- Đừng nhờ AI viết đặc tả ngay: để nó hỏi lại những chỗ chưa rõ trước, bạn trả lời rồi mới viết.
- Đặc tả tốt có yêu cầu đánh số, phần ngoài phạm vi ghi rõ, và mỗi yêu cầu có tiêu chí chấp nhận kiểm được.
- Tiêu chí chấp nhận viết dạng Cho, Khi, Thì theo Gherkin: bối cảnh, hành động, kết quả đo được; Gherkin có sẵn từ khóa tiếng Việt.
- AI viết nhanh nhưng hay viết kết quả mơ hồ và bỏ sót trường hợp; người chốt yêu cầu vẫn là bạn.
Code trong bài là Python, chỉ dùng thư viện chuẩn; phần kiểm dùng thêm bộ phân tích Gherkin chính thức gherkin-official bản 42.0.1. Đề bài câu lạc bộ trong ví dụ là giả lập.
Đặc tả là gì và vì sao cần
Đặc tả trả lời hai câu hỏi: phần mềm phải làm gì, và làm sao biết nó đã làm đúng. Câu thứ hai hay bị quên nhất. "Cho sinh viên đăng ký câu lạc bộ" là một yêu cầu; "khi sinh viên gửi biểu mẫu với email chưa có trong danh sách thì danh sách có thêm email đó" là một tiêu chí kiểm được. Có tiêu chí, bạn viết test được, bạn cùng nhóm biết khi nào xong, và khi tranh luận thì có văn bản để chỉ vào.
AI rất hợp với việc này vì nó giỏi liệt kê: hỏi những câu bạn chưa nghĩ tới, chia yêu cầu thành phần nhỏ, nghĩ ra trường hợp biên. Nhưng nó không biết ý của thầy, của khách hay của nhóm. Nó sẽ tự điền vào chỗ trống bằng những giả định nghe hợp lý. Vì vậy quy trình trong bài luôn bắt đầu bằng việc để AI hỏi, và kết thúc bằng việc người soát.
Tiêu chí chấp nhận dạng Cho, Khi, Thì
Các prompt trong bài yêu cầu AI viết tiêu chí theo Gherkin, ngôn ngữ mô tả hành vi mà công cụ Cucumber dùng. Theo tài liệu tham chiếu của Cucumber, bước Given mô tả bối cảnh ban đầu của hệ thống, thường là điều đã xảy ra; bước When mô tả một sự kiện hay hành động, như một người thao tác với hệ thống; bước Then mô tả kết quả mong đợi, và khi chạy test thì bước này so kết quả thật với kết quả mong đợi.
Tài liệu cũng cho biết Gherkin được dịch sang hơn 70 ngôn ngữ, chọn bằng dòng "# language:" ở đầu tệp. Với tiếng Việt, từ khóa là Tính năng, Tình huống, Cho, Khi, Thì, Và. Viết tiếng Việt giúp cả nhóm và thầy đọc được, mà vẫn chạy được bằng công cụ khi cần.
Prompt 1: để AI hỏi lại trước
Prompt đầu tiên không xin đặc tả, mà xin câu hỏi. Đây là bước tiết kiệm nhiều công nhất.
Mình cần viết đặc tả cho yêu cầu sau. Đừng viết đặc tả vội.
Hãy đọc yêu cầu và liệt kê tối đa 10 câu hỏi về những chỗ chưa rõ, xếp theo mức ảnh hưởng tới thiết kế (câu ảnh hưởng nhiều nhất trước).
Với mỗi câu, ghi thêm giả định bạn sẽ dùng nếu mình không trả lời.
Không hỏi những điều đã có trong yêu cầu.
Yêu cầu:
"""
Làm trang web cho câu lạc bộ tin học: sinh viên đăng ký tham gia, trưởng ban xem danh sách và xuất ra tệp.
"""
Bối cảnh: đồ án môn Công nghệ phần mềm, nhóm 4 người, làm trong 6 tuần, chạy trên máy chủ của trường.
Cột "giả định nếu không trả lời" rất có ích: bạn đọc lướt, gật đầu với giả định đúng, chỉ trả lời những câu mà giả định sai. Gửi lại các câu trả lời trong cùng cuộc trò chuyện rồi mới sang prompt 2.
Prompt 2: viết đặc tả theo khuôn
Dựa trên yêu cầu và các câu trả lời ở trên, viết đặc tả theo đúng khuôn sau, bằng tiếng Việt:
## Mục tiêu
Một đến hai câu: ai dùng, để làm gì.
## Yêu cầu
Danh sách dạng "- YC-1: ...". Mỗi yêu cầu một hành vi, viết từ phía người dùng, không nhắc công nghệ.
## Ngoài phạm vi
Những việc nhóm sẽ KHÔNG làm trong đồ án này.
## Tiêu chí chấp nhận
Một khối ```gherkin``` bắt đầu bằng "# language: vi". Mỗi yêu cầu có ít nhất một "Tình huống", gắn thẻ @YC-n ngay phía trên.
Mỗi tình huống có đủ Cho (bối cảnh), Khi (hành động), Thì (kết quả).
Kết quả phải đo được: con số, nội dung hiển thị cụ thể, trạng thái dữ liệu. Không dùng từ như "nhanh", "thân thiện", "hợp lý".
## Câu hỏi còn mở
Những điều bạn vẫn đang giả định.
Hai chi tiết đáng giữ. Phần "Ngoài phạm vi" chặn việc đồ án phình ra: không có đăng nhập bằng mạng xã hội, không có ứng dụng điện thoại. Phần "Câu hỏi còn mở" buộc mô hình khai báo những gì nó tự đoán, thay vì giấu trong đặc tả.
Prompt 3: tìm trường hợp biên và mâu thuẫn
Đóng vai người kiểm thử khó tính. Đọc bản đặc tả dưới đây và tìm:
1. Trường hợp biên chưa có tình huống nào: dữ liệu rỗng, trùng, quá dài, sai định dạng, hai người làm cùng lúc, mất mạng giữa chừng.
2. Hai yêu cầu hoặc hai tình huống mâu thuẫn nhau.
3. Kết quả viết mơ hồ, không kiểm được.
Trả về bảng: Loại | Vị trí (YC-n hoặc tên tình huống) | Vấn đề | Đề xuất tình huống mới viết bằng Gherkin.
Không sửa đặc tả, chỉ liệt kê.
Đặc tả:
"""
(dán đặc tả)
"""
Tách "tìm lỗi" khỏi "sửa lỗi" giúp bạn chọn đề xuất nào nhận. Mô hình ở vai người kiểm thử cũng tìm được nhiều chỗ thiếu hơn khi chỉ được giao một việc.
Prompt 4: từ tiêu chí sang danh sách test
Từ khối Gherkin dưới đây, viết danh sách test thủ công cho người chưa đọc đặc tả:
mỗi test gồm Mã (T-1, T-2...), Tình huống gốc, Dữ liệu chuẩn bị, Các bước bấm cụ thể, Kết quả cần thấy.
Giữ nguyên từng con số và nội dung trong bước "Thì", không làm tròn, không diễn đạt lại.
"""
(dán khối gherkin)
"""
Dòng cuối của prompt quan trọng: khi diễn đạt lại, mô hình hay biến "danh sách có đúng 3 dòng" thành "danh sách hiển thị đúng", mất luôn con số để kiểm. Muốn viết test tự động thay vì thủ công, bài AI viết test tự động có cách nhờ AI sinh test mà vẫn tự kiểm được.
Soát bản đặc tả bằng code
Đọc một đặc tả dài bằng mắt dễ bỏ sót. Đoạn Python dưới đây đọc đặc tả theo khuôn của prompt 2 và kiểm ba điều: mỗi tình huống có đủ Cho, Khi, Thì; mỗi yêu cầu có ít nhất một tình huống và không thẻ nào trỏ tới yêu cầu không tồn tại; bước Thì không chứa từ mơ hồ như "nhanh", "thân thiện".
"""Soát bản đặc tả do AI viết theo khuôn trong bài: danh sách yêu cầu YC-1, YC-2, ... và tiêu chí chấp nhận
viết bằng Gherkin tiếng Việt (# language: vi; từ khóa Tính năng, Tình huống, Kịch bản, Khung tình huống, Biết, Cho,
Khi, Thì, Và, Nhưng).
