Mục tiêu bài tập: > Huấn luyện kỹ năng "Prompt Engineering" đến tầm nghệ thuật để vắt kiệt công suất của hội anh tài LLMs (như ChatGPT, Gemini). Qua đó, chính thức "thu nạp" AI làm trợ thủ học tập số 1, chuyên trị các mảng săn tài liệu, cô đọng kiến thức và ôn luyện thần tốc cho chuỗi môn học cam go khối Công nghệ thông tin.
Tác vụ 1: Tóm tắt tài liệu học thuật
Nội dung: Phân biệt Machine Learning và Deep Learning.
Kết quả: Prompt nâng cao (sử dụng Role-playing) giúp AI không chỉ rút gọn chữ mà còn thiết lập bảng so sánh trực quan và cung cấp ví dụ thực tế (nhận diện khuôn mặt) cực kỳ dễ hiểu.
Tác vụ 2: Giải thích khái niệm phức tạp
Nội dung: Giải thích Lập trình Hướng đối tượng (OOP) cho sinh viên năm nhất.
Kết quả: Việc áp dụng "Chain-of-thought" (tư duy từng bước) ép AI dùng hình ảnh ẩn dụ (bản thiết kế & ngôi nhà) trước khi đi vào code Python, tạo ra một bài giảng xuất sắc.
Tác vụ 3: Tạo bộ câu hỏi ôn tập
Nội dung: Ôn thi Python (Cấu trúc điều kiện và Vòng lặp).
Kết quả: Việc "Định hình cấu trúc đầu ra" và "Cung cấp bối cảnh" giúp AI tự động phân chia độ khó: Trắc nghiệm (Dễ) -> Sửa lỗi Code (Trung bình) -> Bài toán thực tế (Khó).
Mẹo viết prompt:
Từ những thử nghiệm trên, một prompt dài và chi tiết luôn mang lại kết quả vượt trội hơn một câu lệnh cộc lốc. Dưới đây là bộ khung chuẩn để giao tiếp hiệu quả với AI:
VAI TRÒ + BỐI CẢNH + NHIỆM VỤ + ĐỊNH DẠNG
Chỉ định vai trò (Persona): Yêu cầu AI đóng vai "Chuyên gia" hay "Giảng viên tâm lý" để thay đổi văn phong bớt khô khan.
Hướng dẫn tư duy (Chain-of-thought): Đừng bắt AI đưa kết quả ngay. Hãy chia nhỏ bước tư duy: Ví dụ thực tế → Khái niệm → Code minh họa.
Sử dụng dấu phân cách: Dùng ngoặc kép "" hoặc ngoặc vuông [] để tách biệt lệnh của người dùng và dữ liệu nguồn đưa vào.
Tinh chỉnh liên tục (Iterative): Phản hồi lại với AI nếu kết quả chưa ưng ý (VD: "Hãy làm cho nó ngắn hơn nữa").
Xem thêm sản phẩm tại đây