Trong Bài 4, bạn đã chuyển các quy tắc vào phần hướng dẫn (instructions) và các dữ kiện vào một file, đồng thời yêu cầu agent của mình trích dẫn dòng thông tin đã sử dụng và nêu tên file đó.
Agent của bạn xử lý tốt các tình huống thông thường vào thứ Sáu. Nhưng rồi, một email gửi đến với nội dung: "Máy sưởi Breeze của tôi ngừng tỏa nhiệt", trong khi file của bạn lại không liệt kê bất kỳ máy sưởi nào. Do thiếu hướng dẫn cho trường hợp này, có thể tuần này agent xếp yêu cầu đó vào mục "Thông tin còn thiếu", nhưng tuần sau lại xếp nó vào mục "Quạt tháp Breeze" (thuộc sở hữu của khách hàng Nora). Cùng một kiểu đầu vào, nhưng lại cho ra hai kết quả khác nhau.
Hướng dẫn xây dựng agent của OpenAI có đề cập đến tình huống này: Đó là việc quyết định "cần làm gì khi người dùng cung cấp thông tin không đầy đủ hoặc đặt một câu hỏi bất ngờ". Trang khắc phục sự cố dành cho GPT cung cấp giải pháp để đảm bảo kết quả nhất quán hơn: "Hãy thêm một hoặc hai ví dụ rõ ràng nếu bạn muốn hành vi của agent ổn định hơn".
Trong bài học này, bạn sẽ bổ sung ba nhánh xử lý cho các đầu vào khác thường, kèm theo hai ví dụ ngắn về cách phản hồi tốt và chưa tốt, cùng một dòng lệnh tự kiểm tra. Sau đó, bạn sẽ chạy thử ba câu lệnh kiểm tra các tình huống ngoại lệ (edge prompt).
Các nhánh xử lý: Phải làm gì khi thiếu thông tin?
Hướng dẫn của OpenAI nêu rằng một quy trình vững chắc cần dự đoán trước các biến thể phổ biến và "bao gồm những chỉ dẫn về cách xử lý thông qua các bước có điều kiện hoặc những nhánh rẽ - chẳng hạn như thực hiện một bước thay thế nếu thiếu thông tin cần thiết". Microsoft đưa ra một quy tắc ngắn gọn cho các agent: "Chỉ gọi công cụ khi đã có đủ dữ liệu đầu vào cần thiết; nếu không, hãy hỏi lại người dùng". Dù ban đầu được viết cho các công cụ, nhưng nguyên tắc này cũng áp dụng hiệu quả cho bất kỳ đầu vào nào mà agent của bạn cần xử lý.
Hãy viết mỗi nhánh theo cấu trúc quy tắc của Bài 3: Nếu [tình huống này xảy ra], thì [thực hiện hành động này], vì [lý do]. Đối với hầu hết các agent, có ba tình huống cần thiết lập nhánh xử lý riêng:
Thiếu thông tin đầu vào: Không có nội dung được dán vào hoặc không có file nào được chỉ định.
Dữ kiện không có trong file: Ví dụ như sản phẩm, khách hàng hoặc ngày tháng không tồn tại trong dữ liệu của bạn.
Yêu cầu nằm ngoài phạm vi công việc: Chẳng hạn như yêu cầu soạn phản hồi cho khách hàng, trong khi agent chỉ được thiết kế để viết các bản tóm tắt.
Sau đó, với mỗi nhánh, hãy quyết định xem agent nên đặt câu hỏi cho người dùng hay tiếp tục thực hiện công việc.
Hai thói quen hữu ích. Các quy tắc mẫu từ Microsoft bao gồm: "Chỉ đặt một câu hỏi làm rõ tại mỗi thời điểm, và chỉ khi thực sự cần thiết". Hướng dẫn từ OpenAI cũng lưu ý rằng việc nêu rõ hành động cụ thể (thậm chí là cả cách diễn đạt thông điệp gửi đến người dùng) sẽ giúp giảm thiểu sai sót trong quá trình diễn giải; hãy đặt câu hỏi chính xác đó trong dấu ngoặc kép.
Kiểm tra nhanh: Agent của bạn đặt 4 câu hỏi trước khi đưa ra bất kỳ phản hồi nào, trong khi nó hoàn toàn có thể thực hiện yêu cầu đó ngay. Điều gì đang thiếu ở đây?
