Prompt là gì? Prompt là câu lệnh, câu hỏi hoặc yêu cầu mà người dùng nhập vào một hệ thống AI để hướng dẫn mô hình thực hiện một nhiệm vụ cụ thể. Một prompt tốt quyết định phần lớn chất lượng kết quả AI trả về, từ viết nội dung, phân tích dữ liệu cho đến lập trình. Bài viết này của TOT sẽ giải thích khái niệm prompt, cách một prompt vận hành, cấu trúc, các loại prompt cùng những kỹ thuật Prompt Engineering và cách viết prompt hiệu quả để khai thác tối đa sức mạnh của trí tuệ nhân tạo.
Tóm tắt nhanh
- Prompt là gì? Prompt là câu hỏi, câu lệnh, hướng dẫn hoặc dữ liệu đầu vào giúp AI hiểu nhiệm vụ và tạo ra kết quả mong muốn.
- Prompt hoạt động như thế nào? Quy trình cơ bản là Input/Prompt → AI xử lý ngữ cảnh → Model tạo Output.
- Prompt mang lại lợi ích gì? Prompt rõ ràng giúp tăng độ chính xác, tiết kiệm thời gian, kiểm soát output và khai thác tốt hơn khả năng của AI.
- Cấu trúc prompt hiệu quả: Có thể kết hợp 5 thành phần gồm Role, Context, Task, Constraints và Format.
- Các loại prompt phổ biến: Bao gồm prompt hỏi đáp, tạo nội dung, tóm tắt, phân tích, sáng tạo và lập trình.
- Cách viết prompt hiệu quả: Xác định mục tiêu, cung cấp ngữ cảnh, dùng động từ cụ thể, quy định format, đưa ví dụ mẫu, đặt giới hạn và liên tục tinh chỉnh.
- Prompt Engineering: Một số kỹ thuật phổ biến gồm Zero-shot, Few-shot, Role Prompting, Chain-of-Thought, Prompt Chaining và Iterative Prompting.
- Những lỗi cần tránh: Không nên viết yêu cầu quá chung chung, thiếu ngữ cảnh, đưa quá nhiều yêu cầu không có cấu trúc hoặc không kiểm tra lại kết quả AI.
- Ứng dụng thực tế: Prompt có thể hỗ trợ SEO, content marketing, nghiên cứu, phân tích dữ liệu, lập trình, quản lý công việc, sáng tạo và nhiều quy trình doanh nghiệp.
Prompt là gì?
Prompt là phần đầu vào bằng ngôn ngữ tự nhiên giúp con người ra lệnh cho AI mà không cần viết mã. Đây là cầu nối giữa ý định của người dùng và năng lực xử lý của mô hình, đồng thời là yếu tố dễ kiểm soát nhất để cải thiện chất lượng kết quả. Phần dưới đây làm rõ định nghĩa chuẩn và mô tả cách một prompt được xử lý.
Định nghĩa prompt là gì?
Prompt là đoạn văn bản đầu vào do người dùng cung cấp cho mô hình AI để mô tả yêu cầu và định hướng kết quả đầu ra. Trong tiếng Anh, “prompt” có nghĩa là gợi ý, nhắc lệnh hoặc yêu cầu. Thuật ngữ này vốn quen thuộc trong lĩnh vực máy tính, điển hình là “command prompt”. Đây là nơi người dùng nhập lệnh để tương tác với hệ điều hành.
Khi trí tuệ nhân tạo phát triển, prompt trở thành phương thức giao tiếp phổ biến giữa con người và AI. Đặc biệt, với mô hình ngôn ngữ lớn (LLM), người dùng có thể diễn đạt yêu cầu bằng ngôn ngữ tự nhiên. AI sẽ dựa trên thông tin đó để phân tích và tạo ra phản hồi phù hợp.
Prompt không chỉ đơn thuần là một “câu hỏi cho AI” như nhiều người vẫn nghĩ. Prompt có thể là câu hỏi, câu lệnh, hướng dẫn chi tiết hoặc dữ liệu đầu vào. Nó cũng có thể bao gồm nhiều yêu cầu cần AI thực hiện theo từng bước. Mức độ rõ ràng của prompt ảnh hưởng trực tiếp đến chất lượng và độ chính xác của kết quả.
Chẳng hạn, thay vì yêu cầu “Viết về marketing”, người dùng có thể đưa ra yêu cầu cụ thể hơn. Ví dụ: “Viết dàn ý blog 800 từ về xu hướng marketing cho doanh nghiệp bán lẻ năm 2026”. Prompt có thể yêu cầu chia nội dung thành 5 phần và sử dụng giọng văn chuyên nghiệp. Càng cung cấp đầy đủ bối cảnh và yêu cầu, người dùng càng giúp AI xác định chính xác mục tiêu.
Prompt AI hoạt động như thế nào?
Prompt AI hoạt động qua ba giai đoạn chính: tiếp nhận đầu vào, xử lý ngữ cảnh và tạo kết quả. Đầu tiên, người dùng cung cấp prompt để mô tả yêu cầu cụ thể cho AI. Ví dụ: “Tóm tắt đoạn văn sau thành 3 ý chính”.
Tiếp theo, mô hình phân tích prompt và các thông tin liên quan để xác định yêu cầu. AI có thể nhận diện mục tiêu, ngữ cảnh, định dạng và giọng điệu được yêu cầu. Quá trình này dựa trên các tham số và kiến thức mô hình đã học trong quá trình huấn luyện.
Cuối cùng, mô hình tạo output dựa trên yêu cầu và ngữ cảnh đã được xử lý. Với ví dụ trên, kết quả có thể là ba gạch đầu dòng tóm tắt nội dung chính.
Có thể khái quát quy trình như sau: Input/Prompt → AI xử lý ngữ cảnh → Model tạo Output. Vì prompt cung cấp thông tin để mô hình xác định nhiệm vụ, yêu cầu càng rõ ràng thì kết quả càng dễ bám sát mục tiêu.
>>> Tham khảo thêm:
- Khả năng thị giác của ChatGPT-5: Cách Prompt chính xác
- Cách tạo ứng dụng bằng AI miễn phí, chi tiết, đơn giản
Prompt mang lại lợi ích gì khi sử dụng AI?
