Dùng AI

Mẫu prompt cho người mới: vai trò, nhiệm vụ, bối cảnh, định dạng

Mẫu prompt giúp bạn không quên thông tin quan trọng nhưng không nên sao chép máy móc. Hãy xem mẫu như phiếu giao việc: điền mục tiêu, dữ liệu, giới hạn và hình thức đầu ra; bỏ phần không cần; không dán dữ liệu nhạy cảm chỉ để lấp đủ ô.

Ý chính
  • Mẫu gốc gồm nhiệm vụ, bối cảnh/dữ liệu, đầu ra và một ô vai trò tùy chọn; nhiệm vụ và đầu ra quan trọng nhất.
  • Luôn thêm câu “nếu thiếu dữ kiện quan trọng, hãy hỏi tôi trước”; bỏ ô không cần, luyện bằng dữ liệu giả.
  • Mỗi mẫu nên có tiêu chí đạt và cách kiểm đầu ra; lưu khung riêng, không lưu dữ liệu thật (đối chiếu hướng dẫn của OpenAI, Google, Anthropic, đọc ngày 11/11/2026).

Bức tranh nhanh

Hình 1 là một mẫu đã điền cho việc nhận xét email: nhiệm vụ (chỉ ra 3 chỗ khó hiểu), bối cảnh (khách hàng mới), ràng buộc (không viết lại toàn bộ) và định dạng (bảng câu gốc, vấn đề, gợi ý). Các mẫu bên dưới dùng cùng khung này.

Mẫu PromptMinh họa nội dung cụ thể của bàiMẫu Prompt[NHIỆM VỤ]Chỉ ra 3 chỗ khó hiểu[BỐI CẢNH]Email cho khách hàng mới[RÀNG BUỘC]Không viết lại toàn bộ[ĐỊNH DẠNG]Câu gốc | Vấn đề | Gợi ýBỏ ô không cần · dùng dữ liệu giả · lưu khung riêng khỏi nội dung
Mẫu PromptMinh họa nội dung cụ thể của bàiMẫu Prompt1[NHIỆM VỤ] phải làm gì2[BỐI CẢNH] dành cho ai3[RÀNG BUỘC] không suy đoán4[ĐỊNH DẠNG] bảng 3 cộtMỗi bước đều có căn cứ để người dùng đánh giá
Hình 1. Mẫu prompt nhận xét email: nhiệm vụ, bối cảnh, ràng buộc và định dạng bảng ba cột.

Mẫu gốc bốn phần

Bắt đầu: “Vai trò hỗ trợ: [góc nhìn hữu ích]. Nhiệm vụ: [động từ và kết quả]. Bối cảnh/dữ liệu: [điều cần biết]. Đầu ra: [định dạng và tiêu chí]. Nếu thiếu dữ kiện quan trọng, hãy hỏi tôi trước.” Phần vai trò là tùy chọn; nhiệm vụ và đầu ra thường quan trọng hơn. Ví dụ: “Hỗ trợ như biên tập viên rõ ràng. Chỉ ra ba chỗ khó hiểu nhất trong email. Người nhận là khách hàng mới. Trả bảng gồm câu gốc, vấn đề, gợi ý; không viết lại toàn bộ.”

Mẫu để hiểu khái niệm

“Tôi là [trình độ], đã biết [kiến thức], chưa hiểu [điểm cụ thể]. Hãy giải thích bằng ví dụ gần gũi, cho một phản chứng, rồi hỏi tôi hai câu. Chờ tôi trả lời mới giải thích đáp án.” Mẫu này biến AI thành người dẫn học. Điền thật cụ thể: “Tôi không hiểu Python” quá rộng; “tôi chưa hiểu vì sao sửa danh sách trong hàm ảnh hưởng biến ngoài” dễ được giải thích đúng trọng tâm.

Mẫu tóm tắt tài liệu

“Chỉ dựa trên tài liệu tôi cung cấp. Tóm tắt cho [người đọc/mục đích] thành [định dạng]. Giữ nguyên số và tên. Với điểm tài liệu không nêu, ghi rõ không nêu, không tự bổ sung. Mỗi ý ghi trang hoặc tiêu đề mục nếu xác định được.” Sau khi nhận, đối chiếu vài điểm với bản gốc. Với PDF quét hoặc bố cục phức tạp, yêu cầu liệt kê trang không đọc rõ trước.

Mẫu nhận xét bản nháp

“Đây là bản tôi tự viết. Mục tiêu là [mục tiêu], người đọc là [đối tượng]. Đánh giá theo [A, B, C]. Chỉ ra tối đa năm vấn đề quan trọng, giải thích tác động và gợi ý để tôi tự sửa. Không viết lại toàn bộ.” Mẫu giữ quyền tác giả và buộc bạn tham gia. Sau khi sửa, yêu cầu so sánh hai phiên bản theo đúng tiêu chí thay vì hỏi chung chung bản nào hay hơn.

