Bạn có thể tự do sao chép và bán toàn bộ bài viết này.
Trước hết, hãy để tôi nói điều quan trọng nhất.
Bạn hoàn toàn có thể lấy nội dung của bài viết này, sao chép toàn bộ và bán nó như nội dung của riêng bạn.
Cho dù bạn đăng lại trên Note, bán trên Brain, tích hợp vào giáo trình khóa học, hay chia nhỏ thành các bài đăng trên mạng xã hội, tất cả đều được. Không cần xin phép hay liên hệ. Ngay cả khi bạn trình bày nó như thể tự mình nghĩ ra, tôi cũng sẽ không phàn nàn gì. Có khoảng 40 kỹ thuật được bao gồm, vì vậy chỉ cần trích xuất một kỹ thuật cho mỗi bài đăng, bạn có thể tạo ra 40 nội dung.
Tại sao lại đi xa như vậy? Lý do rất đơn giản: nếu tôi không làm vậy, người Nhật sẽ không nhận ra giá trị của thông tin này.
Thành thật mà nói, trong cộng đồng người dùng AI năng suất cao trên toàn cầu, prompt tiếng Nhật bị gọi một cách công khai là "trình độ Thời kỳ Đồ đá". Khi lần đầu nghe điều đó, tôi đã nghĩ, "Anh chàng này đang nói gì vậy?" Nhưng ngay khi tôi nhìn thấy những prompt họ sử dụng hàng ngày, tôi đã không nói nên lời. Đó là một thất bại toàn diện.
Sự khác biệt là gì? 99% người Nhật viết prompt như "chỉ thị". "Viết một bài blog", "Tóm tắt văn bản này", "Đưa tôi 5 ý tưởng". Tất cả chỉ là mệnh lệnh. Mặt khác, những chuyên gia toàn cầu truyền "quá trình suy nghĩ" và "mục tiêu" cho AI ngay từ dòng đầu tiên. Đó là sự khác biệt giữa một mệnh lệnh và một bản thiết kế.
Và đây là một thực tế khắc nghiệt hơn. Trong khi bạn đang tìm kiếm "một prompt hay", những người chơi toàn cầu đang nghiên cứu prompt thông qua các bài báo học thuật, quản lý chúng như mã nguồn và tự động tối ưu hóa chúng bằng thuật toán. Thủ công tinh xảo so với tự động tối ưu hóa. Trận chiến đã kết thúc. Thật tàn nhẫn, nhưng đây là nơi chúng ta đang ở vào năm 2026.
Nhưng đừng lo lắng. Bạn không cần tài năng hay kỹ năng tiếng Anh để thu hẹp khoảng cách này. Bạn chỉ cần biết các "mẫu hình". Chỉ vậy thôi.
Trong bài viết này, tôi đã gói gọn tất cả các kỹ thuật prompt và bí quyết mà tôi đã giới thiệu trên Threads. Từ các mẫu hình đích thực bắt nguồn từ các bài báo nghiên cứu đến các thủ thuật khai thác cấu trúc nội bộ của AI, tiện ích mở rộng MCP và tự động hóa với Claude Code và Codex — khoảng 40 mục được sắp xếp theo từng chương. Tất cả đều đi kèm với prompt "sao chép-dán OK". Bạn có thể thử chúng khi đọc.
Đến khi bạn đọc xong, bạn sẽ rơi vào một trong hai nhóm: những người biến 40 công cụ này thành vũ khí, hoặc những người tiếp tục than vãn khi viết prompt bằng tay. Bạn đứng về phía nào phụ thuộc vào việc bạn có đọc hết bài này hay không.
Tôi nhắc lại: bạn có thể sao chép và bán nó. Vì vậy, hãy mang nó về nhà mà không do dự. Bắt đầu nào.
Chương 1: Truyền Quá Trình Suy Nghĩ — Tự Xác Minh, Tự Chấm Điểm và Tư Duy Phân Nhánh
Chương đầu tiên nói về mẫu hình "truyền cách suy nghĩ cho AI". Prompt tiếng Nhật thường dừng lại ở việc "gán vai trò và viết một cách lịch sự", nhưng các chuyên gia toàn cầu truyền "cách suy nghĩ". Năm mẫu hình được giới thiệu ở đây đều là các mẫu hình đích thực từ các bài báo nghiên cứu.
- Chain-of-Verification (CoVe) — Bắt AI chất vấn câu trả lời của chính nó
Đây là một mẫu hình để nghiền nát ảo giác (lỗi thực tế). Prompt thông thường bắt AI trả lời một lần, nhưng CoVe được xây dựng dựa trên ý tưởng "bắt AI xác minh câu trả lời của chính nó". Bạn yêu cầu nó tạo bản nháp, chuyển đổi các rủi ro trong câu trả lời đó thành các câu hỏi xác minh, trả lời từng câu hỏi dựa trên bằng chứng và cuối cùng trình bày một phiên bản cuối cùng đã sửa các mâu thuẫn. Toàn bộ quy trình này được hoàn thành trong một prompt.
Khi được sử dụng cho các tác vụ nghiên cứu hoặc bài viết, đầu ra sẽ trở nên hoàn toàn khác. Lỗi thực tế giảm đi rõ rệt, khiến nó hiệu quả cho công việc đòi hỏi độ tin cậy cao.
Prompt để Sao chép-Dán
Đối với chủ đề sau, vui lòng hoàn thành các bước sau trong một phản hồi: (1) Đầu tiên, cung cấp một câu trả lời dự thảo. (2) Chuyển đổi các rủi ro về lỗi thực tế trong câu trả lời đó thành 5 câu hỏi xác minh. (3) Trả lời từng câu hỏi dựa trên bằng chứng. (4) Trình bày phiên bản cuối cùng với các mâu thuẫn đã được sửa. Chủ đề: [ ]
- Self-Refine — Đóng vai Người sáng tạo, Người phê bình và Người sửa đổi
Mẫu hình này bắt AI đóng ba vai trò theo thứ tự trong một prompt duy nhất. Đầu tiên, yêu cầu nó viết một bản nháp đầu tiên với tư cách là người sáng tạo. Tiếp theo, yêu cầu nó tự chấm điểm tác phẩm của mình với tư cách là một biên tập viên khó tính. Cuối cùng, yêu cầu nó viết một phiên bản hoàn chỉnh với tư cách là người sửa đổi dựa trên điểm số đó.
Chìa khóa là chỉ rõ các tiêu chí đánh giá cụ thể. Bằng cách chỉ định năm tiêu chí như "tính thuyết phục, tính độc đáo, logic, khả năng đọc và thiếu sót", việc chấm điểm sẽ không dễ dãi và độ chính xác của việc sửa đổi sẽ được cải thiện. Bạn có thể cảm nhận chất lượng tăng lên một cấp chỉ với một prompt.
Prompt để Sao chép-Dán
Đối với chủ đề sau, vui lòng thực hiện cả ba bước trong một phản hồi: (1) Viết bản nháp đầu tiên. (2) Với tư cách là một biên tập viên khó tính, chấm điểm nó trên 5 tiêu chí: tính thuyết phục, tính độc đáo, logic, khả năng đọc và thiếu sót. (3) Viết phiên bản sửa đổi dựa trên điểm số. Chủ đề: [ ]
- Tree of Thoughts (ToT) — Phân nhánh các câu trả lời
Thay vì tạo ra một câu trả lời theo đường thẳng, mẫu hình này phát triển nhiều cách tiếp cận dưới dạng "các nhánh" và để AI chọn cách tốt nhất. Hãy nghĩ về nó như việc lấy quá trình suy nghĩ của con người "Có Kế hoạch A, B và C..." và đưa nó trực tiếp vào một prompt.
Điều này thay đổi chiều kích của việc động não và lập kế hoạch chiến lược. Bởi vì nó không cam kết theo một hướng duy nhất, các góc nhìn bất ngờ sẽ xuất hiện.
Prompt để Sao chép-Dán
Đối với chủ đề sau, vui lòng trả lời bằng cách sử dụng các bước sau: (1) Phát triển 3 cách tiếp cận khác nhau dưới dạng các nhánh. (2) Đánh giá điểm mạnh và điểm yếu của từng nhánh. (3) Chọn nhánh hứa hẹn nhất và cung cấp câu trả lời cuối cùng đi sâu vào chỉ nhánh đó. Chủ đề: [ ]
- Skeleton-of-Thought (SoT) — Khung xương trước, thịt sau
Đây là một phương pháp tư duy, nơi bạn liệt kê "khung xương" ở cấp độ tiêu đề trước và sau đó xây dựng chi tiết từng phần. Khi viết văn bản dài, nếu bạn viết từ đầu, nửa sau thường mất đà hoặc cấu trúc sụp đổ. Nếu bạn củng cố khung xương trước, sự sụp đổ đó ít có khả năng xảy ra hơn.
Điều này mang tính biến đổi đối với việc tạo bài viết dài hoặc viết đề xuất. Vì "bản thiết kế" của khung xương tồn tại trước, bạn sẽ không bị lạc trong quá trình xây dựng chi tiết.
Prompt để Sao chép-Dán
Đối với chủ đề sau, vui lòng làm theo các bước sau: (1) Liệt kê 5 khung xương tiêu đề bài viết song song. (2) Xây dựng chi tiết từng tiêu đề như một nhiệm vụ riêng biệt độc lập. (3) Cuối cùng, tích hợp mọi thứ thành một tác phẩm gắn kết duy nhất. Chủ đề: [ ]
- Meta-Prompting — Để AI tự tiến hóa prompt
Điều này hơi nâng cao. Thay vì cải thiện nội dung của prompt, bạn yêu cầu AI "tự tiến hóa prompt này". Bạn yêu cầu nó tạo nhiều phiên bản cải tiến, viết ý định và "lý do tại sao nó hoạt động" cho từng phiên bản và cuối cùng chọn phiên bản mạnh nhất.
Chỉ bằng cách áp dụng điều này mỗi tháng một lần cho các prompt chính bạn thường sử dụng, tài sản prompt của bạn sẽ tự phát triển. Hãy nghĩ về nó như một hệ thống để giữ cho các prompt được lưu trữ của bạn không bị lỗi thời.
Prompt để Sao chép-Dán
Vui lòng tạo 5 phiên bản cải tiến của prompt sau với hiệu suất được tăng cường đáng kể. Đối với mỗi phiên bản, hãy viết "ý định" và lý do "tại sao nó hoạt động". Cuối cùng, chọn một phiên bản mạnh nhất duy nhất và nêu lý do lựa chọn. Prompt mục tiêu: [ ]
Điểm chung của năm mẫu hình này là chúng truyền "quy trình suy nghĩ" chứ không phải "chỉ thị". Tự xác minh, tự chấm điểm, phân nhánh, song song hóa khung xương và tự tiến hóa. Việc bạn có thể nướng những điều này vào một dòng duy nhất quyết định liệu AI chỉ là một công cụ tiện lợi hay một "nhà nghiên cứu tự trị".
Chương 2: Thiết kế Ngược — Thiết kế Định hướng Kết quả
Nếu Chương 1 nói về "cách làm cho nó suy nghĩ", thì Chương 2 nói về tư duy quyết định "điều gì được coi là chiến thắng" trước tiên. Người Nhật sử dụng bộ não của họ vào "việc nên ném cái gì vào", trong khi các chuyên gia toàn cầu viết từ "mục tiêu". Dưới đây là năm prompt thiết kế ngược từ tài liệu chính thức.
- Đặc tả Đầu ra Trước — Cố định mẫu cuối cùng trước
Hầu hết mọi người nói "Viết một bài blog". Nhưng điều này làm cho đầu ra không nhất quán. Trong thiết kế ngược, bạn xây dựng mẫu đầu ra cuối cùng trước và yêu cầu AI điền vào chỗ trống. Bạn quyết định khung trước: bao nhiêu ký tự cho tiêu đề, bao gồm những gì trong phần giới thiệu, bao nhiêu tiêu đề trong phần thân... và cứ thế.
Sự khác biệt đầu ra giảm mạnh và chất lượng ổn định. Sự ổn định này đặc biệt hiệu quả khi viết nhiều bài về cùng một chủ đề.
Prompt để Sao chép-Dán
Vui lòng điền hoàn hảo vào mẫu sau. Tiêu đề: [Trong vòng 40 ký tự, bao gồm số] / Giới thiệu: [3 điểm đau của người đọc, mỗi điểm 1 câu] / Thân bài: [3 tiêu đề H2 + mỗi tiêu đề 300 ký tự] / Kết luận: [1 đề xuất hành động] / CTA: [Trong vòng 15 ký tự]. Chủ đề: [ ]
- Prefilling — Chỉ định phần bắt đầu phản hồi của AI
Đây là một mẫu hình, nơi bạn chỉ định "câu mở đầu" cho phản hồi của AI. Claude buộc phải viết tiếp từ đó, khóa hướng của đầu ra. Lời chào giới thiệu và phần đệm không cần thiết biến mất, và sự sai lệch định dạng gần như biến mất.
Nó tinh tế nhưng hiệu quả. Nó ngăn chặn các phản hồi khiến bạn muốn nói, "Vậy, kết luận là gì?"
Prompt để Sao chép-Dán
Phản hồi của bạn phải bắt đầu bằng câu sau: "Dưới đây, tôi sẽ cung cấp một phản hồi có cấu trúc dựa trên các yêu cầu. Đầu tiên, điểm quan trọng nhất là..."
- Ràng buộc Phủ định — Liệt kê danh sách "Không được làm" cụ thể
Nếu bạn viết "đừng làm điều này" một cách mơ hồ, AI sẽ không làm theo. Các lệnh cấm mơ hồ như "làm cho nó tự nhiên" rất khó thực thi. Nhưng nếu bạn liệt kê chúng một cách cụ thể, nó sẽ làm theo. Cấm kính ngữ, cấm lời chào mở đầu, cấm các cụm từ cụ thể... hãy liệt kê chúng bằng dấu đầu dòng.
Các mẫu hình giống AI chung chung biến mất đáng kể. Đây là một kỹ thuật chủ lực khi bạn muốn loại bỏ cảm giác "rõ ràng là do AI tạo ra" khỏi văn bản.
Prompt để Sao chép-Dán
Vui lòng tạo nội dung sau. Tuy nhiên, tuân thủ nghiêm ngặt các lệnh cấm này: (1) Không kính ngữ. (2) Không lặp lại các từ ghép 3 ký tự. (3) Không có các biểu thức như "liên quan đến..." hoặc "điều quan trọng là...". (4) Không có lời chào mở đầu. (5) Không có danh sách dấu đầu dòng đơn giản. Nếu vi phạm, hãy viết lại mọi thứ. Mục tiêu: [ ]
- Gắn thẻ Cấu trúc XML — Tách biệt thông tin bằng thẻ
Tách biệt thông tin bằng thẻ cải thiện độ chính xác đọc của AI. Mục tiêu, bối cảnh, ràng buộc, ví dụ tham khảo, định dạng đầu ra. Thay vì ném những thứ này vào như một khối văn bản, hãy phân chia chúng bằng thẻ. Chuyên gia không ném văn bản; họ ném bản thiết kế.
Prompt để Sao chép-Dán
Tôi sẽ cấu trúc prompt như sau. Vui lòng trả lời theo nội dung trong mỗi thẻ. <goal>Mục tiêu cần đạt được</goal> <context>Thông tin bối cảnh</context> <constraints>Lệnh cấm</constraints> <examples>Ví dụ tham khảo</examples> <output_format>Khung định dạng đầu ra</output_format>
- Persona Stack — Phân lớp vai trò ở 3 cấp độ
Hầu hết mọi người dừng lại ở "Bạn là một copywriter". Chuyên gia phân lớp vai trò ở ba cấp độ, không chỉ một. Một vai trò người viết, một vai trò biên tập viên và vai trò người đọc mục tiêu. Bằng cách cung cấp cho một AI ba persona này đồng thời, bạn chạy chu trình viết → biên tập → sửa lại từ góc nhìn của người đọc trong một lần.
Bởi vì nhiều góc nhìn chạy đồng thời, tính thuyết phục tăng lên. Tuy nhiên, có những lưu ý đối với cách tiếp cận "persona" này, chúng tôi sẽ đề cập trong Chương 10.
Prompt để Sao chép-Dán
Vui lòng đảm nhận đồng thời 3 persona sau: (1) Copywriter hàng đầu (Người viết). (2) Tổng biên tập khó tính (Biên tập viên). (3) Người đọc mục tiêu, một nhân viên văn phòng 30 tuổi (Người nhận). Thực hiện viết → biên tập → sửa lại từ góc nhìn của người đọc tất cả trong một phản hồi. Chủ đề: [ ]
Bản chất của thiết kế ngược rất đơn giản. Nếu dòng đầu tiên không có "mục tiêu", "lệnh cấm" và "khung định dạng", AI đã lạc đường rồi. Đó là sự khác biệt giữa viết từ lối vào hay lối ra.
Chương 3: Vận hành AI như một "Quân đoàn" — Vận hành Đa Tác nhân
Từ đây, tư duy thay đổi. Thay vì bắt một AI kiệt sức, bạn gán nhiều vai trò cho AI và vận hành chúng như một "quân đoàn". Chiến đấu chỉ với một AI giống như đi đến chiến trường với một vũ khí. Các chuyên gia toàn cầu đã bước vào giai đoạn chỉ huy từ một sở chỉ huy tham mưu.
Lưu ý rằng bạn không cần thiết lập nhiều tài khoản AI cho các mẫu hình này. Bạn có thể tái tạo chúng chỉ bằng cách "chuyển đổi vai trò" trong một cuộc trò chuyện duy nhất.
- Mẫu hình Định tuyến — Đặt một bộ phân loại
Đây là một tổ chức kiểu quân đội, nơi một AI "phân loại" nhận đầu vào trước và chuyển nó đến "chuyên gia" thích hợp. Hầu hết mọi người ném mọi thứ vào một AI và kết thúc với một câu trả lời tầm thường. Chuyên gia đặt một nhân viên lễ tân để chuyển nhiệm vụ cho một chuyên gia.
Độ chính xác được cải thiện khi bạn xoay trục sang chuyên môn hóa thay vì một AI giả vờ là người toàn năng.
Prompt để Sao chép-Dán
Bạn là "Điều phối viên Định tuyến". Đọc yêu cầu sau và phân loại nó thành: (1) Nghiên cứu, (2) Viết lách, (3) Phân tích, hoặc (4) Mã nguồn. Tạo một system prompt 5 dòng được tối ưu hóa cho phân loại đó và thực hiện lại yêu cầu bằng cách sử dụng nó. Yêu cầu: [ ]
- Song song hóa — Giải quyết cùng một câu hỏi song song để biểu quyết đa số
Mẫu hình này liên quan đến việc giải quyết cùng một nhiệm vụ từ nhiều góc nhìn song song và xác định kết luận bằng biểu quyết đa số. Thay vì hỏi một chuyên gia, bạn yêu cầu năm chuyên gia trả lời với các cách tiếp cận khác nhau và lấy kết luận được nhiều người ủng hộ nhất. Đó là ý tưởng.
Ảo giác giảm. Khi bạn muốn để lại các quyết định quan trọng cho AI, cảm giác an toàn hoàn toàn khác.
Prompt để Sao chép-Dán
Đối với câu hỏi sau, trước tiên hãy cung cấp một câu trả lời từ góc nhìn của 5 chuyên gia độc lập sử dụng các cách tiếp cận khác nhau. Tiếp theo, so sánh 5 kế hoạch, lấy kết luận được nhiều góc nhìn ủng hộ nhất làm câu trả lời cuối cùng và nêu lý do lựa chọn. Câu hỏi: [ ]
- Người đánh giá-Người tối ưu hóa — Hoàn toàn tách biệt người sáng tạo và người đánh giá
Tự đánh giá do một người thực hiện chắc chắn sẽ trở nên dễ dãi. Nếu bạn tách biệt người hành động và người phán xét, phán xét sẽ trở nên khắc nghiệt. Bạn tái tạo điều này trong một prompt duy nhất. Tạo câu trả lời tốt nhất với tư cách là người sáng tạo, hoàn toàn chuyển đổi persona thành một người đánh giá khó tính để chấm điểm nó, sau đó quay lại người sáng tạo để tạo phiên bản cuối cùng.
Tương tự như Self-Refine trong Chương 1, nhưng điểm mấu chốt ở đây là nói rõ ràng "hoàn toàn chuyển đổi persona".
Prompt để Sao chép-Dán
Đối với chủ đề sau, trước tiên hãy tạo câu trả lời tốt nhất với tư cách là "AI Người sáng tạo". Tiếp theo, hoàn toàn chuyển đổi persona và, với tư cách là "AI Người đánh giá khó tính", chấm điểm câu trả lời đó trên thang điểm 100 và liệt kê 5 lý do trừ điểm. Cuối cùng, quay lại vai trò Người sáng tạo và tạo phiên bản cuối cùng dựa trên đánh giá. Chủ đề: [ ]
- Tranh luận Đa tác nhân — Tranh luận với Người ủng hộ, Người phản đối và Người điều hành
Đây là một mẫu hình, nơi nhiều AI tranh luận trước khi một người tích hợp đạt được kết luận. Người ủng hộ và người phản đối đụng độ, và một người điều hành trung lập tóm tắt các điểm của họ. Các thái cực và sự ngừng suy nghĩ biến mất, dẫn đến một kết luận cân bằng.
Điều này thể hiện sức mạnh đặc biệt trong "các câu hỏi khó quyết định", chẳng hạn như lập kế hoạch chiến lược hoặc ra quyết định.
Prompt để Sao chép-Dán
Đối với chủ đề sau, vui lòng đóng vai: (1) AI Người ủng hộ, (2) AI Người phản đối và (3) AI Người điều hành Trung lập. Yêu cầu (1) và (2) tranh luận trong 3 vòng mỗi vòng, sau đó yêu cầu (3) tích hợp các điểm của họ để cung cấp kết luận và lý luận cuối cùng. Chủ đề: [ ]
- Đầu ra Tự xác minh — Chất vấn chính mình trước khi xuất ra
Đây là một mẫu hình, nơi người sáng tạo "chất vấn" đầu ra của chính họ với tư cách là một persona khác trước khi gửi cuối cùng. Vì rất khó để thấy sai sót trong bài viết của chính mình, bạn buộc phải thay đổi góc nhìn. Bạn chuyển đổi qua ba persona—chuyên gia cạnh tranh toàn cầu, người đọc mục tiêu và sếp khó tính—và yêu cầu mỗi người liệt kê các vấn đề.
Các mô hình AI gần đây đang phát triển theo hướng "báo cáo sau khi tự xác minh đầu ra". Hãy nghĩ về điều này như một mẫu hình dự đoán sự chuyển động đó từ phía prompt.
Prompt để Sao chép-Dán
Vui lòng đọc lại đầu ra sau với tư cách là các persona hoàn toàn khác nhau. Chuyển đổi qua các vai trò (1) Chuyên gia Cạnh tranh Toàn cầu, (2) Người đọc Mục tiêu và (3) Sếp Khó tính theo thứ tự, liệt kê 3 vấn đề từ mỗi góc nhìn và cuối cùng trình bày một phiên bản cải tiến mạnh nhất duy nhất. Đầu ra: [ ]
Bản chất của vận hành quân đoàn là liệu bạn có thể đứng trên tiền đề rằng "AI không phải là thứ được sử dụng như một đơn vị duy nhất". Gán vai trò và chỉ huy. Điều đó một mình thay đổi kết quả đến từ cùng một AI.
Chương 4: Thiết kế Bối cảnh như một "Môi trường" — Tư duy 4 Lớp
Cho đến nay, chúng ta đã nói về "nội dung của prompt". Nhưng trong thế giới của các nhà thiết kế AI toàn cầu, prompt được coi là "lớp dưới cùng" của một cấu trúc lớn hơn nhiều: Prompt → Bối cảnh → Ý định → Đặc tả. Hầu hết mọi người vẫn bị mắc kẹt ở lớp đầu tiên. Chương này nói về năm cách để leo lên các lớp phía trên.
- Đặt Bookend — Đặt các ràng buộc quan trọng ở cả đầu và cuối
Khi bạn truyền văn bản dài cho AI, thông tin được đặt ở giữa có xu hướng mất sự chú ý. Đây là hiện tượng "giữa là điểm mù". Do đó, luôn đặt các ràng buộc quan trọng ở hai nơi: đầu và cuối. Hãy tưởng tượng kẹp những thứ quan trọng ở cả hai đầu giống như "bookend" (chặn sách).
Điều này hiệu quả cho những người viết prompt dài. Một thất bại phổ biến là có một hướng dẫn dài, nơi ràng buộc chỉ được viết một lần ở giữa.
Prompt để Sao chép-Dán
Trong yêu cầu sau, vui lòng nêu lại các ràng buộc quan trọng ở hai nơi—"đầu" và "cuối" của prompt—trước khi xử lý. Cấu trúc nó trên tiền đề rằng thông tin ở giữa bối cảnh dễ bị phân tâm. Yêu cầu: [ ]
- Độ cao Goldilocks — Độ cao "vừa phải" cho system prompt
System prompt có một "độ cao" tối ưu. Quá thấp (ràng buộc với logic if-else chi tiết) gây ra sự cứng nhắc; quá cao (chỉ có triết lý trừu tượng) không quyết định được gì. Nhắm đến độ cao ở giữa. Đây là khái niệm "Vùng Goldilocks" được áp dụng cho prompt.
Bí quyết là thiết kế theo ba lớp: các nguyên tắc không bao giờ thay đổi, các khuôn khổ để phán đoán tình huống và sự tự do cho các nhiệm vụ riêng lẻ. Viết với ba điều này trong tâm trí tránh được cả sự cứng nhắc và trừu tượng.
Prompt để Sao chép-Dán
Tôi sẽ cố định các hướng dẫn cho bạn theo 3 lớp sau: (1) Nguyên tắc Bất biến (Tại sao/Không bao giờ thay đổi). (2) Khuôn khổ Phán đoán Tình huống (Khi nào/Quy tắc phân nhánh theo trường hợp). (3) Tự do cho Nhiệm vụ Cá nhân (Cái gì/Để bạn tự phán đoán). Thiết kế ở độ cao "vừa phải", tránh cả sự cứng nhắc và trừu tượng.
- Tiêm Bối cảnh Just-In-Time — Chỉ truyền những gì cần thiết khi cần
Chỉ vì cửa sổ bối cảnh lớn không có nghĩa là nhồi nhét tất cả tài liệu vào là tốt; nó thực sự có thể làm giảm độ chính xác. Chuyên gia trước tiên chỉ truyền "Mục lục, Tóm tắt và Chỉ mục" và yêu cầu AI truy xuất các chương cần thiết khi cần. Hãy tưởng tượng không chất tất cả sách từ thư viện lên bàn làm việc của bạn, mà đi mượn chỉ một cuốn sách bạn cần.
Cách xử lý tài liệu lớn đúng đắn là "gọi động", không phải "nhồi nhét mọi thứ".
Prompt để Sao chép-Dán
Tôi sẽ không nhập tài liệu lớn sau đây cùng một lúc. Trong giai đoạn đầu tiên, vui lòng chỉ đọc "Mục lục", "Tóm tắt 100 ký tự của mỗi chương" và "Chỉ mục". Nếu có một chương cần chi tiết, hãy yêu cầu nó từ tôi trước khi truy xuất và chỉ thêm chương đó vào bối cảnh để làm việc.
- Mã hóa Ý định — Nói rõ các tiêu chí phán đoán trước
Thay vì giải thích "giá trị, ưu tiên và tiêu chí phán đoán đánh đổi" của tổ chức hoặc của chính bạn từ đầu mỗi lần, hãy nói rõ chúng một lần và truyền chúng. Chỉ bằng cách đặt điều này ở đầu, AI bắt đầu di chuyển như "đại lý của bạn". Nó trở thành một AI không chỉ chờ hướng dẫn mà có thể tự nghiêng về hướng đúng khi bị lạc.
Prompt để Sao chép-Dán
Như một tiền đề cho công việc sau, tôi sẽ nói rõ các tiêu chí phán đoán của tôi: (1) Ưu tiên [A > B > C]. (2) Tuyệt đối NG [X, Y, Z]. (3) Phán đoán mặc định trong các trường hợp mơ hồ [D]. Khi bị lạc trong phán đoán, luôn quay lại các tiêu chí này trước khi quyết định.
- Lớp Đặc tả — Đứng về phía tạo ra "Đặc tả"
Đỉnh của 4 lớp là "Đặc tả" này. Cố định các tiêu chuẩn chất lượng và quy tắc kinh doanh dưới dạng văn bản có cấu trúc (đặc tả) và biến nó thành điểm khởi đầu của bối cảnh mỗi lần. Từ một người viết prompt đến một người tạo đặc tả. Khoảnh khắc bạn đứng ở đây, khả năng tái tạo của công việc tăng vọt ngay lập tức.
Prompt để Sao chép-Dán
Công việc trong tương lai sẽ tham khảo "Đặc tả (định dạng có cấu trúc Markdown)" sau đây làm điểm khởi đầu cho mỗi phiên. Nếu cần phán đoán ngoài đặc tả, đừng đoán; hãy luôn kiểm tra với tôi. [Dán đặc tả của bạn ở đây]
Ý tưởng của chương này là sự chuyển đổi từ "cạnh tranh với một dòng prompt duy nhất" sang "thiết kế toàn bộ bối cảnh như một môi trường duy nhất". Đó là sự khác biệt giữa chiến đấu trên một lớp hoặc bốn lớp.
Chương 5: Căn chỉnh với Cơ chế Nội bộ của AI — Thiết kế Cấu trúc cho KV Cache
Chương này hơi mọt sách một chút. Nhưng biết điều này sẽ thay đổi "tốc độ", "chi phí" và "cách giới hạn sử dụng giảm" của AI.
Bên trong AI, một cơ chế gọi là "KV Cache" đang chạy. Nói một cách rất đơn giản, AI giữ nội dung đã xử lý trong nội bộ và khi cùng một nội dung xuất hiện trở lại, nó có thể sử dụng lại. Ngược lại, nếu bạn sử dụng nó theo cách mà việc sử dụng lại không hoạt động, nó sẽ tính toán lại từ đầu mỗi lần.
"Chạm giới hạn sử dụng nhanh chóng", "phản hồi chậm dần khi cuộc trò chuyện dài hơn" hoặc "hóa đơn API cao hơn dự kiến". Nguyên nhân của những rắc rối này thường không phải là nội dung của prompt, mà là "vị trí" không đồng bộ với cơ chế nội bộ của AI.
- Tiền tố Ổn định Trước — Cố định những thứ tĩnh ở đầu
Bộ nhớ đệm hoạt động "chỉ cho phần khớp hoàn hảo từ đầu". Do đó, hãy cố định những thứ không thay đổi (tiền đề, tài liệu tham khảo, quy tắc) ở đầu và đặt những thứ thay đổi mỗi lần (câu hỏi hôm nay) ở cuối. Chỉ bằng cách đặt cùng một tiền đề ở đầu mỗi lần, bộ nhớ đệm bắt đầu hoạt động.
Prompt để Sao chép-Dán
Tôi sẽ cố định các tiền đề cho công việc tiếp theo: (1) Ngành của tôi = [A]. (2) Mục tiêu = [B]. (3) Lệnh cấm = [C]. (4) Định dạng đầu ra = [D]. Vui lòng tuyên bố lại điều này ở đầu mỗi phiên trước khi vào chủ đề chính.
- Mẫu hình Tài liệu Neo — Chỉ ném tài liệu một lần khi bắt đầu
Bạn có đang dán lại các tài liệu tham khảo hoặc hướng dẫn lớn mỗi lần không? Đó là sự lãng phí. Chỉ ném tài liệu một lần khi bắt đầu như một "cái neo" và làm cho các câu hỏi tiếp theo chỉ tham khảo các tài liệu đó.
Prompt để Sao chép-Dán
Tôi sẽ sử dụng các tài liệu sau đây làm mỏ neo cho phiên này: [Nhập khối tài liệu tham khảo vào đây]. Kể từ bây giờ, hãy trả lời tất cả các câu hỏi tôi đặt ra bằng cách tham khảo các tài liệu này. Không cần phải trình bày lại tài liệu.
- Tính Liên tục của Phiên — Tiếp tục công việc liên quan trong cùng một luồng
Mỗi khi bạn mở một cuộc trò chuyện mới, AI sẽ xây dựng lại bộ đệm ẩn nội bộ từ đầu. Việc mở 10 cuộc trò chuyện mới mỗi ngày so với việc tiếp tục trong một phiên dài một lần mỗi ngày sẽ thay đổi cách giới hạn sử dụng giảm xuống và chất lượng đầu ra. Việc thường xuyên mở các cuộc trò chuyện mới là một phần lý do khiến "nhanh chóng chạm giới hạn."
Nguyên tắc Vận hành:
Luôn tiếp tục công việc về cùng một chủ đề trong một luồng. Nếu luồng quá dài, hãy tạo một "bản tóm tắt cho đến nay" ở đầu và tiếp tục sử dụng nó làm mỏ neo.
- Mẫu Chỉnh sửa Vi phân — Chỉ hướng dẫn những điểm khác biệt khi sửa
Khi bạn muốn cải thiện đầu ra, việc đăng lại toàn bộ văn bản là KHÔNG NÊN. Đăng lại toàn bộ sẽ xóa sạch bộ nhớ đệm quý giá và tính toán lại từ đầu. Chỉ hướng dẫn những điểm khác biệt: "Chỉ phần này," "Đổi phần này thành phần kia."
Prompt để Sao chép-Dán
Khi tôi muốn sửa đầu ra trước đó, tôi sẽ không đăng lại toàn bộ văn bản. Tôi sẽ chỉ hướng dẫn những điểm khác biệt, như "Chỉ phần [ ]" hoặc "Đổi [ ] thành [ ]." Tôi sẽ không trình bày lại các tiền đề hoặc tài liệu tham khảo nào cả.
- Thiết kế Tác nhân phụ Nhận biết Bộ nhớ đệm — Căn chỉnh phần đầu của các tác nhân phụ
Ngay cả khi thực hiện các thao tác theo nhóm như trong Chương 3, việc căn chỉnh "phần đầu" (định nghĩa vai trò, tiền đề, quy tắc) trong prompt hệ thống của mỗi tác nhân giúp bộ nhớ đệm dễ được truy cập hơn. Chỉ thay đổi nội dung nhiệm vụ riêng lẻ ở cuối. Chỉ riêng điều này đã cải thiện hiệu quả của các thao tác theo nhóm.
Prompt để Sao chép-Dán
Khi thực hiện các thao tác đa tác nhân, hãy thống nhất hoàn hảo phần đầu (định nghĩa vai trò, tiền đề, quy tắc) trong prompt hệ thống của tất cả các tác nhân. Chỉ thay đổi nội dung nhiệm vụ riêng lẻ ở cuối.
Bản chất của chương này là "cạnh tranh bằng cấu trúc, không chỉ bằng nội dung." Vị trí bạn đặt mọi thứ cũng quan trọng như những gì bạn viết.
Chương 6: Tạo ra "Phần Bên Ngoài" của Prompt — Harness và Agent
Bước sang năm 2026, các nhà phát triển AI toàn cầu đã ngừng cạnh tranh về "nội dung của prompt" và bắt đầu thiết kế "phần bên ngoài của prompt." Phần bên ngoài đó được gọi là "harness." Đầu tiên, hãy cùng hệ thống hóa bức tranh tổng thể.
"Harness Agent" thực chất là gì?
ChatGPT hoặc Claude bạn thường dùng thực ra không phải là một "AI agent." Nó chỉ là một "đơn vị não bộ." Một AI agent đề cập đến trạng thái khi các bộ phận được gắn vào bộ não đó để biến nó thành một "cỗ máy tự vận hành."
Một agent bao gồm các yếu tố sau:
- Mô hình (Cơ thể): "Trí thông minh" của agent. Bản thân LLM. Chỉ có não bộ, nó có thể đưa ra phán đoán nhưng không thể hành động.
- Harness: Tập hợp các hướng dẫn (prompt hệ thống) và các rào cản (không được làm gì) được đưa ra cho mô hình. Ví dụ, một van an toàn như "Luôn nhận được sự xác nhận của con người đối với các khoản thanh toán vượt quá một số tiền nhất định." Hãy coi nó như lớp quyết định "tính cách" và "tiêu chí phán đoán" của agent.
- Công cụ (Tay và Chân): Giao diện của agent để chạm vào thế giới thực, chẳng hạn như gửi email, vận hành lịch, đọc/ghi tệp và tìm kiếm trên web. Không có công cụ, AI có thể đọc một hóa đơn nhưng không thể gửi nó để yêu cầu hoàn trả chi phí.
- Môi trường: "Nơi" agent hoạt động. Ngay cả với cùng một AI, những gì nó có thể làm thay đổi rất nhiều tùy thuộc vào môi trường nó hoạt động.
- Vòng lặp Agent (Chu kỳ Tự vận hành): Tất cả những điều này phối hợp với nhau để tiếp tục chạy một vòng lặp Lên kế hoạch → Hành động → Quan sát Kết quả → Điều chỉnh → Lặp lại. Nó dừng lại nếu cần xác nhận của con người. Sự khác biệt quyết định giữa một chatbot hỏi một đáp một và một agent tự vận hành nằm ở đây.
Năm yếu tố này kết hợp lại tạo thành "dạng hoàn chỉnh của một agent." Từ đây, tôi sẽ giới thiệu năm kỹ thuật để thiết kế phần bên ngoài đó = harness ở mức cao.
- Vòng lặp Thực thi — Kết hợp một chu kỳ Quan sát, Suy nghĩ, Tự phê bình và Hành động
Đây là trái tim của harness. Khi thực hiện một nhiệm vụ, hãy yêu cầu nó tuân theo chu kỳ "Quan sát → Suy nghĩ → Tự phê bình → Hành động" một cách rõ ràng ở mỗi bước. Nó hoạt động trên một chiều không gian khác với một "yêu cầu" một lần.
Prompt để Sao chép-Dán
Khi thực hiện nhiệm vụ sau, vui lòng luôn viết 4 giai đoạn sau theo thứ tự ở mỗi bước trước khi tiến hành: (1) Quan sát: Mô tả trạng thái hiện tại trong 3 dòng. (2) Suy nghĩ: Động thái cần thiết tiếp theo và lý do. (3) Tự phê bình: Một điểm mù của động thái đó. (4) Hành động: Hành động cuối cùng sau khi hiệu chỉnh. Nhiệm vụ: [ ]
- Nén Ngữ cảnh — Nén các cuộc hội thoại dài theo từng giai đoạn
Khi các cuộc trò chuyện trở nên dài hơn, ngữ cảnh bị phá vỡ. Để ngăn chặn điều này, hãy buộc nén các tương tác trong quá khứ thành một định dạng cố định sau mỗi số vòng nhất định. Đây là thiết kế cần thiết để giữ cho ngữ cảnh không bị "mục nát" trong các nhiệm vụ dài hạn.
Prompt để Sao chép-Dán
Kể từ bây giờ, mỗi khi cuộc trò chuyện vượt quá 10 vòng, hãy buộc nén các tương tác trong quá khứ thành định dạng "3 sự kiện đã xác nhận + 2 nhiệm vụ đang chờ xử lý + 1 hành động quan trọng nhất tiếp theo," và thực hiện các hướng dẫn mới bắt đầu từ phiên bản nén đó.
- Bộ nhớ Playbook — Tích lũy các "mẫu hình" có thể tái sử dụng
Đây là một thiết kế để tích lũy các chiến lược dưới dạng các "mẫu hình (playbook)" có thể tái sử dụng thay vì để chúng được tạo ra từ đầu mỗi lần. Mỗi tương tác trở thành một "tài sản."
Prompt để Sao chép-Dán
Sau khi thực hiện nhiệm vụ sau, luôn xuất ra "3 quy tắc chung từ lần này" dưới dạng danh sách có dấu đầu dòng Markdown. Từ lần sau, tôi sẽ trình bày chúng ở đầu, vì vậy hãy đọc chúng như một playbook trước khi làm việc.
- Vòng lặp Tự sửa đổi — Để AI viết lại sổ tay hướng dẫn của chính nó
Đây là một mẫu hình trong đó chính agent viết một "mẫu tự hướng dẫn" để làm tốt hơn vào lần sau. Bạn có thể tạo ra trạng thái nơi AI liên tục cập nhật sổ tay hướng dẫn của chính nó mỗi khi nó được sử dụng.
Prompt để Sao chép-Dán
Sau khi thực hiện nhiệm vụ sau, vui lòng xuất ra một "mẫu tự hướng dẫn (phiên bản cải tiến)" cho chính bạn để thực hiện với độ chính xác cao hơn vào lần sau. Đồng thời, nêu rõ mục đích và mục tiêu của sự cải tiến. Tôi sẽ sử dụng mẫu đó từ lần sau.
- Tối ưu hóa Harness Tự động — Cải tiến lặp đi lặp lại toàn bộ cơ chế
Tương tự như Meta-Prompting trong Chương 1, nhưng mục tiêu ở đây là "bản thân cấu trúc prompt." Chỉ cần chạy việc này mỗi tuần một lần, các tài sản prompt của bạn sẽ phát triển theo lãi kép.
Prompt để Sao chép-Dán
Vui lòng cung cấp 5 kế hoạch cụ thể để cải thiện cấu trúc prompt hiện tại của tôi lên một cấp độ. Viết mục đích, hiệu quả cải thiện dự kiến và rủi ro dự kiến cho mỗi kế hoạch, và cuối cùng chọn ra kế hoạch mạnh nhất, nêu rõ lý do áp dụng và một ví dụ sử dụng tiếp theo.
Trau chuốt nội dung prompt từng dòng một là quan trọng. Nhưng có một thế giới rộng lớn hơn nhiều "bên ngoài" điều đó. Việc bạn có tầm nhìn về harness hay không sẽ thay đổi cách bạn sử dụng AI lên một tầm cao mới.
Chương 7: 5 Prompt Bí Mật Mà Ít Ai Biết
Chương này tập hợp các mẫu kỹ thuật thích hợp hiếm thấy trong các sách prompt tiêu chuẩn. Một số đến từ nghiên cứu, số khác áp dụng khoa học nhận thức. Đây là những góc nhìn hiếm khi được chia sẻ ở Nhật Bản.
- Định dạng lại Câu hỏi — Yêu cầu định dạng lại thành một câu hỏi trung lập trước khi trả lời
AI có thói quen "chiều lòng người dùng (tuân thủ quá mức)." Nó dự đoán xem nên đồng ý hay không đồng ý với tuyên bố của bạn và đưa ra câu trả lời nịnh bợ. Như một cách để ngăn chặn điều này, có báo cáo rằng việc yêu cầu nó định dạng lại tuyên bố của bạn thành một "câu hỏi trung lập" trước khi trả lời hiệu quả hơn so với việc ra lệnh trực tiếp "đừng nịnh bợ."
Hãy thử sử dụng điều này khi bạn muốn có một ý kiến nhưng chỉ nhận được "Đúng như bạn nói."
Prompt để Sao chép-Dán
Trước khi trả lời tuyên bố sau đây của tôi, vui lòng luôn định dạng lại tuyên bố của tôi thành "định dạng câu hỏi trung lập." Sau khi từ chối bày tỏ sự đồng ý hay không đồng ý với tuyên bố gốc, vui lòng trả lời một cách logic. Tuyên bố: [ ]
- Lấy mẫu Bằng lời nói — Yêu cầu xuất ra nhiều kế hoạch kèm xác suất
AI có xu hướng trả về các câu trả lời tương tự mỗi khi bạn hỏi cùng một câu hỏi (một hiện tượng mà sự đa dạng đầu ra bị thu hẹp). Biện pháp đối phó là một mẫu hình nơi bạn yêu cầu nó xuất ra nhiều phương án trả lời kèm theo "xác suất chúng nên được chọn." Việc chọn một phương án từ phân phối xác suất có thể khai thác những ý tưởng không xuất hiện với các prompt thông thường.
Prompt để Sao chép-Dán
Đối với chủ đề sau, vui lòng tạo 5 phương án trả lời khác nhau kèm theo "xác suất được chọn (%)" tương ứng của chúng. Tổng xác suất phải là 100%. Cuối cùng, chọn và trình bày một phương án từ phân phối đó theo đúng xác suất. Chủ đề: [ ]
- Neo Phản thực tế — Yêu cầu xuất ra câu trả lời ngược lại trước tiên
Đây là một mẫu hình áp dụng "hiệu ứng neo" từ tâm lý học nhận thức. Bằng cách yêu cầu AI xuất ra "câu trả lời hoàn toàn ngược lại" với câu trả lời mà nó trực quan muốn đưa ra trước, bạn phá vỡ quán tính hướng tới một giải pháp tầm thường. Một câu trả lời có thể đoán trước bỗng nhiên trở nên sâu sắc.
Lưu ý: "Neo Phản thực tế" là thuật ngữ do tôi đặt ra. Nguyên lý cơ bản (hiệu ứng neo) là khoa học nhận thức thực tế, nhưng mẫu hình cụ thể này là một ứng dụng.
Prompt để Sao chép-Dán
Trước khi trả lời câu hỏi sau, trước tiên hãy tạo ra một "câu trả lời hoàn toàn ngược lại" với câu trả lời mà bạn trực quan định đưa ra. Viết 5 căn cứ cho thấy kế hoạch ngược lại đó có thể đúng. Cuối cùng, đưa ra câu trả lời cuối cùng sau khi đã trải qua quá trình xác minh đó. Câu hỏi: [ ]
- Tự Khám nghiệm Tử thi — Liệt kê các nguyên nhân thất bại trước
"Khám nghiệm tử thi" là một phương pháp tư duy nổi tiếng, nơi bạn nghĩ "Nếu dự án này thất bại, nguyên nhân sẽ là gì?" trước khi bắt đầu. Chúng ta áp dụng điều này vào việc thực thi nhiệm vụ AI. Yêu cầu nó liệt kê các mẫu thất bại trước khi thực thi và yêu cầu nó thực thi theo cách tránh chúng. Hiệu quả cho các nhiệm vụ dài hạn.
Lưu ý: Phương pháp Khám nghiệm tử thi gốc là có thật, nhưng việc áp dụng nó cho AI là cách sử dụng của riêng tôi.
Prompt để Sao chép-Dán
Trước khi thực hiện nhiệm vụ sau, trước tiên hãy liệt kê "5 nguyên nhân giả định nếu nhiệm vụ này kết thúc với chất lượng thấp nhất." Viết một biện pháp tránh né trong một dòng cho mỗi nguyên nhân, và thực hiện nhiệm vụ trong khi tuân thủ nghiêm ngặt tất cả các biện pháp tránh né đó. Nhiệm vụ: [ ]
- Prompt Tự tin Đã Hiệu chỉnh — Yêu cầu nó nêu rõ mức độ tự tin
Điểm yếu lớn nhất của AI là "nói mọi thứ với đầy sự tự tin ngay cả khi sai." Để ngăn chặn điều này, hãy sử dụng một mẫu hình nơi nó phải kèm theo mỗi tuyên bố một "mức độ tự tin (0-100%)." Các ảo giác sẽ trở nên rõ ràng, giúp việc đánh giá độ tin cậy của thông tin trở nên dễ dàng hơn nhiều.
Prompt để Sao chép-Dán
Khi trả lời câu hỏi sau, vui lòng kèm theo mỗi tuyên bố một "mức độ tự tin từ 0-100%." Gắn nhãn dưới 50% là "Phỏng đoán" và chỉ từ 70% trở lên mới là "Sự thật." Đồng thời, cung cấp một dòng cơ sở cho mỗi mức độ tự tin. Câu hỏi: [ ]
Dù bạn nghiên cứu chúng như các kỹ thuật tiêu chuẩn hay vận hành chúng như các thủ thuật bí mật từ các bài báo và nguyên lý, hầu hết các nguồn đều có sẵn miễn phí. Khoảng cách ngày càng mở rộng, bắt đầu từ những người nhận ra điều này.
Chương 8: Trao cho AI "Đôi Tay và Đôi Chân" — Các MCP Bạn Nên Cài Đặt
Cho đến nay, chúng ta đã nói về prompt. Chương này nói về việc trao cho AI "đôi tay và đôi chân."
MCP (Model Context Protocol) là một tiêu chuẩn chung mở để kết nối AI với các dịch vụ và dữ liệu bên ngoài. Nói một cách đơn giản, nó là một cơ chế để thêm "các cửa sổ chạm vào thế giới thực" cho AI. Cài đặt công cụ này biến Claude từ một chatbot thành một "agent có tay và chân."
Vì MCP là một tiêu chuẩn mở, một khi bạn thiết lập nó trong Claude Code hoặc Codex, cùng một môi trường có thể được mang theo. Ở đây, tôi đã chọn bốn công cụ thực sự hữu ích cho các nhà sáng tạo nội dung.
- Supadata MCP — Trích xuất bản ghi từ video chỉ trong một lần
Đây là một MCP có thể trích xuất bản ghi từ các video trên YouTube, TikTok, Instagram và X (Twitter) chỉ trong một lần. Nghiên cứu nội dung nước ngoài, phân tích video đối thủ cạnh tranh và nắm bắt xu hướng trở nên nhanh hơn nhiều. Ngay cả đối với các video không có phụ đề, nó vẫn có thể được thực hiện nhờ chức năng chép lời tự động.
Ví dụ Sử dụng:
Trích xuất bản ghi từ URL YouTube/TikTok/X sau và tóm tắt thành 5 điểm chính. URL: [ ]
Bạn có thể thoát khỏi công việc tốn thời gian xem các video lan truyền ở nước ngoài đến cùng.
- Firecrawl MCP — Chuyển đổi trang web thành Markdown sạch
Đây là một MCP chuyển đổi bất kỳ trang web nào thành Markdown sạch mà AI có thể dễ dàng đọc. Nó thậm chí có thể xử lý các trang được hiển thị bằng JavaScript. Việc yêu cầu AI đọc các bài báo, LP hoặc trang tin tức của đối thủ cạnh tranh để xuất ra phân tích cấu trúc hoặc đề xuất cải tiến trở nên nhanh hơn.
Ví dụ Sử dụng:
Markdown hóa URL sau với Firecrawl và phân tích cấu trúc cũng như điểm yếu của sức hút trong bài viết đó. URL: [ ]
Những người sao chép và dán thủ công mỗi lần có thể lấy lại thời gian của họ ở đây.
- Google Knowledge Graph MCP — Truy cập trực tiếp vào thông tin thực thể
Đây là một MCP nơi AI có thể truy cập trực tiếp vào dữ liệu nguồn của "Bảng thông tin" xuất hiện ở phía bên phải của các tìm kiếm Google. Bạn có thể lấy dữ liệu có cấu trúc về người thật, địa điểm, tổ chức và khái niệm. Độ chính xác thay đổi trong việc kiểm tra thực tế và xác minh thông tin người/tổ chức. Nó trở thành một cứu cánh cho các nhà xuất bản thông tin.
Ví dụ Sử dụng:
Lấy thông tin về "[Tên Người/Tổ chức]" bằng Google Knowledge Graph, sau đó kiểm tra mối quan hệ thực tế trong bài viết của tôi.
- Memory MCP — Cung cấp cho AI bộ nhớ vĩnh viễn
AI có điểm yếu là "lịch sử trò chuyện bị đặt lại từ đầu mỗi lần." Memory MCP giải quyết vấn đề này. Các quyết định của dự án, sở thích của bạn và các quy tắc đã học được trong các tương tác trong quá khứ vẫn tồn tại ngay cả khi phiên kết thúc.
Ví dụ Sử dụng:
Đăng ký các sở thích, tiền đề và thông tin dự án đang thực hiện sau đây dưới dạng bộ nhớ vĩnh viễn trong Memory MCP. Từ lần sau, hãy luôn tham khảo nội dung này trước khi làm việc.
Bạn càng dán lại cùng một tiền đề trong mọi phiên, bạn sẽ càng cảm nhận được hiệu quả. Claude phát triển thành một "đối tác hiểu bạn" khi các phiên lặp lại.
Với bốn công cụ này, bạn có cả "Đầu vào (Video, Web, Thông tin Thực thể)" và "Bộ nhớ." Hãy tích lũy thông tin thu thập được bằng ba công cụ đầu tiên vào AI bằng cách sử dụng Memory MCP. Hiệu quả khi cả bốn hoạt động cùng nhau lớn hơn là sử dụng chúng riêng lẻ.
Chương 9: Tự động hóa với Claude Code & Codex — 5 Điểm và Cạm bẫy
Nếu bạn đang "bằng cách nào đó chạy" tự động hóa với Claude Code hoặc Codex, bạn đang mất khá nhiều. Chương này giới thiệu năm điểm để đạt được kết quả với tự động hóa, cùng với các cạm bẫy tương ứng.
- Luôn Chèn Chế độ Lập kế hoạch
Huyết mạch của tự động hóa là không để nó thực thi đột ngột. Trong Chế độ Lập kế hoạch, hãy yêu cầu nó cụ thể hóa tên tệp, tên hàm và trình tự các bước cần chỉnh sửa trước khi bạn phê duyệt. Luôn chèn bước này.
Cạm bẫy: Bỏ qua Chế độ Lập kế hoạch và nhảy vào thực thi song song. Việc song song hóa mà không có một cổng lập kế hoạch chỉ sản xuất hàng loạt các sản phẩm sai với tốc độ cao. Tốc độ chỉ có giá trị khi hướng đi là đúng.
- Quy tắc bền vững trong các tệp cấu hình, hướng dẫn theo lần trong prompt
Thật là một sai lầm điển hình của người mới bắt đầu khi nhồi nhét "các quy tắc vĩnh viễn bạn muốn tuân theo mọi lúc" vào mọi prompt. Hãy viết các quy tắc bền vững trong các tệp cấu hình (AGENTS.md cho Codex, CLAUDE.md cho Claude Code), và chỉ đặt "các hướng dẫn cho lần này" trong prompt.
Cạm bẫy: Làm cho tệp cấu hình quá lớn. Nếu nó vượt quá giới hạn kích thước, nội dung sẽ bị cắt. Nếu tệp trở nên lớn, thông lệ tiêu chuẩn là chia nhỏ nó theo cấu trúc thư mục.
- Các tác nhân phụ nên là "Chuyên biệt + Quyền hạn Hạn chế"
Gán "1 chức năng = 1 vai trò chuyên biệt" cho các tác nhân phụ và cung cấp cho chúng những công cụ tối thiểu cần thiết.
Cạm bẫy: Các tác nhân phụ kế thừa tất cả các quyền công cụ của tác nhân cha theo mặc định. Vì chúng bắt đầu với đầy đủ quyền hạn, nó có thể dẫn đến tai nạn nếu bạn không giới hạn chúng một cách rõ ràng. Ngoài ra, các tác nhân phụ tiêu tốn nhiều token hơn vì chúng chạy nhiều mô hình và công cụ. Vì song song hóa = chi phí gia tăng là điều không thể tránh khỏi về mặt cấu trúc, hãy thu hẹp phạm vi vào các nhiệm vụ đáng chạy.
- "Đừng nhồi nhét quá nhiều" là câu trả lời đúng cho MCP
Tôi đã giới thiệu MCP trong Chương 8, nhưng làm quá nhiều là không được phép. Bạn càng thêm nhiều MCP, ngữ cảnh của mỗi tin nhắn càng phình to, siết chặt giới hạn sử dụng. Hãy vô hiệu hóa các MCP bạn không sử dụng. Đây là điều cơ bản.
Cạm bẫy: MCP hóa mọi thứ và cắm vào 10 hoặc 20 cái. Ngoài việc siết chặt ngữ cảnh, rủi ro bảo mật cũng tăng lên. Sẽ an toàn khi thu hẹp xuống còn 3-5 cái bạn thực sự sử dụng hàng ngày.
- Đóng gói công việc lặp đi lặp lại thành "Kỹ năng"
Đối với các quy trình công việc bạn sử dụng nhiều lần, đừng sao chép-dán prompt mỗi lần; hãy đóng gói nó thành một Kỹ năng. Cả Claude Code và Codex đều có cơ chế để tóm tắt công việc lặp đi lặp lại thành các tệp định nghĩa và gọi chúng một cách nhất quán.
Cạm bẫy: Vận hành bằng cách sao chép-dán prompt mỗi lần mà không Kỹ năng hóa. Sự khác biệt tích lũy và tải trọng tinh thần liên tục gia tăng. Bất kỳ quy trình công việc nào có 2-3 ví dụ sử dụng cụ thể đã sẵn sàng để được Kỹ năng hóa. Viết chúng với tiền đề sử dụng cùng một Kỹ năng trong cả Claude Code và Codex đảm bảo không tốn chi phí ngay cả khi bạn chuyển đổi công cụ.
Bản chất của tự động hóa là sự khác biệt giữa việc "vứt mọi thứ" cho AI hoặc "hệ thống hóa" nó. Hãy chèn Chế độ Lập kế hoạch, tổ chức các tệp cấu hình, giới hạn quyền hạn, giảm thiểu MCP và Kỹ năng hóa các công việc lặp đi lặp lại. Thiết lập năm cơ chế này trước khi chạy. Chỉ riêng điều đó đã quyết định liệu tự động hóa trở thành một "sự tăng tốc" hay một "sự chạy trốn."
Chương 10: Đã Lỗi Thời — Những Thói Quen Prompt Bạn Nên Dừng Lại
Chương cuối cùng nói về sự loại bỏ, không phải bổ sung. Tôi sẽ đề cập đến ba thói quen từ lâu đã được coi là "đúng đắn" ở Nhật Bản nhưng đang bị xem xét lại trong các nghiên cứu và thông số kỹ thuật mới nhất.
- Gắn "Bạn là chuyên gia về..." vào mọi thứ
Các prompt gán một nhân vật là một kỹ thuật kinh điển. Tuy nhiên, nghiên cứu gần đây chỉ ra rằng chúng "không phải vạn năng." Trong khi các nhân vật chuyên gia có hiệu quả đối với các nhiệm vụ an toàn và kiểm duyệt, các báo cáo cho thấy chúng có xu hướng thực sự làm giảm độ chính xác trong nhận dạng thực tế và lý luận.
Nói cách khác, một nhân vật không phải là một "mẫu phổ quát" mà là một "kỹ thuật chính xác để sử dụng bằng cách chọn ứng dụng." Sẽ ổn khi gắn nó vào các phán đoán về an toàn, phán đoán đạo đức hoặc kiểm duyệt. Nhưng đối với các nhiệm vụ tìm kiếm sự thật, phân tích, tạo mã hoặc lý luận, đừng gắn nó một cách không cần thiết. Chỉ cần ý thức được sự khác biệt này, độ chính xác đã tăng lên một tầm.
- Gắn máy móc "Hãy suy nghĩ từng bước một"
"Hãy suy nghĩ từng bước một" và "Hãy cùng suy nghĩ từng bước một" từ lâu cũng đã được coi là những prompt mạnh nhất. Tuy nhiên, các mô hình gần đây đang tiến hóa theo hướng chính mô hình đó tự đánh giá khi nào và suy nghĩ bao nhiêu. Sự cần thiết về mặt kỹ thuật của việc viết "suy nghĩ" mỗi lần đang dần biến mất.
Hoạt động trong tương lai nên tập trung vào việc nêu rõ mục đích, ràng buộc và định dạng dự kiến của nhiệm vụ hơn là gắn các hướng dẫn suy nghĩ một cách máy móc. Và đối với các nhiệm vụ phức tạp đòi hỏi lý luận, hãy bật chức năng suy nghĩ của riêng mô hình và để lại phán đoán cho AI. Điều này tương thích hơn với thế hệ mô hình mới.
- Viết prompt bằng tay và tinh chỉnh bằng trực giác
Đây có lẽ là điểm lớn nhất. Nhiều người Nhật viết prompt bằng tay như những "tác phẩm nghệ thuật" và tinh chỉnh chúng bằng cách lựa chọn từ ngữ và trực giác. Trong khi đó, các chuyên gia toàn cầu coi prompt như "mã." Họ thiết kế, kiểm soát phiên bản, kiểm thử và tối ưu hóa trong khi chấm điểm với các tiêu chí đánh giá (eval).
Tại sao lại khác biệt đến vậy? Lý do rất đơn giản. Trực giác viết tay không thể phát hiện "10% các trường hợp mà một prompt hoạt động cho 90% đầu vào thất bại thảm hại." Do đó, trước tiên họ tạo một thẻ điểm cho "điều gì được coi là câu trả lời đúng" và đo lường prompt dựa trên nó.
Bước đầu tiên hướng tới "tư duy eval" bạn có thể làm ngay hôm nay:
(1) Chạy cùng một prompt 5 lần và quan sát sự khác biệt trong đầu ra. (2) Viết ra 3 điều kiện chung cho các đầu ra tốt (đây là một eval đơn giản). (3) Tạo nhiều phiên bản của prompt ở cấp độ từ ngữ và so sánh chúng cho đến khi chúng thỏa mãn 3 điều kiện đó.
Nhân tiện, ngay cả với những từ có cùng nghĩa, đầu ra vẫn thay đổi. Phản ứng của AI hơi khác nhau giữa "Tính toán" và "Định lượng." Trực giác viết tay không thể kiểm soát sự khác biệt ở cấp độ từ ngữ này. Đó là lý do tại sao có giá trị trong việc chuyển bộ não của bạn sang chế độ "đo lường và cải thiện."
Tôi đã giới thiệu nhiều kỹ thuật để thêm vào trong các Chương 1 đến 9. Nhưng những người phát triển cũng quyết định những gì cần "dừng lại."
Kết luận — Prompt Đã Trở Thành "Bản Thiết Kế Cho Tư Duy"
Cho đến nay, tôi đã giới thiệu khoảng 40 kỹ thuật và bí quyết một cách nhanh chóng. Cuối cùng, tôi sẽ tóm tắt những gì tôi muốn truyền tải trong bài viết này thành một điều duy nhất.
Prompt không còn chỉ là "hướng dẫn." Chúng là "bản thiết kế cho tư duy."
Trong Chương 1, chúng ta đã truyền đạt chính cách suy nghĩ. Trong Chương 2, chúng ta đã làm việc ngược từ kết quả đầu ra. Trong Chương 3, chúng ta đã vận hành AI như một đội quân. Trong các Chương 4 đến 6, chúng ta đã thiết kế phần bên ngoài của prompt = ngữ cảnh, cấu trúc bên trong và harness. Trong Chương 7, chúng ta đã sử dụng các thủ thuật bí mật; trong Chương 8, chúng ta đã trao cho AI tay chân với MCP; trong Chương 9, chúng ta đã thiết lập các cơ chế tự động hóa; và trong Chương 10, chúng ta đã từ bỏ những thói quen cũ.
Điểm chung của tất cả là chúng viết ra "làm thế nào để nó suy nghĩ và hành động," chứ không phải "cái gì cần xuất ra." Mệnh lệnh so với Bản thiết kế. Sự khác biệt đó quyết định liệu AI vẫn chỉ là "một công cụ tiện lợi" hay biến thành một "đối tác tự vận hành."
Các kỹ thuật được giới thiệu ở đây không đòi hỏi tài năng hay kỹ năng tiếng Anh. Tất cả những gì bạn cần là thử viết một dòng prompt của bạn từ hôm nay với một cấu trúc hơi khác một chút. Hãy sao chép và dán một mẫu hình đã thu hút bạn và thử nó. Đó sẽ là bước đầu tiên của bạn.
Cảm ơn bạn đã đọc đến cuối. Tôi hy vọng bài viết này là chất xúc tác để nâng mối quan hệ của bạn với AI lên một tầm cao mới.
Tư vấn về AI tại đây 👇
