Trong quá trình tự động hóa mạng, nhiều anh em thử dùng ChatGPT để sinh cấu hình router/switch nhưng thường gặp vấn đề:
Nguyên nhân không nằm ở ChatGPT, mà nằm ở cách chúng ta đặt câu hỏi.
1. Vấn đề: Prompt mơ hồ → Output mơ hồ
Khi bạn chỉ nói kiểu:
👉 ChatGPT bắt buộc phải suy đoán:
➡️ Điều này rất nguy hiểm trong môi trường enterprise / production.
2. Nguyên tắc cốt lõi: Đừng mô tả kết quả – hãy đưa TEMPLATE
ChatGPT (và các LLM khác) hoạt động tốt nhất khi có ví dụ cụ thể.
Thay vì mô tả bằng lời, hãy đưa cho nó:
Lúc này, ChatGPT không còn “sáng tạo”, mà chỉ render cấu hình theo mẫu.
3. Instruction Set – Định nghĩa luật chơi
Ví dụ instruction set chuẩn:
👉 Đây là cách bạn giới hạn hành vi của AI, giống như viết rule cho automation tool.
4. Exact Configuration Template – Phần quan trọng nhất
Thay vì nói “hãy cấu hình sub-interface”, bạn đưa thẳng:
interface [interface].100 description LAN-Clients encapsulation dot1Q 100 ip address [subnetwork1] ip access-group ACL-LAN-Clients in exit
Template này cho ChatGPT biết:
👉 ChatGPT lúc này hoạt động như:
5. Ví dụ thực tế
Input:
[network]: 10.154.1.0/24 [subnetworks_mask]: /28 [interface]: GigabitEthernet3 Output:
➡️ Kết quả là bản sao 100% của template, chỉ khác giá trị IP.
6. Ý nghĩa thực tế trong NetDevOps
Cách làm này cực kỳ hữu ích khi:
👉 ChatGPT không thay thế Ansible hay pyATS
👉 ChatGPT bổ trợ như một engine sinh cấu hình chuẩn hóa
7. Kết luận (chốt hạ)
Một câu chốt gọn cho anh em Network:
- Cấu hình thiếu dòng
- Thừa dòng không mong muốn
- Thứ tự lệnh không đúng chuẩn
- Mỗi lần hỏi → ra một kết quả khác nhau
Nguyên nhân không nằm ở ChatGPT, mà nằm ở cách chúng ta đặt câu hỏi.
1. Vấn đề: Prompt mơ hồ → Output mơ hồ
Khi bạn chỉ nói kiểu:
- “Hãy cấu hình sub-interface”
- “Chia subnet rồi gán IP”
- “Làm giống các router chi nhánh khác”
👉 ChatGPT bắt buộc phải suy đoán:
- Có cần description không?
- Có ACL không?
- Gán IP nào? first usable hay last usable?
- Thứ tự dòng lệnh ra sao?
➡️ Điều này rất nguy hiểm trong môi trường enterprise / production.
2. Nguyên tắc cốt lõi: Đừng mô tả kết quả – hãy đưa TEMPLATE
ChatGPT (và các LLM khác) hoạt động tốt nhất khi có ví dụ cụ thể.
Thay vì mô tả bằng lời, hãy đưa cho nó:
- Instruction set (luật rõ ràng)
- Exact configuration template (mẫu cấu hình chính xác)
Lúc này, ChatGPT không còn “sáng tạo”, mà chỉ render cấu hình theo mẫu.
3. Instruction Set – Định nghĩa luật chơi
Ví dụ instruction set chuẩn:
- Operating system: Cisco IOS XR
- Chia network thành subnet /28
- Dùng 4 subnet đầu tiên
- Luôn dùng first usable IP
- Chỉ dùng interface được cung cấp
- Nếu input sai → trả lỗi theo format cố định
- Không giải thích – không mô tả – chỉ trả code
👉 Đây là cách bạn giới hạn hành vi của AI, giống như viết rule cho automation tool.
4. Exact Configuration Template – Phần quan trọng nhất
Thay vì nói “hãy cấu hình sub-interface”, bạn đưa thẳng:
interface [interface].100 description LAN-Clients encapsulation dot1Q 100 ip address [subnetwork1] ip access-group ACL-LAN-Clients in exit
Template này cho ChatGPT biết:
- Dòng nào bắt buộc phải có
- Dòng nào không được phép thay đổi
- Chỉ được thay thế biến
👉 ChatGPT lúc này hoạt động như:
Config Generator có kiểm soát, không phải chatbot.
5. Ví dụ thực tế
Input:
[network]: 10.154.1.0/24 [subnetworks_mask]: /28 [interface]: GigabitEthernet3 Output:
- Subnet chính xác
- First usable IP
- Thứ tự dòng lệnh giữ nguyên
- Không thiếu, không thừa
➡️ Kết quả là bản sao 100% của template, chỉ khác giá trị IP.
6. Ý nghĩa thực tế trong NetDevOps
Cách làm này cực kỳ hữu ích khi:
- Chuẩn hóa cấu hình router chi nhánh
- Sinh hàng loạt config theo chuẩn công ty
- Tích hợp ChatGPT vào:
- CI/CD
- NetDevOps pipeline
- Pre-deployment validation
👉 ChatGPT không thay thế Ansible hay pyATS
👉 ChatGPT bổ trợ như một engine sinh cấu hình chuẩn hóa
7. Kết luận (chốt hạ)
Prompt mơ hồ → Output mơ hồ
Template rõ ràng → Output chính xác, lặp lại được
Template rõ ràng → Output chính xác, lặp lại được
Một câu chốt gọn cho anh em Network:
“Đừng bắt ChatGPT suy nghĩ như kỹ sư – hãy bắt nó render như máy.”