[Series Chinh Phục ChatGPT] Bài 3: Cách Thức Prompt Định Hình "Nhân Cách" Và Tư Duy Của LLMs

Chào anh em! Ở bài trước, chúng ta đã thống nhất với nhau một sự thật hơi "phũ": ChatGPT không hề có tư duy nhận thức, nó chỉ là một cỗ máy dự đoán từ tiếp theo siêu tốc dựa trên xác suất toán học.

Nhưng nếu chỉ là máy đoán từ, tại sao lúc thì nó đóng vai một chuyên gia hệ thống khuyên bạn dùng Kafka hay RabbitMQ cực kỳ sắc sảo, lúc lại biến thành một nhà thơ sến súa? Bí mật nằm ở "chiếc vô lăng" mà bạn đang cầm: Prompt.

Hôm nay, chúng ta sẽ đi sâu vào cách Prompt điều khiển LLMs, hiểu về tính ngẫu nhiên (randomness) của nó, và cách để bạn thực sự làm chủ công cụ này thay vì hên xui phó mặc cho máy móc.

1. Prompt Bản Chất Là Gì? Đừng Nghĩ Nó Chỉ Là "Tin Nhắn Chat"

Nhiều người dùng ChatGPT như một công cụ chat chit thông thường: Nghĩ gì gõ nấy. Nhưng dưới góc độ kỹ thuật, Prompt chính là đoạn Context (Ngữ cảnh) khởi tạo để thiết lập toàn bộ không gian xác suất cho LLMs.

Khi bạn nhập một Prompt, bạn đang thiết lập:

• Vai trò (Role): Bạn muốn AI là ai? (Senior Backend, Chuyên gia Tài chính, hay Giáo viên Tiếng Anh?)
• Ngữ cảnh (Context): Vấn đề đang xảy ra trong hoàn cảnh nào?
• Nhiệm vụ (Task): Mục tiêu cụ thể cần giải quyết là gì?
• Định dạng (Format): Kết quả trả về phải trông như thế nào? (JSON, Markdown, Bảng biểu?)

Chỉ cần thay đổi một tham số trong Prompt, kết quả đầu ra (Output) sẽ rẽ sang một hướng hoàn toàn khác.

2. Tính Ngẫu Nhiên (Randomness) - Con Dao Hai Lưỡi Của LLMs

Có bao giờ anh em thắc mắc: Cùng một câu hỏi, nhưng hỏi 3 lần ChatGPT lại trả về 3 câu trả lời khác nhau? Đó là do cơ chế Randomness (thường được điều chỉnh qua một thông số kỹ thuật gọi là Temperature - Nhiệt độ).

LLMs không luôn luôn chọn từ có xác suất cao nhất (100%). Nó được lập trình để có một tỷ lệ "lấy ngẫu nhiên" các từ có xác suất thấp hơn một chút để tạo ra sự tự nhiên và sáng tạo.

• Khi cần sự chính xác tuyệt đối (Low Randomness): Ví dụ anh em yêu cầu ChatGPT viết code Golang, format dữ liệu chuẩn JSON, hoặc dịch tài liệu kỹ thuật. Chúng ta cần câu trả lời logic, bám sát technical, không được "sáng tạo" thêm bớt.
• Khi cần sự đột phá (High Randomness): Ví dụ bạn cần brainstorm ý tưởng cho một bài blog trên Viblo, nghĩ slogan cho dự án. Lúc này, tính ngẫu nhiên giúp AI đưa ra những góc nhìn dị biệt và thú vị.

Mẹo nhỏ: Dù không chỉnh được thông số Temperature trực tiếp trên giao diện ChatGPT bản thường, bạn có thể kiểm soát tính ngẫu nhiên bằng cách thêm vào Prompt các câu lệnh gò ép như: "Hãy trả lời một cách logic, bám sát các tài liệu kỹ thuật chuẩn, không tự bịa thông tin."

3. Demo Thực Chiến: Nâng Cấp Từng Cấp Độ Prompt

Hãy xem cách Prompt định hình kết quả qua bài toán tối ưu Database quen thuộc:

❌ Level 1: Prompt Hên Xui (Bỏ mặc cho AI tự đoán ngữ cảnh) Prompt: "Làm sao để query database nhanh hơn?" Kết quả: AI sẽ trả về một mớ lý thuyết chung chung từ Google: "Bạn nên dùng Index, tối ưu câu lệnh SELECT, nâng cấp phần cứng máy chủ..." Rất vô thưởng vô phạt.

⚠️ Level 2: Prompt Có Mục Tiêu (Bắt đầu có định hướng) Prompt: "Hệ thống PostgreSQL của tôi query bảng orders quá chậm. Liệt kê 3 cách tối ưu." Kết quả: AI đã khoanh vùng được database là PostgreSQL và tên bảng, đưa ra các gợi ý cụ thể hơn như tạo B-Tree Index, Partitioning... nhưng vẫn chưa thực sự sát với bài toán thực tế của bạn.

✅ Level 3: Prompt Chuẩn Kỹ Sư (Kiểm soát 100% đầu ra) Prompt: "Đóng vai một Database Expert. Tôi đang dùng PostgreSQL. Bảng orders của tôi có 50 triệu bản ghi, thường xuyên bị chậm khi query tìm kiếm theo user_id và created_at trong 30 ngày gần nhất. Hệ thống chỉ cho phép read-only trên Replica. Hãy đưa ra 2 chiến lược tối ưu ở tầng Database. Yêu cầu:

1. Trình bày dưới dạng Bullet point.
2. Có kèm ví dụ câu lệnh SQL tạo Index hoặc Table Partitioning cụ thể.
3. Tuyệt đối không khuyên nâng cấp RAM hay CPU." Kết quả: AI buộc phải khóa các xác suất lan man, phân tích đúng ràng buộc "read-only", tập trung vào Composite Index (user_id, created_at) hoặc Time-based Partitioning, kèm script SQL chuẩn xác.

4. Bạn Mang Về Được Gì Sau Bài Học Này?

Làm chủ được Prompt, bạn sẽ mở khóa được những kỹ năng cực kỳ giá trị:

• Khắc phục điểm yếu "ảo giác" (Hallucination) của AI: Bằng cách thêm yêu cầu "Hãy suy nghĩ từng bước (step-by-step) trước khi đưa ra kết quả" hoặc "Chỉ sử dụng những thư viện có sẵn, không tự bịa hàm", bạn sẽ giảm thiểu tối đa rủi ro nhận về code "rác" hoặc thông tin sai lệch.
• Làm chủ format đầu ra: Tự tin ép AI sinh ra cấu trúc dữ liệu khắt khe (XML, JSON Schema) để tích hợp thẳng vào code backend mà không tốn công parse lại.
• Biến AI thành "trợ lý đa nhân cách": Lúc thì là QA để review code, lúc lại là người dùng khó tính để test UX hệ thống. Tất cả chỉ qua một dòng set up Role (Vai trò).

Tạm Kết

Prompt không phải là phép thuật, nó là Kỹ thuật. Càng giao tiếp rõ ràng, có tư duy logic và đầy đủ bối cảnh, cỗ máy LLMs càng phục vụ bạn đắc lực hơn.

Tuy nhiên, có một rào cản vật lý cực kỳ lớn mà dù bạn có viết Prompt hay đến đâu AI cũng sẽ "bó tay" nếu bạn không hiểu luật chơi này: Đó là giới hạn về bộ nhớ.

🔥 Trong bài tiếp theo: Context Window của LLMs - Giới hạn bộ nhớ và cách "nhồi nhét" kiến thức không bị tràn RAM. Tại sao chat một lúc ChatGPT lại bắt đầu "quên" những gì bạn dặn ở đầu? Cùng đón chờ ở phần sau nhé! Nhớ upvote để ủng hộ series anh em nhé!