Bạn đã học cách quy định định dạng (Bài 5), cung cấp ngữ cảnh (Bài 4) và cấu trúc câu lệnh theo mô hình RTCF (Bài 3). Giờ hãy cùng xem xét những lỗi thường gặp - và cách khắc phục chúng.
Sau bài học này, bạn sẽ có thể:
Nhận diện 7 lỗi phổ biến nhất khi viết câu lệnh
Chẩn đoán nguyên nhân khiến câu lệnh không hiệu quả
Áp dụng các biện pháp cụ thể để cải thiện kết quả phản hồi
Tại sao câu lệnh lại thất bại: AI không biết "tốt hơn" có nghĩa là gì đối với bạn. Rõ ràng hơn? Ngắn gọn hơn? Trang trọng hơn? Hay thuyết phục hơn?
Cách khắc phục: Hãy nêu cụ thể ý nghĩa của từ "tốt hơn" trong trường hợp này.
Mơ hồ
Cụ thể
"Hãy làm cho nó tốt hơn"
"Hãy làm cho nó súc tích hơn - cắt giảm 50% số từ"
"Cải thiện email này"
"Hãy làm cho email này chuyên nghiệp hơn và loại bỏ ngôn ngữ suồng sã"
"Hỗ trợ cho hồ sơ xin việc của tôi"
"Viết lại mô tả công việc của tôi bằng cách sử dụng động từ hành động và thành tích có thể định lượng được"
Sai lầm số 2: Thiếu ngữ cảnh
Vấn đề: "Tôi nên phản hồi việc này như thế nào?"
Tại sao cách này không hiệu quả: AI không biết gì về mối quan hệ, lịch sử làm việc, mục tiêu hay các hạn chế của bạn.
Cách khắc phục: Cung cấp ngữ cảnh trước khi đặt câu hỏi.
Quản lý của tôi đã gửi email này (nội dung dán bên dưới). Một chút ngữ cảnh: Tôi sắp được xét thăng chức vào quý tới; cô ấy thường nói thẳng nhưng lại đánh giá cao việc tôi phản biện khi không đồng ý; và dự án này đang bị chậm tiến độ do thiếu hụt nguồn lực mà cô ấy đã biết. Tôi nên phản hồi thế nào?
Sai lầm số 3: Mặc định AI biết những gì bạn biết
Vấn đề: Sử dụng thuật ngữ chuyên ngành, nhắc đến các dự án nội bộ hoặc mặc định rằng AI có chung kiến thức với mình.
Tại sao cách này không hiệu quả: AI không có kiến thức về công ty, tên dự án hay thuật ngữ nội bộ của bạn.
Cách khắc phục: Giải thích các thuật ngữ và cung cấp thông tin nền tảng.
Chúng tôi đang thực hiện Dự án Phoenix (tên nội bộ cho dự án thiết kế lại quy trình tiếp nhận khách hàng mới). Quy trình hiện tại mất trung bình 14 ngày; chúng tôi đặt mục tiêu rút ngắn xuống còn 3 ngày. Hãy giúp tôi soạn thảo bản cập nhật tiến độ cho các bên liên quan.
Sai lầm số 4: Yêu cầu AI tự xác thực thông tin của chính nó
Vấn đề: "Hãy đảm bảo mọi thông tin trong câu trả lời này đều chính xác".
Tại sao cách này không hiệu quả: AI không có hệ thống kiểm chứng sự thật. Nó tạo ra văn bản nghe có vẻ hợp lý chứ không phải sự thật đã được kiểm chứng. Việc yêu cầu nó tự xác thực cũng giống như bảo một người hay đoán mò đầy tự tin hãy tự kiểm tra lại những phỏng đoán của họ vậy.
Cách khắc phục: Tự mình kiểm chứng các thông tin quan trọng.
Hãy soạn bản nháp so sánh ba công cụ quản lý dự án này. Tôi sẽ tự kiểm chứng các thông tin cụ thể về tính năng và giá cả - bạn chỉ cần tập trung vào cấu trúc so sánh.