Đáp án: Một quy tắc như "Chỉ đặt một câu hỏi làm rõ tại mỗi thời điểm, và chỉ khi thực sự cần thiết", cùng với các nhánh logic xác định trường hợp nào cần đặt câu hỏi và trường hợp nào nên đánh dấu là THIẾU THÔNG TIN/MISSING.
Ví dụ: Phân biệt phản hồi tốt và phản hồi chưa tốt
Nếu các hướng dẫn cho biết cần làm gì, thì ví dụ sẽ minh họa cách thực hiện điều đó. Theo Anthropic: "Ví dụ là một trong những cách đáng tin cậy nhất để định hướng định dạng, giọng điệu và cấu trúc đầu ra của Claude". Đối với các mô hình GPT thực hiện việc định nghĩa hoặc phân loại (tương tự như cách bạn phân loại trong yêu cầu của mình), OpenAI khuyên rằng: "Hãy đưa vào các ví dụ ngắn gọn về kết quả đầu ra chấp nhận được và không chấp nhận được".
Microsoft gọi phương pháp cung cấp nhiều hơn một ví dụ là "few-shot prompting" (kỹ thuật gợi ý với vài ví dụ mẫu). Cần bao nhiêu ví dụ? Các nhà cung cấp đưa ra những lời khuyên khác nhau: OpenAI gợi ý "một hoặc hai" ví dụ; Anthropic khuyên "nên có từ 3–5 ví dụ để đạt kết quả tốt nhất"; còn Microsoft cho rằng các tình huống đơn giản có thể không cần ví dụ nào, trong khi các tình huống phức tạp thì cần "nhiều hơn một ví dụ". Khóa học này bắt đầu với hai ví dụ.
Ba quy tắc sau đây sẽ giúp các ví dụ không gây tác dụng ngược:
Cần nhiều hơn một ví dụ và các ví dụ phải khác biệt nhau. Microsoft chỉ ra vấn đề: "Mô hình có thể sao chép nguyên văn cách diễn đạt trong ví dụ", vì vậy hãy cung cấp nhiều hơn một ví dụ. Anthropic khuyến nghị nên chọn các ví dụ "bao quát cả những trường hợp ngoại lệ và đảm bảo sự đa dạng để Claude không hiểu nhầm thành các khuôn mẫu không mong muốn". Hãy thiết lập một ví dụ cho trường hợp thông thường và một ví dụ cho trường hợp ngoại lệ.
Phải sát với công việc thực tế. Anthropic lưu ý: "Tính liên quan: Hãy phản ánh sát nhất có thể tình huống sử dụng thực tế của bạn". Hãy sử dụng chính định dạng và các danh mục của riêng bạn.
Tách biệt khỏi các hướng dẫn. Anthropic khuyên: "Hãy đặt các ví dụ trong thẻ `<example>` (nếu có nhiều ví dụ thì dùng thẻ `<examples>`) để Claude có thể phân biệt chúng với các hướng dẫn". Bạn cũng nên áp dụng cách làm tương tự với bất kỳ công cụ nào khác, bằng cách đặt các ví dụ dưới một tiêu đề riêng biệt.
Kiểm tra nhanh: Bản tóm tắt của bạn đang tính cả một khiếu nại không có thật trong tuần này – đó chính là email nằm trong phần ví dụ. Bạn sẽ xử lý thế nào?
Đáp án: Tách các ví dụ ra riêng. Đặt chúng dưới một tiêu đề riêng, mỗi ví dụ nằm trong thẻ <example>, và cả hai cùng nằm trong một cặp thẻ <examples>; kèm theo một dòng chú thích rằng đây chỉ là các ví dụ minh họa về định dạng, không phải là email thực tế của tuần này.
Hoàn thiện bằng bước tự kiểm tra
Microsoft đề xuất một bước cuối cùng để đối chiếu kết quả với các yêu cầu ban đầu: "Bước tự kiểm tra giúp đảm bảo tính đầy đủ". Ví dụ mà họ đưa ra là: "Trước khi hoàn tất, hãy xác nhận rằng mọi chỉ số đều có (a) giá trị, (b) nguồn dữ liệu, và (c) không dựa trên các giả định. Nếu có giả định, hãy dừng lại và hỏi người dùng." Trong Bài 3, bước 4 của bạn đã xác định tiêu chí "Hoàn thành"; bước tự kiểm tra này bổ sung thêm câu hỏi quan trọng nhất đối với một bản tóm tắt: liệu có thông tin nào là do suy đoán không?