Prompt là công cụ trực tiếp để nâng cao chất lượng và kiểm soát đầu ra của AI. Khi được viết đúng cách, prompt biến một mô hình “đa năng nhưng chung chung” thành trợ lý bám sát mục tiêu công việc. Dưới đây là những lợi ích nổi bật:
- Tăng độ chính xác của kết quả AI
Một prompt rõ ràng giúp AI hiểu đúng yêu cầu, giảm việc suy đoán và tạo ra output sát mục tiêu hơn. Khi người dùng nêu rõ đối tượng, mục đích và phạm vi, mô hình có đủ căn cứ để chọn lọc thông tin phù hợp thay vì trả lời lan man.
- Tiết kiệm thời gian
Prompt tốt giảm số lần phải chỉnh sửa hoặc yêu cầu AI làm lại. Thay vì hỏi đi hỏi lại nhiều lần, người dùng mô tả đầy đủ ngay từ đầu và nhận được kết quả dùng được sớm hơn, rút ngắn đáng kể quãng thời gian hoàn thiện một tác vụ.
- Kiểm soát nội dung đầu ra
Thông qua prompt, người dùng có thể quy định độ dài, giọng văn, cấu trúc và định dạng của kết quả. Nhờ đó, output từ AI dễ đưa vào quy trình có sẵn, đảm bảo tính nhất quán về phong cách và bố cục giữa nhiều lần tạo nội dung khác nhau.
- Cải thiện hiệu suất làm việc
Prompt hỗ trợ nhiều đầu việc như viết content, phân tích dữ liệu, lập trình hay nghiên cứu. Một câu lệnh được thiết kế tốt cho phép người dùng xử lý khối lượng công việc lớn hơn trong cùng một khoảng thời gian, đặc biệt với các tác vụ lặp lại thường xuyên.
- Khai thác tốt hơn khả năng của AI
Prompt có cấu trúc giúp người dùng tận dụng năng lực của mô hình một cách hiệu quả. Khi kết hợp với các công cụ AI khác nhau, cùng một kỹ năng viết prompt tốt có thể được áp dụng linh hoạt để giải quyết nhiều bài toán chuyên môn.
- Tạo quy trình làm việc có thể tái sử dụng
Một prompt hiệu quả có thể được lưu lại thành template và dùng cho nhiều tác vụ tương tự. Cách làm này giúp cá nhân và đội nhóm chuẩn hóa cách khai thác AI, giảm phụ thuộc vào kinh nghiệm riêng lẻ và duy trì chất lượng ổn định theo thời gian.
>>> Xem thêm:
- TOP 15 công cụ AI viết code tốt nhất
- Top 20+ phần mềm AI thiết kế hình ảnh miễn phí, tốt nhất
Cấu trúc prompt hiệu quả gồm những thành phần nào?
Một prompt hiệu quả thường gồm 5 thành phần: Vai trò (Role), Bối cảnh (Context), Nhiệm vụ (Task), Điều kiện và giới hạn (Constraints) và Định dạng đầu ra (Format). Không phải prompt nào cũng cần đủ cả 5 phần, nhưng càng cung cấp đủ các yếu tố này, mô hình càng có nhiều căn cứ để tạo ra kết quả đúng ý định. Đây là khung tư duy giúp người dùng chuyển một yêu cầu mơ hồ thành câu lệnh rõ ràng.
Role – Vai trò
Role xác định AI nên đóng vai trò hoặc góc nhìn nào khi trả lời. Việc gán vai trò giúp mô hình chọn giọng điệu, mức độ chuyên sâu và cách trình bày phù hợp với ngữ cảnh. Ví dụ, mở đầu prompt bằng “Bạn là chuyên gia SEO với 10 năm kinh nghiệm” sẽ khiến câu trả lời thiên về góc nhìn của một chuyên gia SEO, khác hẳn khi yêu cầu AI trả lời như một giáo viên giảng cho người mới bắt đầu.
Context – Bối cảnh
Context cung cấp thông tin nền để AI hiểu đúng tình huống trước khi thực hiện yêu cầu. Bối cảnh có thể là mục tiêu dự án, đặc điểm sản phẩm, đối tượng người đọc hoặc dữ liệu liên quan. Khi thiếu bối cảnh, mô hình buộc phải phỏng đoán và dễ đưa ra kết quả không phù hợp. Cung cấp bối cảnh rõ ràng là cách nhanh nhất để thu hẹp phạm vi và tăng độ liên quan của câu trả lời.
Ví dụ, thay vì yêu cầu “Viết bài giới thiệu dịch vụ”, có thể cung cấp thêm: “Doanh nghiệp cung cấp dịch vụ phát triển phần mềm cho các công ty vừa và nhỏ tại Việt Nam; nhóm khách hàng chính là CEO và CTO.”
Task – Nhiệm vụ
Task nói rõ AI cần thực hiện công việc gì. Đây là phần cốt lõi của prompt và nên được diễn đạt bằng động từ hành động cụ thể như viết, tóm tắt, so sánh, phân tích hay đề xuất. Một nhiệm vụ rõ ràng giúp mô hình biết chính xác kết quả cần tạo ra.
Ví dụ: “Phân tích 3 đối thủ dưới đây và so sánh theo các tiêu chí: tính năng, mức giá, khách hàng mục tiêu và điểm khác biệt.” Cách diễn đạt này giúp AI xác định rõ phạm vi công việc cần thực hiện.
Constraints – Điều kiện và giới hạn
Constraints đặt ra các ràng buộc để kiểm soát phạm vi và chất lượng đầu ra. Các giới hạn thường gặp gồm độ dài, đối tượng người đọc, phạm vi thông tin và những nội dung cần tránh. Ví dụ, người dùng có thể yêu cầu “không quá 500 từ”, “viết cho người không chuyên về kỹ thuật” hoặc “chỉ dùng thông tin trong tài liệu được cung cấp”. Điều kiện ràng buộc rõ ràng sẽ giúp kết quả bám sát mục tiêu và dễ sử dụng ngay.
Format – Định dạng đầu ra
Format quy định hình thức trình bày của kết quả. Người dùng có thể yêu cầu output ở dạng bảng, danh sách gạch đầu dòng, tiêu đề H2/H3, JSON, email hay đoạn văn. Việc chỉ định định dạng giúp kết quả sẵn sàng đưa vào quy trình tiếp theo mà ít phải chỉnh sửa.
Ví dụ: “Trình bày kết quả dưới dạng bảng gồm 4 cột: Tiêu chí, Đối thủ A, Đối thủ B và Nhận xét.” Khi format được xác định trước, output thường dễ đọc, dễ kiểm tra và có thể sử dụng trực tiếp hơn.