Kiểm tra nhanh: Bạn yêu cầu AI liệt kê danh sách các podcast về marketing, sau đó hỏi: "Liệu tất cả các podcast này có còn hoạt động và được khuyên nghe trong năm 2026 không?" - AI tự tin khẳng định "có" cho cả 8 mục. Hai ngày sau, bạn phát hiện ra 3 trong số đó đã không ra tập mới nào trong hơn một năm qua. Tại sao đây lại chính là kiểu thất bại giống như Sai lầm số 4 (dù trông có vẻ như bạn đang dùng AI để xác thực thông tin), và quy trình làm việc đúng đắn cho nhiệm vụ cụ thể này sẽ như thế nào?
Việc yêu cầu chính công cụ dự đoán đã tạo ra danh sách đó phải xác thực lại danh sách này sẽ không mang lại thêm một ý kiến khách quan nào khác - nó chỉ tạo ra thêm những đoạn văn nghe có vẻ hợp lý dựa trên phỏng đoán ban đầu. Mô hình AI không thực sự "tra cứu" xem các podcast có còn hoạt động hay không; nó chỉ dự đoán xem một câu trả lời đầy tự tin sẽ có giọng điệu như thế nào.
Quy trình làm việc đúng đắn là phân chia công việc: Dùng AI để soạn thảo danh sách và mô tả đặc điểm của từng podcast, sau đó tự bạn xác thực từng mục bằng cách mở nguồn cấp dữ liệu hoặc trang web của chúng - một bước kiểm tra mất 2 phút nhưng giúp tránh việc giới thiệu các chương trình đã ngừng phát sóng.
Nguyên tắc chung là: AI tạo nội dung, còn bạn là người xác thực. Bất cứ khi nào bạn yêu cầu AI xác nhận lại điều gì đó do chính nó tạo ra, bạn đang chồng chất các phỏng đoán thay vì phát hiện và sửa lỗi chúng.
Sai lầm số 5: Một câu lệnh (prompt) quá dài và ôm đồm
Vấn đề: Câu lệnh dài tới 2.000 từ cố gắng thực hiện mọi thứ cùng một lúc.
Tại sao cách này thất bại: Các câu lệnh phức tạp dễ dẫn đến những phản hồi thiếu mạch lạc. AI có thể giải quyết một số phần nhưng lại bỏ qua các phần khác.
Cách khắc phục: Chia nhỏ yêu cầu. Thực hiện từng bước một, sau đó phát triển dần.
Thay vì:
Hãy viết một chiến lược tiếp thị hoàn chỉnh bao gồm phân tích đối thủ cạnh tranh, định vị thương hiệu, thông điệp, các kênh truyền thông, ngân sách và lộ trình thực hiện
Hãy thử:
Trước tiên, hãy phân tích các đối thủ cạnh tranh chính của chúng tôi: [liệt kê danh sách]. Tập trung vào định vị và thông điệp của họ.
Dựa trên phân tích đó, hãy đề xuất định vị và các điểm khác biệt cốt lõi cho chúng tôi.
Bây giờ, hãy xây dựng thông điệp cho từng điểm khác biệt đó.
Đề xuất các kênh tiếp thị phù hợp với đối tượng mục tiêu và ngân sách của chúng tôi.
Lập lộ trình thực hiện.
Kiểm tra nhanh: Trước khi chuyển sang bước tiếp theo, bạn có nhớ được khái niệm chính mà chúng ta vừa đề cập không? Hãy thử giải thích lại bằng ngôn ngữ của riêng bạn trước khi tiếp tục.
Sai lầm số 6: Chấp nhận ngay phản hồi đầu tiên
Vấn đề: Chấp nhận bất cứ nội dung nào AI tạo ra mà không qua các bước chỉnh sửa, hoàn thiện.
