Tweet
Khi sử dụng AI, không ít người kỳ vọng mô hình sẽ trả lời được mọi câu hỏi. Tuy nhiên, trong thực tế, điều này không phải lúc nào cũng đúng. Nếu AI không có đủ thông tin hoặc câu hỏi quá mơ hồ, việc cố gắng đưa ra một câu trả lời có thể dẫn đến nội dung thiếu chính xác. Đó là lý do Anthropic khuyến nghị một kỹ thuật đơn giản nhưng rất quan trọng trong Prompt Engineering: cho phép Claude nói "Tôi không biết" hoặc "Tôi không đủ thông tin để trả lời". Vì sao điều này lại quan trọng?
Nhiều người nghĩ rằng AI luôn phải có câu trả lời. Nhưng trên thực tế, một câu trả lời không chính xác có thể gây ra nhiều vấn đề hơn là việc AI thừa nhận mình chưa có đủ cơ sở để trả lời.
Ví dụ, nếu bạn yêu cầu Claude phân tích một tài liệu nhưng chỉ cung cấp một phần nội dung, mô hình có thể phải suy đoán để hoàn thiện câu trả lời. Thay vào đó, bạn có thể hướng dẫn:
"Nếu thông tin chưa đủ để đưa ra kết luận, hãy cho biết những dữ liệu còn thiếu thay vì suy đoán."
Với cách thiết kế prompt này, Claude sẽ ưu tiên trả lời dựa trên thông tin có sẵn và nêu rõ khi không đủ dữ liệu để kết luận. Điều này giúp kết quả đáng tin cậy hơn và giảm những nhận định không có căn cứ. Khi nào nên áp dụng? Kỹ thuật này đặc biệt hữu ích trong các tình huống như:
Ở những trường hợp này, việc AI thừa nhận giới hạn của thông tin sẽ an toàn hơn so với việc cố gắng đưa ra một đáp án chắc chắn. Có phải AI sẽ trả lời "Tôi không biết" quá thường xuyên?
Không. Mục tiêu không phải là khiến AI từ chối trả lời, mà là đặt ra nguyên tắc xử lý khi thông tin không đủ. Nếu prompt đã cung cấp đầy đủ ngữ cảnh và dữ liệu, Claude vẫn sẽ thực hiện nhiệm vụ như bình thường. Chỉ khi không có đủ cơ sở để kết luận, mô hình mới nên thông báo rằng cần thêm thông tin hoặc chưa thể đưa ra câu trả lời chính xác. Đây cũng là cách giúp tăng độ tin cậy của kết quả trong nhiều ứng dụng AI thực tế.
Đây cũng là tư duy quan trọng khi học CCAR-F
Prompt Engineering không chỉ là tìm cách để AI trả lời nhiều hơn, mà còn là thiết kế prompt để AI trả lời đúng, minh bạch và đáng tin cậy. Việc hướng dẫn Claude xử lý những trường hợp thiếu thông tin là một ví dụ cho thấy người xây dựng ứng dụng AI cần quan tâm đến chất lượng và độ tin cậy của đầu ra, thay vì chỉ tập trung vào việc AI luôn đưa ra một đáp án. Một prompt tốt không chỉ giúp AI hoàn thành nhiệm vụ mà còn xác định cách AI nên phản hồi khi gặp những tình huống chưa đủ dữ liệu. Biết khi nào nên để Claude nói "Tôi không biết" là một kỹ thuật nhỏ nhưng có thể tạo ra khác biệt lớn về độ chính xác và mức độ tin cậy của kết quả.
Hiểu đúng các kỹ thuật Prompt Engineering sẽ giúp bạn khai thác Claude hiệu quả hơn và tạo nền tảng vững chắc để học các chủ đề chuyên sâu trong CCAR-F. Và nếu bạn đang có kế hoạch chinh phục chứng chỉ này, bạn có thể tham khảo khóa học CCAR-F tại VnPro để được học theo lộ trình bài bản và thực hành với các nội dung trọng tâm. Sau khóa học, học viên cũng có thể đăng ký dự thi CCAR-F ngay tại Phòng thi Quốc tế VnPro, giúp hành trình học và thi trở nên thuận tiện hơn.
