[HOT] Hướng dẫn Prompting nâng cao với AI phần 2: Làm chủ kỹ thuật Role, Contextual và System Promp

Welcome, Growth Pioneers! 🚀

Vừa qua, Google đã phát hành tài liệu dài 68 trang, trong đó cập nhật mới nhất về các kỹ thuật prompt engineering từ cơ bản để nâng cao, có thể áp dụng trong rất nhiều các tác vụ khác nhau, từ việc đơn giản như truy vấn thông tin, suy luận, giải thích tới code hay thậm chí là các system prompt để làm việc với agent, tạo bot tự động, xây ứng dụng AI,… Và toàn bộ tài liệu này đã được mình tổng hợp lại các kỹ thuật chính theo hướng thực chiến – dễ tiếp cận – dùng được ngay.

Elon Musk vừa khoe trên mạng xã hội X rằng tuần sau xAi sẽ cho ra mắt Grok 3.5 dành cho người dùng đăng ký SuperGrok subscriber. Điểm đặc biệt của nó chính là có thể dựa vào những kiến thức nền tảng ban đầu để suy luận và đưa ra những câu trả lời chưa từng xuất hiện trên internet. Đồng thời, đây cũng sẽ là AI đầu tiên có thể trả lời chính xác các câu hỏi kỹ thuật về động cơ tên lửa và điện hóa học.

Trong bản tin hôm nay, bạn sẽ được khám phá:

• Hướng dẫn Prompt nâng cao với AI phần 2: Làm chủ kỹ thuật Role prompt, Contextual Prompt và System Prompt

• Grok sắp nâng cấp lên 3.5: AI đầu tiên có thể tạo ra câu trả lời chưa từng tồn tại trên Internet

TIPS

Hướng dẫn Prompt nâng cao với AI phần 2: Làm chủ kỹ thuật Role prompt, Contextual Prompt và System Prompt

Vừa qua, Google đã phát hành tài liệu dài 68 trang, trong đó cập nhật mới nhất về các kỹ thuật prompt engineering từ cơ bản để nâng cao, có thể áp dụng trong rất nhiều các tác vụ khác nhau, từ việc đơn giản như truy vấn thông tin, suy luận, giải thích tới code hay thậm chí là các system prompt để làm việc với agent, tạo bot tự động, xây ứng dụng AI,… Và toàn bộ tài liệu này đã được mình tổng hợp lại các kỹ thuật chính theo hướng thực chiến – dễ tiếp cận – dùng được ngay. Và ở phần một mình đã chia sẻ về 2 kỹ thuật Zero-shot & Few-shot prompting.

Tiếp nối về chuỗi bài hướng dẫn này, phần 2 mình sẽ chia sẻ với các bạn về các kỹ thuật prompt đặc thù khác ra là Role Prompt, Contextual Prompt và System Prompt,  cũng như tóm tắt đặc điểm, vai trò và cả các ứng dụng cụ thể của nó để dễ áp dụng nhé.

Role Prompt (Gán Vai Trò)

Role Prompt là một phương pháp trong kỹ thuật tạo prompt, trong đó chúng ta gán một vai trò hoặc danh tính cụ thể cho mô hình AI để hướng dẫn phản hồi của nó. Bằng cách này, chúng ta có thể đảm bảo rằng mô hình sẽ tập trung vào một lĩnh vực kiến thức cụ thể, từ đó giúp câu trả lời trở nên chính xác và liên quan hơn đến yêu cầu của người dùng.

Ví dụ, thay vì yêu cầu một câu hỏi chung chung, bạn có thể chỉ định vai trò cho mô hình để câu trả lời được điều chỉnh phù hợp với chuyên môn cần thiết. Các vai trò có thể bao gồm lập trình viên phần mềm, bếp trưởng, diễn giả truyền cảm hứng, hoặc thậm chí là nhân vật lịch sử. Bạn cũng có thể chỉ định cách thức mà mô hình sẽ trả lời, ví dụ như yêu cầu chi tiết, hài hước, trang trọng, hoặc thuyết phục.

Tại sao nên sử dụng Role Prompt?

1. Kiến thức chuyên môn: Mô hình sẽ tập trung vào một bộ kiến thức cụ thể, giúp cải thiện độ chính xác và tính liên quan của câu trả lời.

2. Kiểm soát phong cách: Bạn có thể điều chỉnh phong cách và giọng điệu của câu trả lời, từ chuyên nghiệp đến gần gũi, hoặc thậm chí là truyền cảm hứng.

3. Tính nhất quán: Các phản hồi sẽ nhất quán hơn và phù hợp với góc độ hoặc nghề nghiệp mà bạn chỉ định cho mô hình.
   

Cách sử dụng Role Prompt

Cấu trúc cơ bản của một Role Prompt là:

“ Bạn là [Vai trò].  

Hãy [Thực hiện hành động]”

Ví dụ: “Bạn là chuyên gia Python. Hãy giải thích sự khác biệt giữa list và tuple trong Python.”

Hướng dẫn thêm:
Bạn cũng có thể thêm các chỉ dẫn để điều chỉnh phản hồi một cách cụ thể hơn. Vídụ, bạn có thể yêu cầu phong cách hoặc mức độ chi tiết:

Bạn là một người dạy Python thân thiện. Hãy giải thích sự khác biệt giữa list và tuple bằng những từ ngữ đơn giản.

Phong cách và Giọng điệu:
Bằng cách điều chỉnh vai trò và chỉ dẫn, bạn có thể thay đổi cách mà mô hình tương tác với người dùng. Ví dụ:

• Trang trọng: “Bạn là một sử gia. Hãy giải thích nguyên nhân của Chiến tranh Thế giới I một cách chi tiết và học thuật.”

• Hài hước: “Bạn là một diễn viên hài. Hãy kể một câu chuyện vui về khủng long.”

Ứng dụng thực tế:

• Sáng tạo nội dung: Gán các vai trò như "biên kịch", "biên tập viên" hoặc "người phê bình" để tạo ra nội dung theo phong cách cụ thể.

• Hướng dẫn kỹ thuật: Yêu cầu mô hình đóng vai "chuyên gia lập trình" để hỗ trợ debug hoặc dạy các khái niệm lập trình.

• Hỗ trợ khách hàng: Gán vai trò "nhân viên hỗ trợ khách hàng" để xử lý các câu hỏi từ người dùng.

Phương pháp Role Prompt giúp đảm bảo rằng đầu ra của mô hình phù hợp với yêu cầu của bạn, từ đó nâng cao độ chính xác và trải nghiệm người dùng.

Tình huống Demo thực tế

Có sử dụng Prompt: Bạn là một nhà sử học luôn hoài nghi mọi thứ, hãy phân tích tài liệu sau

Đây là không dùng Role Prompt

Contextual Prompt

Prompt này sẽ cung cấp chi tiết hoặc những thông tin nền cụ thể có liên quan đến cuộc hội thoại hoặc nhiệm vụ hiện tại. Prompt này giúp model hiểu được rõ hơn các đặc tính của những gì người dùng truy vấn, từ đó điều chỉnh phản hồi phù hợp. Đặc điểm của

Contextual Prompt cung cấp thông tin cụ thể theo từng tác vụ mà người dùng yêu cầu. Bởi thế, Contextual Prompt sẽ mang tính động, nghĩa là nó cần thay đổi theo từng tác vụ khác nhau để đảm bảo rằng model sẽ trả về các kết quả phù hợp với từng tác vụ. Thường Contextual chính là tình huống, bối cảnh mà người dùng đang thực hiện tác vụ

Contextual Prompt sẽ phù hợp để:

• Cung cấp bối cảnh cụ thể cho một nhiệm vụ.

• Điều chỉnh phản hồi cho phù hợp với tình huống/cuộc trò chuyện hiện tại.

• Làm rõ sắc thái dựa trên thông tin được cung cấp.

Cấu trúc cơ bản của một Contextual Prompt:

Ngữ cảnh: Tôi đang làm / Bạn đang có,…

Yêu cầu: Hãy [ Thực hiện ]

Tình huống Demo thực tế

Bạn đang tư vấn thực đơn cho một người ăn chay, dị ứng với miến và dứa.

Hãy đề xuất thực đơn món Việt Nam 3 ngày.

System Prompting

System Prompt được dùng để thiết lập một bối cảnh và mục tiêu tổng thể cho model. Prompt này sẽ định nghĩa "một bức tranh tổng thể" về những gì mà model cần thực hiện, từ những task đơn giản như dịch ngôn ngữ, phân loai, đánh giá cho tới những nhiệm vụ phức tạp hơn.

System prompt sẽ đóng vai trò như một bộ những quy tắc bổ sung mà model cần tuân thủ nhất quán trong mọi lần mà người dùng truy vấn nó, thí dụ như PHẢI trả về định dạng JSON, PHẢI cho đầu ra theo một định dạng mà người dùng muốn. Nếu muốn sử dụng output này của model để đưa vào một logic khác, hoặc nằm trong một hệ thống tự động, thì system prompt sẽ cực kỳ hữu ích.

System Prompt sẽ có thể phù hợp để:

• Ép model tạo đầu ra đáp ứng được những yêu cầu cụ thể. Thí dụ dùng nó để chỉ định cách model trả về kết quả phân loại phim, chỉ trả về tiêu đề phim viết hoa, kèm theo tên 3 diễn viên chính,… Điều này đảm bảo model sẽ tạo đầu ra nhất quán theo một định dạng nhất định thỏa ý đồ của người dùng.

• Trả về đầu ra theo một cấu trúc mà người dùng muốn, thường gặp nhất là trả về một JSON. Bằng cách sử dụng System Prompt, model sẽ có thể cho ra đầu ra đã được sắp xếp thứ tự, cú pháp,… theo chỉ định và hạn chế hallucianation. Khi muốn dùng model trong một hệ thống tự động hóa xử lý dữ liệu hoặc luồng, việc dùng System Prompt gần như là việc làm bắt buộc.

• Kiểm soát thông tin được model trả về luôn an toàn và không có từ ngữ / nội dung độc hại. Thí dụ như bạn đang dùng model để tạo ra những nội dung cho trẻ em, cho một nhóm đối tượng nhạy cảm,… có thể dùng System Prompt để quy định nguyên tắc cho model, PHẢI làm [Điều gi], KHÔNG ĐƯỢC trả về [điều gì],…

Cấu trúc cơ bản của System Prompt:

System Instruction: Bạn PHẢI [tuân theo quy tắc …..]

User prompt: Ghi yêu cầu promt lệnh

Tình huống Demo thực tế

Chúng ta dùng System Prompt để chỉ định rằng "Bạn luôn kiểm tra thông tin cẩn thận và luôn trích dẫn nguồn". Sau đó khi người dùng nhập prompt yêu cầu tác vụ cụ thể "Kể ra 3 sự thật đáng ngạc nhiên về loài mèo", model sẽ trả về kết quả như bên dưới.

Và đây là khi không có System Prompt, để model tự bơi.

Phân biệt 3 kiểu prompt nói trên

Đầu tiên, hãy thử tóm tắt ngắn gọn nhất có thể đặc tính của 3 kiểu prompt này:

• System prompt giúp định hình khả năng cơ bản và mục đích bao trùm của model. Nó cho phép chúng ta "lập trình sẵn" hướng dẫn model thực hiện các loại nhiệm vụ cụ thể và tuân theo các định dạng đầu ra nhất định.

• Contextual prompt đảm bảo rằng phản hồi của model có liên quan trực tiếp đến tình huống hoặc nhiệm vụ hiện tại. Điều này rất quan trọng để có được các phản hồi chính xác và hữu ích, đặc biệt trong các cuộc hội thoại hoặc các nhiệm vụ phức tạp đòi hỏi sự hiểu biết về bối cảnh cụ thể.

• Role prompt cho phép kiểm soát chiều sâu kiến thức, giọng điệu và phong cách của đầu ra. Bằng cách gán một vai trò cụ thể, chúng ta có thể giúp model tạo ra nội dung phù hợp cả về độ sâu kiến thức lẫn hình thức với một đối tượng hoặc mục đích cụ thể.

Mặc dù thoạt nhìn có sự chồng chéo giữa các kiểu prompt nói trên, tuy nhiên trong thực tế, người ta thường sẽ phối hợp 2 hoặc thậm chí là cả 3 kiểu prompt này trong cùng một prompt lớn khi thiết kế để tối ưu hóa đầu ra mong muốn đối với từng tác vụ, đặc biệt là những nhu cầu phức tạp. Việc hiểu tác động của từng kiểu prompt sẽ giúp chúng ta dễ dàng phân tích, xác định được đầu ra kỳ vọng khi xây dựng prompt để giải quyết các vấn đề.

xAI

Grok sắp nâng cấp lên 3.5: AI đầu tiên có thể tạo ra câu trả lời chưa từng tồn tại trên Internet

Elon Musk vừa khoe trên mạng xã hội X rằng tuần sau xAi sẽ cho ra mắt Grok 3.5 dành cho người dùng đăng ký SuperGrok subscriber. Điểm đặc biệt của nó chính là có thể dựa vào những kiến thức nền tảng ban đầu để suy luận và đưa ra những câu trả lời chưa từng xuất hiện trên internet. Đồng thời, đây cũng sẽ là AI đầu tiên có thể trả lời chính xác các câu hỏi kỹ thuật về động cơ tên lửa và điện hóa học.

Với việc tích hợp chế độ Vision phân tích hình ảnh trực tiếp từ camera, khả năng tham chiếu bộ nhớ cuộc trò chuyện và kết nối Google Drive, Grok 3.5 phá vỡ giới hạn của các mô hình ngôn ngữ lớn truyền thống chỉ phụ thuộc vào dữ liệu đã được đào tạo trước.

Kiến Trúc Đột Phá Của Grok 3.5

1. Hệ Thống Xử Lý Đa Phương Thức Tích Hợp

Grok 3.5 giới thiệu kiến trúc neural network lai ghép giữa transformer và mạng thần kinh tích chập (CNN), cho phép xử lý đồng thời văn bản, hình ảnh và giọng nói. Theo báo cáo từ xAI, hệ thống này sử dụng 2.9 nghìn tỷ tham số - tăng 7% so với Grok 3 - với cơ chế attention mechanism được tối ưu cho các tác vụ đa nhiệm. Đặc biệt, module Vision Processor mới có khả năng phân tích 120 khung hình/giây từ luồng video trực tiếp, tạo ra các embedding không gian đa chiều kết hợp với dữ liệu ngôn ngữ

2. Cơ Chế Tham Chiếu Bộ Nhớ Động

Khác với các mô hình AI trước đây chỉ lưu trữ lịch sử hội thoại ngắn hạn, Grok 3.5 triển khai Memory Bank dạng vector 3D có thể lưu trữ đến 1TB dữ liệu tương tác người dùng. Hệ thống này sử dụng thuật toán Neurological Memory Indexing (NMI) để tự động phân loại và liên kết thông tin theo ngữ cảnh, cho phép truy xuất chéo các cuộc trò chuyện cách đây đến 6 tháng 5. Trong thử nghiệm của Reuters, Grok 3.5 thể hiện khả năng nhớ chính xác 98.7% chi tiết từ các phiên làm việc trước đó

Grok 3.5 không đơn thuần là bản nâng cấp phần mềm mà là cuộc cách mạng trong cách con người tương tác với tri thức. Bằng việc phá vỡ rào cản giữa dữ liệu công cộng và thông tin cá nhân, hệ thống này mở ra kỷ nguyên mới nơi AI trở thành cộng sự đích thực trong sáng tạo tri thức. Tuy nhiên, những thách thức về đạo đức và an ninh mạng đòi hỏi cộng đồng công nghệ phải cùng nhau xây dựng khung pháp lý phù hợp, đảm bảo sự phát triển bền vững của trí tuệ nhân tạo trong tương lai.

Bạn có thể thấy AI luôn đổi mới và luôn cạnh tranh nhau hàng giờ. Là một người làm trong thời đại số, bạn sẽ là người quyết định biến những công nghệ này thành cơ hội hay để chúng trở thành thách thức. Hy vọng email này đã mang lại cho bạn những kiến thức chuyên sâu và góc nhìn thực tế để sẵn sàng đón đầu xu hướng AI.

Và nếu bạn muốn tiếp tục cập nhật và đào sâu kiến thức AI cho bản thân hoặc đội ngũ của mình, đừng bỏ lỡ các khóa học AI chuyên sâu và tài nguyên mà The AI Growth (TAG) đang cung cấp đặc biệt cho lĩnh vực Marketing cụ thể ở đây là SEO và Social media!

Công thức để bạn tạo đột phá dẫn đầu với: 

• Tạo content chuẩn SEO bằng AI tiết kiệm 70–90% chi phí nội dung

• Tối ưu chi phí marketing, tăng hiệu quả gấp đôi

• Ứng dụng Make, N8N, ChatGPT, Claude… một cách bài bản và thực chiến

• Tự động hóa 70% quy trình sản xuất nội dung – tiết kiệm thời gian, nhân lực

Cảm ơn bạn đã đồng hành cùng TAG!
Hẹn gặp lại bạn trong bản tin tuần sau – nơi chúng ta sẽ không chỉ dùng AI, mà còn làm chủ cuộc chơi.

Trân trọng,
The AI Growth Team❤️