>>> Tìm hiểu thêm:
- Cách tạo ứng dụng bằng AI miễn phí, chi tiết, đơn giản
- TOP 20+ công cụ thiết kế bằng AI hỗ trợ Designer hàng đầu hiện nay
Các loại Prompt phổ biến trong AI
Prompt có thể phân loại theo mục đích sử dụng, phổ biến nhất gồm 6 nhóm: hỏi đáp, tạo nội dung, tóm tắt, phân tích, sáng tạo và lập trình. Hiểu rõ từng loại giúp người dùng chọn cách diễn đạt phù hợp và tận dụng đúng thế mạnh của mô hình cho mỗi tác vụ.
Prompt hỏi đáp
Prompt hỏi đáp dùng để đặt câu hỏi và nhận câu trả lời giải thích một khái niệm, sự việc hoặc quy trình. Đây là loại prompt quen thuộc nhất, thường xuất hiện khi người dùng muốn tra cứu nhanh hoặc học một chủ đề mới. Chất lượng câu trả lời phụ thuộc vào việc câu hỏi có nêu rõ mức độ chi tiết và đối tượng cần hướng tới hay không.
Ví dụ: Thay vì hỏi “Machine Learning là gì?”, có thể viết: “Machine Learning là gì? Hãy giải thích cho người mới bắt đầu, sử dụng ngôn ngữ đơn giản, trình bày trong khoảng 300 từ và đưa ra 2 ví dụ ứng dụng thực tế.” Prompt này xác định rõ chủ đề, đối tượng, độ dài và cách giải thích. Nhờ đó, AI có cơ sở để tạo câu trả lời dễ hiểu và tránh đi quá sâu vào các thuật toán kỹ thuật.
Prompt tạo nội dung
Prompt tạo nội dung yêu cầu AI viết ra một sản phẩm văn bản hoàn chỉnh như bài blog, email, bài đăng mạng xã hội hay kịch bản. Loại prompt này phát huy hiệu quả khi người dùng cung cấp rõ chủ đề, đối tượng, giọng văn và độ dài. Càng nhiều thông tin định hướng, nội dung tạo ra càng bám sát nhu cầu và giảm công sức biên tập lại về sau.
Ví dụ: “Bạn là chuyên gia content marketing. Hãy viết một bài social post 150 từ giới thiệu dịch vụ phát triển mobile app, hướng đến chủ doanh nghiệp lớn. Giọng văn chuyên nghiệp nhưng dễ hiểu, tập trung vào lợi ích kinh doanh và kết thúc bằng CTA liên hệ tư vấn.” Prompt này giúp AI kiểm soát cả nội dung, đối tượng, thương hiệu, giọng văn và mục tiêu chuyển đổi.
Prompt tóm tắt
Prompt tóm tắt yêu cầu AI rút gọn một tài liệu, báo cáo hay bài viết dài thành các ý chính. Loại prompt này hữu ích khi người dùng cần nắm nhanh nội dung cốt lõi mà không phải đọc toàn bộ văn bản. Kết quả tốt hơn khi người dùng nêu rõ số lượng ý cần tóm tắt, độ dài mong muốn và góc nhìn cần tập trung.
Ví dụ: “Tóm tắt báo cáo sau thành 5 gạch đầu dòng, mỗi ý không quá 25 từ, tập trung vào kết quả kinh doanh và đề xuất hành động.” Prompt chỉ định rõ cấu trúc và trọng tâm, giúp AI lọc đúng thông tin quan trọng, loại bỏ chi tiết phụ và trình bày kết quả gọn gàng, dễ sử dụng cho việc ra quyết định.
Prompt phân tích
Prompt phân tích yêu cầu AI xử lý thông tin để đánh giá, so sánh hoặc tìm nguyên nhân. Loại prompt này thường áp dụng cho dữ liệu, phản hồi khách hàng hoặc các phương án cần cân nhắc. Để có kết quả hữu ích, người dùng nên cung cấp đầy đủ dữ liệu đầu vào và nêu rõ tiêu chí phân tích, tránh để mô hình tự suy diễn theo hướng không mong muốn.
Ví dụ: “Phân tích dữ liệu doanh thu của 4 quý dưới đây. Hãy xác định xu hướng tăng trưởng, quý có biến động bất thường và các yếu tố có thể ảnh hưởng. Sau đó, so sánh hiệu suất từng quý trong bảng và đề xuất 3 hướng cải thiện cho quý tiếp theo. Chỉ sử dụng dữ liệu được cung cấp.” Prompt này biến yêu cầu phân tích thành một quy trình rõ ràng và có thể kiểm tra.
Prompt sáng tạo
Prompt sáng tạo được sử dụng khi người dùng muốn AI tạo ra ý tưởng hoặc sản phẩm có tính sáng tạo như ý tưởng nội dung, concept thương hiệu, câu chuyện, kịch bản, hình ảnh hoặc video. Dạng Prompt này thường cần mô tả rõ chủ đề, phong cách, đối tượng và cảm xúc mong muốn, nhưng vẫn có thể để AI một khoảng không nhất định để đề xuất những hướng mới.
Ví dụ: “Đề xuất 10 ý tưởng video ngắn về ứng dụng AI trong doanh nghiệp cho LinkedIn. Mỗi ý tưởng gồm tiêu đề, thông điệp chính và hook trong 10 giây đầu. Phong cách hiện đại, chuyên nghiệp, hướng đến CEO và quản lý doanh nghiệp. Ưu tiên các ý tưởng có tính thực tế và khác biệt, tránh những chủ đề AI quá phổ biến.”
Prompt lập trình
Prompt lập trình phục vụ các công việc liên quan đến phát triển phần mềm như viết code, giải thích code, phát hiện lỗi (debug), tối ưu hiệu suất, chuyển đổi ngôn ngữ lập trình hoặc đề xuất giải pháp kỹ thuật. Để AI hỗ trợ lập trình chính xác hơn, prompt nên cung cấp ngôn ngữ, framework, phiên bản, đoạn code liên quan, lỗi gặp phải và kết quả mong muốn.
Ví dụ: “Bạn là lập trình viên Python. Hãy kiểm tra đoạn code dưới đây để tìm nguyên nhân khiến API trả về lỗi timeout. Giải thích nguyên nhân, chỉ ra phần code cần sửa và cung cấp phiên bản đã tối ưu. Giữ nguyên chức năng hiện tại, không thêm thư viện bên ngoài. Cuối cùng, liệt kê 3 cách kiểm tra để xác nhận lỗi đã được khắc phục.” Với dạng Prompt này, việc cung cấp đầy đủ code và bối cảnh kỹ thuật sẽ giúp AI đưa ra hướng xử lý sát thực tế hơn.
