Khi tương tác với các Mô hình AI sáng tạo, chẳng hạn như các mô hình ngôn ngữ lớn (LLM) như Chat GPT, Gemini, Prompt hay còn gọi là lời nhắc hay câu lệnh là thứ duy nhất được người dùng đưa vào hệ thống AI. Mô hình trí tuệ nhân tao nhận câu lệnh hay lời nhắc văn bản này và tạo kết quả đầu ra chỉ dựa trên nó. Vì vậy Prompt AI hay lời nhắc AI đóng vai trò quyết định trong việc tạo ra kết quả trả lời mà người dùng có thể tác động được, yếu tổ còn lại là do bản thân mô hình AI đó vận hành. Trong bài viết này, chúng ta phân tích sâu thêm về Prompt AI và các cơ sở đã được chuẩn hoá viết lời nhắc AI hay câu lệnh AI để có thể nhận được kết quả tốt nhất.
Prompt là gì? Câu lệnh AI hay Lời nhắc AI?
Prompt AI là một đoạn văn bản hoặc thông tin đóng vai trò là hướng dẫn hoặc ra lệnh cho mô hình AI. Prompt là chìa khóa cho phép chúng ta truyền đạt ý định của mình với máy. Theo đó Prompt là phương tiện giao tiếp chính giữa người dùng và mô hình AI. Lời nhắc hay Câu lệnh được thiết kế tốt có thể hướng mô hình AI theo hướng tạo ra nội dung hấp dẫn, phù hợp và đúng trọng tâm, trong khi lời nhắc được thiết kế kém sẽ dẫn đến kết quả chung chung và mờ nhạt.
Một prompt tốt hay một câu lệnh, lời nhắc AI tốt là prompt đáp ứng được mục đích của người dùng và yêu cầu xem xét và xử lý hậu kỳ ở mức tối thiểu.
Trong lĩnh vực trí tuệ nhân tạo, đặc biệt là khi làm việc với các mô hình ngôn ngữ lớn (LLM) như Gemini, “prompt” thường được dịch là “lời nhắc” hoặc “câu lệnh”. Cả hai cách dịch đều có thể sử dụng, nhưng tùy thuộc vào ngữ cảnh cụ thể, một cách dịch có thể phù hợp hơn
Tại sao lại là “lời nhắc” hoặc “Câu lệnh”?
- “Lời nhắc”: Từ này nhấn mạnh vào việc cung cấp một gợi ý ban đầu để AI bắt đầu quá trình tạo nội dung. Nó giống như khi chúng ta đưa ra một chủ đề để bắt đầu một cuộc trò chuyện.
- “Câu lệnh”: Từ này nhấn mạnh đến việc đặt ra một nhiệm vụ cụ thể cho AI thực hiện. Nó giống như khi chúng ta yêu cầu ai đó làm một việc gì đó.
Cả “lời nhắc” và “câu lệnh” đều là những cách dịch chính xác cho từ “prompt”. Việc chọn cách dịch nào phụ thuộc vào ngữ cảnh và mục tiêu bạn muốn đạt được khi giao tiếp với AI.
Tầm quan trọng của việc sử dụng Prompt để tận dụng AI
Các mô hình AI hiện nay có đóng góp lớn trong việc cải thiện hiệu suất công việc hiện đại. Vì vậy nên nhân sự trong tương lai cần hiểu rõ vai trò của AI và biết cách sử dụng Prompt AI một cách hiệu quả để tạo ra lời thế công việc và cải thiện hiệu suất. Cụ thể AI có đóng góp trong các phạm vi chính như sau:
- Hỗ trợ sáng tạo: Các gợi ý của AI góp phần tạo ra các tư duy mới, ý tưởng mới giúp người sử dụng tận dụng để nâng cao sự sáng tạo
- Nâng cao hiệu suất: AI là công cụ hỗ trợ mạnh mẽ để giải quyết các công việc lặp đi lặp lại, gơi ý các giải pháp để người sử dụng nâng cao năng suất
- Cải thiện chất lượng: Kết quả đầu ra từ AI có thể làm căn cứ để so sánh hoặc tinh chỉnh các kết quả công việc khác để cải thiện chất lượng
Như đã nói ở trên, mô hình AI có ứng dụng phổ biến nhất hiện nay là mô hình AI tạo sinh, điển hình với Chat GPT, Gemini… và việc sử dụng chúng chỉ thông qua yếu tố duy nhất là hiểu biết về Prompt AI. Nhân sự muốn có kết quả tốt cần biết cách viết lời nhắc hoặc câu lệnh đúng đắn và hiệu quả.
