Kỹ thuật prompt (Prompt Engineering)

Hiểu về prompt engineering

Prompt engineering vừa là nghệ thuật vừa là khoa học. Đây là việc xây dựng các chỉ dẫn, ngữ cảnh và ví dụ bạn cung cấp cho mô hình AI để đạt kết quả tốt nhất. Một prompt được thiết kế tốt có thể tạo ra khác biệt giữa câu trả lời hữu ích, chính xác và câu trả lời khó hiểu hoặc sai.

Trong AI chăm sóc khách hàng, prompt engineering quyết định cách tác tử AI của bạn hoạt động: giọng điệu, giới hạn, thông tin được ưu tiên và cách xử lý các tình huống ngoại lệ. Đây là nền tảng để xây dựng các hệ thống AI tác tử đáng tin cậy.

Định nghĩa trong ngành: Anthropic mô tả prompt engineering là "quá trình thiết kế đầu vào giúp mô hình AI tạo ra kết quả hữu ích, chính xác, đồng thời tránh các phản hồi có hại hoặc sai lệch."

Vì sao prompt engineering quan trọng

Cùng một mô hình AI có thể cho ra kết quả rất khác nhau tùy vào cách bạn viết prompt. Hãy xem các ví dụ sau:

Prompt kém:

Trả lời câu hỏi của khách hàng về sản phẩm của chúng tôi.

Prompt được thiết kế tốt:

Bạn là nhân viên chăm sóc khách hàng tận tình của Maven AGI. Vai trò của bạn là giải quyết các yêu cầu của khách hàng về nền tảng AI của chúng tôi. Nguyên tắc: - Ngắn gọn và đi thẳng vào vấn đề - Nếu không biết, hãy nói rõ - Tuyệt đối không bịa thông tin - Với vấn đề thanh toán, đề nghị kết nối với nhân viên - Luôn xác nhận vấn đề của khách hàng đã được giải quyết trước khi kết thúc Giọng điệu: Chuyên nghiệp, thân thiện, hướng đến giải pháp

Prompt thứ 2 tạo ra phản hồi nhất quán và phù hợp hơn vì cung cấp ngữ cảnh, giới hạn và nguyên tắc hành xử rõ ràng.

Các kỹ thuật prompt engineering cốt lõi

1. System prompt

System prompt xác định vai trò, tính cách và các ràng buộc của AI. Chúng được áp dụng trước mọi tương tác với người dùng và thiết lập hành vi nền tảng. Trong chăm sóc khách hàng, system prompt quy định giọng điệu, quy tắc chuyển tiếp và phạm vi kiến thức.

2. Few-shot learning

Cung cấp ví dụ về các cặp đầu vào – đầu ra mong muốn giúp mô hình hiểu kỳ vọng của bạn. Xem few-shot learning để biết thêm chi tiết.

Ví dụ: Khách hàng: "Làm sao để đặt lại mật khẩu?" Nhân viên: "Tôi có thể hỗ trợ bạn. Vui lòng vào Cài đặt > Bảo mật > Đặt lại mật khẩu. Bạn sẽ nhận được email để xác nhận thay đổi. Tôi có thể giúp gì thêm cho bạn không?"

3. Prompt chuỗi suy luận (chain-of-thought)

Khuyến khích mô hình "suy nghĩ từng bước" giúp cải thiện độ chính xác ở các tác vụ suy luận phức tạp. Kỹ thuật này đặc biệt hữu ích cho việc khắc phục sự cố hoặc các quy trình giải quyết nhiều bước.

4. Đưa ngữ cảnh vào prompt

Bổ sung thông tin liên quan vào prompt — lịch sử khách hàng, tài liệu sản phẩm, các tin nhắn trước đó — giúp AI đưa ra phản hồi chính xác và cá nhân hóa. Kỹ thuật này thường sử dụng RAG (Retrieval-Augmented Generation).

5. Định dạng đầu ra

Chỉ định định dạng mong muốn (JSON, gạch đầu dòng, cấu trúc cụ thể) đảm bảo đầu ra nhất quán, dễ phân tích và tích hợp tốt với các hệ thống khác.

Nghiên cứu: Google Research cho thấy prompt chuỗi suy luận có thể cải thiện độ chính xác ở các tác vụ suy luận phức tạp thêm 20–40% so với prompt thông thường.

Prompt engineering cho chăm sóc khách hàng

Trong các ứng dụng chăm sóc khách hàng, prompt hiệu quả cần xử lý được:

• Giọng điệu nhất quán: Biết khi nào cần chuyển cho nhân viên (xem chuyển tiếp)
• Giới hạn kiến thức: Chỉ trả lời các câu hỏi trong phạm vi
• Ngăn chặn ảo giác AI: Dựa phản hồi trên thông tin đã được xác minh
• Tuân thủ: Tránh các phát ngôn hoặc hành động bị cấm
• Cá nhân hóa: Sử dụng ngữ cảnh khách hàng một cách phù hợp

Cách tiếp cận của Maven AGI: Nền tảng Maven AGI có sẵn các mẫu prompt được tối ưu cho chăm sóc khách hàng, tích hợp sẵn cơ chế kiểm soát và đối chiếu nguồn để ngăn các lỗi thường gặp. Khách hàng của chúng tôi đạt tỷ lệ giải quyết trên 90% mà không cần chuyên môn sâu về prompt engineering.

Những sai lầm phổ biến trong prompt engineering

1. Quá mơ hồ: "Hãy hữu ích" không đủ để định hướng
2. Chỉ dẫn mâu thuẫn: "Ngắn gọn" và "giải thích cặn kẽ" gây nhầm lẫn
3. Thiếu ví dụ: Chỉ dẫn trừu tượng không kèm ví dụ cụ thể khó thực hiện hơn
4. Bỏ qua tình huống ngoại lệ: AI nên làm gì khi không biết câu trả lời?
5. Ràng buộc quá mức: Quá nhiều quy tắc có thể khiến phản hồi máy móc hoặc gây lỗi

Prompt engineering và fine-tuning

• Thay đổi gì: Prompt engineering: Chỉ dẫn đầu vào (so với Trọng số mô hình)
• Tốc độ triển khai: Vài phút đến vài giờ (so với Vài ngày đến vài tuần)
• Chi phí: Thấp (so với Cao)
• Tính linh hoạt: Rất linh hoạt (so với Khó thay đổi hơn)
• Phù hợp nhất cho: Hành vi, giọng điệu, định dạng (so với Chuyên môn lĩnh vực, văn phong)

Câu hỏi thường gặp

Prompt engineering là gì?

Prompt engineering là việc thiết kế và tinh chỉnh đầu vào (prompt) để định hướng mô hình AI tạo ra kết quả chính xác, phù hợp và hữu ích. Công việc này bao gồm viết system prompt, cung cấp ví dụ và cấu trúc ngữ cảnh hiệu quả.

Vì sao prompt engineering quan trọng?

Prompt tốt cải thiện đáng kể độ chính xác của AI, giảm ảo giác và đảm bảo hành vi nhất quán. Prompt kém dẫn đến kết quả thiếu tin cậy và khiến người dùng khó chịu. Trong chăm sóc khách hàng, chất lượng prompt ảnh hưởng trực tiếp đến tỷ lệ giải quyết và mức độ hài lòng của khách hàng.

Tôi có cần là lập trình viên để làm prompt engineering không?

Không. Prompt engineering chủ yếu là giao tiếp rõ ràng và hiểu cách mô hình AI diễn giải ngôn ngữ. Nền tảng kỹ thuật là một lợi thế nhưng không bắt buộc.