | AI phải đoán ý bạn, kết quả như "xổ số" | AI biết chính xác yêu cầu, kết quả ổn định |
| Thời gian chỉnh sửa | 70% thời gian sửa lại vì sai ý | 90% đúng ngay lần đầu, chỉ tinh chỉnh nhỏ |
| Khả năng lặp lại | Khó tái tạo kết quả tốt | Prompt có thể lưu lại dùng đi dùng lại |
| Troubleshooting | Không biết lỗi ở đâu để sửa | Dễ dàng xác định: thiếu Context hay Format chưa đúng? |
Kết luận: Viết prompt không có cấu trúc giống như ném thư vào đại dương và mong người nhận hiểu đúng. 5 thành phần này là bộ khung giúp bạn truyền đạt ý định rõ ràng — không phải để "lừa" AI cho kết quả hay hơn, mà để AI thực sự hiểu bạn muốn gì.
Bài viết liên quan
Cùng cụm
Prompt Engineering là gì?
Hiểu bản chất Prompt Engineering và tại sao nó quan trọng hơn việc "hỏi AI khéo"
LLM đọc prompt như thế nào?
Token, probability, và cách AI thực sự "hiểu" những gì bạn viết
10 lỗi prompt phổ biến
Những sai lầm thường gặp khiến prompt kém hiệu quả và cách khắc phục
Tư duy lặp lại: Viết prompt như viết code
Học cách cải thiện prompt qua từng phiên bản — draft, test, refine
Đọc tiếp
Kỹ thuật cơ bản: Bắt đầu thực hành
Chuyển từ lý thuyết sang thực hành với Zero-shot, Few-shot, và Chain-of-Thought
LLM đọc prompt như thế nào? Token, probability, và cách AI hiểu bạn
Khám phá cách LLM xử lý prompt qua token và probability. Hiểu bản chất này giúp bạn viết prompt hiệu quả hơn ngay lập tức.
10 lỗi prompt phổ biến và cách khắc phục
Từ mơ hồ đến quá tải - 10 sai lầm phổ biến khiến ChatGPT/Claude trả lời tệ và cách khắc phục chỉ trong 2 phút. Khắc phục ngay để AI hiểu đúng ý bạn.