8 mẫu prompt AI giúp cải thiện chất lượng đầu ra của AI Agent

AI Agent đang ngày càng được ứng dụng rộng rãi trong công việc, từ xử lý dữ liệu, chăm sóc khách hàng đến tự động hóa quy trình kinh doanh. Tuy nhiên, để AI Agent hoạt động hiệu quả và tạo ra kết quả chính xác, việc xây dựng prompt phù hợp đóng vai trò vô cùng quan trọng.

Khác với chatbot AI thông thường, AI Agent có thể tự động thực hiện các tác vụ dựa trên bộ hướng dẫn được thiết lập sẵn. Vì vậy, nếu prompt ban đầu không đủ rõ ràng, AI Agent có thể liên tục tạo ra kết quả sai lệch mỗi khi chạy, thậm chí gây lãng phí thời gian và chi phí vận hành.

Để khắc phục vấn đề này, mọi người có thể sử dụng các mẫu prompt AI có cấu trúc rõ ràng, được thiết kế cho từng mục đích cụ thể. Dưới đây là 16 mẫu prompt mà bạn có thể sao chép, tùy chỉnh và sử dụng trực tiếp trong ChatGPT, Claude hoặc phần hướng dẫn của AI Agent.

1. Context-setting: Prompt cung cấp ngữ cảnh cho AI

Mẫu prompt này phù hợp với những công việc được thực hiện thường xuyên, trong đó các thông tin nền tảng tương đối ổn định, chẳng hạn như viết báo cáo, cập nhật tiến độ dự án, soạn nội dung hoặc trả lời khách hàng.

Đây cũng là nền tảng quan trọng khi xây dựng hướng dẫn cho AI Agent, bởi agent thường phải tự hoàn thành tác vụ mà không thể dừng lại để hỏi thêm thông tin.

Mẫu prompt:

Trước khi đưa ra yêu cầu, tôi sẽ cung cấp cho bạn một số thông tin cần thiết:
Bối cảnh: [Mô tả tình huống và lý do công việc này quan trọng]
Đối tượng: [Những người sẽ đọc hoặc sử dụng kết quả]
Các giới hạn: [Giọng văn, độ dài, định dạng và những điều cần tránh]
Tiêu chí thành công: [Những yếu tố mà một kết quả tốt cần đạt được]
Dựa trên những thông tin trên, hãy thực hiện yêu cầu sau: [Nội dung yêu cầu cụ thể].

Tại sao mẫu prompt này hiệu quả?

Khi trả lời, mô hình AI dựa trên dữ liệu đã được huấn luyện và thông tin có trong ngữ cảnh hiện tại. AI Agent có thể chủ động tìm kiếm dữ liệu từ tệp hoặc các kỹ năng được tích hợp, nhưng những thông tin như đối tượng sử dụng nội dung, mục tiêu công việc hay tiêu chí đánh giá thường chỉ người dùng mới nắm rõ.

Việc cung cấp đầy đủ bối cảnh ngay từ đầu giúp AI hiểu chính xác nhu cầu thay vì đưa ra câu trả lời chung chung. Đây cũng là nguyên tắc quan trọng của Context Engineering (kỹ thuật xây dựng ngữ cảnh).

2. Standing Instructions: Prompt thiết lập hướng dẫn cố định

Sử dụng mẫu này trong phần hướng dẫn tùy chỉnh của chatbot, system prompt của dự án hoặc phần thiết lập ban đầu cho AI Agent. Đây là lựa chọn phù hợp khi bạn muốn AI luôn tuân thủ một bộ quy tắc nhất định trong nhiều lần thực hiện tác vụ.

Mẫu prompt:

Từ bây giờ, hãy áp dụng những hướng dẫn cố định sau cho tất cả yêu cầu của tôi:
Thông tin về tôi: [Vai trò, nhóm làm việc và lĩnh vực phụ trách]
Quy tắc mặc định: [Giọng văn, định dạng và độ dài mong muốn]
Luôn luôn: [Những yêu cầu bắt buộc, ví dụ: trích dẫn nguồn cho mọi số liệu thống kê]
Không bao giờ: [Những điều cần tránh, ví dụ: sử dụng thuật ngữ chuyên ngành mà không giải thích]
Nếu một yêu cầu cụ thể mâu thuẫn với các hướng dẫn trên, hãy ưu tiên yêu cầu mới và thông báo cho tôi về sự khác biệt.

Tại sao mẫu prompt này hiệu quả?

Một trong những nguyên nhân khiến kết quả AI thiếu nhất quán là người dùng phải liên tục giải thích lại sở thích và yêu cầu của mình.

Standing Instructions giúp đưa các quy tắc này vào phần hướng dẫn cố định để AI có thể tham chiếu trong mỗi lần thực hiện. Đây cũng là cách hoạt động của tính năng Custom Instructions trên ChatGPT hoặc tệp AGENTS.md trong các dự án sử dụng Claude Code.

Thay vì thiết lập lại từ đầu cho từng tác vụ, bạn chỉ cần xây dựng bộ hướng dẫn một lần và điều chỉnh khi cần thiết.

3. Placeholder: Prompt sử dụng nội dung giữ chỗ

Mẫu prompt này hữu ích khi tạo email, báo cáo định kỳ, tài liệu doanh nghiệp hoặc đầu ra của AI Agent cần tuân theo một cấu trúc thống nhất.

Mẫu prompt:

Tôi sẽ cung cấp một mẫu định dạng cho đầu ra của bạn. Những từ viết HOA là các vị trí giữ chỗ cần được thay thế bằng nội dung phù hợp. Hãy điền thông tin vào các vị trí này và giữ nguyên cấu trúc định dạng:
[Mẫu nội dung có chứa các vị trí giữ chỗ]
Bây giờ, hãy áp dụng mẫu trên cho yêu cầu sau: [Yêu cầu cụ thể].

Ví dụ:

Email: "Xin chào [TÊN], dự án [TÊN DỰ ÁN] hiện đang ở trạng thái [TRẠNG THÁI] tính đến ngày [NGÀY]..."
Báo cáo: "Tóm tắt điều hành: [TÓM TẮT]. Phát hiện chính: [KẾT QUẢ]..."

Tại sao mẫu prompt này hiệu quả?

Khi không biết một thông tin cụ thể, chẳng hạn số điện thoại hoặc địa chỉ, AI đôi khi có thể tự tạo ra dữ liệu nghe có vẻ hợp lý thay vì để trống.

Sử dụng placeholder giúp AI nhận biết những thông tin còn thiếu và giữ nguyên vị trí cần bổ sung, chẳng hạn [SO_DIEN_THOAI], thay vì tự suy đoán. Người dùng có thể điền dữ liệu thực tế sau đó và dễ dàng kiểm tra những phần còn thiếu.

4. Few-shot: Prompt hướng dẫn AI bằng ví dụ

Sử dụng Few-shot Prompting khi bạn muốn AI tạo đầu ra theo một phong cách, cấu trúc hoặc quy tắc cụ thể nhưng việc mô tả bằng lời chưa đủ rõ ràng.

Few-shot có nghĩa là cung cấp một số ví dụ ngay trong prompt để AI nhận biết và làm theo mẫu.

Mẫu prompt:

Tôi sẽ cung cấp một số ví dụ về dạng đầu ra mong muốn. Hãy phân tích quy luật trong các ví dụ này, sau đó áp dụng cùng cách thức cho dữ liệu mới.
Dữ liệu đầu vào ví dụ 1: [Nội dung đầu vào] / Kết quả đầu ra ví dụ 1: [Kết quả]
Dữ liệu đầu vào ví dụ 2: [Nội dung đầu vào] / Kết quả đầu ra ví dụ 2: [Kết quả]
Bây giờ, hãy áp dụng quy luật tương tự cho nội dung sau: [Dữ liệu mới].

Tại sao mẫu prompt này hiệu quả?

Các mô hình ngôn ngữ lớn (LLM) hoạt động dựa trên khả năng nhận diện và hoàn thiện mẫu. Vì vậy, việc đưa ra ví dụ cụ thể thường giúp AI hiểu yêu cầu nhanh hơn so với những đoạn mô tả dài.

Trong nhiều trường hợp, chỉ cần hai hoặc ba ví dụ phù hợp là đủ để AI nắm bắt phong cách và cấu trúc đầu ra mà bạn mong muốn.

5. Output Schema: Prompt chuẩn hóa định dạng đầu ra

Nếu kết quả từ AI được sử dụng trong một quy trình khác thay vì chỉ phục vụ việc đọc và tham khảo, bạn nên xác định rõ cấu trúc đầu ra.

Mẫu này đặc biệt hữu ích khi chuyển dữ liệu sang CRM, bảng tính, bản tóm tắt nội dung hoặc giữa các bước trong quy trình tự động hóa.

Mẫu prompt:

Hãy trả lời chính xác theo cấu trúc sau:
[Trường thông tin 1]: [Nội dung cần điền]
[Trường thông tin 2]: [Nội dung cần điền]
[Trường thông tin 3]: [Nội dung cần điền]
Nếu một trường thông tin không áp dụng, hãy ghi "N/A" thay vì bỏ qua. Không tự ý thêm trường dữ liệu, lời bình luận hoặc phần giới thiệu bên ngoài cấu trúc này.

Tại sao mẫu prompt này hiệu quả?

AI thường có xu hướng trả lời bằng văn bản hội thoại tự nhiên. Điều này thuận tiện khi đọc nhưng có thể gây khó khăn khi xử lý dữ liệu tự động.

Một cấu trúc cố định giúp đầu ra nhất quán và dễ tích hợp vào bảng tính, hệ thống CRM hoặc các bước tiếp theo của quy trình tự động hóa mà không làm gián đoạn hoạt động.

6. Flipped Interaction: Prompt để AI chủ động đặt câu hỏi

Thông thường, người dùng sẽ đặt câu hỏi và AI trả lời. Tuy nhiên, với Flipped Interaction, AI sẽ chủ động đặt câu hỏi để thu thập thông tin cần thiết trước khi đưa ra kết quả. Mẫu này phù hợp khi xác định yêu cầu dự án, xử lý sự cố hoặc luyện tập một kỹ năng mới.

Mẫu prompt:

Từ bây giờ, hãy chủ động đặt câu hỏi cho tôi để [đạt được mục tiêu cụ thể].
Tiếp tục đặt câu hỏi cho đến khi bạn thu thập đủ thông tin để [đưa ra kết quả mong muốn]. Sau đó, hãy trình bày đề xuất cuối cùng.
Mục tiêu: [Điều bạn muốn đạt được]
Điều kiện dừng: [Tiêu chí cụ thể để kết thúc việc đặt câu hỏi]
Hãy bắt đầu bằng câu hỏi đầu tiên.

Tại sao mẫu prompt này hiệu quả?

Thay vì chỉ phản hồi những gì người dùng cung cấp, AI sẽ chủ động thu thập thông tin thông qua các câu hỏi có định hướng.

Cách tiếp cận này giúp phát hiện những điểm còn thiếu, những vấn đề người dùng chưa nghĩ đến và các cơ hội có thể bị bỏ qua. Nhờ đó, kết quả cuối cùng thường sát với nhu cầu thực tế hơn.

7. Expert Persona: Prompt thiết lập vai trò chuyên gia

Sử dụng mẫu này khi cần phân tích chuyên sâu, tư vấn theo lĩnh vực hoặc thực hiện công việc đòi hỏi góc nhìn chuyên môn cụ thể thay vì một câu trả lời chung chung từ trợ lý AI.

Mẫu prompt:

Hãy đóng vai một [chức danh chuyên môn chính] với những kinh nghiệm và chuyên môn cụ thể sau:
Năng lực 1: [Bằng cấp hoặc chứng chỉ chuyên môn]
Năng lực 2: [Kinh nghiệm làm việc cụ thể]
Năng lực 3: [Lĩnh vực chuyên sâu]
Phong cách giao tiếp: [Cách thức truyền đạt thông tin]
Góc nhìn ưu tiên: [Những yếu tố cần chú trọng]
Dựa trên nền tảng chuyên môn này, hãy thực hiện nhiệm vụ sau: [Nội dung công việc].
Hãy trả lời theo cách tiếp cận của vai trò chuyên gia trên, bao gồm thuật ngữ chuyên ngành, những vấn đề thường gặp và phương pháp lập luận phù hợp.

Tại sao mẫu prompt này hiệu quả?

Việc thiết lập vai trò là một trong những kỹ thuật viết prompt phổ biến. Tuy nhiên, chỉ yêu cầu AI "đóng vai chuyên gia" thường chưa đủ để tạo ra kết quả khác biệt.

Những thông tin cụ thể như chuyên môn, kinh nghiệm, ưu tiên và phong cách giao tiếp mới là yếu tố giúp AI xác định rõ phạm vi và cách tiếp cận vấn đề.

Lưu ý, việc thiết lập persona không biến AI thành chuyên gia thực sự hoặc bảo đảm mọi thông tin chuyên môn đều chính xác. Những kết quả quan trọng vẫn cần được kiểm chứng.

8. Expert Panel: Prompt mô phỏng hội đồng chuyên gia

Đây là phiên bản mở rộng của Expert Persona, cho phép AI mô phỏng cuộc thảo luận giữa nhiều chuyên gia thay vì chỉ sử dụng một góc nhìn.

Mẫu prompt phù hợp khi đưa ra quyết định phức tạp, lập kế hoạch chiến lược hoặc đánh giá những lựa chọn có nhiều ưu và nhược điểm.

Mẫu prompt:

Tôi cần nhiều góc nhìn chuyên môn để giải quyết vấn đề [Mô tả vấn đề]. Hãy mô phỏng một cuộc thảo luận giữa các chuyên gia sau:
Chuyên gia 1: [Vai trò cụ thể] với chuyên môn về [Lĩnh vực]
Chuyên gia 2: [Vai trò cụ thể] với chuyên môn về [Lĩnh vực]
Chuyên gia 3: [Vai trò cụ thể] với chuyên môn về [Lĩnh vực]
Mỗi chuyên gia cần thực hiện các nhiệm vụ sau:
Giới thiệu chuyên môn và góc nhìn của mình.
Phân tích vấn đề từ quan điểm cá nhân.
Đề xuất phương án giải quyết.
Phản hồi ý kiến của các chuyên gia khác.
Đi đến kết luận chung hoặc giải thích những điểm chưa thống nhất.
Trình bày theo định dạng: Chuyên gia 1 (Chức danh): [Nội dung phản hồi].

Tại sao mẫu prompt này hiệu quả?

Mô phỏng hội đồng chuyên gia buộc AI xem xét một vấn đề từ nhiều góc độ thay vì nhanh chóng đưa ra một câu trả lời duy nhất.

Phương pháp này có thể giúp nhận diện những hạn chế trong lập luận, giảm phần nào thiên kiến và phát hiện các giải pháp mà người dùng chưa nghĩ đến. Tuy nhiên, các góc nhìn được mô phỏng vẫn xuất phát từ cùng một mô hình AI, không tương đương với ý kiến độc lập của những chuyên gia thực tế.