>>> Tham khảo thêm:
- AI trong phát triển phần mềm ứng dụng như thế nào?
- Hướng dẫn cách sử dụng Google AI Studio hiệu quả, nhanh chóng
Cách viết Prompt hiệu quả cho AI
Viết prompt hiệu quả là quá trình mô tả yêu cầu đủ rõ để AI hiểu đúng và tạo ra kết quả sát mục tiêu ngay từ những lần đầu. 7 nguyên tắc dưới đây giúp người dùng đi từ một ý tưởng mơ hồ đến một câu lệnh chặt chẽ, có thể tái sử dụng và cải thiện dần theo thời gian.
1. Xác định rõ mục tiêu
Trước khi viết prompt, hãy xác định chính xác AI cần tạo ra kết quả gì và kết quả đó được sử dụng cho mục đích nào. Nếu mục tiêu quá chung chung, AI phải tự suy đoán yêu cầu, từ đó output có thể lan man, thiếu trọng tâm hoặc không phù hợp với nhu cầu thực tế.
Ví dụ, prompt trước khi tối ưu: “Viết cho tôi một bài về SEO.” Yêu cầu này chưa cho biết bài viết dành cho ai, mục tiêu là cung cấp kiến thức hay bán dịch vụ, độ dài bao nhiêu và cần trình bày như thế nào.
Prompt sau khi tối ưu: “Viết bài 1.500 từ giải thích SEO cho chủ doanh nghiệp nhỏ mới bắt đầu tìm hiểu Digital Marketing. Mục tiêu là giúp người đọc hiểu SEO là gì, lợi ích và các bước triển khai cơ bản. Sử dụng ngôn ngữ dễ hiểu, có H2/H3 và ví dụ thực tế.” Mục tiêu càng rõ, AI càng dễ tạo output đúng hướng.
2. Cung cấp đầy đủ ngữ cảnh
Ngữ cảnh càng đầy đủ, AI càng dễ tạo ra kết quả đúng nhu cầu. Người dùng nên nêu rõ đối tượng người đọc, ngành hoặc lĩnh vực, mục đích sử dụng, dữ liệu đầu vào và tình huống áp dụng.
Chẳng hạn, thay vì yêu cầu “Viết email giới thiệu dịch vụ AI”, hãy bổ sung: “Email gửi đến CEO của doanh nghiệp bán lẻ, người chưa có nhiều kiến thức về AI. Mục tiêu là giới thiệu giải pháp tự động hóa chăm sóc khách hàng và đề xuất một buổi tư vấn 30 phút.” Những thông tin này giúp AI điều chỉnh nội dung, giọng văn và mức độ chuyên môn phù hợp với người nhận.
3. Nêu nhiệm vụ bằng động từ cụ thể
Một prompt hiệu quả nên nói rõ AI phải thực hiện hành động nào. Thay vì sử dụng những yêu cầu mơ hồ như “xử lý”, “làm giúp” hoặc “cho ý kiến”, hãy dùng động từ cụ thể như phân tích, so sánh, tóm tắt, viết, đề xuất, phân loại, trích xuất, kiểm tra, đánh giá.
Ví dụ: “Phân tích 5 phản hồi khách hàng dưới đây, phân loại thành các nhóm vấn đề và đề xuất giải pháp cho từng nhóm.” sẽ rõ ràng hơn “Xem giúp tôi các phản hồi này.” Động từ cụ thể giúp AI xác định loại tác vụ cần thực hiện và giảm khả năng tạo ra câu trả lời ngoài phạm vi mong muốn.
4. Quy định format đầu ra
Chỉ định định dạng giúp kết quả sẵn sàng sử dụng ngay. Người dùng nên nêu rõ mong muốn nhận kết quả dưới dạng bảng, danh sách, đoạn văn, tiêu đề phân cấp hay JSON. Ví dụ, “trình bày kết quả dưới dạng bảng gồm ba cột: tiêu chí, phương án A, phương án B” sẽ cho ra output có cấu trúc, dễ đọc và dễ đưa vào tài liệu. Việc quy định format cũng giúp giữ tính nhất quán khi tạo nhiều nội dung tương tự nhau.
5. Đưa ví dụ mẫu khi cần
Đưa ví dụ mẫu giúp AI bắt chước đúng phong cách và cấu trúc mong muốn. Kỹ thuật này thường được gọi là Few-shot Prompting, nghĩa là cung cấp một hoặc vài ví dụ trong prompt để mô hình học theo khuôn mẫu.
Ví dụ: “Phân loại phản hồi khách hàng theo mẫu: ‘Dịch vụ giao hàng chậm’ → Vận chuyển; ‘Ứng dụng thường xuyên bị lỗi’ → Sản phẩm. Hãy phân loại các phản hồi tiếp theo theo cùng quy tắc.” Nếu format hoặc tiêu chí khó mô tả bằng lời, một vài ví dụ thực tế có thể giúp AI hiểu yêu cầu tốt hơn.
6. Đặt giới hạn và tiêu chí đánh giá
Ràng buộc rõ ràng giúp kiểm soát chất lượng và phạm vi của kết quả. Người dùng có thể đặt các giới hạn như “không quá 500 từ”, “không sử dụng thuật ngữ kỹ thuật” hoặc “chỉ sử dụng thông tin từ nguồn được cung cấp”. Đặc biệt, thêm tiêu chí “nếu thiếu dữ liệu, hãy nói rõ thay vì tự suy đoán” giúp giảm nguy cơ AI đưa ra thông tin không chính xác. Những tiêu chí này biến prompt thành một bản yêu cầu có tiêu chuẩn nghiệm thu rõ ràng.
7. Kiểm tra và tinh chỉnh Prompt
Prompt không nhất thiết phải hoàn hảo ngay từ lần đầu. Trong thực tế, chất lượng prompt thường được cải thiện thông qua quá trình thử nghiệm và đánh giá output. Nếu kết quả chưa đáp ứng yêu cầu, hãy xác định điểm chưa phù hợp rồi bổ sung hoặc điều chỉnh Prompt thay vì viết lại hoàn toàn từ đầu.
Có thể áp dụng quy trình đơn giản:
Viết → Chạy → Đánh giá output → Bổ sung → Chạy lại → Output cuối cùng
Ví dụ, nếu AI viết quá dài, có thể bổ sung giới hạn số từ; nếu nội dung quá chuyên môn, xác định lại đối tượng là người mới; nếu cấu trúc khó sử dụng, yêu cầu format cụ thể hơn. Cách tiếp cận lặp này giúp Prompt ngày càng phù hợp với mục tiêu và có thể được chuẩn hóa thành template để sử dụng nhiều lần.
>>> Xem thêm:
- Cách tạo prompt cho LLM trong thị giác máy tính tăng độ chính xác
- AI trong thiết kế UI/UX: Công cụ hay đối thủ của Designer?
Ví dụ Prompt hay cho các nhu cầu phổ biến
Những ví dụ dưới đây minh họa cách áp dụng các nguyên tắc trên vào các nhu cầu thường gặp. Mỗi ví dụ nêu ngắn gọn nhu cầu, một prompt mẫu và kết quả mong muốn để người dùng dễ hình dung và điều chỉnh theo tình huống của mình.
Prompt viết nội dung và sáng tạo
Nhu cầu: Viết bài blog SEO giới thiệu một dịch vụ.
Prompt mẫu:
“Bạn là chuyên gia SEO Content. Hãy viết bài blog 1.500 từ về dịch vụ phát triển website cho doanh nghiệp vừa và nhỏ. Đối tượng đọc là CEO và chủ doanh nghiệp chưa có nhiều kiến thức kỹ thuật. Nội dung cần giải thích lợi ích, quy trình triển khai và các tiêu chí lựa chọn đơn vị phát triển website. Sử dụng giọng văn chuyên nghiệp, dễ hiểu, chia H2/H3 rõ ràng và đưa ra ví dụ thực tế.”
Kết quả mong muốn: Bài viết có cấu trúc rõ, đúng đối tượng và tập trung vào mục tiêu SEO. Khi sử dụng thực tế, nên bổ sung keyword, search intent và thông tin thương hiệu để output sát yêu cầu hơn.
Prompt nghiên cứu và tổng hợp thông tin
Nhu cầu: Nghiên cứu một chủ đề và tổng hợp thành báo cáo ngắn.
Prompt mẫu:
“Hãy nghiên cứu xu hướng ứng dụng Generative AI trong doanh nghiệp năm 2026. Tổng hợp 5 xu hướng nổi bật, nêu ứng dụng thực tế, lợi ích, hạn chế và tác động đến doanh nghiệp vừa và nhỏ. Trình bày dưới dạng bảng. Với mỗi nhận định quan trọng, hãy nêu nguồn tham khảo và phân biệt rõ dữ liệu đã xác minh với nhận định mang tính dự báo.”
Kết quả mong muốn: Thông tin được hệ thống hóa, dễ đối chiếu và phục vụ nghiên cứu. Với các chủ đề cần dữ liệu cập nhật, nên yêu cầu AI sử dụng nguồn đáng tin cậy và kiểm tra thông tin trước khi đưa ra kết luận.
Prompt phân tích dữ liệu
Nhu cầu: Phân tích dữ liệu kinh doanh để tìm xu hướng và vấn đề nổi bật.
Prompt mẫu:
“Phân tích bảng dữ liệu doanh thu theo tháng dưới đây. Hãy xác định xu hướng tăng trưởng, tháng có biến động bất thường, nhóm sản phẩm có hiệu suất cao nhất và các điểm cần chú ý. Trình bày kết quả thành 4 phần: Tổng quan, Phát hiện chính, Nguyên nhân có thể xảy ra và Đề xuất hành động. Chỉ sử dụng dữ liệu được cung cấp và nêu rõ nếu dữ liệu chưa đủ để kết luận.”
Kết quả mong muốn: Output tập trung vào insight thay vì chỉ lặp lại số liệu. Với dữ liệu quan trọng, nên kiểm tra lại phép tính và kết luận trước khi sử dụng để ra quyết định.
Prompt lập trình và xử lý kỹ thuật
Nhu cầu: Debug và tối ưu một đoạn code.
Prompt mẫu:
“Bạn là senior Python developer. Hãy kiểm tra đoạn code dưới đây để xác định nguyên nhân gây lỗi
TimeoutError. Giải thích nguyên nhân, chỉ ra dòng code liên quan và cung cấp phiên bản đã sửa. Không thay đổi logic nghiệp vụ và không thêm thư viện mới. Sau đó, đề xuất 3 cách kiểm thử để xác nhận lỗi đã được khắc phục.”
Kết quả mong muốn: AI đưa ra nguyên nhân, code sửa và cách kiểm thử cụ thể. Nên cung cấp đầy đủ code, thông báo lỗi, môi trường chạy và phiên bản framework nếu có để tăng độ chính xác.
Prompt tạo hình ảnh bằng AI
Nhu cầu: Tạo hình ảnh minh họa cho một bài viết hoặc chiến dịch marketing.
Prompt mẫu:
“Tạo hình ảnh hero banner 16:9 về chủ đề AI Transformation trong doanh nghiệp. Bối cảnh là văn phòng hiện đại, có đội ngũ nhân sự đang làm việc với hệ thống AI và dashboard dữ liệu. Phong cách công nghệ cao nhưng chuyên nghiệp, màu xanh dương và trắng, ánh sáng tự nhiên, bố cục có khoảng trống ở bên trái để đặt tiêu đề, không sử dụng watermark.”
Kết quả mong muốn: Hình ảnh phù hợp với mục đích sử dụng, có chủ thể, phong cách, bố cục và tỷ lệ rõ ràng. Với hình ảnh thương mại, nên mô tả cụ thể nhận diện thương hiệu, kích thước và các yếu tố bắt buộc hoặc cần tránh.
Prompt lập kế hoạch và tổ chức công việc
Nhu cầu: Xây dựng kế hoạch du lịch theo từng giai đoạn.
Prompt mẫu:
“Hãy xây dựng kế hoạch du lịch 5 ngày cho chuyến đi đến Đà Nẵng – Hội An. Chia theo từng ngày, bao gồm lịch trình tham quan, ăn uống, di chuyển và thời gian nghỉ ngơi. Với mỗi hoạt động, hãy nêu thời gian, địa điểm, chi phí ước tính và lý do lựa chọn. Trình bày dưới dạng bảng.”
Kết quả mong muốn: Kế hoạch có thể dùng làm lịch trình chi tiết cho chuyến đi, dễ theo dõi và điều chỉnh theo ngân sách hoặc sở thích cá nhân. Nên bổ sung thêm thông tin như số người tham gia, ngân sách dự kiến và phong cách du lịch (tiết kiệm, trải nghiệm, nghỉ dưỡng) để AI tạo lịch trình sát với nhu cầu hơn.
>>> Xem thêm:
- Cách tạo ứng dụng AI với Vibe Coding trên Google AI Studio đơn giản
- Tạo web bán hàng bằng AI miễn phí, chuẩn SEO, hiệu quả nhất
- Cách tạo video bằng AI: Top 15 công cụ AI tạo video miễn phí
Các kỹ thuật Prompt Engineering phổ biến
Prompt Engineering là lĩnh vực nghiên cứu cách thiết kế prompt để khai thác mô hình AI hiệu quả hơn. Ngoài những nguyên tắc cơ bản, một số kỹ thuật dưới đây giúp người dùng xử lý các bài toán phức tạp và nâng chất lượng kết quả vượt mức so với khi sử dụng thông thường.
Zero-shot Prompting
Zero-shot Prompting là cách yêu cầu AI thực hiện nhiệm vụ mà không cung cấp ví dụ nào. Người dùng chỉ mô tả yêu cầu và để mô hình dựa hoàn toàn vào tri thức đã học để trả lời. Kỹ thuật này phù hợp với các tác vụ phổ thông, đơn giản, khi mô hình đã có đủ hiểu biết nền tảng để xử lý mà không cần khuôn mẫu. Đây cũng là cách hầu hết người dùng tương tác với AI hằng ngày.
Ví dụ: “Phân loại các phản hồi khách hàng dưới đây thành ba nhóm: tích cực, tiêu cực và trung lập.” Người dùng không cần đưa ra ví dụ phân loại trước; AI dựa trên yêu cầu và nội dung đầu vào để thực hiện nhiệm vụ.
Few-shot Prompting
Few-shot prompting là kỹ thuật cung cấp một số ví dụ để AI bắt chước đúng khuôn mẫu mong muốn. Bằng cách đưa vài cặp đầu vào và đầu ra mẫu ngay trong prompt, người dùng định hướng phong cách, định dạng và cách tư duy của mô hình. Kỹ thuật này đặc biệt hữu ích khi cần kết quả nhất quán về hình thức, chẳng hạn phân loại phản hồi khách hàng theo một bộ nhãn cố định hoặc viết mô tả theo một mẫu chung.
Ví dụ: “‘Sản phẩm giao nhanh’ → Tích cực; ‘Ứng dụng thường xuyên lỗi’ → Tiêu cực; ‘Giá sản phẩm ở mức trung bình’ → Trung lập. Hãy phân loại các phản hồi tiếp theo theo cùng quy tắc.” AI sử dụng các ví dụ làm tham chiếu để áp dụng cho dữ liệu mới.
Role Prompting
Role Prompting là kỹ thuật gán vai trò hoặc góc nhìn cụ thể cho AI. Khi được yêu cầu trả lời với tư cách một chuyên gia trong lĩnh vực nhất định, mô hình sẽ điều chỉnh giọng điệu, mức độ chuyên sâu và cách lập luận cho phù hợp. Ví dụ, cùng một câu hỏi về tài chính, câu trả lời “với vai trò cố vấn cho người mới” sẽ khác với câu trả lời “với vai trò chuyên gia phân tích”, giúp người dùng nhận nội dung đúng nhu cầu.
Ví dụ: “Bạn là chuyên gia SEO B2B. Hãy đánh giá cấu trúc bài viết dưới đây và đề xuất cách cải thiện heading, search intent và khả năng bao phủ chủ đề.” Cách đặt vai trò này giúp AI tập trung vào các tiêu chí liên quan đến SEO thay vì đưa ra nhận xét chung chung.
Chain-of-Thought Prompting
Chain-of-Thought Prompting là kỹ thuật hướng mô hình giải quyết các bài toán nhiều bước theo trình tự có suy luận. Ở mức khái niệm, thay vì yêu cầu đáp án tức thì, người dùng khuyến khích mô hình xử lý vấn đề theo từng giai đoạn hợp lý, nhờ đó cải thiện độ chính xác với các tác vụ đòi hỏi lập luận như toán, logic hoặc phân tích tình huống. Kỹ thuật này tập trung vào việc chia nhỏ bài toán, không nhằm mục đích buộc mô hình phơi bày quá trình suy luận nội bộ của nó.
Ví dụ: Với một bài toán nhiều điều kiện, có thể yêu cầu: “Giải bài toán dưới đây và trình bày các bước giải thích ngắn gọn, sau đó kiểm tra lại kết quả trước khi đưa ra đáp án cuối cùng.” Cách này hướng AI đến quy trình xử lý có kiểm tra mà không yêu cầu tiết lộ suy luận nội bộ.
Prompt Chaining
Prompt Chaining là kỹ thuật chia một nhiệm vụ lớn thành nhiều prompt nhỏ nối tiếp nhau. Kết quả của bước trước trở thành đầu vào cho bước sau, giúp xử lý những quy trình phức tạp một cách có kiểm soát. Ví dụ, một quy trình viết bài có thể tách thành các bước: lập dàn ý, viết từng phần, rồi biên tập tổng thể. Cách làm này giảm sai sót, giúp người dùng dễ can thiệp và điều chỉnh ở từng công đoạn.
Ví dụ: Thay vì yêu cầu AI nghiên cứu và viết hoàn chỉnh một báo cáo ngay lập tức, có thể chia thành: Prompt 1: xác định chủ đề và nguồn dữ liệu → Prompt 2: tổng hợp thông tin → Prompt 3: phân tích các phát hiện chính → Prompt 4: viết báo cáo từ kết quả đã xử lý. Cách chia nhỏ giúp dễ kiểm soát từng giai đoạn.
Iterative Prompting
Iterative Prompting là kỹ thuật liên tục đánh giá và tinh chỉnh prompt dựa trên output nhận được. Sau mỗi lần chạy, người dùng phân tích điểm chưa đạt của kết quả rồi điều chỉnh yêu cầu cho lần tiếp theo. Đây là kỹ thuật gắn liền với thực tế công việc, bởi hiếm khi một prompt cho ra kết quả hoàn hảo ngay lần đầu. Việc lặp lại có chủ đích giúp prompt ngày càng chính xác và hình thành các mẫu dùng lại được.
Có thể áp dụng quy trình: Viết Prompt → Chạy → Đánh giá output → Bổ sung hoặc chỉnh sửa → Chạy lại. Ví dụ, nếu AI tạo nội dung quá dài, người dùng có thể bổ sung giới hạn số từ; nếu output chưa đúng đối tượng, hãy thêm thông tin về người đọc. Qua nhiều vòng tinh chỉnh, prompt có thể được chuẩn hóa thành template để tái sử dụng.
>>> Tham khảo thêm:
- Hướng dẫn triển khai AI trong ứng dụng di động đơn giản
- TOP 20 công cụ AI hỗ trợ bán hàng online hiệu quả, tốt nhất hiện nay
Những lỗi thường gặp khi viết Prompt
Viết prompt không rõ ràng có thể khiến AI hiểu sai mục tiêu, tạo output lan man hoặc chứa thông tin không phù hợp. Dưới đây là những lỗi phổ biến mà người dùng nên nhận biết để cải thiện chất lượng Prompt và giảm thời gian chỉnh sửa kết quả.
Viết yêu cầu quá chung chung
Yêu cầu quá chung chung là lỗi phổ biến nhất khiến AI trả lời lan man. Prompt như “Viết bài về AI”, “Phân tích dữ liệu này” hoặc “Cho tôi ý tưởng marketing” thiếu mục tiêu và phạm vi cụ thể. Khi không có đủ thông tin, AI phải tự suy đoán người dùng muốn gì, dẫn đến output có thể rộng, chung chung hoặc không đúng nhu cầu. Hãy xác định rõ nhiệm vụ, đối tượng, mục đích và kết quả mong muốn.
Thiếu ngữ cảnh
Ngay cả khi nhiệm vụ được diễn đạt rõ, AI vẫn có thể tạo kết quả chưa phù hợp nếu thiếu bối cảnh. Ví dụ, “Viết email giới thiệu dịch vụ” chưa cho biết người nhận là ai, ngành nghề nào, mục tiêu của email hay giọng văn mong muốn. Bổ sung thông tin về đối tượng, lĩnh vực, tình huống và dữ liệu đầu vào giúp AI hiểu yêu cầu chính xác hơn.
Đưa quá nhiều yêu cầu không có cấu trúc
Một prompt chứa quá nhiều nhiệm vụ nhưng không phân chia rõ ràng có thể khiến AI bỏ sót một hoặc nhiều yêu cầu. Thay vì viết tất cả trong một đoạn dài, hãy nhóm nội dung theo mục tiêu, nhiệm vụ, điều kiện và format. Với công việc phức tạp, có thể chia thành nhiều prompt nhỏ hoặc sử dụng prompt chaining để dễ kiểm soát.
Không quy định format đầu ra
Nếu không xác định cách trình bày, AI có thể trả về kết quả đúng về nội dung nhưng khó sử dụng. Chẳng hạn, khi cần so sánh nhiều sản phẩm, hãy yêu cầu bảng thay vì chỉ nói “hãy so sánh”. Với nội dung cần triển khai trực tiếp, có thể yêu cầu format như bullet point, H2/H3, email hoặc JSON.
Không cung cấp dữ liệu hoặc nguồn cần thiết
AI không thể đưa ra phân tích chính xác nếu thiếu dữ liệu quan trọng. Với các nhiệm vụ dựa trên tài liệu, hãy cung cấp nội dung nguồn và nêu rõ phạm vi thông tin được phép sử dụng. Nếu yêu cầu nghiên cứu, nên xác định loại nguồn cần ưu tiên và yêu cầu phân biệt giữa thông tin đã xác minh và nhận định hoặc suy luận.
Tin tưởng tuyệt đối vào kết quả AI
AI có thể tạo ra thông tin sai, thiếu ngữ cảnh hoặc không phản ánh dữ liệu thực tế, ngay cả khi prompt được viết tốt. Vì vậy, không nên mặc định mọi output đều chính xác. Với thông tin quan trọng như số liệu, pháp lý, tài chính, y tế hoặc quyết định kinh doanh, cần kiểm tra nguồn, đối chiếu dữ liệu và đánh giá kết quả trước khi sử dụng.
>>> Tìm hiểu thêm:
- 18 cách ứng dụng AI cho ecommerce đạt hiệu quả cao
- Cách tạo website wordpress bằng AI: Hướng dẫn chi tiết từ A-Z
Prompt có thể ứng dụng vào những công việc nào?
Prompt có thể được sử dụng trong hầu hết các công việc cần xử lý thông tin, tạo nội dung, phân tích dữ liệu hoặc hỗ trợ ra quyết định. Khi biết cách xây dựng Prompt phù hợp, người dùng không chỉ đặt câu hỏi cho AI mà còn có thể biến AI thành trợ lý cho từng nhiệm vụ cụ thể.
- Marketing và SEO
Prompt hỗ trợ nghiên cứu chủ đề, xây dựng content brief, viết bài SEO, tạo tiêu đề, meta description, social post và đề xuất ý tưởng nội dung. Người dùng có thể quy định keyword, search intent, đối tượng mục tiêu và giọng văn để output phù hợp hơn.
- Nghiên cứu và xử lý thông tin
AI có thể giúp tóm tắt báo cáo, tổng hợp tài liệu, trích xuất thông tin, so sánh các phương án hoặc hệ thống hóa một lượng lớn dữ liệu. Với các nhiệm vụ cần độ chính xác cao, nên cung cấp nguồn cụ thể và yêu cầu AI không tự suy đoán khi thiếu dữ liệu.
- Phân tích và kinh doanh
Prompt có thể hỗ trợ phân tích dữ liệu bán hàng, đánh giá hiệu suất, xác định xu hướng, phân loại phản hồi khách hàng và đề xuất hướng cải thiện. AI có thể giúp chuyển dữ liệu thô thành các insight dễ hiểu, nhưng kết quả vẫn cần được kiểm tra trước khi dùng để ra quyết định quan trọng.
- Lập trình và phát triển phần mềm
Developer có thể dùng Prompt để viết code, giải thích thuật toán, debug, tạo test case, tối ưu code, chuyển đổi code giữa các ngôn ngữ hoặc hỗ trợ viết tài liệu kỹ thuật. Cung cấp code, framework, phiên bản và thông báo lỗi sẽ giúp AI đưa ra hỗ trợ sát thực tế hơn.
