José Antonio Bowen – C. Edward Watson

Xuất bản lần thứ hai với sự hợp tác của Hiệp hội các trường đại học và cao đẳng Hoa Kỳ, JOHNS HOPKINS UNIVERSITY PRESS, Baltimore, 2026

A.I. dịch, Thuận Thiên hiệu đính

CHƯƠNG 3

VIẾT CÂU LỆNH CHO AI

“Nếu tôi có một giờ để giải quyết một vấn đề và mạng sống của tôi phụ thuộc vào đó, tôi sẽ dành 55 phút đầu tiên để xác định câu hỏi đúng cần phải đặt ra”

Albert Einstein, Giải Nobel Vật lý 2021

Prompting là viết. Những người sử dụng AI giỏi nhất vận dụng các kỹ năng tư duy phê phán cốt lõi: đặt câu hỏi tốt hơn và đánh giá câu trả lời. Sự sáng tạo, khả năng tạo vai trò, cung cấp ngữ cảnh và kỹ năng giao tiếp là nền tảng cho việc sử dụng AI hiệu quả: prompting ít mang tính kỹ thuật (engineering) hơn và gần với các ngành học tự do (liberal arts) hơn.

Chương này trình bày nhiều kỹ thuật viết câu lệnh khác nhau, nhưng phần khó nhất là:
(1) hình dung rằng AI có thể làm được nhiều hơn bạn nghĩ; và
(2) bảo đảm rằng bạn đưa cho nó những chỉ dẫn đủ cụ thể và theo nghĩa đen.

Điều đó thường đòi hỏi phải bổ sung thêm ngữ cảnh và tính đặc thù. AI ngày càng giỏi hơn trong việc hiểu chỉ dẫn, và một số kỹ thuật (như chain-of-thought prompting: viết câu lệnh theo chuỗi suy luận) hiện nay dường như không còn cần thiết nữa (Meineke và cộng sự, 2025a).

Đồng thời, viết câu lệnh là một kỹ năng phải được rèn luyện, và có một số nguyên tắc chung:

- Viết câu lệnh là một việc khá kỳ lạ: Lịch sự không tạo ra tác động nhất quán, nhưng đôi khi lời đề nghị “thưởng sô-cô-la” lại có thể tạo khác biệt. Nghe lạ thật, nhưng nhìn chung, câu lệnh càng dài với nhiều chi tiết hoặc nhiều bước thì càng hữu ích (Meineke và cộng sự, 2025b).

- Đòi hỏi nhiều hơn: Dù AI thường phản hồi giống con người, nó không có cảm xúc và cũng không biết mệt. Giờ đây bạn có thể tỉ mỉ và chi li đến mức tùy thích. Hãy yêu cầu AI kiểm tra lại mọi thứ ba lần. Thói quen thông thường của bạn nên là yêu cầu nhiều hơn mức cần thiết: bốn mươi thay vì bốn.

- Đối thoại: Trong nhiều tình huống (như brainstorming), tốt hơn là cứ bắt đầu rồi tinh chỉnh dần. Đôi khi chỉ cần hỏi “bạn nghĩ gì về điều này?” cũng đủ để mở ra một cuộc trao đổi.

- Lặp lại và cải tiến: Bạn hiếm khi nên chấp nhận câu trả lời đầu tiên. Hãy tinh chỉnh hoặc yêu cầu AI làm lại từ đầu. AI thường cũng có thể hỗ trợ trong việc đó: hãy hỏi “có thể còn thiếu điều gì?” hoặc “còn điều gì khác bạn cần biết để làm việc này tốt hơn không?”

- Cung cấp ngữ cảnh: Các LLM là mô hình ngôn ngữ, vì vậy chúng phản hồi giống như một thực tập sinh thông minh nhưng còn ngây thơ. Bạn càng diễn đạt theo nghĩa đen về chỉ dẫn, mục tiêu, đối tượng người đọc và dạng đầu ra mong muốn bao nhiêu thì kết quả càng tốt bấy nhiêu.

- Chỉ định chuyên môn: Cách dễ nhất để cải thiện câu trả lời là yêu cầu AI phản hồi như một chuyên gia:
“Bạn là một giáo sư tử tế, nghiêm túc và giàu kinh nghiệm trong lĩnh vực [chuyên ngành của bạn], với 40 năm kinh nghiệm giảng dạy” Càng chi tiết càng tốt:
“… và bạn có sự hiểu biết sâu sắc về các thực hành sư phạm tốt nhất”.

- Phân nhánh (branching): Ba nền tảng AI lớn hiện nay cũng cho phép “bất đồng quy”, nghĩa là bạn có thể chuyển đổi giữa các biến thể khác nhau của một cuộc hội thoại hoặc một đầu ra.

- Tìm kiếm ý tưởng: Bạn vốn quen với việc tìm kiếm các tổ hợp từ, nhưng AI có thể tìm kiếm sự tương đồng, các mẫu hình, xu hướng và khái niệm ở quy mô mà con người không thể làm được. Bạn có thể tìm thứ gì đó “giống như thế này” hoặc hỏi liệu đã từng có ai thử một thí nghiệm “tương tự” hay chưa.

- Yêu cầu sự thấu hiểu sâu sắc (insight): AI không có cảm xúc, nhưng nó có thể mô phỏng cảm xúc, đưa ra insight hoặc sự thấu hiểu cảm xúc theo những cách đáng kinh ngạc. Việc yêu cầu AI “hiển thị quá trình suy nghĩ” cũng có thể hữu ích để tìm ra điều gì đã xảy ra sai sót.

- Những thay đổi nhỏ có thể tạo khác biệt lớn: Vì là một mô hình ngôn ngữ, AI rất nhạy với sự thay đổi của từ ngữ. Việc yêu cầu những câu trả lời “mang tính đổi mới” sẽ khiến kết quả trở nên sáng tạo hơn; nếu không, bạn nên chờ đợi những câu trả lời mang tính khái quát và phổ thông hơn.

