Tài liệu chính thức của các hãng AI: docs, cookbook, hướng dẫn prompt

Bài này dựa trên tài liệu của Anthropic, OpenAI và Google, cùng ba kho cookbook trên GitHub, đọc ngày 11/11/2026. Số sao các kho ghi theo ngày đó.

Vì sao đọc tài liệu chính thức

Trên mạng có rất nhiều "mẹo prompt", nhiều mẹo viết cho mô hình đời cũ và không còn đúng. Tài liệu chính thức có ba lợi thế: do người hiểu mô hình nhất viết, được cập nhật khi mô hình mới ra, và nói rõ chỗ mô hình mới khác mô hình cũ. Ví dụ, trang Prompting best practices của Anthropic (11/11/2026) chia làm ba phần: hướng dẫn riêng cho từng mô hình, kỹ thuật chung cho các mô hình hiện tại, và lưu ý khi chuyển prompt từ đời mô hình trước sang.

Với người học AI, đọc tài liệu gốc còn là một kỹ năng nghề: công cụ thay đổi theo tháng, và người đọc tài liệu gốc luôn đi trước người đọc bài tóm tắt.

Anthropic (Claude)

Prompt engineering overview. Trang tổng quan nói rằng hướng dẫn giả định bạn đã có: định nghĩa rõ tiêu chí thành công cho trường hợp sử dụng, cách kiểm thử thực nghiệm theo tiêu chí đó, và một bản prompt đầu tiên muốn cải thiện. Trang cũng lưu ý không phải tiêu chí nào cũng nên giải quyết bằng prompt; ví dụ độ trễ và chi phí đôi khi cải thiện dễ hơn bằng cách chọn mô hình khác.

Prompting best practices. Đây là trang tham chiếu chính, gồm các mục: rõ ràng và trực tiếp, thêm bối cảnh, dùng ví dụ hiệu quả, cấu trúc prompt bằng thẻ XML, giao vai trò, prompt cho ngữ cảnh dài, định dạng đầu ra, dùng công cụ, suy nghĩ (thinking), hệ thống agent, và nối chuỗi prompt. Một phép thử đáng nhớ trong mục "Be clear and direct": đưa prompt cho một đồng nghiệp ít biết về nhiệm vụ và nhờ họ làm theo; nếu họ bối rối thì mô hình cũng vậy.

Bài hướng dẫn tương tác. Trang tổng quan dẫn tới kho prompt-eng-interactive-tutorial trên GitHub và một bản rút gọn trên Google Sheets; trang ghi rõ bài hướng dẫn viết cho Claude 3, nên chỗ nào khác thì theo Prompting best practices.

Cookbook. Kho anthropics/claude-cookbooks (54.514 sao, giấy phép MIT) là tập notebook và công thức dùng Claude, ví dụ notebook "metaprompt" giúp tạo bản prompt đầu tiên.

OpenAI

Hướng dẫn prompt engineering của OpenAI (11/11/2026) đi qua:

• Vai trò của thông điệp: chỉ dẫn cấp cao (instructions) và thông điệp developer chứa quy tắc của ứng dụng được ưu tiên hơn thông điệp user.
• Giữ prompt dùng thật trong code của ứng dụng để được review, kiểm thử và triển khai như code bình thường.
• Cấu trúc prompt bằng tiêu đề Markdown và thẻ XML; thông điệp developer thường gồm danh tính, chỉ dẫn, ví dụ và bối cảnh, bối cảnh đặt gần cuối.
• Ví dụ mẫu (few-shot) với nhiều dạng đầu vào khác nhau.
• Ghim phiên bản mô hình cụ thể cho ứng dụng thật, và xây bộ kiểm thử, đánh giá để theo dõi khi đổi prompt hay nâng mô hình.

Kho openai/openai-cookbook (77.039 sao, MIT) có ví dụ và hướng dẫn dùng API của OpenAI.

Google (Gemini)

Trang Prompt design strategies (nay nằm trên aistudio.google.com, đọc ngày 11/11/2026) gồm: chỉ dẫn rõ và cụ thể; ví dụ mẫu (trang khuyên luôn có ví dụ mẫu trong prompt, và lưu ý prompt không có ví dụ thường kém hiệu quả hơn); thêm bối cảnh; nói rõ định dạng câu trả lời mình muốn; chia nhỏ prompt phức tạp hoặc nối chuỗi; thử các tham số như nhiệt độ, độ dài tối đa; và lặp lại bằng cách diễn đạt khác khi kết quả chưa đạt. Trang cũng lưu ý mô hình Gemini mới có thể bỏ qua một số tham số, nên xem hướng dẫn theo từng mô hình.

Kho google-gemini/cookbook (17.919 sao, Apache-2.0) có ví dụ dùng Gemini API.

Năm điểm chung và cách tự soát

Đặt ba tài liệu cạnh nhau, có năm điểm cả ba cùng nhắc:

1. Chỉ dẫn rõ việc cần làm, không để mô hình đoán.
2. Bối cảnh: ai đọc kết quả, dùng để làm gì, ràng buộc nào.
3. Ví dụ mẫu, nhiều dạng, cùng định dạng.
4. Tách phần bằng thẻ XML hoặc tiêu đề Markdown, nhất là khi có tài liệu dài.
5. Định dạng đầu ra: độ dài, dạng bảng, JSON, gạch đầu dòng.

Đoạn Python dưới đây soát một prompt theo năm điểm đó bằng các dấu hiệu từ khóa đơn giản, và in ra điểm còn thiếu. Ví dụ "Tóm tắt bài này." chỉ đạt 1/5; bản viết lại có người đọc là sinh viên năm nhất, bài giảng trong thẻ <bai_giang>, tối đa 5 gạch đầu dòng mỗi dòng không quá 20 từ, và một ví dụ gạch đầu dòng tốt thì đạt 5/5.