Tại sao cách này thất bại: Phản hồi đầu tiên hiếm khi là phương án tối ưu nhất. Chúng chỉ là điểm khởi đầu, không phải sản phẩm hoàn chỉnh.
Cách khắc phục: Chỉnh sửa và hoàn thiện dần. Đưa ra phản hồi. Tinh chỉnh nội dung.
Đây là một khởi đầu tốt. Bây giờ hãy rút ngắn nội dung xuống 30%, thêm một ví dụ cụ thể vào đoạn 2 và làm cho lời kêu gọi hành động mang tính cấp thiết hơn.
Hãy coi AI như một cộng sự trong quá trình chỉnh sửa, chứ không phải một chiếc máy bán hàng tự động chuyên cung cấp các sản phẩm hoàn chỉnh.
Sai lầm số 7: Chọn sai công cụ cho công việc
Vấn đề: Sử dụng AI cho những tác vụ mà nó không thực hiện tốt.
Lý do thất bại: AI có những hạn chế về mặt cấu trúc. Việc ép buộc AI thực hiện các tác vụ không phù hợp sẽ gây lãng phí thời gian và dẫn đến sai sót.
Cách khắc phục: Hiểu rõ những gì AI làm tốt (và không tốt).
Đừng sử dụng AI cho
Hãy sử dụng AI để thay thế
Thông tin thời gian thực
Tóm tắt thông tin bạn cung cấp
Toán học/đếm phức tạp
Giải thích các khái niệm hoặc viết về toán học
Các tuyên bố về sự thật mà bạn không thể kiểm chứng
Soạn thảo nội dung để bạn kiểm chứng thông tin
Thay thế sự đánh giá của chuyên gia
Hỗ trợ quá trình ra quyết định của bạn
Kết quả hoàn hảo ngay trong lần thực hiện đầu tiên
Các bản nháp và quá trình tinh chỉnh lặp lại
Kiểm tra nhanh: Một nhà sáng lập mà bạn quen biết muốn AI "tính toán chính xác mức tiêu hao tiền mặt hàng tháng từ 50 giao dịch này và cho biết khi nào chúng tôi sẽ hết tiền". Cô ấy cảm thấy bực bội vì AI liên tục đưa ra các tổng số khác nhau. Hãy đối chiếu lỗi này với bảng "Những việc không nên dùng AI", sau đó giải thích lý do sâu xa khiến tác vụ này không phù hợp về mặt bản chất đối với AI, ngay cả khi có câu lệnh (prompt) hoàn hảo.
Có hai mục phù hợp: "Tính toán/đếm số phức tạp" và "Các khẳng định thực tế không thể kiểm chứng".
Lý do sâu xa: AI là một cỗ máy dự đoán token, không phải máy tính - khi bạn yêu cầu tính tổng, nó dự đoán một con số tổng hợp lý dựa trên các độ lớn mà nó từng thấy, sau đó ghép những chữ số khớp với khuôn mẫu đó. Đôi khi nó đưa ra con số đúng; nhưng thường thì nó đưa ra con số phù hợp với một tập hợp dữ liệu đầu vào tương tự nào đó.
Sự phân công công việc hợp lý là: Dùng bảng tính hoặc script Python để tính toán; dùng AI để diễn giải kết quả - ví dụ: "với mức tiêu hao 42.000 USD/tháng và 180.000 USD trong ngân hàng, đây là câu chuyện về thời gian duy trì hoạt động mà bạn có thể trình bày với hội đồng quản trị". Cách làm này tận dụng thế mạnh của AI (định hình vấn đề, truyền đạt) và sử dụng công cụ phù hợp cho việc mà AI vốn dĩ kém hiệu quả (tính toán số học).
Quy trình gỡ lỗi
Khi một câu lệnh không mang lại kết quả như ý, hãy tự hỏi:
Tác vụ có rõ ràng không? Người khác có hiểu chính xác điều bạn muốn không?
Bạn đã cung cấp đủ ngữ cảnh chưa? AI có đủ thông tin nền tảng cần thiết không?