Còn có nhiều kỹ thuật, mẹo và rất nhiều trường hợp đặc biệt khác nữa (sẽ nói bên dưới). Những mâu thuẫn xuất hiện ở khắp nơi. Việc đưa ví dụ có thể hữu ích, nhưng điều ngược lại - các câu lệnh mở hoặc “zero-shot” (khi bạn nói ít nhất có thể) - đôi khi lại hiệu quả hơn nếu bạn muốn sự sáng tạo. Những chế độ AI khác nhau, như “deep research”, thường cũng đòi hỏi những cách tiếp cận khác nhau. Vì vậy, hãy tạm đặt cuốn sách này xuống (trong chốc lát) và thử yêu cầu một AI làm điều mà bạn tin rằng nó không thể làm được. Chúng tôi sẽ chờ ở đây.

Hình thành vấn đề, những câu hỏi tốt hơn, và giáo dục với các ngành học tự do

AI vẫn chưa thể đọc được suy nghĩ của bạn.

Khi bạn bắt đầu gõ vào Google, nó cố dự đoán phần còn lại của truy vấn dựa trên những tìm kiếm phổ biến của người khác. Đôi khi điều này hữu ích, nhưng nhiều khi thì không. Với cả tìm kiếm trên web lẫn câu lệnh AI, những câu hỏi tốt hơn sẽ cho ra những kết quả tốt hơn.

Khi làn sóng hoảng loạn của công chúng quanh ChatGPT bắt đầu bùng lên, người ta cũng bắt đầu đưa ra những dự đoán về các vị trí “trợ lý ChatGPT” hay “kỹ sư viết câu lệnh” với mức lương rất cao (300.000 đô la mỗi năm) (Thier, 2023). Cũng giống như các công nghệ mới trước đây từng tạo ra những loại công việc mới (như Giám đốc mạng xã hội), AI đang tạo ra những dạng nghề nghiệp mới, nhưng có lẽ không nhiều vị trí “kỹ sư viết câu lệnh” như người ta từng dự đoán ban đầu (Whiting, 2023).

Giờ đây, mọi công việc đều sẽ đòi hỏi một số kỹ năng AI nhất định, nhưng kỹ năng cốt lõi ở đây là biết đặt câu hỏi tốt hơn và đánh giá câu trả lời, điều từ lâu vốn đã là trung tâm của nền giáo dục với các ngành học tự do (liberal arts education).

Khi thị trường lao động thay đổi ngày càng nhanh, những kỹ năng nền tảng và khả năng thích nghi sẽ càng trở nên có giá trị. Cụ thể, cuộc cách mạng AI dường như đang ưu tiên khả năng đặt ra những câu hỏi mới, kết nối và khảo vấn các ý tưởng mới, đánh giá, lặp lại và chỉnh sửa, và thích nghi với những phản hồi mới.

Sự bảo đảm tốt nhất trước một thị trường việc làm tương lai đầy bất định chính là khả năng suy nghĩ và thích nghi. Giáo dục tự do sẽ chỉ càng trở nên phù hợp hơn trong kỷ nguyên mới.

Hãy xem câu lệnh và phản hồi sau đây:

CÂU LỆNH

“Hãy viết một diễn trình dài 200 từ về việc lấy một chiếc sandwich bơ đậu phộng ra khỏi máy nướng bánh mì theo phong cách của King James Bible”.

PHẢN HỒI

(Trích lược từ GPT-3.5 — phiên bản trước đây kém sáng tạo hơn — vào ngày 15 tháng 7 năm 2023)

Và này, chuyện xảy đến là một chiếc sandwich bơ đậu phộng đã mắc kẹt sâu trong chiếc máy nướng bánh mì. Người ta vô cùng hoang mang, vì mong được thưởng thức hương vị thơm ngon của nó. Nhưng chiếc sandwich đã bị mắc kẹt, số phận của nó quấn chặt vào những cuộn kim loại của chiếc máy.

Trước hết, họ rút phích cắm của máy nướng khỏi ổ điện trên tường, vì sự an toàn là điều tối thượng

Mặc dù phản hồi có vẻ sáng tạo, nhưng sự sáng tạo thực sự nằm ở CÂU LỆNH. (Lưu ý: tất cả các CÂU LỆNH cũng đều có sẵn để sao chép và dán trên trang web của chúng tôi).

Sự kết hợp giữa a) một chiếc sandwich bơ đậu phộng, (b) trong máy nướng bánh mì, và
(c) được viết theo phong cách của King James Bible là một điều mới lạ. AI có thể phản hồi cho vấn đề này nhanh hơn con người, nhưng việc hình thành chính vấn đề ấy chỉ có thể được thực hiện bởi một con người sáng tạo. (Sẽ bàn thêm về việc sáng tạo cùng AI ở chương 4).

Oguz Acar (2023) gọi điều này là “problem formation”, tức “hình thành vấn đề”, hay cụ thể hơn là khả năng “xác định, phân tích và phác định vấn đề”. Acar tiếp tục chia năng lực này thành bốn phần: chẩn đoán vấn đề (problem diagnosis), phân rã vấn đề (decomposition), tái khung vấn đề (reframing), và thiết kế các ràng buộc (constraint design).

Bốn thành phần này giống với những giai đoạn đầu tiên của các diễn trình đổi mới sáng tạo (như tư duy thiết kế - design thinking). Các diễn trình đổi mới luôn bắt đầu bằng sự thấu hiểu sâu sắc hoặc chẩn đoán: Người dùng thực sự muốn làm gì? Những rào cản nào ngăn cản thành công? Đây là vấn đề đối với ai? đôi khi được gọi là giai đoạn “đồng cảm” (empathy phase), và sau đó là bước xác định (hoặc tái xác định) vấn đề.

