Tweet
Hôm nay mình đọc một ví dụ khá hay về việc sử dụng AI trong công việc kỹ thuật.
Một quản lý đưa cho nhân viên một file log server dài hàng trăm dòng và yêu cầu tìm lỗi. Nhân viên chỉ hỏi AI rất đơn giản:
👉 “What’s wrong?”
Kết quả nhận lại là một câu trả lời chung chung, gần như vô dụng.
Vấn đề không phải do AI yếu — mà do prompt quá mơ hồ.
Prompt Engineering là gì?
Hiểu đơn giản, Prompt Engineering là cách đặt câu hỏi và đưa yêu cầu sao cho AI hiểu đúng ý mình và trả lời chính xác.
Nó giống như giao việc cho một nhân viên mới:
Nguyên tắc GIGO – Garbage In, Garbage Out
Một quy luật rất thực tế khi dùng AI:
AI không “hiểu” như con người, nó dự đoán dựa trên xác suất. Nếu câu hỏi thiếu thông tin, AI buộc phải đoán – và đoán thì hiếm khi chính xác.
Một Prompt tốt thường cần 4 thứ
Khi muốn AI phân tích hoặc viết nội dung, hãy thử nghĩ theo 4 bước:
1️⃣ Context – Bối cảnh
(Ví dụ: Đây là log của web server Ubuntu 22.04)
2️⃣ Role – Vai trò
(Ví dụ: Hãy đóng vai một System Administrator)
3️⃣ Task – Nhiệm vụ
(Ví dụ: Phân tích và tìm nguyên nhân lỗi)
4️⃣ Output – Định dạng kết quả
(Ví dụ: Trình bày dưới dạng bảng)
Chỉ cần thêm vài dòng mô tả, chất lượng câu trả lời thường khác biệt hoàn toàn.
Ví dụ đơn giản
❌ Prompt kém:
✅ Prompt tốt:
Kết quả gần như dùng được ngay.
Kết luận
AI không phải là “cây đũa thần”.
Chất lượng câu trả lời phụ thuộc rất lớn vào cách chúng ta đặt câu hỏi.
👉 Hỏi đúng = AI mạnh hơn
👉 Hỏi mơ hồ = AI vô dụng
Từ lúc hiểu điều này, mình thấy dùng AI hiệu quả hơn hẳn trong học tập và làm việc.
Một quản lý đưa cho nhân viên một file log server dài hàng trăm dòng và yêu cầu tìm lỗi. Nhân viên chỉ hỏi AI rất đơn giản:
👉 “What’s wrong?”
Kết quả nhận lại là một câu trả lời chung chung, gần như vô dụng.
Vấn đề không phải do AI yếu — mà do prompt quá mơ hồ.
Prompt Engineering là gì?
Hiểu đơn giản, Prompt Engineering là cách đặt câu hỏi và đưa yêu cầu sao cho AI hiểu đúng ý mình và trả lời chính xác.
Nó giống như giao việc cho một nhân viên mới:
- Giao việc mơ hồ → kết quả mơ hồ
- Giao việc rõ ràng → kết quả đúng trọng tâm
Nguyên tắc GIGO – Garbage In, Garbage Out
Một quy luật rất thực tế khi dùng AI:
- Prompt mơ hồ → Output chung chung
- Prompt rõ ràng, có bối cảnh → Output hữu ích
AI không “hiểu” như con người, nó dự đoán dựa trên xác suất. Nếu câu hỏi thiếu thông tin, AI buộc phải đoán – và đoán thì hiếm khi chính xác.
Một Prompt tốt thường cần 4 thứ
Khi muốn AI phân tích hoặc viết nội dung, hãy thử nghĩ theo 4 bước:
1️⃣ Context – Bối cảnh
(Ví dụ: Đây là log của web server Ubuntu 22.04)
2️⃣ Role – Vai trò
(Ví dụ: Hãy đóng vai một System Administrator)
3️⃣ Task – Nhiệm vụ
(Ví dụ: Phân tích và tìm nguyên nhân lỗi)
4️⃣ Output – Định dạng kết quả
(Ví dụ: Trình bày dưới dạng bảng)
Chỉ cần thêm vài dòng mô tả, chất lượng câu trả lời thường khác biệt hoàn toàn.
Ví dụ đơn giản
❌ Prompt kém:
Write about our new software.
✅ Prompt tốt:
Viết email giới thiệu phần mềm mới cho khách hàng doanh nghiệp, nêu 3 lợi ích chính, giọng văn chuyên nghiệp, trình bày ngắn gọn dưới 200 từ.
Kết quả gần như dùng được ngay.
Kết luận
AI không phải là “cây đũa thần”.
Chất lượng câu trả lời phụ thuộc rất lớn vào cách chúng ta đặt câu hỏi.
👉 Hỏi đúng = AI mạnh hơn
👉 Hỏi mơ hồ = AI vô dụng
Từ lúc hiểu điều này, mình thấy dùng AI hiệu quả hơn hẳn trong học tập và làm việc.