Mẫu lập kế hoạch

“Mục tiêu của tôi là [kết quả] trước [thời điểm]. Tôi có [thời gian/nguồn lực], đã biết [nền tảng], bị hạn chế bởi [điều kiện]. Chia thành mốc nhỏ, mỗi mốc có sản phẩm kiểm được, rủi ro và cách điều chỉnh. Đừng giả định tôi có công cụ trả phí.” Kế hoạch AI chỉ là điểm đầu; bạn phải chỉnh theo lịch và phụ thuộc thật. Không đưa lịch riêng tư nếu mô tả khung tổng quát đã đủ.

Mẫu so sánh lựa chọn

“So sánh [A, B, C] cho [nhu cầu]. Tiêu chí ưu tiên là [danh sách]. Tách sự kiện có nguồn, nhận định và điều chưa biết. Không dùng bảng giá cũ; nếu thông tin đổi theo thời gian, chỉ trang chính thức cần kiểm.” Trước khi hỏi, tự chọn tiêu chí; nếu để AI chọn, nó có thể ưu tiên điều không quan trọng với bạn.

Mẫu kiểm thông tin

“Tách câu trả lời thành các khẳng định có thể kiểm. Với mỗi khẳng định, cho biết loại nguồn gốc nên tìm và từ khóa tra cứu. Không tự tạo trích dẫn. Nếu đưa liên kết, giải thích nó hỗ trợ câu nào.” Sau đó bạn mở nguồn. AI giúp lập danh sách nhưng không thay xác minh; lĩnh vực rủi ro cao cần người chuyên môn.

Biến mẫu thành của riêng bạn

Chọn nhiệm vụ lặp lại, thu thập ba đầu vào đại diện và viết tiêu chí đạt. Chạy mẫu, ghi lỗi, sửa một yếu tố mỗi lần. Khi ổn, lưu phần cố định riêng với biến cần điền. Không lưu dữ liệu thật trong mẫu dùng chung. Mỗi khi công cụ đổi, chạy lại bộ ví dụ. Mục tiêu không phải thư viện khổng lồ mà vài mẫu bạn hiểu, kiểm được và dùng thường xuyên.

Điền mẫu mà không điền máy móc

Chọn mẫu nhận xét bản nháp trong bài và dùng một đoạn khoảng 150 chữ do chính bạn viết. Điền mục tiêu cụ thể, người đọc, ba tiêu chí và giới hạn “không viết lại toàn bộ”. Trước khi gửi, gạch bỏ mục vai trò nếu không cần. Đọc phản hồi rồi xác định gợi ý nào dựa trên tiêu chí, gợi ý nào chỉ là sở thích văn phong của mô hình. Bạn quyết định sửa, không bấm chấp nhận tất cả.

Tạo bản mẫu thứ hai cho tóm tắt tài liệu công khai. Thay nội dung bằng một văn bản khác nhưng giữ khung. Quan sát chỗ cần biến mới như số trang hoặc thuật ngữ phải giữ. Nếu liên tục phải giải thích lại cùng một điều, đưa nó vào phần cố định. Nếu một ô thường bỏ trống, xóa khỏi mẫu. Mẫu tốt phải giảm thao tác và giảm hiểu nhầm, không phải buộc mọi việc mang cùng hình dạng.

Cuối cùng, lưu bản khung không có dữ liệu thật, một ví dụ giả và danh sách lỗi từng gặp. Đặt tên theo nhiệm vụ chứ không theo công cụ, để có thể chuyển nền tảng. Khi chia sẻ, kèm cách kiểm đầu ra; một mẫu chỉ dạy câu lệnh mà không dạy xác minh sẽ khiến người mới sao chép nhanh hơn nhưng chưa chắc làm đúng hơn.

Ba lỗi khi dùng thư viện mẫu

Lỗi thứ nhất là giữ mọi ô dù không liên quan, khiến yêu cầu dài và mâu thuẫn. Lỗi thứ hai là tin rằng vai trò nghe uy tín sẽ thay chuyên môn hoặc nguồn. Lỗi thứ ba là chia sẻ mẫu đã điền sẵn dữ liệu thật. Cách sửa tương ứng là rút gọn theo nhiệm vụ, thêm tiêu chí có thể kiểm và tách hoàn toàn khung khỏi nội dung nhạy cảm.

Một thư viện cá nhân chỉ cần vài mẫu gắn với việc bạn làm thường xuyên. Mỗi mẫu nên có tên nhiệm vụ, khi nào dùng, khi nào không dùng, biến cần điền, ví dụ giả và checklist duyệt. Xóa mẫu không còn được kiểm. Chất lượng thư viện nằm ở khả năng tái tạo kết quả và giảm lỗi, không nằm ở số lượng prompt được sưu tầm từ mạng.

Khi một mẫu cho kết quả kém, hãy ghi đúng đầu vào và lỗi trước khi sửa. Chỉ thay một phần để biết nguyên nhân; thử lại trên ví dụ khác; trả mẫu về bản trước nếu lỗi tăng. Thói quen quản lý phiên bản đơn giản giúp bạn không biến một câu lệnh từng ổn thành khối chắp vá không ai còn hiểu.

Học tiếp

Muốn học bài bản cùng giảng viên?

Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.

Xem Khóa AI

Nguồn tham khảo

Chia sẻ: Facebook LinkedIn
Nhắn Zalo tư vấnZalo Gọi 0937 401 483