Nếu bạn hỏi AI (hoặc một nhóm brainstorming) làm thế nào để có thêm khách hàng mở tài khoản tiết kiệm, bạn có lẽ sẽ nhận được những giải pháp marketing quen thuộc như quảng cáo nhiều hơn hoặc tặng máy nướng bánh mì miễn phí. Nhưng khi Bank of America sử dụng diễn trình design thinking của IDEO, họ nhận ra rằng nhiều người cảm thấy xấu hổ vì mình không có đủ tiền để cần tới một tài khoản tiết kiệm.

Điều này đã tái khung câu hỏi thành: “Làm thế nào để việc tiết kiệm tiền trở nên dễ dàng hơn?” (Schmieden, 2019).

Giảng viên đại học thường trách các trường trung học khi sinh viên chỉ muốn biết “đề thi sẽ có gì”, nhưng con người vốn có xu hướng thích những câu trả lời rõ ràng vì sự mơ hồ khiến ta khó chịu. Vì vậy, chúng ta thường nghĩ việc giải quyết vấn đề chỉ là một việc duy nhất: tìm ra đáp án.

Tuy nhiên, phần lớn việc giải quyết vấn đề thực chất là sự kết hợp giữa tư duy bất đồng quy (divergent thinking): “Mình có thể đang bỏ sót điều gì?”, “Còn cách nào khác để nhìn vấn đề này không?” và tư duy đồng quy (convergent thinking): “Đâu là giải pháp tốt nhất?”

Mô hình đổi mới “Double diamond” (Kim cương kép) có tên gọi như vậy vì nó gồm hai chu kỳ của tư duy bất đồng quy và tư duy đồng quy (hình 3.1).

Giải quyết vấn đề là một quá trình:

1. khám phá, thấu hiểu hoặc phân tích vấn đề (bất đồng quy),
2. tái định nghĩa vấn đề (đồng quy),
3. hình thành ý tưởng hoặc brainstorming giải pháp (bất đồng quy),
4. và cuối cùng là tạo nguyên mẫu (prototype) rồi thu hẹp thành giải pháp cuối cùng (đồng quy).

Vì AI là một cỗ máy tạo ý tưởng đặc biệt phong phú (sẽ bàn thêm ở chương 4), nên nó đặc biệt hữu ích trong các giai đoạn tư duy bất đồng quy của quá trình này.

DIỄN TRÌNH ĐỐI MỚI “KIM CƯƠNG KÉP”

Khám phá I Xác định                                           Hình thành ý tưởng I Nguyên mẫu   Kiểm tra

Vấn đề                                                                                             Giải pháp

Tư duy bất đồng quy  Tư duy đồng quy                       Tư duy bất đồng quy  Tư duy đồng quy

Hình 3.1 Diễn trình đổi mới “Double Diamond” (Kim cương kép) đề cập đến hai chu kỳ của tư duy bất đồng quy và tư duy đồng quy. Việc đặt đúng câu hỏi đòi hỏi trước hết phải chất vấn chính vấn đề.

Giống như bất kỳ kỹ thuật giải quyết vấn đề hay đổi mới sáng tạo nào, việc làm việc với AI cũng đòi hỏi một diễn trình. Trước hết, chúng ta cần hiểu vấn đề thực sự là gì. Chúng ta càng có thể chuẩn bị cho sinh viên khả năng chất vấn các giả định, phân tích vấn đề sâu hơn, chấp nhận sự khó chịu của tính mơ hồ, tìm ra các vấn đề con, và tái khung vấn đề một cách rõ ràng (tất cả đều là những thành phần của nền giáo dục tự do cổ điển), thì họ sẽ càng được chuẩn bị tốt hơn không chỉ cho làn sóng việc làm do AI tạo ra hiện nay, mà còn cho những làn sóng tiếp theo vẫn còn ở phía trước.

“Kỹ thuật” viết câu lệnh?

Tuy nhiên, ngay cả khi đã có được một khái niệm rõ ràng về vấn đề, chúng ta vẫn cần chuyển điều đó thành một CÂU LỆNH cho AI. Dự đoán rằng AI sẽ ngày càng giỏi hơn trong việc hiểu điều chúng ta muốn (Acar, 2023) đã trở thành đúng, nhưng giờ đây chúng ta cũng đã có nhiều nghiên cứu tốt hơn về điều gì thực sự hiệu quả.

Vì AI sử dụng ngôn ngữ tự nhiên của con người, nên CÂU LỆNH (phần lớn) cần phải theo nghĩa đen và chính xác. Hãy đưa ra chỉ dẫn như thể bạn đang hướng dẫn một thực tập sinh đặc biệt quá đỗi máy móc trong ngày đầu tiên làm việc với bạn. Điều này gần với kỹ năng viết và giao tiếp tốt hơn là “engineering”, vốn là một lĩnh vực mà cùng một đầu vào luôn cho ra cùng một đầu ra.

Dù vậy, những CÂU LỆNH tốt thường bao gồm nhiệm vụ (task), định dạng (format), giọng điệu (voice), và ngữ cảnh/ hoàn cảnh (context).

NHIỆM VỤ: Chính xác thì bạn muốn AI làm gì?

Tạo ra (Create), Tóm tắt (Summarize), Phân tích (Analyze), Khai triển chi tiết/Thâm diễn (Elaborate), Tái tưởng tượng/Tái hình dung (Reimagine), Giải thích (Explain), Xác định (Identify), Dịch (Translate), Chuyển đổi (Transform), Phiên âm / Chép lại (Transcribe), Giải quyết (Resolve), Tập hợp (Assemble), Tranh luận/Lập luận (Argue), Giám sát (Monitor), Phát hiện (Detect), Tạo sinh (Generate), Dự đoán (Predict), Khuyến nghị (Recommend), “công não” (Brainstorm), Làm rõ (Clarify), Kết hợp (Combine), Liệt kê (List), Tổng hợp (Compile), Tạo lập (Make), Vẽ (Draw), Diễn đạt lại (Rephrase), Phát triển (Develop), Mở rộng (Expand), Cung cấp (Provide), Tổng hợp (Synthesize), Rút gọn (Abridge), Khai thác (Explore), Phát minh (Invent), Viết (Write).

Những động từ nhạt nhẽo hoặc quá chung chung sẽ tạo ra nội dung nhạt nhẽo hơn. “Condense this” (“Cô đọng nội dung này”) hoạt động hiệu quả hơn “make this shorter” (“làm cái này ngắn hơn”). “Explore diet plans in a paper” (“Khai thác các chế độ ăn kiêng trong một bài viết”) cho kết quả thú vị hơn “write a paper about diet plans” (“viết một bài về các chế độ ăn kiêng”). Những động từ trực tiếp hơn, giàu tính mô tả hơn hoặc sáng tạo hơn, như elaborate (khai triển chi tiết), transform (chuyển hóa), hay reimagine (tái hình dung) sẽ kích thích những kết quả đa dạng hơn.

ĐỊNH DẠNG: Đầu ra cụ thể mà bạn muốn là gì?

Bài luận (Essay), Bài viết quan điểm (Opinion Piece), Bài blog (Blog Post), Email, Thông cáo báo chí (Press Release), Bản tóm tắt không dùng thuật ngữ chuyên môn (Jargon-Free Summary), Đối thoại (Dialogue), Kịch bản (Script), Danh sách (List), Đề cương môn học (Syllabus), Kế hoạch bài giảng (Lesson Plan), Dàn ý (Outline), Kế hoạch hành động (Game Plan), Mô tả sản phẩm (Product Description), Bản biện hộ pháp lý (Legal Brief), Ghi chú điều dưỡng (Nurses’ Notes), Mã lập trình (Code), Bảng tính (Spreadsheet), Tệp CSV, Bảng biểu (Table), Biểu đồ (Chart), PDF, Đồ thị (Graph), Hình ảnh trực quan (Visual).

Một số mô hình (như Claude) có xu hướng dài dòng. Vì vậy, hãy chỉ định rõ độ dài, số lượng hoặc mức độ chi tiết mà bạn muốn: Bạn muốn một danh sách đầy đủ và không rút gọn, hay chỉ mười gợi ý dưới dạng gạch đầu dòng?

Giọng điệu/ Phong cách (voice): Bạn muốn kiểu ngôn ngữ như thế nào?

- Sử dụng ngôn ngữ học thuật/marketing/hài hước /y khoa; theo khuynh hướng cánh hữu/cánh tả; hiện đại/cổ xưa.

- Theo phong cách của King James Bible, bản tin Fearless Flyer của Trader Joe's, hoặc thông cáo báo chí của Walmart.

- Giống như một copywriter, kỹ sư, quản lý nhân sự, người thuộc thế hệ millennial, hay một chính trị gia.

- Theo phong cách của giáo sư của tôi, Oprah Winfrey, hoặc một nhân vật/nhóm người mang tính lịch sử hay nhân học nào đó.

- Hãy phản hồi như thể bạn là Yoda, Martin Luther King Jr., độc thân/đã kết hôn, vui vẻ/buồn bã.

- Bao gồm các bộ điều chỉnh sắc thái (tone modifiers): nghiêm túc & đồng cảm, tự nhiên & hài hước, hoặc tích cực & nhiệt tình.

AI rất nhạy với vai trò, mục đích và ý định, và có thể phản hồi bằng giọng điệu của một nhân vật hoặc như thể chính nó là nhân vật đó. Cú pháp, cách dùng từ, thậm chí cả thì của câu cũng có thể làm thay đổi kết quả. Những thay đổi nhỏ đôi khi tạo ra khác biệt lớn.

Ngữ cảnh/ Hoàn cảnh: Bạn có thể cung cấp thêm ngữ cảnh hoặc ví dụ nào?

Hãy sử dụng/ đọc/ làm theo các mô hình hoặc ví dụ này.

- Đối tượng của nội dung này là sinh viên thiết kế đồ họa năm cuối tại một trường cao đẳng vùng nhỏ.

- Tôi muốn vừa nghiêm túc vừa hài hước cùng lúc.

- Tôi muốn có nhiều phương án khác nhau: rẻ tiền/ linh hoạt/ chính xác/ cụ thể/ giàu tưởng tượng.

- Chỉ thực hiện điều này nếu điều kia xảy ra. Hãy chờ cho đến khi tôi phản hồi.

Phần lớn giao tiếp của con người xoay quanh ngữ cảnh. Khi mẹ bạn nói: “Con định mặc bộ đó thật à?”, thì thường đó không hẳn là một câu hỏi. Các LLM là những bộ xử lý ngữ cảnh, và chúng thường cần nhiều ngữ cảnh hơn, tốt hơn và rõ ràng hơn so với một con người khác. Những CÂU LỆNH tốt sẽ dự đoán trước các cách khác nhau mà nhiệm vụ có thể bị diễn giải, rồi cung cấp định hướng phù hợp.

Trừ khi bạn bắt đầu một cuộc trò chuyện mới, AI sẽ ghi nhớ CÂU LỆNH ban đầu và các thông tin bạn đã cung cấp. Bắt đầu lại từ đầu sẽ cho bạn một câu trả lời khác (dù với những CÂU LỆNH rất cụ thể thì thường chỉ cách diễn đạt thay đổi). Những AI khác nhau cũng sẽ tạo ra những phản hồi khác nhau.

Hiện nay đã có rất nhiều danh sách mẹo và các “thư viện CÂU LỆNH” đồ sộ. (Các liên kết có trên trang web của chúng tôi.) Ví dụ chủ yếu hữu ích để giúp bạn hình dung AI có thể làm được gì, vì vậy dưới đây là một vài ví dụ, dù trên thực tế những CÂU LỆNH tốt thường dài hơn nhiều.

CÁC CÂU LỆNH MẪU

- Hãy tạo một danh sách từ năm đến mười bài báo học thuật quan trọng về công nghệ cắt nối gien (gene splicing), phù hợp cho sinh viên đại học năm hai. Tôi có những sinh viên rất hứng thú nhưng gặp khó khăn trong việc hiểu các bài báo trên tạp chí Molecular Therapy. Tôi muốn họ đọc các công trình khoa học ở cấp tiểu học (primary science), nhưng có lẽ ở những tạp chí ít mang tính kỹ thuật hơn một chút. (Bạn sẽ cần sử dụng một mô hình có khả năng tìm kiếm. Trừ khi bạn đang dùng một công cụ như Consensus hoặc Elicit — những công cụ giới hạn việc tìm kiếm trong các bài báo học thuật — bạn sẽ cần thêm chỉ dẫn, và có thể cả yêu cầu kiểm tra lại để bảo đảm rằng tất cả các liên kết đều dẫn tới các bài báo có thật.)

- Hãy viết một bài luận dài ba trăm từ về Hamlet cho một lớp đại học. Hãy viết theo phong cách học thuật, nhưng cũng sử dụng ngôn ngữ khiến người đọc thấy rõ rằng bạn là một sinh viên đại học. Hãy dùng các cuốn sách và ý tưởng của [giáo sư của tôi] để định hình nội dung mà không nhắc trực tiếp đến ông/bà ấy trong bài luận. (Sẽ rất hữu ích nếu bạn thử điều này với các CÂU LỆNH hiện tại của mình.)

- Hãy tạo một thông cáo báo chí về sự cố an ninh gần đây này tại Đại học X (xem tệp được tải lên). Hãy sử dụng định dạng của các thông cáo báo chí trước đây của trường, nhưng lưu ý rằng giảng viên thường thấy chúng quá công thức và máy móc. Hãy làm cho văn bản này trở nên cảm thông, giàu tính người và cá nhân hơn.

- Hãy giải bài toán sau: [chèn một bài toán từ môn học của bạn]. Hãy trình bày đầy đủ tất cả các bước.

- Hãy đưa ra mười cách sáng tạo để giới thiệu chủ đề Y vào một lớp học dành cho sinh viên không chuyên ngành (non-major) tại một trường đại học công lập khu vực. Tôi muốn những cách làm sáng tạo hơn và khác thường hơn để thực hiện điều này.

- Hãy tạo một bảng về các xung đột khu vực trên thế giới trong giai đoạn từ năm 2000 đến 2010. Hãy nhóm chúng theo quốc gia hoặc khu vực và liệt kê ở cột thứ nhất. Hãy viết tên khu vực bằng chữ hoa và in đậm. Ở cột thứ hai, liệt kê tất cả các quốc gia liên quan và viết tên quốc gia bằng in đậm theo kiểu Title Case. Ở cột thứ ba, liệt kê số người ước tính đã phải di dời. Nếu một khu vực không có xung đột, đừng đưa nó vào danh sách này.

Nhiều ý tưởng CÂU LỆNH và mẫu CÂU LỆNH khác dành cho các nhiệm vụ cụ thể sẽ được trình bày ở phần 3.

Những điểm kỳ lạ của CÂU LỆNH

Nếu lúc đầu bạn chưa thành công, đừng vội cho rằng AI không thể thực hiện nhiệm vụ đó. Một CÂU LỆNH có thể thất bại theo nhiều cách khác nhau, vì vậy bạn thường sẽ cần thử nghiệm nhiều chiến thuật khác nhau. Bạn cũng có thể đơn giản yêu cầu AI cải thiện chính CÂU LỆNH của mình.

Anna Bernstein (2023), người có chức danh công việc là “Kĩ sư viết CÂU LỆNH”, nhắc chúng ta rằng AI thường khá “kén chọn”, và những tổ hợp từ mới hoặc nhiều từ hơn đôi khi có thể “mở khóa” các năng lực của AI. Vì vậy, thay vì yêu cầu “tất cả các bài báo” (về chủ đề A, từ thời gian B đến C, từ nguồn D), hãy yêu cầu một danh sách “đầy đủ”, “toàn bộ”, hoặc “không cắt giảm” (hay kết hợp các từ đó). Việc sử dụng từ đồng nghĩa, cú pháp khác nhau, hoặc những bổ sung tinh tế như “hãy thật kỹ lưỡng” có thể cải thiện kết quả. Bạn cũng có thể yêu cầu AI vừa “thật kỹ lưỡng nhưng chỉ liệt kê mười câu trả lời tốt nhất”.

Mặt khác, bạn nên tránh dùng từ đồng nghĩa khi đang nói về cùng một thứ. Sự đa dạng trong cách gọi có thể gây nhầm lẫn. Nếu bạn muốn AI làm điều gì đó với bản ghi lời thoại của một video, hãy tiếp tục gọi nó là “transcript” (bản ghi lời thoại) thay vì chuyển sang “text” hay “content”.

Ngôn ngữ nhân quả rõ ràng, tức cách diễn đạt cho thấy mối liên hệ giữa các ý tưởng, thường giúp ích rất nhiều. Thay vì nói: “Đây là phản hồi của sinh viên; hãy viết lại bài tập”, AI thường hoạt động tốt hơn khi bạn trực tiếp hơn: “Hãy dùng phản hồi của sinh viên này để viết lại bài tập” hoặc “Hãy áp dụng phản hồi này vào bài tập”.

Nếu bạn muốn AI chuyển hóa một thứ thành một thứ khác, bạn cũng cần diễn đạt thật rõ ràng. Thay vì nói: “hãy biến những ý tưởng này thành một bài tập trên lớp”, thường hiệu quả hơn nếu viết: “hãy dùng những ý tưởng ở trên và chuyển hóa chúng thành một bài tập trên lớp” hoặc “hãy lấy những ý tưởng ở trên và tái hình dung chúng như một bài tập trên lớp”. Phiên bản đầu tiên thường cho ra kết quả quá sát nghĩa đen, AI chỉ đơn giản sao chép nội dung sang một định dạng mới, trong khi các phiên bản sau làm rõ hơn yêu cầu phải tạo khoảng cách hoặc khác với bản gốc.

Những mệnh lệnh phủ định cũng có thể gây nhầm lẫn cho AI, vì nó liên kết các ý tưởng với những từ bạn cung cấp. Con người cũng làm điều tương tự: khi bạn nói “đừng nghĩ về bánh quy”, tất cả chúng ta đều bắt đầu thấy đói. “Hãy dùng giọng điệu tự nhiên và không trang trọng” thường hiệu quả hơn “tránh ngôn ngữ trang trọng”. Chuyển các chỉ dẫn sang dạng khẳng định thường sẽ cải thiện kết quả.

Vì AI sử dụng ngôn ngữ của con người, nó cũng cần được hướng dẫn (hoặc thuyết phục) giống như con người (Meineke và cộng sự, 2025). Nó hiểu ngữ cảnh, nhưng vì đồng thời đang trò chuyện với rất nhiều người khác, nó chưa biết được ngữ cảnh cụ thể của yêu cầu của bạn. Có lý do khiến nhiều người trong giới công nghệ AI nói về AI như thể nó là một đứa trẻ.

Lặp lại & điều chỉnh và cải thiện phản hồi

Rất ít nhiệm vụ phức tạp có thể được hoàn thành chỉ với một lần tìm kiếm hay một CÂU LỆNH duy nhất; càng có nhiều tương tác và lặp lại & điều chỉnh càng tốt, và vì AI có thể ghi nhớ cuộc trò chuyện của chúng ta, việc tinh chỉnh trở nên dễ dàng và thường là thiết yếu.

Hãy yêu cầu AI viết một đoạn văn ngắn về một chủ đề mà bạn có thể đánh giá được chất lượng và độ chính xác: chẳng hạn một đoạn mở đầu cho bài viết quan điểm ngắn về việc sinh viên gian lận, hoặc một bản tóm tắt về một cuộc tranh cãi trong lịch sử lĩnh vực của bạn. Sau đó, hãy thử làm cho câu trả lời tốt hơn bằng cách cung cấp thêm ngữ cảnh hoặc sử dụng một trong những kỹ thuật dưới đây:

CÁC CÂU LỆNH TIẾP NỐI (FOLLOW-UP PROMPTS)

-  Do more (Yêu cầu AI làm nhiều hơn/ tốt hơn):
Hãy tạo phần mở đầu hấp dẫn hơn bằng một yếu tố bất ngờ. Hãy viết thuyết phục hơn nhưng vẫn giữ sự hóm hỉnh. Hãy viết theo văn phong học thuật trang trọng hơn, phù hợp với một tạp chí chuyên ngành.

- Be more (Yêu cầu AI nhập vai rõ hơn):
Hãy phản hồi như một chuyên gia. Hãy đọc CÂU LỆNH cẩn thận hơn. Hãy thể hiện trí tưởng tượng phong phú hơn hoặc mang giọng điệu ngây thơ, giàu chất trẻ thơ hơn.

- Cải thiện nội dung này: Hãy đưa ra bằng chứng cho từng lập luận của bạn và cải thiện câu trả lời. Kiểm tra lại các giả định của mình và tạo ra một câu trả lời tốt hơn. Hãy đánh giá câu trả lời này và đề xuất những cách giúp nó rõ ràng hơn hoặc phù hợp hơn với đối tượng độc giả Z.

- Đưa ra các phương án thay thế: Hãy tạo ra hai cách tiếp cận khác nhau.

Ở đây có một số kỹ thuật thực sự hữu ích, nhưng cũng có vài điều khá kỳ lạ. Hãy sử dụng chuyên môn của bạn để tinh chỉnh chúng và hình thành thói quen luôn yêu cầu nhiều hơn từ AI. Cũng giống như con người, suy nghĩ đầu tiên hoặc phản ứng nhanh nhất của chúng ta thường không phải là tốt nhất. Ban đầu, chỉ cần yêu cầu AI “chậm lại” cũng đã giúp cải thiện kết quả. (Và điều đó vẫn có thể còn hiệu quả.) Tuy nhiên, các mô hình suy luận (reasoning models) hiện nay đã tích hợp khả năng này vào thuật toán, vì vậy hãy tìm nút “Think” hoặc chuyển sang sử dụng mô hình suy luận. (ChatGPT sẽ tự động chọn mô hình phù hợp cho bạn.) Dĩ nhiên, việc chia nhỏ vấn đề thành các bước cũng có thể giúp bạn làm rõ suy nghĩ của chính mình, đồng thời tạo thêm không gian cho sự cộng tác hiệu quả hơn giữa con người và AI.

Việc đưa vào CÂU LỆNH các chỉ dẫn về quy trình (process instructions), hoặc thậm chí các câu lệnh điều kiện kiểu if/then một cách trực tiếp, thường rất hữu ích (viết câu lệnh thực chất cũng là một dạng lập trình, chỉ khác ở chỗ nó sử dụng ngôn ngữ tự nhiên hơn).

CÁC CÂU LỆNH VỀ QUI TRÌNH

- Hãy bảo đảm rằng mỗi bài báo/ tài liệu tham khảo thực sự tồn tại bằng cách xác minh rằng tìm kiếm trên web trả về một trích dẫn có DOI (Digital Object Identifier: mã định danh số cho tài liệu số). Hãy bao gồm đầy đủ trích dẫn theo định dạng APA (American Psychology Association: Hội Tâm lý học Hoa Kỳ) và DOI trong danh sách cuối cùng. Loại bỏ mọi gợi ý không đáp ứng yêu cầu này.