Kiểm ba điều:
1. Mỗi tình huống có đủ ba phần: bối cảnh (Cho), hành động (Khi), kết quả (Thì).
2. Mỗi yêu cầu YC-n được ít nhất một tình huống gắn thẻ @YC-n; không có thẻ trỏ tới yêu cầu không tồn tại.
3. Câu kết quả không dùng từ mơ hồ không đo được như "nhanh", "thân thiện", "hợp lý".
Chỉ dùng thư viện chuẩn. Bản đặc tả mẫu bên dưới là giả lập.
"""
import re
TU_MO_HO = ["nhanh", "thân thiện", "hợp lý", "dễ dùng", "đẹp", "tốt"]
LOAI = {"Cho": "boi_canh", "Biết": "boi_canh", "Khi": "hanh_dong", "Thì": "ket_qua"}
def doc_yeu_cau(van_ban):
return re.findall(r"^\s*-\s*(YC-\d+)\s*:", van_ban, flags=re.M)
def doc_gherkin(van_ban):
"""[(tên tình huống, [thẻ], [(loại bước, chữ)])] từ khối ```gherkin ... ```."""
khoi = re.search(r"```gherkin\n(.*?)```", van_ban, flags=re.S)
tinh_huong, the_cho, loai_truoc = [], [], None
for dong in (khoi.group(1) if khoi else "").splitlines():
dong = dong.strip()
if dong.startswith("@"):
the_cho = [t.lstrip("@") for t in dong.split()]
elif dong.startswith(("Tình huống:", "Kịch bản:", "Khung tình huống:", "Khung kịch bản:")):
tinh_huong.append((dong.split(":", 1)[1].strip(), the_cho, []))
the_cho, loai_truoc = [], None
elif tinh_huong and dong.split(" ", 1)[0] in (*LOAI, "Và", "Nhưng"):
tu, _, chu = dong.partition(" ")
loai = loai_truoc if tu in ("Và", "Nhưng") else LOAI[tu] # Và, Nhưng lấy loại của bước trước
tinh_huong[-1][2].append((loai, chu))
loai_truoc = loai
return tinh_huong
def soat(van_ban):
yc = doc_yeu_cau(van_ban)
th = doc_gherkin(van_ban)
bao = []
for ten, the, buoc in th:
thieu = {"boi_canh", "hanh_dong", "ket_qua"} - {loai for loai, _ in buoc}
if thieu:
ten_phan = {"boi_canh": "Cho", "hanh_dong": "Khi", "ket_qua": "Thì"}
bao.append(f"'{ten}': thiếu bước {', '.join(ten_phan[t] for t in ('boi_canh', 'hanh_dong', 'ket_qua') if t in thieu)}")
for loai, chu in buoc:
mo_ho = [t for t in TU_MO_HO if loai == "ket_qua" and re.search(rf"\b{t}\b", chu.lower())]
if mo_ho:
bao.append(f"'{ten}': kết quả mơ hồ ({', '.join(mo_ho)}): {chu}")
bao += [f"'{ten}': thẻ @{t} không có yêu cầu tương ứng" for t in the if t.startswith("YC-") and t not in yc]
da_phu = {t for _, the, _ in th for t in the}
bao += [f"{y}: chưa có tình huống nào" for y in yc if y not in da_phu]
return bao
DAC_TA_MAU = """## Yêu cầu
- YC-1: Sinh viên đăng ký tham gia câu lạc bộ bằng email trường.
- YC-2: Không cho đăng ký trùng email.
- YC-3: Trưởng ban xem được danh sách đăng ký.
## Tiêu chí chấp nhận
```gherkin
# language: vi
Tính năng: Đăng ký câu lạc bộ
@YC-1
Tình huống: Đăng ký thành công
Cho sinh viên chưa đăng ký với email an@truong.edu.vn
Khi sinh viên gửi biểu mẫu đăng ký
Thì danh sách có thêm email an@truong.edu.vn
Và trang hiện thông báo đăng ký thành công
@YC-2
Tình huống: Đăng ký trùng email
Cho email an@truong.edu.vn đã có trong danh sách
Khi sinh viên gửi biểu mẫu với email đó
Thì trang báo lỗi nhanh và thân thiện
@YC-4
Tình huống: Xuất danh sách
Khi trưởng ban bấm nút xuất danh sách
```
"""
if __name__ == "__main__":
for dong in soat(DAC_TA_MAU):
print(dong)
Với đặc tả mẫu, chương trình báo bốn điều: tình huống đăng ký trùng email có kết quả mơ hồ; tình huống xuất danh sách thiếu bước Cho và Thì, lại gắn thẻ @YC-4 trong khi chỉ có YC-1 tới YC-3; và YC-3 chưa có tình huống nào. Phần kiểm đi kèm đọc cùng khối Gherkin bằng bộ phân tích chính thức của Cucumber, với bảng từ khóa tiếng Việt có sẵn trong gói, và so từng tên tình huống, thẻ, loại bước với kết quả của chương trình; cả trên đặc tả mẫu lẫn các bản có dùng từ khóa Kịch bản, Biết, Và, Nhưng, Khung tình huống.
Khi kết quả chưa đúng thì sửa prompt thế nào
- AI không hỏi mà viết luôn. Thêm câu "Nếu bạn viết đặc tả ở bước này, câu trả lời bị coi là sai" và giới hạn số câu hỏi. Mô hình làm theo chỉ dẫn rõ ràng tốt hơn chỉ dẫn lịch sự.
- Yêu cầu dính công nghệ, như "dùng MySQL lưu email". Nhắc lại "viết từ phía người dùng, không nhắc công nghệ" và đưa một ví dụ đúng, một ví dụ sai.
- Kết quả mơ hồ. Đưa luôn danh sách từ cấm vào prompt, và yêu cầu mỗi bước Thì có ít nhất một con số, một nội dung hiển thị cụ thể hoặc một trạng thái dữ liệu.
- Quá nhiều yêu cầu, đồ án phình to. Thêm giới hạn "tối đa 8 yêu cầu cho 6 tuần" và yêu cầu xếp hạng theo mức cần thiết; phần còn lại đưa sang ngoài phạm vi.
- Khối Gherkin sai cú pháp. Nhắc dòng "# language: vi" và đúng các từ khóa; chạy đoạn code soát hoặc bộ phân tích để biết chỗ sai thay vì đoán.
- Mô hình tự thêm tính năng không ai yêu cầu. Yêu cầu ghi nguồn cho mỗi yêu cầu: câu nào trong đề bài hay câu trả lời nào của bạn dẫn tới nó.
Nguyên tắc chung khi viết prompt, như giao vai, đưa khuôn, đưa ví dụ, có trong bài prompt là gì.
Ví dụ: đồ án quản lý câu lạc bộ
Nhóm bạn nhận đề ba dòng như trong prompt 1. AI hỏi lại tám câu, trong đó có những câu cả nhóm chưa nghĩ tới: một sinh viên có được đăng ký nhiều câu lạc bộ không, ai được xem danh sách, xuất ra định dạng gì, có cần duyệt đăng ký không. Nhóm hỏi thầy ba câu và tự quyết năm câu. Với prompt 2, AI viết sáu yêu cầu và mười tình huống. Đoạn code soát bắt được hai kết quả mơ hồ và một yêu cầu chưa có tình huống. Prompt 3 thêm bốn trường hợp biên, nhóm nhận ba. Bản đặc tả cuối được gửi thầy duyệt trước khi ai viết dòng code nào, và các tình huống Gherkin về sau trở thành bộ test của đồ án.
- Nhờ AI viết đặc tả ngay mà không để nó hỏi lại.
- Nhận mọi giả định của AI mà không đọc phần câu hỏi còn mở.
- Để kết quả mơ hồ như "hệ thống chạy nhanh", không đo được.
- Bỏ phần ngoài phạm vi, để đồ án phình dần.
- Để AI diễn đạt lại tiêu chí khi chuyển thành test, làm mất con số.
- Không gửi đặc tả cho người ra yêu cầu duyệt.
Câu hỏi thường gặp
Đặc tả yêu cầu cần có những phần nào?
Mục tiêu, yêu cầu đánh số, phần ngoài phạm vi, tiêu chí chấp nhận và câu hỏi còn mở.
Tiêu chí chấp nhận dạng Given When Then là gì?
Cho là bối cảnh, Khi là hành động, Thì là kết quả mong đợi đo được, theo cú pháp Gherkin.
Gherkin có viết bằng tiếng Việt được không?
Được; đặt dòng "# language: vi" và dùng Tính năng, Tình huống, Cho, Khi, Thì.
Có nên để AI viết đặc tả từ đầu đến cuối?
Không; để AI hỏi lại và đề xuất, còn bạn quyết định và người ra yêu cầu duyệt.
Học tiếp
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
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.