Các nguyên tắc của kỹ thuật viết Prompt AI
Các quy trình góp phần phát triển câu lệnh với mục tiêu xây dựng được các câu lệnh tốt nhằm tạo ra các kết quả đầu ra hữu ích, chất lượng từ hệ thống AI. Bất kỳ điều gì giúp hình thành và tinh chỉnh câu lệnh hay lời nhắc để mở khóa các khả năng của AI đều thuộc phạm vi kỹ thuật nhắc nhở.
Người dùng AI cần cung cấp cho mô hình AI thông qua prompt các đầu vào như: Dữ liệu, Phương pháp, Nhu cầu, Bối cảnh, Ví dụ để mô hình AI có thể tạo ra Kết quả sát với nhu cầu nhất.
Để có thể viết Prompt AI hiệu quả, người dùng là người có hiểu biết về lĩnh vực của mình và AI:
- Hiểu về AI: Hiểu được sự phức tạp của các mô hình AI và hướng dẫn chúng một cách hiệu quả để đạt được những kết quả cụ thể trên nhiều nhiệm vụ và lĩnh vực. Người cùng cũng cần nắm các mô hình AI nào có lợi thế trong cách trả lời nào, mô hình nào sáng tạo hơn, mô hình nào chính xác hơn và các yêu cầu của nó với Lời nhắc hay câu lệnh mà người dùng cung cấp để tận dụng hiểu quả vào trong từng trường hợp công việc cụ thể.
- Hiểu về chuyên môn: Nắm được chuyên môn và nhu cầu thực tế, xét duyệt và tinh chỉnh những kết quả mà AI cung cấp và đánh giá chất lượng đầu ra của AI. Kết quả đầu ra của AI đơn giản là việc sắp xếp các con chữ, nên người dùng cần có chuyên môn để có thể đánh giá kết quả và đưa ra các yêu cầu bổ sung để tinh chỉnh kết quả theo đúng nhu cầu. Tóm lại quyết định có sử dụng kết quả đầu ra của mô hình AI hay không và sử dụng kết quả nào vẫn là quyết định của người dùng. Vậy nên người đó nên là người có chuyên môn trong nhiệm vụ mà họ yêu cầu mô hình Ai thực hiện.
Các nguyên tắc khi viết Prompt AI theo tài liệu của Gemini
- Những lời nhắc thành công trung bình có khoảng 21 từ, tuy nhiên những lời nhắc mọi người thường thử thường ngắn – thường ít hơn chín từ
- Viết như thể bạn đang nói chuyện với một người khác. Diễn đạt ý nghĩ trọn vẹn trong câu đầy đủ
- Nói với AI những gì bạn cần làm (tóm tắt, viết, sáng tạo). Cung cấp càng nhiều ngữ cảnh càng tốt.
- Nêu yêu cầu của bạn bằng ngôn ngữ ngắn gọn – nhưng cụ thể. Tránh thuật ngữ
- Tinh chỉnh lời nhắc nếu kết quả không đáp ứng mong đợi của bạn. Sử dụng các lời nhắc tiếp theo và sàng lọc lặp đi lặp lại để mang lại kết quả tốt hơn.
- Tổ chức các thành phần của prompt: Mục tiêu – Bối cảnh – Kết quả
Các Kỹ Thuật viết Prompt AI phổ biến
Zero-Shot Prompting
Đây là một kĩ thuật thường được sử dụng với các mô hình AI, đặc biệt là các mô hình ngôn ngữ như GPT. Mô hình GPT tạo ra các phản hồi hoặc thực hiện các nhiệm vụ mà không có sự đào tạo rõ ràng hoặc các ví dụ về một lĩnh vực cụ thể. Nó nhận một câu lệnh (prompt) và dựa trên dữ liệu mà nó có, nó sẽ tạo ra câu trả lời với dữ liệu đó. Vì mô hình chưa được đào tạo rõ ràng về nhiệm vụ hoặc cung cấp ví dụ, nên có thể chất lượng của câu trả lời sẽ tuỳ thuộc vào độ phức tạp và cụ thể của câu lệnh prompt.
Few-Shot Prompting
Few-shot Prompting bao gồm các chỉ dẫn và vài ví dụ cụ thể để hướng dẫn mô hình tạo ra câu trả lời.
Không như zero-shot prompting, few-shot prompting cung cấp ngữ cảnh thông qua ví dụ.