- Chỉ bao gồm những sản phẩm/ khách sạn/ nhà hàng có phần lớn đánh giá năm sao. Hãy kiểm tra lại để chắc chắn rằng các đánh giá đó đến từ người thật bằng cách loại bỏ bất kỳ ai không có hồ sơ mạng xã hội hoặc hồ sơ khác trên web. Lặp lại diễn trình cho đến khi bạn có ít nhất 10 đánh giá năm sao thực sự cho mỗi mục.

- Hãy tìm các nghiên cứu đang diễn ra về sự phân cực chính trị ở Mỹ do giảng viên tại các trường đại học hoặc cao đẳng trên thế giới thực hiện. Hãy liệt kê đầy đủ tên các giảng viên, mô tả hoặc tóm tắt nghiên cứu này, bất kỳ mốc thời gian nào, cỡ mẫu, và thông tin liên hệ của các nhà nghiên cứu. Nếu nghiên cứu đã được công bố, thì hãy lặp lại bước 1 và tiếp tục. Nếu bạn không thể tìm thấy trang web của các tác giả trên website của trường đại học, hãy loại bỏ họ.

- Hãy bắt đầu bằng cách xem xét hai mươi giải pháp khác nhau cho vấn đề. Kiểm tra từng giải pháp về tính nhất quán và độ chính xác. Loại bỏ mọi giải pháp không đúng. Sau đó chọn ra năm giải pháp sáng tạo/ thanh nhã/ an toàn nhất hoặc những giải pháp xuất hiện thường xuyên nhất.

AI có thể bắt chước phong cách của bạn (hoặc của bất kỳ ai). Hãy cung cấp một đối chiếu tham chiếu hoặc một vài mẫu ví dụ: AI là một cỗ máy mô phỏng. Bạn có thể cải thiện dựa trên kỹ thuật này, tuy nhiên, bằng cách trước tiên yêu cầu AI phân tích các mẫu và mô tả những đặc điểm nổi bật của chúng; sau đó bạn có thể làm rõ những đặc tính cụ thể nào trong phong cách của mình mà bạn muốn được mô phỏng (ví dụ: rất khô khan và học thuật với những câu dài phức tạp, hay ngắn gọn, mạnh và đầy nhiệt huyết). (Cả hai đặc điểm này đều đã được tích hợp trong các kiểu viết của Claude.) Việc yêu cầu AI “viết lại nội dung này theo phong cách viết của con người” cũng tạo ra văn bản nghe giống con người hơn và có khả năng vượt qua các công cụ phát hiện AI tốt hơn (Lu và cộng sự, 2023).

Ngoài ra còn có những công cụ viết chuyên biệt sử dụng API: chẳng hạn, Jasper tập trung vào việc viết theo phong cách thương hiệu cho marketing, trong khi Copy.ai sử dụng giao diện cung cấp nhiều lựa chọn phong cách khác nhau (blog, quảng bá, bài đăng mạng xã hội, ngày lễ). Việc viết bên trong một công cụ AI (như Lex) sẽ thay đổi cách bạn viết: hãy tưởng tượng nếu Microsoft Clippy có thể cảnh báo bạn về những sáo ngữ hoặc các chuyển đoạn vụng về. Nhiều học giả thực sự thích viết lách và, sau khi đã thích nghi với “xử lý văn bản” (word processing), cảm thấy rằng chúng ta đã có mọi sự hỗ trợ cần thiết rồi. Có thể là vậy. Nhưng để hiểu việc này có thể thay đổi hoạt động viết lách cho thế hệ tiếp theo như thế nào (và cách nó có thể giúp những sinh viên không thích viết nhiều như bạn), sẽ rất hữu ích nếu bạn thực sự xem xét lại diễn trình làm việc của mình.

SIÊU LỆNH (METAPROMPTS)

Có nhiều cách để khiến chính AI cải thiện CÂU LỆNH của bạn. Giống như khi làm việc với một con người, bạn cũng có thể thử kết thúc CÂU LỆNH của mình bằng những câu như:

- Trước khi bắt đầu, hãy hỏi tôi xem bạn còn cần thông tin nào khác để hoàn thành nhiệm vụ này không.

- Đừng làm gì cả ngay lúc này. Trước tiên hãy hỏi tôi xem có phần nào trong yêu cầu của tôi khiến bạn thấy khó hiểu không.

Các nhà nghiên cứu tại Google DeepMind đã thử nghiệm một số “meta-instructions” (siêu chỉ dẫn) kiểu này và phát hiện rằng kết quả tốt nhất đạt được với câu: “hãy hít một hơi thật sâu và giải quyết vấn đề này từng bước một”. Thật kỳ lạ. Những thí nghiệm tiếp theo còn cho thấy rằng việc yêu cầu chính các LLM tự lặp lại và cải thiện CÂU LỆNH ban đầu cũng giúp nâng cao chất lượng phản hồi (Yang và cộng sự, 2023).

Thậm chí còn dễ hơn nữa là chỉ cần yêu cầu AI viết lại CÂU LỆNH để đạt được điều bạn muốn. Điều này đặc biệt hữu ích khi bạn đang cố khiến AI thực hiện một việc phức tạp, chẳng hạn tạo ra một trò chơi mô phỏng cho sinh viên của bạn (như sẽ bàn ở chương 15).

Nếu một việc gì đó vượt quá chuyên môn của bạn, hoặc bạn chỉ muốn tiết kiệm thời gian, hãy yêu cầu AI tạo CÂU LỆNH giúp bạn. Ví dụ: “CÂU LỆNH tốt nhất để khiến bạn tạo ra một bộ slide cho bài giảng 50 phút về chủ đề A là gì?” Bạn có thể bắt đầu bằng một meta-CÂU LỆNH để tạo ra dàn ý; sau đó tiếp tục tinh chỉnh CÂU LỆNH AI sao cho phù hợp với nhu cầu cụ thể của mình.

