Viết prompt rõ hơn để AI trả lời sát việc bạn cần

Bạn nhờ AI viết email báo khách rằng đơn hàng bị trễ. Bản trả về rất tròn trịa, nhưng lại hứa tặng mã giảm giá và giao vào ngày mai. Bạn chưa hề có hai thông tin đó. Đọc thì có vẻ chuyên nghiệp, gửi đi lại thành lời hứa sai. Vấn đề bắt đầu từ yêu cầu quá ngắn, để công cụ tự lấp nhiều khoảng trống.

Viết prompt có bối cảnh là nói rõ việc cần làm, dữ kiện được dùng và giới hạn của câu trả lời. Hãy đưa những thông tin ảnh hưởng trực tiếp tới kết quả, rồi kiểm bản trả về. Bối cảnh tốt giúp AI bớt đoán, nhưng người dùng vẫn cần xem lại nội dung trước khi dùng thật.

Một câu yêu cầu đang để trống quá nhiều chỗ

Giả sử Thu phụ trách trả lời khách của một cửa hàng. Cô gõ: “Viết email xin lỗi vì giao trễ, giọng thân thiện.” Yêu cầu này đã có nhiệm vụ và giọng văn, nhưng thiếu tình trạng đơn, lý do được phép nói và bước tiếp theo. AI có thể tạo một mẫu nghe hợp lý mà chưa phù hợp với việc cửa hàng thực sự đang làm.

Thu cần phân biệt điều đã biết với điều chưa biết. Đơn đang chờ xác nhận từ đơn vị vận chuyển. Nhóm chưa có ngày giao mới. Cửa hàng sẽ kiểm lại vào chiều hôm sau và cập nhật cho khách. Những dữ kiện này đủ để viết một lời xin lỗi có trách nhiệm mà không phải tự tạo cam kết về thời điểm nhận hàng.

Người nhận và mục đích cũng ảnh hưởng cách viết. Email cho khách đã hỏi hai lần cần vào thẳng tình trạng hiện tại. Tin nhắn đầu tiên có thể cần thêm mã đơn để họ nhận ra việc đang nói tới. Nếu không nêu bối cảnh giao tiếp, bạn dễ nhận một đoạn quá dài, quá khách sáo hoặc lặp những điều khách đã biết.

Trong hướng dẫn prompting của Anthropic, sự rõ ràng và ví dụ là những cách hỗ trợ mô hình hiểu yêu cầu. Với công việc viết, bạn có thể áp dụng bằng mục tiêu, dữ kiện và một mẫu giọng phù hợp. Đừng xem mẫu prompt của bất kỳ nơi nào là công thức bảo đảm đúng cho mọi nhiệm vụ.

Thử sửa một yêu cầu qua ba lượt

Lượt đầu, Thu bổ sung: “Khách hỏi về đơn giao trễ. Đơn đang được kiểm tra với bên vận chuyển, chưa có ngày giao mới.” Bản trả về đã bám tình huống hơn, nhưng vẫn viết quá dài. Thu nhận ra mình chưa nói kênh gửi và độ gọn cần thiết. Cô muốn một tin chat có thể đọc nhanh, không phải một email nhiều đoạn.

Lượt hai, cô thêm: “Viết một tin nhắn ngắn, xưng mình và bạn. Nói rõ nhóm sẽ cập nhật tình trạng vào chiều mai theo giờ Việt Nam.” Nếu ngày cụ thể quan trọng, Thu sẽ cung cấp ngày đã xác nhận thay vì để chữ mai trôi theo thời điểm dùng. Yêu cầu lúc này nối được dữ kiện với hình thức đầu ra.

Lượt ba, cô ghi giới hạn: “Không hứa ngày giao mới, không tự thêm ưu đãi. Nếu thiếu dữ kiện cần thiết, chỉ ra phần cần hỏi lại.” Đây là điều quan trọng với công việc của cửa hàng. Nó giúp bản nháp tránh những phần Thu đã thấy sai, đồng thời cho người kiểm biết tiêu chí nào cần đối chiếu trước khi gửi.

Bạn có thể viết các phần ấy thành vài dòng: việc cần làm, người nhận, dữ kiện, cách trình bày và điều không được tự thêm. Với một câu sửa chính tả đơn giản, thêm cả câu chuyện dài chỉ làm nặng prompt. Dùng cấu trúc như lời nhắc kiểm thông tin, không biến nó thành khuôn bắt buộc.