Các ví dụ được xem như các điểm tham khảo, dạy cho mô hình biết nhận diện được các khuôn mẫu và ngữ cảnh liên quan
Từ đó mô hình có thể sinh ra các kết quả chính xác hơn theo như ví dụ được cung cấp
Tuy nhiên, hãy lưu ý rằng việc đưa ra quá nhiều ví dụ có thể khiến mô hình bị lúng túng. Vì vậy điều quan trọng là cần có sự cân bằng giữa việc cung cấp lượng ví dụ vừa đủ để hướng dẫn mô hình và không làm mô hình bị hỗn loạn với quá nhiều thông tin
Chain of Thought
Chain of Thought Prompting là một kỹ thuật hướng dẫn AI suy luận logic bằng cách thể hiện chuỗi suy nghĩ dẫn đến kết quả cuối cùng. Thay vì chỉ đưa ra yêu cầu chung chung, chúng ta sẽ chia nhỏ vấn đề thành từng bước suy luận logic, giúp AI hiểu rõ hơn ý đồ của mình và đưa ra kết quả chính xác hơn.
Tree-of-Thought
Tree of Thought (ToT) dựa theo cách trí óc con người để giải quyết các nhiệm vụ lý luận phức tạp thông qua thử và sai. Kỹ thuật này hướng dẫn LLM khám phá các ý tưởng khác nhau và đánh giá lại khi cần để đưa ra giải pháp tối ưu.
Nó hoạt động bằng cách mô phỏng cấu trúc cây tư duy, cho phép bạn phân tách các ý tưởng phức tạp thành các nhánh con dễ quản lý hơn.
Self-Consistency Prompting
Là một kỹ thuật prompt nâng cao được xây dựng dựa trên prompt COT. Mục đích ở đây là cải thiện khả năng giải mã tham lam ngây thơ bằng cách sử dụng lời nhắc COT bằng cách lấy mẫu nhiều đường dẫn lý luận đa dạng và chọn các câu trả lời nhất quán nhất.
Tính tự nhất quán liên quan đến việc cung cấp cho mô hình AI nhiều lối suy luận hoặc quan điểm đa dạng, sau đó chọn câu trả lời nhất quán và mạch lạc nhất trong số các câu trả lời được tạo ra.
Kỹ thuật này không chỉ giúp giảm bớt sự thiên vị trong phản hồi của AI mà còn khuyến khích nó xem xét các quan điểm khác nhau trước khi đưa ra kết luận.
Prompt Chaining
Prompt Chaining bao gồm một loạt lời nhắc hoặc hướng dẫn liên quan với nhau để hướng hệ thống hoặc thuật toán AI tới kết quả hoặc câu trả lời mong muốn. Về cơ bản, nó liên quan đến việc lấy kết quả của một lời nhắc và sử dụng nó làm điểm bắt đầu cho lời nhắc tiếp theo, tạo thành một chuỗi tương tác liền mạch.
Không giống như các phương pháp trong đó mỗi đầu vào được coi là riêng biệt, Prompt Chaining kết nối một loạt lời nhắc để mỗi câu trả lời sẽ dẫn đến câu hỏi tiếp theo. Cách tiếp cận này tương tự như cách chúng ta tiếp tục cuộc trò chuyện một cách tự nhiên.
Cấu trúc của một Prompt AI, Lời nhắc hay câu lệnh AI
Để có thể viết Lời nhắc AI hay Câu lệnh AI hiệu quả. Bạn cần biết cấu trúc của nó bao gồm các thành phần nào, từ đó ứng dụng vào từng trường hợp cụ thể với các dữ liệu bạn đang có để có thể tạo ra kết quả đúng nhu cầu nhất.
Một Prompt AI bao gồm 5 thành phần chính: Nhiệm vụ, Hướng dẫn, Ngữ cảnh, Thông số và Đầu vào
Các phần tử của TASK – Yêu cầu, nhiệm vụ của Lời nhắc
Cung cấp thông tin: Yêu cầu, nhiệm vụ/ Vai trò/ Chủ đề
Hãy nhớ chính xác. Sử dụng các động từ và từ ngữ rõ ràng như thể bạn đang hướng dẫn một người. Ví dụ: thay vì nói “Tạo một bài đăng blog về nhảy dây”, hãy nói “Viết một bài đăng blog về cách nhảy dây”
Các phần tử của INSTRUCTION – Hướng dẫn AI qua lời nhắc Prompt
Cung cấp thông tin: Định dạng đầu ra / Cấu trúc đầu ra / Đặc điểm, Phong cách / Ví dụ / Nên và không nên
Hãy cụ thể về kết quả mong muốn từ hệ thống AI. Phác thảo rõ ràng định dạng và đặc điểm của đầu ra để giúp AI hiểu đúng về mong đợi của bạn.
Các phần tử của CONTEXT – Ngữ cảnh hay bối cảnh trong Prompt
Cung cấp thông tin: Quan điểm/Bối cảnh / Đối tượng mục tiêu / Mục đích và trường hợp sử dụng / Thông tin và dữ liệu bổ sung
Nâng cao kết quả đầu ra AI bằng cách cung cấp thêm hướng dẫn. Cung cấp sự hiểu biết sâu sắc hơn về các yêu cầu riêng của bạn. Bằng cách này, bạn đảm bảo rằng đầu ra AI phù hợp, chất lượng cao và phù hợp với nhu cầu của bạn.
Các phần tử của PAREMETERS – Tham số kỹ thuật của mô hình
Khi sử dụng Prompt ở mức độ nâng cao và sử dụng các bản Pro của các công cụ AI, bạn sẽ thiết lập các tham số hoạt động có thể tác động kết quả đầu ra, như Temperature là tham số sáng tạo, giá trị càng cao thì sáng tạo càng lớn và càng đa dạng kết quả. Top P đại diện cho số Token sử dụng khi AI trả kết quả, và nhiều tham số chuyên sâu khác.
Các phần tử của INPUT – Dữ liệu đầu vào
Input bao gồm các dữ liệu đầu vào mà bạn nạp cho mô hình phản hồi kết quả với những nhiệm vụ phức tạp hơn. Hoặc dùng để tinh chỉnh nội dung hiện có
Tóm lại có một số thành phần thuộc vào đầu vào là những thông tin bạn cung cấp cho mộ hình, và một số thành phần thuộc về tiêu chuẩn cho kết quả đầu ra bạn mong muốn. Bạn đưa ra những tiêu chuẩn này để mô hình AI có thể tạo kết quả tương tự và đúng với nhu cầu của mình. Dưới đây có một sơ đồ cấu trúc các thành phần của một Lời nhắc, Câu lệnh hay Prompt AI mà bạn có thể tham khảo.
Mục tiêu và ngữ cảnh khi viết prompt AI
Mục tiêu khi viết Prompt AI
Mục tiêu của bạn khi viết prompt có nghĩa là bạn muốn AI mang lại cho bạn điều gì? Nghe có vẻ là một yêu cầu đơn giản nhưng hầu hết mọi người đều không chắc chắn họ muốn kết quả đầu ra trông như thế nào.
Biết được điều bạn muốn là một yếu tố quan trọng để viết lời nhắc hay cho AI. Bằng cách làm rõ mục tiêu dự định, bạn có thể điều chỉnh lời nhắc để gợi ra loại phản hồi cụ thể cần thiết.
Bản chất của cách viết lời nhắc hay cho AI nằm ở việc trình bày rõ ràng tầm nhìn của bạn một cách chính xác và cởi mở, tạo tiền đề cho mối quan hệ hợp tác hiệu quả và sáng tạo
Ưng dụng Genernative AI
Dưới đây là các Ưng dụng Genernative AI giúp bạn định hình mục tiêu khi viết prompt AI
- Học tập một kiến thức – Hỏi đáp
- Tóm tắt tài liệu
- Hiệu chỉnh một nội dung
- Tạo nội dung nội dung sáng tạo
- Chuyển đổi định dạng
- Thêm, bổ sung vào nội dung hiện tại
- Phân loại, sắp xếp, Phân tích
- Hỗ trợ Lập trình
Ngữ cảnh hay bối cảnh trong viết prompt
Bối cảnh là tình huống hoặc môi trường mà mô hình Generative AI nhận được từ lời nhắc.
Ngữ cảnh tốt giúp mô hình hiểu được ý định của người dùng và do đó có thể đưa ra phản hồi tốt hơn cho thông tin đầu vào được nhắc.
Thành phần quan trọng để prompt của bạn được cá nhân hoá và khác biệt. Nó còn đóng vai trò quan trọng trong việc định hướng tính chính xác của câu trả lời, Nếu không có ngữ cảnh thích hợp, bạn có thể sẽ nhận được kết quả đầu ra chung chung hoặc không chính xác.
Nguồn dữ liệu của bối cảnh cỏ thể được AI sử dụng qua:
- Lịch sử chat: Các tương tác trước đó của người dùng và AI tạo ra bối cảnh mà AI có thể sử dụng để đưa ra các phản hồi tiếp theo
- Các Ví dụ: Các ví dụ mà người dùng cung cấp trong Prompt cung cấp bối cảnh rõ ràng nhất về yêu cầu đối với AI
- Dữ liệu đầu vào: Các dữ liệu chúng ta cung cấp bao gồm hình ảnh, tài liệu, các liên kết cũng là những thông tin bối cảnh mà AI sẽ dựa vào
Kết luận
Trên đây là những nền tả giúp bạn hiểu rõ bản chất của việc viết câu lệnh, lời nhắc hay Prompt AI hiệu quả và các nguyên tắc ứng dụng chúng trong công việc. Từ các nền tảng này, các chuyên gia và kỹ sư prompt hay các người dùng AI tạo sinh chuyên nghiệp sẽ xây dựng các khung prompt, các công thức prompt hay các kho mẫu câu lệnh, lời nhắc có thể ứng dụng nhanh trong các trường hợp cụ thể