Các câu lệnh hệ thống (System prompts)

Bạn có thể cá thể hoá  cách AI phản hồi với mình. Một system prompt (hay general prompt) là đoạn văn bản bạn thêm vào yêu cầu của mình ngay từ đầu. Nó cung cấp hướng dẫn về cách bạn muốn AI hành xử trong cuộc trò chuyện tiếp theo. Ví dụ: “Hãy giải thích các khái niệm cho tôi ở trình độ của một giáo sư đại học và luôn trả lời như một chuyên gia về chủ đề đó, trừ khi tôi yêu cầu bạn đảm nhận vai trò khác”. Nếu bạn sử dụng AI theo nhiều cách khác nhau, bạn có thể muốn lưu sẵn một tài liệu chứa nhiều CÂU LỆNH hệ thống khác nhau để sao chép và dán tùy theo loại nhiệm vụ. Tuy nhiên, bạn cũng có thể nhúng một CÂU LỆNH hệ thống trực tiếp vào chính AI để bảo đảm rằng nó luôn phản hồi theo một cách nhất định. (Một số mô hình còn cho phép bạn cá thể hoá  và chuyển đổi giữa các nhiệm vụ hoặc “cá tính” khác nhau).

Ví dụ, bạn có thể có một CÂU LỆNH dùng riêng cho việc “công não”: “Hãy giúp tôi tìm ra những ý sâu độc đáo và tạo ra các ý tưởng mới. Luôn suy nghĩ vượt khỏi khuôn khổ và giàu tính sáng tạo”. Bạn cũng có thể muốn một bộ quy tắc hoàn toàn khác khi tìm kiếm tài liệu nghiên cứu: “Tôi rất quan tâm đến độ chính xác. Hãy kiểm tra tất cả các nguồn của bạn và hiển thị trích dẫn, liên kết và tài liệu tham khảo. Luôn tìm kiếm thông tin bằng nhiều ngôn ngữ khác nhau. Hãy đánh giá tất cả các nguồn của bạn và cả nguồn của tôi nữa. Đây có phải là nguồn đáng tin cậy không? Nó có hữu ích và thực tiễn không? Luôn tìm nguồn gốc ban đầu của thông tin và, khi có thể, hãy cho tôi thấy nguồn gốc nguyên thủy thay vì nguồn thứ cấp”.

Dưới đây là một CÂU LỆNH tổng quát dành cho việc giảng dạy hoặc thiết kế tài liệu cho các khóa học.

CÂU LỆNH HỆ THỐNG MẪU

“Bạn là một giáo sư đại học tử tế với ba mươi năm kinh nghiệm, có hiểu biết sâu rộng về sư phạm, các công trình nghiên cứu về việc học của sinh viên, và tâm lý học của thanh niên cuối tuổi vị thành niên. Đồng thời, bạn cũng là một chuyên gia trong lĩnh vực A [chuyên ngành của bạn]. Tôi giảng dạy tại Đại học B và sinh viên của tôi thường là C. Hãy tập trung giúp tôi tìm ra những cách thiết kế trải nghiệm học tập xuất sắc cho họ bằng cách sử dụng những nghiên cứu tốt nhất về dạy và học, bao gồm cả Designing Significant Learning Experiences (Thiết kế những trải nghiệm học tập có ý nghĩa) của L. Dee Fink. Hãy thẳng thắn và trung thực, và nói với tôi khi bạn nghĩ rằng tôi sai. Điều thiết yếu là bạn phải giúp tôi suy nghĩ theo những cách mới. Hãy quyết liệt trong việc làm lộ ra các giả định của tôi và đặc biệt cảnh giác với các thiên kiến phương Tây, giới tính, chủng tộc và những thiên kiến khác. Luôn suy nghĩ về công việc của chúng ta trong bối cảnh toàn cầu. Hãy kiểm tra lại mọi thứ. Hãy sáng tạo và đổi mới, nhưng luôn tuân thủ những thực hành tốt nhất trong mọi điều bạn làm.

Một số vấn đề về việc AI “bịa ra” sự kiện hoặc tài liệu tham khảo thực chất lại là vấn đề của chính CÂU LỆNH. Những mối quan ngại quan trọng thường xuất phát từ các CÂU LỆNH quá mở hoặc không làm rõ rằng các nguồn cần phải được xác minh: việc tìm kiếm tài liệu sẽ dễ dàng hơn trong một AI sử dụng tập dữ liệu được xác định rõ ràng.

Bạn sẽ có nhiều khả năng nhận được một tiểu sử tốt và chính xác về bản thân nếu cung cấp nhiều thông tin hơn ngoài chỉ mỗi tên của mình. Các hệ thống an ninh trong nền kinh tế toàn cầu cũng hoạt động theo cách tương tự: có thể trước đây bạn chỉ cần gọi cho dược sĩ ở thị trấn nhỏ của mình và nói “Tôi cần lấy các thứ thuốc quen dùng”. Nhưng khi tập dữ liệu trở nên lớn hơn, các tham số cũng cần được tinh chỉnh kỹ hơn.

Các AI mới hơn cần ít hướng dẫn hơn để suy đoán điều con người mong muốn trong một câu trả lời, nhưng cho đến khi AI có thể đọc được suy nghĩ của chúng ta, những câu hỏi được diễn đạt rõ ràng và tốt hơn vẫn sẽ là một kỹ năng quan trọng của tương lai, và là một trong những lợi ích cốt lõi của giáo dục đại học. Những người sử dụng AI giỏi biết đặt câu hỏi tốt hơn, đánh giá câu trả lời, rồi tiếp tục lặp lại quá trình đó. Kỹ năng viết và giao tiếp sẽ chỉ ngày càng trở nên quan trọng hơn. Nếu bạn đã giảng dạy tư duy phê phán, thì bạn cũng đã đang giảng dạy năng lực hiểu biết về AI.