3 Thủ Thuật “Prompt Engineering” ChatGPT Bạn CẦN BẮT ĐẦU Sử Dụng

Giới thiệu về “Prompt Engineering” trong ChatGPT

Bạn đã bao giờ cảm thấy bế tắc khi sử dụng ChatGPT? Bạn muốn khai thác tối đa sức mạnh của nó nhưng lại không biết bắt đầu từ đâu? Đừng lo lắng, bạn không hề đơn độc. Trong bài viết này, chúng ta sẽ cùng khám phá 3 thủ thuật “prompt engineering” (kỹ thuật thiết kế prompt) ChatGPT cực kỳ hiệu quả, giúp bạn tạo ra những prompt chất lượng, từ đó nhận được những phản hồi giá trị và hữu ích nhất từ mô hình.

Trước khi đi sâu vào chi tiết, hãy cùng tìm hiểu “prompt engineering” là gì. Hiểu một cách đơn giản, đây là quá trình thiết kế và tinh chỉnh các prompt (lời nhắc, câu lệnh) để hướng dẫn mô hình AI (như ChatGPT) tạo ra những kết quả mong muốn. Một prompt được thiết kế tốt sẽ giúp bạn:

• Nâng cao chất lượng phản hồi

• Tiết kiệm thời gian và công sức

• Khai thác tối đa tiềm năng của ChatGPT

Vậy, những thủ thuật “prompt engineering” nào sẽ giúp bạn đạt được điều đó? Hãy cùng khám phá ngay!

Thủ Thuật 1: Chuyển Đổi Sang Sử Dụng Dữ Liệu Cấu Trúc

Đây là một trong những thủ thuật quan trọng nhất, giúp bạn tận dụng tối đa sức mạnh của ChatGPT. Thay vì chỉ sử dụng dữ liệu phi cấu trúc (văn bản thuần túy), hãy chuyển sang sử dụng dữ liệu cấu trúc. Điều này có nghĩa là bạn sẽ sử dụng các định dạng dữ liệu như Markdown, CSV, XML hoặc JSON để tổ chức thông tin một cách có hệ thống.

Tại Sao Dữ Liệu Cấu Trúc Lại Quan Trọng?

ChatGPT hiểu rõ cấu trúc và định dạng. Khi bạn cung cấp dữ liệu cấu trúc, bạn đang giúp mô hình hiểu rõ hơn về ngữ cảnh và mối quan hệ giữa các phần thông tin khác nhau. Điều này dẫn đến những phản hồi chính xác, chi tiết và hữu ích hơn.

Các Định Dạng Dữ Liệu Cấu Trúc Phổ Biến

Dưới đây là một số định dạng dữ liệu cấu trúc phổ biến mà bạn có thể sử dụng với ChatGPT:

• Markdown: Một ngôn ngữ đánh dấu đơn giản, dễ đọc và dễ viết. Markdown cho phép bạn định dạng văn bản, tạo tiêu đề, danh sách, liên kết và nhiều hơn nữa.

• CSV (Comma Separated Values): Một định dạng bảng tính đơn giản, trong đó các giá trị được phân tách bằng dấu phẩy. CSV rất hữu ích để tạo danh sách, bảng dữ liệu và nhập thông tin vào các ứng dụng khác.

• XML (Extensible Markup Language): Một ngôn ngữ đánh dấu mạnh mẽ, cho phép bạn tạo cấu trúc dữ liệu phức tạp. XML thường được sử dụng để trao đổi dữ liệu giữa các hệ thống khác nhau.

• JSON (JavaScript Object Notation): Một định dạng dữ liệu nhẹ, dễ đọc và dễ phân tích. JSON được sử dụng rộng rãi trong các ứng dụng web và di động.

Ví Dụ Về Sử Dụng Dữ Liệu Cấu Trúc

Ví Dụ 1: Sử Dụng Markdown để Tạo Blog Post

Thay vì chỉ yêu cầu ChatGPT viết một câu chuyện về đậu phộng, hãy yêu cầu nó viết câu chuyện đó bằng định dạng Markdown ATX. Điều này sẽ giúp bạn tạo ra một bài đăng blog hoàn chỉnh với tiêu đề, tiêu đề phụ, trích dẫn và danh sách, tiết kiệm thời gian và công sức chỉnh sửa.

Prompt (Tiếng Việt): Viết một câu chuyện về đậu phộng, sử dụng định dạng Markdown ATX và làm cho nó thật thú vị.

Ví dụ về đầu ra:

# Đậu Phộng và Cuộc Phiêu Lưu Kỳ Thú

## Chương 1: Sự Khởi Đầu

Ngày xửa ngày xưa, trong một khu vườn xanh tươi, có một hạt đậu phộng nhỏ bé tên là...

## Chương 2: Hành Trình Khám Phá

...

> "Đừng bao giờ từ bỏ ước mơ của bạn," đậu phộng nhỏ bé tự nhủ.

## Kết Luận

...

Ví Dụ 2: Sử Dụng CSV để Tạo Danh Sách Nhân Vật Trò Chơi Điện Tử

Thay vì yêu cầu ChatGPT tạo một danh sách nhân vật trò chơi điện tử với tên, kỹ năng và mô tả vật lý, hãy yêu cầu nó tạo danh sách đó bằng định dạng CSV. Sau đó, bạn có thể dễ dàng nhập dữ liệu này vào Google Sheets hoặc Excel để tạo bảng tính.

Prompt (Tiếng Việt): Tạo một danh sách 10 nhân vật trò chơi điện tử ở định dạng CSV, sử dụng các cột như: Tên, Kỹ Năng, Mô Tả Vật Lý.

Ví dụ về đầu ra:

Tên,Kỹ Năng,Mô Tả Vật Lý
Lara Croft,Khám phá,Năng động, thông minh, tóc nâu
Geralt of Rivia,Kiếm thuật,Mạnh mẽ, lạnh lùng, tóc trắng
Doom Slayer,Chiến đấu,Hung dữ, kiên cường, áo giáp xanh
...

Sử Dụng Dữ Liệu Cấu Trúc Trong Ứng Dụng Thực Tế

Để tận dụng tối đa dữ liệu cấu trúc, bạn có thể sử dụng các công cụ “no-code” như Make.com để tự động hóa quy trình làm việc của mình. Ví dụ:

• Tự động tạo bài đăng blog từ dữ liệu Markdown được tạo bởi ChatGPT.

• Tự động tạo tài liệu Google Docs từ dữ liệu XML.

• Tự động cập nhật thông tin sản phẩm trên trang web của bạn từ dữ liệu JSON.

Bằng cách kết hợp dữ liệu cấu trúc với các công cụ tự động hóa, bạn có thể tiết kiệm thời gian, nâng cao hiệu quả và tạo ra những sản phẩm chất lượng cao.

Thủ Thuật 2: Sử Dụng Cặp “Người Dùng – Trợ Lý”

Một thủ thuật quan trọng khác để cải thiện chất lượng phản hồi từ ChatGPT là sử dụng cặp “người dùng – trợ lý” (user-assistant response pairs). Điều này có nghĩa là bạn sẽ cung cấp cho mô hình một ví dụ về những gì bạn mong muốn nó tạo ra.

Khái Niệm Về “Zero-Shot”, “One-Shot” và “Few-Shot” Prompting

• Zero-Shot Prompting: Yêu cầu mô hình thực hiện một tác vụ mà không cung cấp bất kỳ ví dụ nào.

• One-Shot Prompting: Cung cấp cho mô hình một ví dụ về những gì bạn muốn nó tạo ra.

• Few-Shot Prompting: Cung cấp cho mô hình một vài ví dụ về những gì bạn muốn nó tạo ra.

Nghiên cứu cho thấy rằng việc cung cấp ít nhất một ví dụ (one-shot prompting) có thể cải thiện đáng kể chất lượng phản hồi từ mô hình. Việc cung cấp nhiều ví dụ hơn (few-shot prompting) có thể mang lại những cải thiện nhỏ hơn, nhưng cũng có thể tốn kém hơn về mặt token.

Ví Dụ Về Sử Dụng Cặp “Người Dùng – Trợ Lý”

Giả sử bạn muốn ChatGPT chuẩn hóa tên người dùng, loại bỏ các biểu tượng cảm xúc và ký tự đặc biệt. Thay vì chỉ yêu cầu nó thực hiện tác vụ này (zero-shot prompting), hãy cung cấp cho nó một ví dụ (one-shot prompting).

Prompt (Tiếng Việt):

Người dùng: Chuẩn hóa tên sau: Nick sarth 🔬👨‍🔬 PhD
Trợ lý: {"Tên": "Nick", "Họ": "Sarth"}
Người dùng: Chuẩn hóa tên sau: Peter withing CEO

Với ví dụ này, ChatGPT sẽ hiểu rõ hơn về những gì bạn mong muốn và có thể tạo ra kết quả chính xác hơn.

Sử Dụng Cặp “Người Dùng – Trợ Lý” trong API ChatGPT

Trong API ChatGPT, bạn có thể chỉ định vai trò của từng tin nhắn là “user” (người dùng) hoặc “assistant” (trợ lý). Điều này cho phép bạn mô phỏng các phản hồi từ trợ lý để hướng dẫn mô hình tạo ra những kết quả mong muốn.

Thủ Thuật 3: Kiểm Tra và Lặp Lại Các Prompt Của Bạn

Thủ thuật cuối cùng, nhưng không kém phần quan trọng, là kiểm tra và lặp lại các prompt của bạn. Đừng hài lòng với kết quả đầu tiên. Hãy liên tục tinh chỉnh prompt của bạn để đạt được kết quả tốt nhất.

Thiết Kế Một Bộ Kiểm Tra

Để kiểm tra hiệu quả của prompt, bạn cần thiết kế một bộ kiểm tra (test set) gồm nhiều ví dụ khác nhau. Sau đó, bạn sẽ sử dụng prompt của mình để tạo ra kết quả cho từng ví dụ trong bộ kiểm tra.

Đánh Giá Kết Quả

Sau khi tạo ra kết quả cho từng ví dụ, bạn cần đánh giá xem kết quả đó có đáp ứng được yêu cầu của bạn hay không. Bạn có thể sử dụng các tiêu chí như:

• Độ chính xác

• Độ chi tiết

• Độ liên quan

• Tính hữu ích

Lặp Lại và Tinh Chỉnh

Dựa trên kết quả đánh giá, bạn có thể tinh chỉnh prompt của mình để cải thiện chất lượng phản hồi. Hãy thử thay đổi cấu trúc prompt, thêm ví dụ, hoặc điều chỉnh các tham số của mô hình.

Sử Dụng Bảng Tính để Theo Dõi Tiến Độ

Để theo dõi tiến độ của mình, bạn có thể sử dụng bảng tính để ghi lại các thông tin như:

• Prompt

• Input (Ví dụ)

• Output (Kết quả)

• Pass/Fail (Đạt/Không đạt)

• Score (Điểm số)

Bằng cách theo dõi các chỉ số này, bạn có thể xác định được những prompt nào hoạt động tốt và những prompt nào cần được cải thiện.

Ví Dụ Về Kiểm Tra và Lặp Lại

Giả sử bạn muốn ChatGPT tạo ra một lời giới thiệu ngắn gọn cho một người trên LinkedIn, dựa trên thông tin từ hồ sơ của họ. Bạn có thể tạo một bộ kiểm tra gồm 5-10 hồ sơ LinkedIn khác nhau. Sau đó, bạn sẽ sử dụng prompt của mình để tạo ra lời giới thiệu cho từng hồ sơ. Cuối cùng, bạn sẽ đánh giá xem lời giới thiệu đó có phù hợp, hấp dẫn và chuyên nghiệp hay không.

Nếu bạn không hài lòng với kết quả, bạn có thể tinh chỉnh prompt của mình. Ví dụ:

• Thêm thông tin về phong cách viết bạn muốn ChatGPT sử dụng.

• Cung cấp ví dụ về những lời giới thiệu tốt.

• Điều chỉnh độ dài của lời giới thiệu.

Bằng cách liên tục kiểm tra và lặp lại, bạn có thể tạo ra một prompt hoạt động hiệu quả và tạo ra những lời giới thiệu chất lượng cao.

Kết Luận

“Prompt engineering” là một kỹ năng quan trọng để tận dụng tối đa sức mạnh của ChatGPT. Bằng cách sử dụng các thủ thuật như sử dụng dữ liệu cấu trúc, sử dụng cặp “người dùng – trợ lý” và kiểm tra và lặp lại các prompt của bạn, bạn có thể tạo ra những prompt chất lượng, từ đó nhận được những phản hồi giá trị và hữu ích nhất từ mô hình.

Hãy nhớ rằng, việc học “prompt engineering” là một quá trình liên tục. Đừng ngại thử nghiệm, khám phá và chia sẻ những kinh nghiệm của bạn với cộng đồng. Chúc bạn thành công trên hành trình khám phá sức mạnh của ChatGPT!

Nguồn tham khảo:
Hướng dẫn Prompt Engineering của Anthropic