"""Soát một prompt theo những điểm mà tài liệu chính thức của Anthropic, OpenAI và Google đều nhắc tới
(đọc ngày 11/11/2026): chỉ dẫn rõ, bối cảnh, ví dụ mẫu, tách phần bằng thẻ hoặc tiêu đề, định dạng đầu ra.

Đây là danh sách kiểm thô dựa trên từ khóa, giúp nhớ đủ các phần; nó không chấm được chất lượng prompt.
Cách đo thật là bộ đánh giá (eval) chạy trên câu hỏi mẫu.
"""
import re

MUC = [
    ("Chỉ dẫn rõ việc cần làm", r"\b(hãy|viết|tóm tắt|phân loại|trả lời|liệt kê|dịch|trích)\b"),
    ("Bối cảnh: ai dùng, để làm gì", r"(người đọc|sinh viên|khách hàng|người dùng|bối cảnh|mục đích|dùng để)"),
    ("Ví dụ mẫu (few-shot)", r"(ví dụ|<example>|đầu vào:.*\n.*đầu ra:)"),
    ("Tách phần bằng thẻ XML hoặc tiêu đề", r"(<[a-z_]+>.*</[a-z_]+>|^#+ )"),
    ("Định dạng đầu ra", r"(định dạng|json|bảng|gạch đầu dòng|tối đa \d+|không quá \d+)"),
]


def soat(prompt):
    thap = prompt.lower()
    return [(ten, bool(re.search(mau, thap, re.M | re.S))) for ten, mau in MUC]


def in_soat(ten, prompt):
    kq = soat(prompt)
    dong = [f"== {ten}: {sum(c for _, c in kq)}/{len(kq)}"]
    dong += [f"  thiếu: {m}" for m, c in kq if not c]
    return dong


PROMPT_SO_SAI = "Tóm tắt bài này."

PROMPT_DAY_DU = """Bạn giúp sinh viên năm nhất ôn tập. Người đọc chưa học xác suất.
Hãy tóm tắt bài giảng trong thẻ <bai_giang> thành tối đa 5 gạch đầu dòng, mỗi dòng không quá 20 từ.

<bai_giang>
(dán nội dung bài giảng vào đây)
</bai_giang>

Ví dụ một gạch đầu dòng tốt:
- Hạ gradient đi ngược chiều đạo hàm để giảm hàm mất mát.
"""


def chay_thu():
    dong = in_soat("Prompt sơ sài", PROMPT_SO_SAI) + in_soat("Prompt đầy đủ", PROMPT_DAY_DU)
    print("\n".join(dong))
    return dong


if __name__ == "__main__":
    chay_thu()

Đây chỉ là danh sách kiểm để nhớ đủ phần; nó không biết prompt có thật sự tốt không. Cách đo thật là bộ đánh giá chạy trên câu hỏi mẫu, như cả ba hãng đều khuyên; xem bài đánh giá câu trả lời của AI.

Một vòng cải thiện prompt

Ghép ba tài liệu lại, quy trình làm việc với prompt có dạng một vòng lặp:

1. Viết tiêu chí thành công đo được. Ví dụ: "tóm tắt đúng ý chính ở ít nhất 9 trên 10 bài giảng mẫu, không quá 5 gạch đầu dòng".
2. Chuẩn bị bộ câu hỏi mẫu, gồm cả trường hợp dễ, khó và ngoài phạm vi.
3. Chạy bản prompt đầu tiên trên cả bộ, ghi lại kết quả làm mốc.
4. Đổi một thứ mỗi lần: thêm ví dụ, thêm bối cảnh, tách phần bằng thẻ, đổi mô hình. Chạy lại cả bộ.
5. Giữ thay đổi nếu kết quả tốt hơn, bỏ nếu không. Ghi lại vì sao.

Điểm quan trọng nhất là bước 4: đổi nhiều thứ cùng lúc thì không biết thay đổi nào có tác dụng. Lưu các phiên bản prompt trong git cùng code, như hướng dẫn của OpenAI khuyên, để xem lại và quay về được.

Đọc theo thứ tự nào

1. Trang tổng quan và trang best practices của hãng bạn đang dùng.
2. Một bài hướng dẫn tương tác (như của Anthropic) để thực hành có hướng dẫn.
3. Vài notebook trong cookbook gần với dự án của bạn: phân loại, trích xuất thông tin, RAG, dùng công cụ.
4. Tài liệu về đánh giá (eval) của hãng, vì mọi thay đổi prompt cần được đo.

Khi đã quen một hãng, đọc tài liệu hãng thứ hai sẽ rất nhanh vì nguyên tắc chung giống nhau; chỉ khác chi tiết API và hành vi riêng của từng mô hình.

Câu hỏi thường gặp

Học tiếp

• Toàn cảnh tài liệu học AI theo bậc: tài liệu học AI miễn phí.
• Viết prompt có phải một nghề riêng: prompt engineer là gì.
• Đo chất lượng câu trả lời thay vì đoán: đánh giá câu trả lời của AI.

Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.

Nguồn tham khảo

• Claude Docs: Prompt engineering overview
• Claude Docs: Prompting best practices
• OpenAI: Prompt engineering guide
• Google AI Studio: Prompt design strategies
• anthropics/claude-cookbooks
• openai/openai-cookbook
• google-gemini/cookbook
• Claude Docs: Pricing (đọc 15/11/2026)
• Gemini API: Pricing (đọc 15/11/2026)