Prompt engineering không phải sưu tầm “câu thần chú”. Đó là kỹ năng mô tả công việc: kết quả, bối cảnh, ranh giới, dữ liệu, định dạng và cách kiểm tra. Khóa bảy ngày này cần 30–45 phút mỗi ngày và tạo ra một thư viện workflow của riêng bạn.
Điểm quan trọng: mục tiêu không phải dùng AI nhiều hơn, mà là tạo ra kết quả tốt hơn, có bằng chứng và vẫn giữ người dùng chịu trách nhiệm ở quyết định cuối.
Ngày 1–2: Mục tiêu và bối cảnh
Ngày 1 viết Goal + Done when cho năm yêu cầu mơ hồ. Ngày 2 luyện chọn context: chỉ đưa tài liệu liên quan, nêu nguồn ưu tiên và thông tin còn thiếu. So sánh output trước/sau bằng rubric.
Ngày 3: Ranh giới và từ chối
Viết constraints về độ dài, giọng, phạm vi nguồn, dữ liệu cấm và lúc phải hỏi lại. Thử prompt có tiền đề sai; đầu ra tốt phải phản biện thay vì chiều người dùng.
Ngày 4: Định dạng có cấu trúc
Luyện bảng, checklist và JSON schema. Phân biệt format dành cho người đọc với schema dành cho máy. Test giá trị rỗng, ký tự tiếng Việt và trường ngoài enum.
Ngày 5: Ví dụ và phản ví dụ
Cung cấp hai output tốt, một output xấu và lý do. Ví dụ hữu ích hơn hàng chục tính từ. Không dùng dữ liệu riêng tư làm few-shot.
Ngày 6–7: Vòng lặp và dự án cuối
Ngày 6 tách Plan → Draft → Critique → Revise → Verify. Ngày 7 chọn một việc thật, tạo template, bộ 10 test và hướng dẫn sử dụng. Chỉ “tốt hơn” khi điểm rubric tăng, không phải vì văn dài hơn.
Bài thực hành để biến kiến thức thành kỹ năng
Dự án cuối: workflow biến ghi chú họp thành biên bản và action list. Phải nhận biết owner/date thiếu, không bịa và xuất bảng có cột trạng thái xác minh.
Hãy lưu đầu vào, đầu ra đầu tiên, phần đã sửa, thời gian và lỗi phát hiện. Một quy trình chỉ đáng chia sẻ khi người khác có thể làm lại và hiểu giới hạn của nó.
Checklist trước khi áp dụng thật
- Goal quan sát được
- Context đủ và có nguồn ưu tiên
- Constraints rõ
- Output schema ổn định
- Có bộ test và rubric
- Có bước con người duyệt
Ba câu hỏi tự đánh giá
- Nếu AI sai, tôi phát hiện bằng bằng chứng nào?
- Dữ liệu và hành động nào phải được bảo vệ hoặc phê duyệt?
- Tôi có thể giải thích kết quả cho người khác mà không núp sau câu “AI nói” không?
Kết luận: Công cụ sẽ đổi nhanh, nhưng cách làm dựa trên mục tiêu, nguồn, kiểm thử và trách nhiệm vẫn có giá trị lâu dài. Hãy bắt đầu nhỏ, đo kết quả và chỉ mở rộng sau khi quy trình đã đáng tin.
Nguồn tham khảo: tài liệu chính thức/liên quan. Với tính năng sản phẩm, hãy kiểm tra ngày cập nhật và quyền truy cập trên tài khoản của bạn.