Bạn có quy định định dạng không? Bạn có hướng dẫn AI cách trình bày kết quả đầu ra không?
Bạn có đưa ra ví dụ không? Với các khuôn mẫu phức tạp, bạn có minh họa điều mình muốn không?
Bạn có đang yêu cầu quá nhiều việc cùng lúc không? Bạn có nên chia nhỏ thành các bước không?
Đây có phải là công cụ phù hợp không? AI có thực sự thích hợp cho tác vụ này không?
Bài tập chẩn đoán nhanh
Dưới đây là một câu lệnh thất bại. Lỗi nằm ở đâu và bạn sẽ sửa nó như thế nào?
Câu lệnh:
Viết một phản hồi
Phản hồi của AI: Một đoạn văn chung chung về tầm quan trọng của việc phản hồi một cách thấu đáo.
Chẩn đoán: Thiếu mọi thứ - không có thông tin cụ thể về tác vụ, không có ngữ cảnh, không có định dạng.
Chỉnh sửa:
Hãy viết thư phản hồi cho khiếu nại của khách hàng này (được dán bên dưới).
Ngữ cảnh: Họ là khách hàng đã gắn bó 3 năm và gặp sự cố chậm trễ giao hàng. Chúng tôi đã hoàn lại phí vận chuyển.
Mục tiêu: Giữ chân khách hàng đồng thời thiết lập những kỳ vọng thực tế.
Giọng điệu: Thấu hiểu nhưng không hạ mình.
Định dạng: Dưới 150 từ.
Câu lệnh chưa chuẩn 3: "Thông tin này có chính xác không?" [kèm theo văn bản do AI tạo]
Cách tiếp cận này có vấn đề gì?
Bạn nên làm gì thay thế?
(Hãy thử viết các bản sửa lỗi trước khi tiếp tục)
Thử ngay: Tự sửa lỗi cho câu lệnh chưa chuẩn của bạn
Cách nhanh nhất để hiểu nguyên nhân khiến một câu lệnh thất bại là nhờ AI chẩn đoán chính câu lệnh CỦA BẠN. Hãy mở ChatGPT, Claude hoặc Gemini và dán nội dung này vào.
Hãy đóng vai một huấn luyện viên về kỹ thuật viết câu lệnh (prompt engineering). Tôi sẽ dán một câu lệnh mà tôi đã thử gần đây nhưng mang lại kết quả không như ý. Hãy chẩn đoán lỗi sai dựa trên 7 lỗi phổ biến dưới đây, sau đó viết lại câu lệnh đó giúp tôi.
7 lỗi cần kiểm tra:
1. Quá mơ hồ (từ "tốt" ở đây nghĩa là gì?)
2. Thiếu ngữ cảnh (ai, dự án nào, đối tượng mục tiêu, mục tiêu cụ thể)
3. Mặc định AI hiểu các thuật ngữ/tên gọi nội bộ
4. Yêu cầu AI tự kiểm chứng thông tin của chính nó
5. Một câu lệnh (prompt) quá dài ôm đồm mọi thứ
6. Chấp nhận ngay câu trả lời đầu tiên mà không tinh chỉnh thêm
7. Dùng sai công cụ (AI không làm tốt việc này)
Dưới đây là câu lệnh chưa đạt hiệu quả của tôi:
"""
[DÁN CÂU LỆNH THỰC TẾ CỦA BẠN — câu lệnh bạn đã thử trong tuần này nhưng không ưng ý]
"""
Kết quả thực tế tôi nhận được (không bắt buộc):
"""
[DÁN CÂU TRẢ LỜI GÂY THẤT VỌNG CỦA AI, HOẶC BỎ QUA]
"""
Kết quả tôi thực sự mong muốn:
[một câu mô tả kết quả mà bạn kỳ vọng]
Phân tích của bạn:
1. Liệt kê xem câu lệnh của tôi mắc phải lỗi nào trong số 7 lỗi trên (có thể mắc nhiều lỗi cùng lúc).
2. Viết lại câu lệnh của tôi sau khi đã khắc phục TẤT CẢ các lỗi.
3. Nếu tôi mắc lỗi số 7 (dùng sai công cụ), hãy gợi ý công cụ tôi nên dùng thay vì AI.
Cách điền thông tin: Thay thế các phần trong ngoặc vuông [] bằng thông tin cụ thể từ tình huống thực tế của bạn. Đầu vào mơ hồ sẽ dẫn đến kết quả mơ hồ - hãy thật cụ thể.
Kết quả bạn sẽ nhận được: Một bản phân tích rõ ràng chỉ ra các lỗi cụ thể + một câu lệnh (prompt) đã được viết lại để bạn có thể sử dụng ngay. Hãy so sánh bản viết lại của bạn với bản của AI để thấy những điểm mà bạn có thể đã vô tình bỏ sót.
Cách xử lý kết quả: Lưu lại phản hồi vào ứng dụng ghi chú. Chọn ra một gợi ý mang lại hiệu quả cao nhất và thực hiện nó ngay trong tuần này - đừng cố gắng làm tất cả mọi thứ cùng lúc.
Nếu kết quả chưa như ý: Nếu các gợi ý có vẻ chung chung, hãy dán câu lệnh bổ sung sau: "Hãy đưa ra thông tin cụ thể hơn dựa trên ngữ cảnh thực tế của tôi. Bỏ qua những lời khuyên chung chung". Nếu AI bỏ qua các chi tiết quan trọng bạn đã cung cấp, hãy thêm yêu cầu: "Bạn đã bỏ sót [X] trong ngữ cảnh của tôi - hãy thực hiện lại với [X] là yêu cầu trọng tâm".
Hãy lưu lại câu lệnh đã được viết lại. Lần tới khi gặp nhiệm vụ tương tự, hãy bắt đầu từ template đó thay vì làm lại từ đầu - đây là cách bạn xây dựng thư viện câu lệnh cá nhân.
Những điểm chính cần lưu ý
Câu lệnh mơ hồ sẽ nhận lại phản hồi chung chung - hãy xác định rõ thế nào là "tốt" ngữ cảnh là yếu tố then chốt - AI chỉ biết những gì bạn cung cấp cho nó
Đừng tin tưởng hoàn toàn vào khả năng tự kiểm chứng của AI - hãy xác thực lại các thông tin quan trọng
Chia nhỏ các nhiệm vụ phức tạp thành từng bước - giải quyết từng việc một
Cải thiện dần các phản hồi - bản nháp đầu tiên chỉ là điểm khởi đầu
Sử dụng quy trình gỡ lỗi khi câu lệnh không mang lại kết quả như mong đợi
Câu 1:
Đâu là sai lầm cần tránh khi đặt câu lệnh cho AI?
GIẢI THÍCH:
AI có thể tạo ra thông tin nghe rất thuyết phục nhưng lại sai lệch (hiện tượng "ảo giác"). Hãy luôn tự mình xác thực các thông tin quan trọng thay vì tin tưởng hoàn toàn vào khả năng tự kiểm chứng của AI.
Câu 2:
Bạn nên làm gì khi phản hồi của AI không đúng như mong đợi?
GIẢI THÍCH:
Khi phản hồi không đạt yêu cầu, hãy phân tích xem thông tin nào còn thiếu hoặc chưa rõ ràng, sau đó tinh chỉnh câu lệnh của bạn. Việc đặt câu lệnh là một quá trình cần sự điều chỉnh và hoàn thiện dần.
Câu 3:
Tại sao các câu lệnh (prompt) mơ hồ thường dẫn đến những phản hồi chung chung?
GIẢI THÍCH:
Khi AI không thể xác định chính xác điều bạn muốn, nó sẽ mặc định đưa ra các phản hồi an toàn, chung chung, có thể phù hợp với nhiều cách hiểu khác nhau về yêu cầu của bạn.
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: