Few-shot prompting là gì?

Few-shot nghĩa là bạn đưa cho AI một vài VÍ DỤ MẪU về đầu vào–đầu ra mong muốn, rồi mới yêu cầu nó làm việc thật. Thay vì mô tả suông 'phân loại email này', bạn cho 2-3 ví dụ ('email A → khẩn', 'email B → thường') rồi bảo nó phân loại email mới. AI bắt mẫu rất nhanh từ ví dụ, nên kết quả bám đúng định dạng và phong cách bạn muốn hơn hẳn so với chỉ mô tả bằng lời.

Chain-of-thought (chuỗi suy luận) là gì và khi nào dùng?

Chain-of-thought là yêu cầu AI 'suy luận từng bước' trước khi đưa kết luận, thay vì trả lời ngay. Chỉ cần thêm câu 'hãy giải thích từng bước rồi mới kết luận'. Kỹ thuật này hữu ích cho các việc cần lập luận: bài toán, so sánh nhiều yếu tố, ra quyết định có điều kiện. Nó giúp câu trả lời ít sai hơn và bạn cũng kiểm tra được logic — thấy AI sai ở bước nào thì sửa ở đó.

Người dùng thường (không phải lập trình viên) có dùng được các kỹ thuật này không?

Hoàn toàn được — đây chỉ là cách diễn đạt prompt, không cần biết code. Few-shot đơn giản là 'dán vài ví dụ mẫu'; chain-of-thought là 'bảo AI suy luận từng bước'. Cả hai áp dụng ngay trong ô chat của ChatGPT, Gemini hay Claude. Chúng đặc biệt hữu ích khi việc bạn giao có định dạng cụ thể (few-shot) hoặc cần lập luận (chain-of-thought) — hai tình huống rất thường gặp trong công việc.

Kỹ thuật prompt nâng cao: few-shot và chuỗi suy luận (dễ dùng)

Bạn đã biết khung prompt cơ bản (vai trò – bối cảnh – yêu cầu – định dạng). Giờ là lúc nâng cấp với hai kỹ thuật mạnh mà cực dễ dùng, không cần biết code: few-shot (đưa ví dụ mẫu) và chain-of-thought (yêu cầu suy luận từng bước). Cả hai đều áp dụng ngay trong ô chat của bất kỳ trợ lý AI nào, và cải thiện kết quả rõ rệt.

1. Few-shot: dạy AI bằng ví dụ

Ý tưởng: thay vì mô tả suông, hãy cho AI vài ví dụ mẫu đầu vào–đầu ra, rồi mới giao việc thật. AI bắt mẫu từ ví dụ nhanh và chính xác hơn nhiều so với chỉ nghe mô tả.

❌ Không có ví dụ: “Phân loại email này là khẩn hay thường.”
→ AI đoán tiêu chí “khẩn” theo ý nó, có thể lệch ý bạn.

✅ Few-shot (đưa mẫu):

"Phân loại email theo mức độ. Ví dụ:
— ‘Sếp cần báo cáo trong 1 giờ’ → KHẨN
— ‘Bản tin tuần công ty’ → THƯỜNG
— ‘Khách phàn nàn đòi phản hồi gấp’ → KHẨN
Giờ phân loại: ‘[email của bạn]’"
→ AI hiểu đúng tiêu chí của bạn và trả lời nhất quán.

Dùng few-shot khi: cần định dạng cố định (phân loại, trích xuất thông tin, viết theo mẫu), hoặc muốn AI bắt đúng phong cách (như đưa mẫu văn phong ở bài giữ giọng).

Mẹo few-shot hiệu quả: dùng 2–5 ví dụ, giữ định dạng nhất quán giữa các ví dụ, và cho ví dụ đa dạng (gồm cả ca khó/ca biên) để AI không hiểu hẹp.

2. Chain-of-thought: bảo AI suy luận từng bước

Ý tưởng: với việc cần lập luận, hãy yêu cầu AI “suy luận từng bước rồi mới kết luận” thay vì trả lời ngay. Kết quả ít sai hơn, và bạn kiểm tra được logic.

❌ Hỏi thẳng: “Gói A 200k/tháng, gói B 2 triệu/năm. Cái nào rẻ hơn?”
→ AI có thể trả lời vội, đôi khi sai.

✅ Chain-of-thought: “…Cái nào rẻ hơn? Hãy tính từng bước rồi mới kết luận.”
→ AI trình bày: “A = 200k × 12 = 2,4 triệu/năm; B = 2 triệu/năm; vậy B rẻ hơn.” Bạn thấy rõ phép tính và kiểm được.

Dùng chain-of-thought khi: bài toán, so sánh nhiều yếu tố, ra quyết định có điều kiện, hoặc bất cứ việc gì cần lập luận chứ không chỉ nhớ lại.

💡 Lưu ý: một số mô hình đời mới có chế độ suy luận sẵn (tự “nghĩ” từng bước bên trong). Với những mô hình đó, câu “suy luận từng bước” ít cần hơn; kỹ thuật này phát huy rõ nhất trên chat thường hoặc mô hình không có sẵn chế độ suy luận.

Kết hợp cả hai

Việc phức tạp thì dùng chung: đưa ví dụ mẫu (few-shot) và yêu cầu suy luận từng bước (chain-of-thought). Ví dụ: cho 2 mẫu cách phân tích một hợp đồng, rồi bảo AI “phân tích hợp đồng mới theo cách trên, giải thích từng bước”.

Vẫn phải kiểm chứng

Hai kỹ thuật này giảm sai chứ không hết sai. Với chain-of-thought, bạn được lợi thế lớn: đọc được các bước nên dễ phát hiện chỗ AI lập luận sai. Vẫn luôn tự xác nhận số liệu và thông tin quan trọng trước khi dùng.

Tóm lại

Hai kỹ thuật prompt nâng cao mà ai cũng dùng được: few-shot (đưa vài ví dụ mẫu để AI bắt đúng định dạng/phong cách) và chain-of-thought (yêu cầu suy luận từng bước cho việc cần lập luận). Cả hai chỉ là cách diễn đạt trong ô chat, không cần biết code, và cải thiện kết quả rõ rệt — đặc biệt khi kết hợp. Nhớ rằng chúng giảm sai chứ không hết sai, nên vẫn kiểm chứng. Muốn ôn lại nền tảng, xem khung prompt vạn năng cho AI.