Tham khảo tài liệu tại: Best practices for prompt engineering for 2026
Nhiều người nghĩ rằng AI luôn phải có câu trả lời. Nhưng trên thực tế, một câu trả lời không chính xác có thể gây ra nhiều vấn đề hơn là việc AI thừa nhận mình chưa có đủ cơ sở để trả lời.
Ví dụ, nếu bạn yêu cầu Claude phân tích một tài liệu nhưng chỉ cung cấp một phần nội dung, mô hình có thể phải suy đoán để hoàn thiện câu trả lời. Thay vào đó, bạn có thể hướng dẫn:
"Nếu thông tin chưa đủ để đưa ra kết luận, hãy cho biết những dữ liệu còn thiếu thay vì suy đoán."
Với cách thiết kế prompt này, Claude sẽ ưu tiên trả lời dựa trên thông tin có sẵn và nêu rõ khi không đủ dữ liệu để kết luận. Điều này giúp kết quả đáng tin cậy hơn và giảm những nhận định không có căn cứ. Khi nào nên áp dụng? Kỹ thuật này đặc biệt hữu ích trong các tình huống như:
- Phân tích tài liệu nhưng dữ liệu chưa đầy đủ.
- Trả lời câu hỏi chuyên môn cần độ chính xác cao.
- Tổng hợp thông tin từ nhiều nguồn.
- Hỗ trợ ra quyết định trong doanh nghiệp.
Ở những trường hợp này, việc AI thừa nhận giới hạn của thông tin sẽ an toàn hơn so với việc cố gắng đưa ra một đáp án chắc chắn. Có phải AI sẽ trả lời "Tôi không biết" quá thường xuyên?
Không. Mục tiêu không phải là khiến AI từ chối trả lời, mà là đặt ra nguyên tắc xử lý khi thông tin không đủ. Nếu prompt đã cung cấp đầy đủ ngữ cảnh và dữ liệu, Claude vẫn sẽ thực hiện nhiệm vụ như bình thường. Chỉ khi không có đủ cơ sở để kết luận, mô hình mới nên thông báo rằng cần thêm thông tin hoặc chưa thể đưa ra câu trả lời chính xác. Đây cũng là cách giúp tăng độ tin cậy của kết quả trong nhiều ứng dụng AI thực tế.
Đây cũng là tư duy quan trọng khi học CCAR-F
Prompt Engineering không chỉ là tìm cách để AI trả lời nhiều hơn, mà còn là thiết kế prompt để AI trả lời đúng, minh bạch và đáng tin cậy. Việc hướng dẫn Claude xử lý những trường hợp thiếu thông tin là một ví dụ cho thấy người xây dựng ứng dụng AI cần quan tâm đến chất lượng và độ tin cậy của đầu ra, thay vì chỉ tập trung vào việc AI luôn đưa ra một đáp án. Một prompt tốt không chỉ giúp AI hoàn thành nhiệm vụ mà còn xác định cách AI nên phản hồi khi gặp những tình huống chưa đủ dữ liệu. Biết khi nào nên để Claude nói "Tôi không biết" là một kỹ thuật nhỏ nhưng có thể tạo ra khác biệt lớn về độ chính xác và mức độ tin cậy của kết quả.
Hiểu đúng các kỹ thuật Prompt Engineering sẽ giúp bạn khai thác Claude hiệu quả hơn và tạo nền tảng vững chắc để học các chủ đề chuyên sâu trong CCAR-F. Và nếu bạn đang có kế hoạch chinh phục chứng chỉ này, bạn có thể tham khảo khóa học CCAR-F tại VnPro để được học theo lộ trình bài bản và thực hành với các nội dung trọng tâm. Sau khóa học, học viên cũng có thể đăng ký dự thi CCAR-F ngay tại Phòng thi Quốc tế VnPro, giúp hành trình học và thi trở nên thuận tiện hơn.
Tham khảo tài liệu tại: Best practices for prompt engineering for 2026