Prompt engineering: 3 cấp độ từ cơ bản đến nâng cao

Playbook này dành cho ai?

Bạn đã dùng AI để viết email, tóm tắt tài liệu, tìm ý tưởng. Có lúc kết quả rất tốt, có lúc chung chung — và bạn không hiểu tại sao. Cùng một câu hỏi, hôm nay AI trả lời đúng ý, ngày mai lại cho ra thứ khác hoàn toàn.

Nhiều người phản ứng bằng cách viết prompt dài hơn, thêm chi tiết rồi thử lại. Mất thêm 20 phút, kết quả vẫn chưa đúng ý. Đó là đoán mò được ngụy trang thành phương pháp.

Playbook này giới thiệu hệ thống 3 cấp độ prompt — zero-shot, one-shot, few-shot — xếp từ đơn giản đến có hệ thống. Kèm theo đó là tư duy prompt ngược: thay vì tự viết prompt từ đầu, bạn phân tích kết quả tốt trước, rồi để AI xây prompt cho bạn.

Bạn sẽ đạt được gì?

• Phân biệt zero-shot, one-shot, few-shot — biết chọn cấp nào cho từng tình huống thay vì đoán mò
• Kỹ thuật viết zero-shot cụ thể theo công thức: hành động + ràng buộc + mục tiêu
• Quy trình one-shot 3 bước: đưa ví dụ → nhờ AI phân tích → xây template tái sử dụng
• Kỹ thuật phân tích đa chiều cho few-shot — chỉ rõ AI cần tìm gì thay vì "tìm quy luật chung"
• Tư duy prompt ngược: phân tích kết quả tốt trước, để AI xây prompt cho bạn

Bạn cần chuẩn bị gì?

• Một công cụ AI bất kỳ — ChatGPT, Claude, hoặc Gemini — để thử các prompt mẫu
• 1-3 bài viết hoặc email tốt nhất của bạn (cho phần one-shot và few-shot) — nếu chưa có, bạn vẫn thực hành được với zero-shot

---

Bức tranh toàn cảnh

Hãy tưởng tượng bạn thuê một người viết nội dung tự do.

• Cách 1: Bạn nói: "Viết bài giới thiệu sản phẩm." Người viết tự đoán phong cách, giọng văn, độ dài — kết quả có thể ổn, có thể lệch xa.
• Cách 2: Bạn đưa 1 bài mẫu: "Viết giống kiểu này." Người viết hiểu rõ hơn, kết quả gần với mong đợi.
• Cách 3: Bạn đưa 3-5 bài mẫu: "Đây là phong cách của tôi, hãy viết theo pattern này." Người viết nắm được quy luật, kết quả nhất quán.