- Vận hành và quản lý công việc
Prompt có thể dùng để lập kế hoạch dự án, xây dựng checklist, phân chia nhiệm vụ, soạn email, chuẩn bị cuộc họp hoặc tổng hợp biên bản. Với những quy trình lặp lại, prompt tốt có thể được chuẩn hóa thành template để tiết kiệm thời gian.
- Sáng tạo
Từ ý tưởng video, kịch bản, câu chuyện đến hình ảnh và concept quảng cáo, Prompt giúp người dùng định hướng AI về chủ đề, phong cách, đối tượng, bố cục và thông điệp mong muốn.
Nhìn chung, Prompt có thể được ứng dụng từ những tác vụ đơn giản hằng ngày đến các quy trình chuyên môn phức tạp. Giá trị của Prompt không nằm ở việc viết thật dài mà ở khả năng truyền đạt đúng mục tiêu, bối cảnh và tiêu chí để AI tạo ra kết quả có thể sử dụng trong thực tế.
>>> Tìm hiểu thêm:
- 10 công cụ AI thiết kế website tốt nhất kèm so sánh chi tiết
- TOP 15+ công ty phần mềm lớn, uy tín tại Việt Nam
Kết luận
Qua bài viết, có thể thấy prompt là gì không còn là câu hỏi xa lạ mà đã trở thành kiến thức nền tảng cho bất kỳ ai muốn làm việc hiệu quả cùng AI. Prompt là câu lệnh, câu hỏi hoặc yêu cầu mà người dùng nhập vào hệ thống AI để định hướng kết quả, và chất lượng của nó quyết định phần lớn giá trị nhận lại. Nắm vững cấu trúc Role, Context, Task, Constraints, Format cùng các loại prompt, kỹ thuật Prompt Engineering và quy trình bảy bước sẽ giúp người dùng khai thác AI một cách chủ động, chính xác và có thể tái sử dụng.
Với doanh nghiệp muốn đưa AI vào vận hành thực tế, việc hiểu prompt và chuẩn hóa cách sử dụng là bước khởi đầu quan trọng. TOT đồng hành cùng doanh nghiệp trong hành trình ứng dụng AI, thiết kế website, mobile app và phần mềm theo yêu cầu để tối ưu hiệu quả công việc.
Câu hỏi thường gặp
Prompt là gì trong AI?
Prompt AI là đoạn văn bản đầu vào mà người dùng cung cấp cho một mô hình trí tuệ nhân tạo để mô tả yêu cầu và định hướng kết quả. Prompt có thể là câu hỏi, câu lệnh, hướng dẫn, dữ liệu đầu vào hoặc một yêu cầu gồm nhiều bước. Đây là cách chính để con người giao tiếp với AI bằng ngôn ngữ tự nhiên thay vì lập trình bằng mã. Prompt càng rõ ràng và đủ ngữ cảnh thì mô hình càng dễ hiểu đúng ý định và tạo ra output sát mục tiêu, chất lượng hơn.
Prompt ChatGPT là gì?
Prompt ChatGPT là câu lệnh, câu hỏi hoặc hướng dẫn mà người dùng nhập vào ChatGPT để yêu cầu mô hình thực hiện một nhiệm vụ cụ thể. Prompt có thể dùng để hỏi thông tin, viết nội dung, tóm tắt, phân tích dữ liệu, lập trình hoặc sáng tạo. OpenAI khuyến nghị Prompt nên rõ ràng, cụ thể và cung cấp đủ ngữ cảnh để ChatGPT hiểu mục tiêu và tạo phản hồi phù hợp. Prompt cũng có thể được tinh chỉnh qua nhiều lần dựa trên kết quả nhận được.
Prompt Engineering là gì?
Prompt Engineering là lĩnh vực nghiên cứu và thực hành cách thiết kế prompt để khai thác mô hình AI hiệu quả hơn. Công việc này bao gồm việc lựa chọn cách diễn đạt yêu cầu, cung cấp ngữ cảnh, thêm ví dụ mẫu và áp dụng các kỹ thuật như Zero-shot, Few-shot, Role Prompting hay Chain-of-Thought. Mục tiêu là giúp mô hình hiểu đúng yêu cầu và tạo ra kết quả chính xác, ổn định hơn. Prompt Engineering ngày càng quan trọng khi AI được ứng dụng sâu vào công việc và các sản phẩm phần mềm.
Prompt là gì trong Gemini?
Prompt trong Gemini là yêu cầu hoặc dữ liệu đầu vào được sử dụng để hướng dẫn các mô hình Gemini tạo ra kết quả theo mục tiêu của người dùng. Google cung cấp các chiến lược Prompt cho Gemini, trong đó có việc đưa hướng dẫn, ngữ cảnh, ví dụ và quy định format đầu ra. Prompt có thể được sử dụng cho nhiều tác vụ như hỏi đáp, phân tích, tạo nội dung, xử lý dữ liệu hoặc làm việc với các dạng nội dung khác mà mô hình hỗ trợ.
Prompt có cần viết bằng tiếng Anh không?
Prompt không bắt buộc phải viết bằng tiếng Anh. Các mô hình ngôn ngữ lớn hiện nay hỗ trợ nhiều ngôn ngữ, trong đó có tiếng Việt, nên người dùng hoàn toàn có thể viết prompt bằng tiếng Việt và nhận kết quả tiếng Việt. Yếu tố quyết định chất lượng là sự rõ ràng, đủ ngữ cảnh và cấu trúc hợp lý của prompt, chứ không phải ngôn ngữ được sử dụng. Trong một số trường hợp chuyên ngành có nhiều thuật ngữ tiếng Anh, việc kết hợp thuật ngữ gốc có thể giúp mô hình hiểu chính xác hơn.
Prompt dài có tốt hơn prompt ngắn không?
Prompt dài không mặc nhiên tốt hơn prompt ngắn; điều quan trọng là mức độ rõ ràng và phù hợp với nhiệm vụ. Một prompt ngắn gọn vẫn hiệu quả với các tác vụ đơn giản, trong khi các tác vụ phức tạp cần đủ ngữ cảnh, ràng buộc và ví dụ, nên prompt sẽ dài hơn. Tuy nhiên, prompt dài nhưng lan man, chứa thông tin thừa hoặc mâu thuẫn lại dễ khiến AI hiểu sai. Nguyên tắc là cung cấp vừa đủ thông tin cần thiết để mô hình thực hiện đúng yêu cầu, không thừa cũng không thiếu.
