Buzz
VTV.vn - Thay vì phải nhờ đến các chuyên gia về prompt hoặc tự mò mẫm tìm ra dòng prompt tối ưu, một người dùng đã nghĩ ra cách để chính AI giúp tạo ra những dòng prompt hoàn hảo cho chính nó.
Khi hàng nghìn chuyên gia đang dành cả giờ đồng hồ để nghiên cứu cách tạo prompt lý tưởng cho các mô hình AI, một người dùng có tên funbite đã chia sẻ một phương pháp đơn giản nhưng vô cùng hiệu quả: thay vì tự viết prompt, hãy để chính AI tạo và tự đánh giá prompt cho bạn. Phương pháp này không chỉ tiết kiệm thời gian mà còn đem lại kết quả vượt trội hơn bất kỳ điều gì con người có thể tạo ra.
Câu chuyện bắt đầu khi funbite nhận ra một điều mà nhiều người dùng AI đã bỏ qua: thay vì cố gắng tìm hiểu cách các mô hình ngôn ngữ phức tạp hoạt động, tại sao không tận dụng khả năng "tự nhận thức" của chính các mô hình này? Dù có vẻ đơn giản nhưng ý tưởng này lại đem lại hiệu quả đáng kinh ngạc - sử dụng khả năng tự học của AI để tối ưu hóa cách thức giao tiếp với chính nó.
Quy trình mà funbite đề xuất bắt đầu bằng việc yêu cầu AI tạo ra một hướng dẫn chi tiết về kỹ thuật prompt. Thay vì chỉ nói chung chung, người dùng cần chỉ rõ đối tượng như "Generate a detailed prompt engineering guide. The audience is
Bước tiếp theo là cung cấp 5 ví dụ cụ thể về cách bạn muốn prompt hoạt động, theo định dạng few-shot learning. Đây là chìa khóa để AI hiểu được nhu cầu của bạn, không phải qua lời giải thích mà qua các ví dụ thực tế. Sau đó, một câu lệnh đơn giản như "Generate a prompt that could have generated the examples' outputs, and include a better set of examples" (Tạo một prompt có thể tạo ra kết quả giống như các ví dụ và bao gồm những ví dụ tốt hơn) sẽ giúp AI tạo ra prompt tối ưu với các ví dụ chất lượng hơn.
Điều thú vị nhất nằm ở phần đánh giá. Trong một cuộc trò chuyện mới hoàn toàn, người dùng funbite hướng dẫn người dùng yêu cầu AI tạo ra "Generate a detailed prompt evaluation guide" cho cùng đối tượng. Việc tách biệt quá trình tạo và đánh giá giúp tránh thiên vị và đảm bảo tính khách quan. Khi người dùng dán prompt vừa tạo vào và yêu cầu "Evaluate the prompt", AI sẽ đưa ra những phản hồi chi tiết về điểm mạnh, điểm yếu và đề xuất các cải tiến.
Giai đoạn cuối cùng trong quy trình là yêu cầu "Generate 3 improved alternative prompts" dựa trên kết quả đánh giá. Người dùng có thể lựa chọn một trong ba phiên bản tối ưu nhất và chỉnh sửa thêm nếu cần. Mặc dù toàn bộ quy trình chỉ mất từ 15 đến 20 phút, nhưng kết quả đạt được lại có thể vượt trội hơn nhiều so với công sức mà các chuyên gia prompt engineering phải bỏ ra hàng ngày.
Kỹ thuật prompt như trên sẽ đặc biệt quan trọng trong các lĩnh vực yêu cầu độ chính xác cao hoặc thông tin chuyên sâu.
Báo cáo của SuperAnnotate năm 2024 chỉ ra rằng prompt engineering đã trở thành yếu tố quyết định trong việc ứng dụng các mô hình AI, đặc biệt là trong các lĩnh vực yêu cầu độ chính xác cao như y tế và luật pháp. Việc tối ưu hóa prompt giờ đây không chỉ là công việc của các nhà nghiên cứu mà đã trở thành nhu cầu thực tế của hàng triệu người dùng.
Nghiên cứu từ MIT Sloan đã dự đoán từ năm 2023 rằng các mô hình AI sẽ tự tạo prompt cho chính mình, và phương pháp của funbite chính là minh chứng đầu tiên cho xu hướng này. Kỹ thuật này cũng tương đồng với G-Eval, một phương pháp sử dụng chain-of-thought để đánh giá đầu ra của LLM, như đã được mô tả trong hướng dẫn của Confident AI.
Phản ứng từ cộng đồng về phương pháp này khá đa dạng. Một số người cho rằng đây là phương pháp quá phức tạp so với việc viết prompt truyền thống, trong khi đó những người dùng như @kiranadimatyam lại báo cáo thành công khi áp dụng kỹ thuật này cho các mô hình của Anthropic. Điều này chỉ ra một sự thật quan trọng: hiệu quả của phương pháp phụ thuộc vào loại mô hình và cách tiếp cận cụ thể.
Xu hướng năm 2025 đang chứng kiến sự phát triển mạnh mẽ của các công cụ tự động hóa tối ưu hóa prompt. Người dùng @philly_doug đã nhắc đến các công cụ như @promptcowboy, phản ánh nhu cầu ngày càng cao về các quy trình làm việc hiệu quả với AI. Điều này không có gì ngạc nhiên, bởi tương tác với AI đã trở thành một kỹ năng thiết yếu trong hầu hết các công việc hiện đại.
Điều thú vị của phương pháp này là khả năng tận dụng "kiến thức nội tại" của mô hình về cách thức hoạt động của chính nó. Thay vì để con người phải đoán xem AI "thích" giao tiếp như thế nào, phương pháp này cho phép AI tự thiết kế cách giao tiếp tối ưu nhất. Kết quả là những prompt không chỉ hiệu quả mà còn phù hợp hoàn hảo với cấu trúc và dữ liệu huấn luyện của mô hình.
Tuy nhiên, funbite cũng nhấn mạnh một lưu ý quan trọng: nên sử dụng cùng loại mô hình với mô hình mà bạn dự định áp dụng prompt để đảm bảo tính tương thích tối ưu. Điều này có nghĩa là nếu bạn dự định sử dụng GPT-4 cho công việc thực tế, hãy tạo prompt bằng GPT-4 thay vì chuyển đổi qua các hệ thống khác nhau.
Trong thời đại mà AI đang ngày càng trở thành phần không thể thiếu trong các quy trình làm việc, khả năng tạo prompt hiệu quả đã trở thành một kỹ năng thiết yếu. Phương pháp của funbite không chỉ là một bí quyết hay, mà còn là khởi đầu cho một cuộc cách mạng trong cách chúng ta giao tiếp với máy móc - một cuộc cách mạng mà ở đó, chính máy móc sẽ chỉ dẫn chúng ta cách giao tiếp hiệu quả nhất với chính nó.