Chỉ thêm bối cảnh thật sự giúp câu trả lời tốt hơn

Bối cảnh cần liên quan tới quyết định của câu trả lời. Thu không cần gửi lịch sử toàn bộ khách hàng để viết một tin báo chậm đơn. Cô chỉ cần phần trao đổi liên quan và thông tin đã được phép sử dụng. Càng nhiều dữ liệu không liên quan, bạn càng khó biết mô hình đang dựa vào đâu và càng tốn công kiểm lại.

Nếu gửi tài liệu, chỉ rõ phần nào là dữ kiện tham khảo và phần nào là yêu cầu của bạn. Một đoạn khách viết trong email không nên tự trở thành chỉ dẫn để công cụ thực hiện việc khác. Với ứng dụng có quyền thao tác, vấn đề còn vượt ra ngoài cách viết prompt. Bài prompt injection và cách giảm rủi ro giải thích thêm điểm khác biệt này.

Ví dụ mẫu nên thể hiện điều bạn muốn giữ. Nếu muốn giọng tự nhiên, đưa một đoạn ngắn đã được duyệt và nói thích cách xưng hô, độ dài hoặc nhịp câu nào. Đừng đưa mẫu có thông tin sai rồi chỉ mong AI học giọng. Cũng nên nói rõ mẫu là ví dụ về cách viết, không phải dữ kiện để chép vào tình huống mới.

Tài liệu hoặc đoạn chat có dữ liệu riêng cần được xử lý theo quy định của nơi làm việc và dịch vụ đang dùng. Bạn có thể thay dữ liệu không cần thiết bằng thông tin giả phù hợp. Viết prompt rõ không đòi hỏi gửi hết dữ liệu thật. Chỉ cung cấp phần cần cho nhiệm vụ và được phép sử dụng trong môi trường ấy.

Khi câu trả lời lệch, sửa nguyên nhân thay vì gõ lại từ đầu

Khi bản trả về lệch, tìm loại lỗi trước khi gõ lại toàn bộ. Sai sự thật có thể do thiếu dữ kiện hoặc nguồn mâu thuẫn. Quá dài có thể do chưa nói hình thức đầu ra. Giọng không hợp có thể cần ví dụ rõ hơn. Mỗi lỗi dẫn tới một cách sửa khác, thay vì thêm liên tục những câu nhấn mạnh chung như làm thật tốt.

Chỉ sửa một vài yếu tố rồi so kết quả với tiêu chí ban đầu. Thu giữ nguyên dữ kiện, thay yêu cầu từ email sang tin chat để xem độ gọn. Nếu đổi cả bối cảnh, giọng và thông tin cùng lúc, cô sẽ khó biết điều gì giúp bản mới tốt hơn. Một lượt thử có chủ đích sẽ dạy bạn nhiều hơn việc bấm tạo lại tới khi gặp bản vừa mắt.

Đừng để cuộc trò chuyện tích quá nhiều yêu cầu cũ trái nhau. Nếu đã chuyển từ khách mới sang khách đang khiếu nại, nhắc lại trạng thái hiện tại và điều cần làm. Khi cần, tạo một yêu cầu mới gọn với những thông tin đã chốt. Bản prompt cuối nên đọc được độc lập ở mức phù hợp, nhất là nếu bạn định giao cho người khác dùng lại.

Prompt gọn vẫn cần được thử trên việc thật

Một prompt dùng lại cần được thử trên nhiều tình huống của chính công việc. Với tin báo đơn trễ, thử khi có ngày giao mới, khi chưa có ngày và khi khách muốn hủy. Kiểm xem bản nháp có tự thêm điều không được phép không. Không nên kết luận prompt đã ổn chỉ vì một ví dụ đầu tiên cho ra đoạn rất mượt.

Giữ một danh sách lỗi quan trọng để rà đầu ra. Với Thu, đó là thông tin đơn, mốc cập nhật và cam kết ngoài thẩm quyền. Với việc khác, tiêu chí sẽ khác. Bài đánh giá AI theo nhiệm vụ cụ thể giúp chọn ví dụ và điều kiện dùng được thay vì chỉ chấm cảm giác hay dở.

Trước khi gửi khách, Thu đọc lại tin như người sẽ chịu trách nhiệm cho lời viết ấy. Cô kiểm dữ kiện rồi sửa vài từ cho đúng cách cửa hàng thường nói. Prompt tốt đã giúp giảm công viết nháp, còn bước kiểm giúp bản nháp trở thành nội dung dùng được. Bạn sẽ tiến bộ rõ hơn khi biết mình đang bổ sung thông tin gì và vì sao, thay vì tìm một câu lệnh thần kỳ.