Ví dụ minh họa
Các yêu cầu trong bản tóm tắt về khiếu nại sẽ được bổ sung thêm ba phần mới. Dưới đây là một ví dụ:
# CÁC TRƯỜNG HỢP ĐẶC BIỆT
- Nếu thông điệp của tôi không chứa email nào, hãy hỏi tôi: "Vui lòng dán các email khiếu nại của tuần này vào đây." Sau đó dừng lại, vì một bản tóm tắt không có email sẽ gây hiểu lầm cho nhóm.
- Nếu một email đề cập đến sản phẩm không có trong file `brief-guide.txt`, hãy liệt kê sản phẩm đó vào mục "Thông tin còn thiếu" (Missing info) với định dạng: `MISSING: product "[từ ngữ xuất hiện trong email]"`. Việc tự đoán tên sản phẩm sẽ dẫn đến việc phân công sai người phụ trách.
- Nếu tôi yêu cầu bất cứ điều gì khác ngoài bản tóm tắt (ví dụ: soạn phản hồi cho khách hàng), hãy trả lời: "Tôi chỉ thực hiện soạn bản tóm tắt các khiếu nại." rồi dừng lại, vì các phản hồi sẽ được gửi đi dưới danh nghĩa của tôi.
# VÍ DỤ
Các ví dụ dưới đây minh họa cấu trúc của một dòng dữ liệu. Đây không phải là các email của tuần này, vì vậy đừng sao chép nguyên văn nội dung của chúng.
<examples>
<example>
Email: "Phần đế chiếc quạt Breeze của tôi bị nứt trong quá trình vận chuyển."
Đúng: Breeze tower fan, Delivery, 1, "base cracked in the post", Nora. Trích dẫn: "BR-5 = Breeze tower fan"; "Delivery = late, missing or damaged in transit"; "lamps and fans: Nora" [brief-guide.txt]
Sai: Fan, Damage, 1. (Danh mục này không có trong hướng dẫn, thiếu người phụ trách, thiếu dòng trích dẫn.)
</example>
<example>
Email: "Máy sưởi Breeze của tôi không còn tỏa nhiệt nữa."
Đúng: Mục "Thông tin còn thiếu" (Missing info) -> MISSING: product "Breeze heater"
Sai: Breeze tower fan, Defect, 1, Nora. (Đây là sản phẩm gần giống nhất, nhưng là kết quả của việc tự đoán.)
</example>
</examples>
# TỰ KIỂM TRA
Trước khi đưa ra câu trả lời, hãy đảm bảo rằng mỗi email đều đã được tính một lần; mọi tên sản phẩm, danh mục và người phụ trách đều có dòng trích dẫn kèm tên file tương ứng; và không có thông tin nào là do tự đoán. Nếu có thông tin nào là tự đoán, hãy thay thế bằng nhãn `THIẾU THÔNG TIN:` kèm theo thông tin thực tế đó.
Thử ngay: Các trường hợp đặc biệt, ví dụ, tự kiểm tra
1. Soạn thảo nội dung. Dán đoạn sau vào bất kỳ khung chat nào:
Hãy giúp tôi bổ sung các trường hợp đặc biệt, ví dụ và phần tự kiểm tra vào hướng dẫn dành cho AI agent của tôi. Chỉ sử dụng những thông tin mà tôi cung cấp. CÁC HƯỚNG DẪN CỦA TÔI:
[dán các hướng dẫn hiện tại của bạn vào đây]
BA TÌNH HUỐNG MÀ AGENT CỦA TÔI CÓ THỂ XỬ LÝ SAI (thiếu thông tin đầu vào, dữ liệu không có trong file, yêu cầu nằm ngoài phạm vi công việc):
[mỗi tình huống một dòng]
1. Với mỗi tình huống, hãy viết một quy tắc theo cấu trúc: "Nếu [tình huống], thì [hành động cần thực hiện], vì [lý do]." Nêu rõ liệu agent nên đặt một câu hỏi cho tôi (ghi chính xác câu hỏi đó trong dấu ngoặc kép) hay ghi "THIẾU THÔNG TIN:" rồi tiếp tục xử lý.
2. Viết hai ví dụ ngắn theo định dạng đầu ra của tôi, mỗi ví dụ bao gồm một dòng "Tốt", một dòng "Chưa tốt" và giải thích lý do tại sao dòng đó chưa tốt: một ví dụ cho trường hợp thông thường và một ví dụ cho trường hợp đặc biệt. Đặt mỗi ví dụ trong thẻ <example>, và cả hai nằm trong cặp thẻ <examples>, bên dưới dòng: "Các ví dụ này minh họa cấu trúc của một dòng, không phải nội dung để sao chép nguyên văn."
3. Viết một dòng "TỰ KIỂM TRA": xác định điều kiện hoàn thành và đảm bảo không có thông tin nào bị suy đoán.
4. Liệt kê bất kỳ hướng dẫn nào hiện tại của tôi bị mâu thuẫn hoặc lặp lại bởi các quy tắc mới này.
Nơi dán: Một cuộc trò chuyện mới trong bất kỳ công cụ nào, tách biệt với dự án của agent đó.
Kết quả nhận được: Yêu cầu cung cấp ba quy tắc theo cấu trúc "Nếu, thực hiện, vì", hai ví dụ (với dòng Tốt và Chưa tốt), một dòng tự kiểm tra, và danh sách các điểm mâu thuẫn với hướng dẫn hiện tại của bạn.
Cách xử lý: Trước tiên hãy giải quyết các điểm mâu thuẫn (theo trang hướng dẫn khắc phục sự cố của OpenAI: "Loại bỏ các quy tắc trùng lặp hoặc mâu thuẫn"), sau đó thêm ba phần mà bạn đã chỉnh sửa trong Bài 3 vào hướng dẫn của mình. Đối với Copilot, hãy đảm bảo toàn bộ văn bản không vượt quá 8.000 ký tự.
Nếu kết quả chưa đúng: Chẳng hạn như nếu một ví dụ sử dụng dữ liệu không có trong file của bạn, hãy thay thế bằng một dòng dữ liệu thực tế từ file đó.
2. Chạy ba câu lệnh cho các trường hợp đặc biệt, mỗi trường hợp cho một nhánh, trong các cuộc trò chuyện riêng biệt (với Copilot: chọn Try it, sau đó bắt đầu cuộc trò chuyện mới (New chat)). Sao chép từng dòng một. Đối với yêu cầu soạn bản tóm tắt khiếu nại:
Hãy soạn bản tóm tắt khiếu nại cho tuần này.
Hãy soạn bản tóm tắt cho tuần này dựa trên email này. Dara, thứ Hai: "Máy sưởi Breeze của tôi ngừng tỏa nhiệt sau một tuần sử dụng."
Hãy soạn phản hồi cho Marc về việc anh ấy bị tính phí hai lần và đề nghị hoàn tiền cho anh ấy.
Mỗi nhánh cần thực hiện đúng chức năng được quy định: Yêu cầu cung cấp địa chỉ email rồi dừng lại; ghi chú "THIẾU THÔNG TIN: Sản phẩm 'máy sưởi Breeze'" (thiếu thông tin chủ sở hữu); hoặc chỉ đưa ra phần tóm tắt ngắn gọn. Đối với agent của riêng bạn, hãy viết một câu lệnh (prompt) cho mỗi nhánh.
3. Chạy lại câu lệnh từ Bài 2 mà bạn đã quen thuộc để đảm bảo không có nhánh nào kích hoạt sai trường hợp. Sau đó, cập nhật vào nhật ký thay đổi: "v0.4: ba nhánh, hai ví dụ, tự kiểm tra".
Những điểm chính cần lưu ý
Xây dựng mỗi nhánh theo cấu trúc: "Nếu X, hãy thực hiện Y, vì Z". Bạn có thể chọn: đặt một câu hỏi cụ thể (ghi rõ nguyên văn) hoặc đánh dấu "THIẾU THÔNG TIN" rồi tiếp tục quy trình.
Sử dụng hai ví dụ ngắn gọn: Một ví dụ thông thường và một ví dụ rơi vào trường hợp đặc biệt. Mỗi ví dụ cần bao gồm cả trường hợp xử lý tốt và trường hợp xử lý chưa tốt, tách biệt rõ ràng với các quy tắc.
Kết thúc bằng bước tự kiểm tra để đảm bảo không có thông tin nào bị suy đoán vô căn cứ.
Sau mỗi lần thay đổi, hãy chạy lại câu lệnh cũ để đảm bảo các phần khác vẫn hoạt động ổn định, không bị ảnh hưởng ngoài ý muốn.
Câu 1:
Freya đã thêm ba nhánh, hai ví dụ và một bước tự kiểm tra cùng lúc. Ba nhánh xử lý các trường hợp đặc thù (edge prompt) của cô ấy hiện đã hoạt động tốt. Tuy nhiên, nhánh xử lý các tình huống quen thuộc (familiar prompt) - vốn vẫn ổn vào tuần trước - giờ đây lại kết thúc bằng phần "Câu hỏi dành cho bạn", yêu cầu cung cấp những thông tin mà hệ thống thực tế đã có sẵn. Cô ấy nên làm gì?
GIẢI THÍCH:
Một trong những nội dung cô ấy thêm vào đang kích hoạt không đúng lúc. Việc kiểm tra từng thay đổi một (như đã hướng dẫn trong Bài 3) sẽ giúp xác định nguyên tắc nào gây ra vấn đề; đồng thời, quy tắc mẫu từ Microsoft - "Chỉ đặt một câu hỏi làm rõ tại mỗi thời điểm và chỉ khi thực sự cần thiết" - sẽ giúp cô ấy tinh chỉnh lại. Nếu giữ nguyên mọi thứ, kết quả trả về cho các tác vụ thường xuyên nhất sẽ kém hiệu quả hơn; nếu bắt đầu lại từ đầu, cô ấy sẽ lãng phí ba nhánh xử lý trường hợp đặc thù đang hoạt động tốt; còn nếu đặt quy định "không bao giờ được hỏi", nhánh xử lý những trường hợp thiếu thông tin đầu vào sẽ không còn hoạt động đúng chức năng.
Câu 2:
Agent của Yusuf soạn thảo các báo giá dựa trên bảng giá của anh ấy. Khi một khách hàng viết "lấy giống lần trước nhé" mà không nêu tên sản phẩm cụ thể, agent này lại tự động báo giá cho mặt hàng đắt nhất trong danh sách. Câu nào dưới đây, khi được thêm vào phần hướng dẫn, sẽ giải quyết vấn đề này hiệu quả nhất?
GIẢI THÍCH:
Vì agent đã tự đoán thông tin còn thiếu, giải pháp phù hợp là thiết lập một nhánh xử lý cho trường hợp thiếu thông tin đó, kèm theo câu hỏi cụ thể cần đặt ra. Hướng dẫn của OpenAI gợi ý thực hiện một bước thay thế khi thiếu thông tin cần thiết. Trong trường hợp này, agent không có dữ liệu về các đơn hàng trước đó để tham chiếu; yêu cầu "đặc biệt cẩn thận" không cung cấp cơ sở cụ thể nào để kiểm tra; còn việc cấm hoàn toàn sẽ ngăn cản agent đưa ra các báo giá lẽ ra có thể thực hiện chính xác.
Câu 3:
Agent của Ruth soạn thảo các bản tóm tắt cuộc họp cho nhóm của cô ấy. Trong phần hướng dẫn dành cho agent này có một ví dụ mẫu, bắt đầu bằng câu: "Hôm nay chúng ta đã có một buổi họp tuyệt vời, cả nhóm ơi!". Kết quả là mọi bản tóm tắt đều bắt đầu bằng câu đó, ngay cả khi nội dung nói về việc cắt giảm ngân sách. Thay đổi nào dưới đây tuân thủ tốt nhất lời khuyên từ các nhà cung cấp mô hình AI?
GIẢI THÍCH:
Microsoft từng nêu chính vấn đề này – "mô hình sao chép nguyên văn cách diễn đạt từ ví dụ" – và gợi ý nên cung cấp nhiều hơn một ví dụ. Anthropic cũng khuyến nghị sử dụng các ví dụ đa dạng và tách biệt chúng khỏi những quy tắc. Việc xóa bỏ ví dụ sẽ làm mất đi cấu trúc mà nó vốn dùng để hướng dẫn; quy tắc viết bằng chữ in hoa lại là kiểu cấm đoán mà các nhà cung cấp khuyên nên tránh; còn file kiến thức chỉ dùng để lưu trữ dữ liệu tham khảo chứ không phải hướng dẫn cách phản hồi.
Theo Nghị định 147/2024/ND-CP, bạn cần xác thực tài khoản trước khi sử dụng tính năng này. Chúng tôi sẽ gửi mã xác thực qua SMS hoặc Zalo tới số điện thoại mà bạn nhập dưới đây: