OpenAI công bố 14 quy tắc giúp giảm thiểu sai lệch khi tạo ảnh AI (kèm Prompt)

Bạn muốn tạo ra những hình ảnh có cùng bầu không khí, nhưng mỗi lần kết quả lại khác nhau.

Khi bạn xếp ba thumbnail cạnh nhau, chúng trông như được tạo bởi ba người khác nhau. Bạn muốn xuất ra cùng một người như lần trước, nhưng khuôn mặt lại thay đổi. Dù bạn gõ "giống như lần trước", nó dường như chẳng có tác dụng gì.

Đây là bức tường mà hầu hết những ai bắt đầu dùng AI tạo hình ảnh cho công việc đều va phải đầu tiên.

Tuy nhiên, điều này không xảy ra vì prompt của bạn tệ. Nguyên nhân đơn giản hơn nhiều: bạn đang viết lại chúng từ đầu mỗi lần.

Hơn nữa, OpenAI đã chính thức đưa ra câu trả lời cho vấn đề này. Một template chia nhỏ prompt tạo hình ảnh thành 14 mục đã được công bố. Nó bao gồm 11 loại cho các mục đích sử dụng khác nhau, 8 loại cho việc chỉnh sửa và các ví dụ hoàn chỉnh.

Dưới đây là bốn điều tôi sẽ chia sẻ:

• Toàn văn 14 mục trong template chính thức và nên viết gì vào từng mục.
• Danh sách 11 loại để xác định use case chỉ bằng một từ và 8 loại dành cho chỉnh sửa.
• Phương pháp chính thức để tiếp tục xuất ra "cùng một khuôn mặt" và "cùng một phong cách".
• Cách tránh phải dán template đó mỗi lần (bao gồm cả nhật ký về cách tôi thực sự đã chạy nó).

Nửa sau bài viết dựa trên các phép đo thực tế. Tôi đã truyền một ảnh tham chiếu, tạo template và trải qua quy trình tạo một tài liệu 10 trang. Tôi sẽ viết chính xác thời gian mất bao lâu, việc tôi đã làm lại 7 lần và cách tôi phát hiện ra rằng không nên dùng ImageGen trực tiếp để tạo tài liệu.

Đầu tiên, đây là đối tượng thực tế. Đây là khung chính thức.

Văn bản gốc chính thức (từ Shared Prompt Scaffolding của skill imagegen của OpenAI)

1Use case: <taxonomy slug>
2Asset type: <where the asset will be used>
3Primary request: <user's main prompt>
4Input images: <Image 1: role; Image 2: role> (optional)
5Scene/backdrop: <environment>
6Subject: <main subject>
7Style/medium: <photo/illustration/3D/etc>
8Composition/framing: <wide/close/top-down; placement>
9Lighting/mood: <lighting + mood>
10Color palette: <palette notes>
11Materials/textures: <surface details>
12Text (verbatim): "<exact text>"
13Constraints: <must keep/must avoid>
14Avoid: <negative constraints>

Nguồn: https://github.com/openai/skills/blob/main/skills/.system/imagegen/SKILL.md

Chỉ nhìn vào đây, bạn có thể nghĩ "toàn tiếng Anh" rồi bỏ cuộc, vì vậy từ đây trở đi, tôi sẽ dịch từng mục sang tiếng Việt và phân tích cách điền chúng. Cuối cùng, tôi sẽ cung cấp một phiên bản tiếng Việt của template mà bạn có thể sao chép và sử dụng ngay.

Lý do kết quả thay đổi mỗi lần không phải vì prompt của bạn tệ

Nguyên nhân nằm ở cấu trúc của hướng dẫn, không phải nội dung.

Bạn gõ "tạo ảnh header blog thời trang" dưới dạng văn bản tự do. Ngày hôm sau, bạn gõ "ảnh header đơn giản và ngầu". Trong suy nghĩ của con người, đây được coi là cùng một yêu cầu, nhưng hai câu này là hai hướng dẫn khác nhau.

Câu đầu chỉ có "thời trang" làm gợi ý. Câu sau có "đơn giản" và "ngầu". Những phần bạn không chỉ định sẽ được AI tự điền mỗi lần. Vì cách điền khác nhau mỗi lần nên hình ảnh cũng khác nhau mỗi lần.

⚡ Không phải AI đang dao động; mà là hướng dẫn của chúng ta.

Đây là lúc 14 mục xuất hiện. Nếu các mục được cố định, bạn có thể thấy ngay mình đã quên điền chỗ nào. Nếu bạn mở file lần trước và chỉ viết lại những dòng muốn thay đổi, mọi thứ khác sẽ giống như lần trước.

Hãy ngừng "viết" prompt mỗi lần và chuyển sang "điền vào" chúng. Đó chính là bản chất của cuộc thảo luận này.

Chính sách chính thức là "không được mở rộng tùy tiện"

Có một triết lý thiết kế khác cũng rất hữu ích để biết.

Định nghĩa skill chính thức nêu rõ:

1If the prompt is already specific and detailed, preserve that specificity and only normalize/structure it. If the prompt is generic, you may add tasteful augmentation when it will materially improve the result.

Nguồn: https://github.com/openai/skills/blob/main/skills/.system/imagegen/SKILL.md

Nếu hướng dẫn đã cụ thể, hãy giữ nguyên độ cụ thể đó và chỉ tổ chức lại cấu trúc. Chỉ khi hướng dẫn còn mơ hồ thì mới được phép bổ sung các yếu tố ở mức độ giúp cải thiện kết quả. Đó là cách nó được quyết định.

Nói cách khác, bạn viết càng chi tiết thì AI càng có ít quyền quyết định. Ít quyền quyết định đồng nghĩa với ít sai lệch hơn.

Ngược lại, với những hướng dẫn mơ hồ, AI được phép chính thức "tự ý hỗ trợ và thêm thắt". Các phần được AI tự ý thêm vào mỗi lần đều khác nhau. Đây chính là nguồn gốc của sự sai lệch.

📌 Vì vậy, 14 mục là công cụ để cung cấp thông tin cho AI, đồng thời cũng là công cụ để tước bỏ quyền tự do của AI. Nếu bạn nhìn theo cách đó, bạn sẽ không dùng sai nó.

Trước đó: Có thể bạn đã có sẵn công cụ này

Không cần cài đặt gì cả.

imagegen là một "system skill" đã có sẵn trong Codex ngay từ đầu. Nó không phải thứ người dùng thêm vào sau; nó sẵn sàng hoạt động ngay khi khởi động. Không cần hợp đồng bổ sung hay API key nào.

Trong mô tả chính thức, hành vi mặc định là chế độ dùng công cụ image_gen tích hợp sẵn, trông như thế này:

Công cụ tích hợp (mặc định): Không yêu cầu OPENAI_API_KEY.

API key chỉ cần cho phương án dự phòng CLI (scripts/image_gen.py), thứ chỉ chạy khi được yêu cầu một cách tường minh. Với nhu cầu sử dụng thông thường, điều đó không quan trọng.

⚠️ Đây là chỗ 90% mọi người vấp phải: Ký hiệu gọi khác nhau tùy theo vị trí.

Nếu không biết điều này, bạn sẽ kẹt ngay ở dòng đầu tiên. Tài liệu chính thức mô tả như sau:

1In Codex CLI or the IDE extension, run /skills or type $ to mention a skill.

1In ChatGPT Work, use @skill-creator format.

Nguồn: https://learn.chatgpt.com/docs/build-skills

Trong Codex CLI và IDE extension, đó là $. Trong ChatGPT Work, đó là @.

Dù là cùng một chức năng, ký hiệu gọi lại khác nhau. Khi quy trình bạn tìm thấy trên mạng không hoạt động, thường chỉ vì màn hình bạn đang ở khác với màn hình trong bài viết. Ngữ pháp không sai.

Tài liệu chính thức cũng liệt kê nơi có thể sử dụng:

1Standalone skills are available in the ChatGPT desktop app, Codex CLI, and IDE extension. Skills bundled in plugins are also available in Chat and Work across ChatGPT on the web, desktop, and mobile.

Nguồn: https://learn.chatgpt.com/docs/build-skills

Desktop app, Codex CLI và IDE extension. Ba nơi này là đấu trường của các skill độc lập.

🎯 Ngay cả những người không dùng được skill vẫn có thể dùng template ngay hôm nay.

Đây là điểm quan trọng, nên tôi sẽ nói rõ. Đối với những người không dùng Codex hay desktop app, bản thân imagegen cũng chẳng liên quan. Nếu bạn chỉ mở ChatGPT trên trình duyệt, gõ $ sẽ chẳng có gì hiện ra.

Tuy nhiên, template 14 mục chỉ là một định dạng văn bản. Bạn có thể dán trực tiếp vào ô nhập liệu tạo hình ảnh của ChatGPT trên trình duyệt, Gemini hoặc Claude. Skill chỉ là "cơ chế tự động viết theo định dạng này cho bạn", còn bản thân định dạng thì ai cũng dùng được.

Vì vậy, giá trị của bài viết này không thay đổi tùy theo việc bạn có dùng được skill hay không. Người dùng được thì xem nó như một sự tự động hóa, người không dùng được thì xem nó như một template copy-paste.

Prompt Template: Toàn bộ 14 mục

Từ đây là phần chính. Hãy xem từng trường dùng để làm gì, theo thứ tự. Có 14 mục, nhưng bạn không cần điền hết tất cả. Chỉ là mối quan hệ kiểu AI sẽ bổ sung những phần bạn không điền. Chỉ cần điền những mục mà bạn đang gặp rắc rối về sự sai lệch là đủ.

1. Use case Đây là trường để xác định thể loại hình ảnh bằng một từ cố định. Thay vì dùng từ tự do, bạn chọn từ những từ do phía chính thức chuẩn bị (taxonomy slug). Tổng cộng có 11 loại, chẳng hạn như product-mockup, ui-mockup và logo-brand. Danh sách được tóm tắt ở một chương sau. Quyết định mục này trước sẽ tự động xác định cách điền các mục tiếp theo. Nếu là ảnh sản phẩm, bạn cần ánh sáng. Nếu là sơ đồ, bạn cần văn bản. Khi use case đã được quyết định, các trường cần thiết cũng được xác định.

1. Asset type Viết nơi hình ảnh cuối cùng sẽ được đặt. "Ảnh header blog", "Ảnh nền hero trang đích", "Icon giao diện game". Nếu use case (mục 1) là danh mục lớn thì đây là vị trí lắp đặt thực tế. Ngay cả với cùng một hình ảnh phong cách chụp ảnh, lề và tỷ lệ khung hình yêu cầu sẽ thay đổi tùy theo việc nó được đặt ở header hay icon. Đây là trường để truyền đạt điều đó.

1. Primary request Đây là trường để đặt "hãy tạo cái này" mà bạn thường gõ dưới dạng văn bản tự do. Trong giải thích chính thức, nó là <user's main prompt>. Nói cách khác, 14 mục này không phải cơ chế loại bỏ văn bản tự do. Đó là cấu trúc mà bạn đặt văn bản tự do vào trường số 3 và xếp các điều kiện xung quanh nó. Nếu trường này trống, mọi thứ không bắt đầu. Ngược lại, nếu bạn chỉ điền mỗi trường này, đó là trạng thái giống hệt như trước đây.

1. Input images Khi truyền những hình ảnh bạn đang có, đây là trường để viết vai trò của từng ảnh. Định dạng chính thức là <Image 1: role; Image 2: role>. Bạn khai báo số lượng và vai trò theo cặp, như "Ảnh 1 là ảnh người, Ảnh 2 là ảnh tham chiếu trang phục". Vì là mục tùy chọn, bạn có thể để trống khi tạo từ đầu. Tuy nhiên, khi bạn muốn tiếp tục xuất ra cùng một người, trường này trở thành nhân vật chính. Sẽ nói thêm ở chương chỉnh sửa.

1. Scene/backdrop Môi trường nơi bức ảnh được đặt. "Trên bàn gỗ vân", "Bên trong nhà kho công nghiệp", "Xám nhạt với chút họa tiết". Nó có thể là nơi thực tế hoặc phông nền trừu tượng. Nếu không viết phông nền, nó sẽ thay đổi mỗi lần. Lý do bầu không khí của các thumbnail không khớp nhau thường là vì trường này bị bỏ trống.

1. Subject Nội dung đặt ở trung tâm màn hình. Bạn có thể viết không chỉ bản thân đối tượng mà còn cách đặt nó, như "Một chai nước đặt ở trung tâm, có chút phản chiếu nhẹ". Điểm mấu chốt là viết phông nền (mục 5) và chủ thể (mục 6) một cách riêng biệt; nếu gộp chúng vào một câu, AI sẽ không thể xác định được cái nào cần ưu tiên.

1. Style/medium Đây là ảnh chụp, minh họa hay 3D? Trong các ví dụ chính thức, nó được viết ở mức chi tiết như "minh họa bề mặt nhám" (matte illustration), "concept art điện ảnh" (cinematic concept art) hay "sơ đồ phong cách vector". "Thời trang" và "ngầu" không phải là những từ để đặt ở đây. Hãy coi đây là trường để viết tên của kỹ thuật.

1. Composition/framing Là wide shot hay cận cảnh, từ trên cao thẳng đứng, và đặt chủ thể ở đâu? Ví dụ chính thức có cách viết như "wide composition with usable negative space for page copy" (bố cục rộng với khoảng trống dùng được cho văn bản trên trang). Nghĩa là bố cục ngang với lề trái và phải để trống cho việc đặt văn bản. Trường này hiệu quả cho những hình ảnh mà bạn sẽ thêm văn bản sau, như thumbnail hay header. Nếu không chừa lề trước, chủ thể sẽ chiếm toàn màn hình và văn bản không còn chỗ để đặt.

1. Lighting/mood Là ánh sáng buổi sáng dịu nhẹ, ánh sáng studio hay tia sáng xuyên qua sương mù? Các ví dụ chính thức dùng những biểu đạt như "soft morning light", "softbox lighting, clean highlights, controlled shadows" và "volumetric light rays cutting through fog". Nếu muốn ổn định tính chân thực của ảnh, cách nhanh nhất là cố định cùng một cách diễn đạt ở trường này mỗi lần.

1. Color palette Chính sách về các màu sắc sẽ sử dụng. "Màu thương hiệu", "màu trung tính nhẹ dịu", "xanh đậm và trắng ngà". Có thể là tên màu cụ thể hoặc một hướng đi. Nếu muốn thể hiện sự nhất quán thương hiệu, hãy viết màu của bạn ở đây và cố định chúng. Chỉ riêng điều này đã giúp căn chỉnh ấn tượng khi chúng được xếp cạnh nhau.

1. Materials/textures Kết cấu bề mặt. Viết các thông tin liên quan đến cách ánh sáng phản xạ, như "nhựa mờ, nhãn được in rõ ràng". Trường này hiệu quả cho ảnh sản phẩm và có thể bỏ qua với phong cảnh hay minh họa mà không vấn đề gì.

1. Text (verbatim) Trường để viết văn bản cần đưa vào hình ảnh chính xác như nguyên bản. Điểm mấu chốt là định dạng chính thức là Text (verbatim): "<exact text>", và verbatim có nghĩa là "chính xác như trong bản gốc". Bạn truyền chính xác chuỗi ký tự muốn xuất ra, được đặt trong dấu ngoặc kép, chứ không phải nội dung được tóm tắt. Trong ví dụ chính thức cho sơ đồ, nó được viết như thế này:

1Text (verbatim): "Bean Hopper", "Grinder", "Brew Group", "Boiler", "Water Tank", "Drip Tray"

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Chúng ta thường nghe rằng văn bản trong ảnh AI bị lỗi, nhưng trong nhiều trường hợp, văn bản chính xác cần đưa vào ngay từ đầu đã không được truyền đúng. Chỉ cần điền trường này cũng có thể thay đổi kết quả.

1. Constraints Trường để liệt kê "giữ điều này" và "đừng làm điều này". Bộ ba thường gặp nhất trong các ví dụ chính thức là "no text; no logos; no watermark" (không văn bản; không logo; không watermark). Với những hình ảnh dự kiến thêm văn bản sau, ghi kèm ba điều này mỗi lần sẽ giảm thiểu tai nạn. Nó ngăn AI tự ý thêm những câu khẩu hiệu tiếng Anh một cách "hữu ích".

1. Avoid Trong khi mục 13 dành cho các điều kiện chung, trường này thu hẹp vào "những thứ bạn không muốn xuất ra". Gradient, 3D, bị đặt trong mockup. Trong ví dụ chính thức cho logo, nó được viết là "no gradients; no mockups; no 3D; no watermark". Vì vai trò trùng lặp với mục 13, nên trong các template chính thức thực tế thường chỉ dùng một trong hai. Thay vì phân biệt nghiêm ngặt, chỉ cần hiểu rằng "có hai chỗ để viết những thứ bạn muốn nó ngừng làm" là đủ.

Xác định use case chỉ bằng một từ. 11 loại được chuẩn bị chính thức

Đây là danh sách các từ để đặt vào mục 1 Use case. Trong bộ sưu tập mẫu chính thức, 11 loại được liệt kê để tạo hình.

• photorealistic-natural (ảnh chân thực, cảnh thiên nhiên)
• product-mockup (ảnh sản phẩm, bao bì)
• ui-mockup (mockup thiết kế màn hình)
• infographic-diagram (sơ đồ, infographic)
• scientific-educational (sơ đồ khoa học và giáo dục)
• logo-brand (logo, dấu hiệu thương hiệu)
• illustration-story (minh họa cho truyện)
• stylized-concept (concept art cách điệu)
• ads-marketing (vật liệu quảng cáo và tiếp thị)
• productivity-visual (hình ảnh cho tài liệu và kinh doanh)
• historical-scene (cảnh lịch sử)

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Ngoài những loại trên, các template theo vị trí sử dụng cũng được chuẩn bị. Cho website (hero image, minh họa phân đoạn, header blog), cho game (concept nền, nhân vật, icon UI, texture), wireframe (PC, trang giá, onboarding điện thoại thông minh), logo (dấu ấn trừu tượng, monogram, wordmark). Đối với ảnh header blog, ví dụ chính thức được cung cấp nguyên văn như sau.

Văn bản gốc chính thức (Ví dụ về tài sản web: ảnh header blog)

1Use case: photorealistic-natural
2Asset type: blog header image
3Primary request: overhead desk scene with notebook, pen, and coffee cup
4Scene/backdrop: warm wooden tabletop
5Style/medium: photorealistic photo
6Composition/framing: wide crop with clean room for page copy
7Lighting/mood: soft morning light
8Constraints: no text; no logos; no watermark

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Lưu ý rằng chỉ có 8 trong số 14 mục được điền. Bản thân phía chính thức cũng không điền hết tất cả. Điều này cho thấy chỉ cần điền những trường cần thiết là đủ.

Tiếp tục xuất ra cùng một khuôn mặt và phong cách. 8 loại dành cho chỉnh sửa

Đây là câu trả lời trực tiếp cho "kết quả thay đổi mỗi lần". Trong bộ sưu tập mẫu chính thức, có 8 loại use case để chỉnh sửa ảnh có sẵn.

• text-localization (chỉ thay thế văn bản, chẳng hạn như dịch thuật)
• identity-preserve (thay đổi trong khi vẫn duy trì danh tính của người)
• precise-object-edit (chỉ thay thế các đối tượng cụ thể)
• lighting-weather (chỉ thay đổi ánh sáng và thời tiết)
• style-transfer (chuyển phong cách của ảnh tham chiếu)
• compositing (ghép các chủ thể từ ảnh khác)
• character consistency workflow (xuất ra cùng một nhân vật trong bối cảnh khác)
• sketch-to-render (biến bản phác thảo thành hình ảnh hoàn chỉnh)

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Thứ giải quyết vấn đề khuôn mặt thay đổi chính là identity-preserve. Ví dụ chính thức như sau:

Văn bản gốc chính thức (Chỉnh sửa: identity-preserve)

1Use case: identity-preserve
2Input images: Image 1: person photo; Image 2..N: clothing references
3Primary request: replace only the clothing with the provided garments
4Constraints: preserve face, body shape, pose, hair, expression, and identity; match lighting and shadows; keep the background unchanged; no accessories or text

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Phần then chốt là dòng Constraints. Preserve face, body shape, pose, hair, expression, and identity (giữ nguyên khuôn mặt, vóc dáng, tư thế, tóc, biểu cảm và danh tính). Match lighting and shadows (khớp ánh sáng và bóng đổ). Keep the background unchanged (giữ nguyên phông nền). Nói cách khác, thay vì nói "làm cho giống cùng một người", nó liệt kê từng thứ bạn muốn giữ nguyên theo tên gọi. Cách viết này chính là câu trả lời chính thức.

🔥 Nếu bạn xuất ra nhiều nhân vật, hãy dùng định dạng này

Với những mục đích như thumbnail theo series hay xuất ra cùng một người nhiều lần, có một định dạng chi tiết hơn.

Văn bản gốc chính thức (Chỉnh sửa: quy trình giữ nguyên nhân vật)

1Use case: identity-preserve
2Input images: Image 1: previous character anchor illustration
3Primary request: continue the story with the same character in a new scene and action
4Scene/backdrop: snowy forest after a winter storm
5Subject: same young forest hero gently helping a frightened squirrel out of a fallen tree
6Style/medium: same children's book watercolor illustration style as Image 1
7Constraints: do not redesign the character; preserve facial features, proportions, outfit, color palette, and personality; no text; no watermark

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Thuật ngữ "character anchor" được dùng ở đây chính là điểm mấu chốt. Bạn chỉ định một hình ảnh đóng vai trò chuẩn làm "anchor" (mỏ neo), và từ đó về sau, bạn chỉ hướng dẫn những điểm khác biệt so với nó. Điểm quan trọng nữa là trường Style/medium ghi "same children's book watercolor illustration style as Image 1" (cùng phong cách minh họa màu nước sách thiếu nhi như Ảnh 1); nó không giải thích phong cách bằng lời. Nó chỉ định bằng cách tham chiếu "giống như Ảnh 1". Cố gắng tái tạo một phong cách bằng lời luôn dẫn đến sai lệch. Chỉ định bằng cách tham chiếu chính xác hơn nhiều.

Nếu chỉ muốn căn chỉnh phong cách, hãy dùng style-transfer

Nếu bạn muốn căn chỉnh tông tổng thể thay vì con người, hãy dùng loại này.

Văn bản gốc chính thức (Chỉnh sửa: style-transfer)

1Use case: style-transfer
2Input images: Image 1: style reference
3Primary request: apply Image 1's visual style to a man riding a motorcycle on a plain white backdrop
4Constraints: preserve palette, texture, and brushwork; no extra elements

Nguồn: https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

Preserve palette, texture, and brushwork (giữ nguyên bảng màu, kết cấu và nét cọ). Không thêm các yếu tố phụ. Nếu bạn có sẵn một hình ảnh mình thích, hãy đặt nó vào Ảnh 1 rồi đổi nội dung. Tông và phong cách thương hiệu sẽ ổn định nhất ở định dạng này.

Phiên bản tiếng Việt của template có thể sử dụng ngay

Hai mục sau đây không phải bản thân prompt do phía chính thức phân phối. Chúng được tái cấu trúc thành dạng có thể điền bằng tiếng Việt dựa trên cấu trúc 14 mục chính thức đã trích dẫn ở trên. Tên các mục giữ nguyên nhãn tiếng Anh chính thức.

★ Ứng dụng (Được tạo dựa trên cấu trúc mục chính thức. Không phải prompt do phía chính thức phân phối)

1Use case:
2Asset type:
3Primary request:
4Input images:
5Scene/backdrop:
6Subject:
7Style/medium:
8Composition/framing:
9Lighting/mood:
10Color palette:
11Materials/textures:
12Text (verbatim):
13Constraints: no text; no logos; no watermark
14Avoid:

Hãy tạo một file văn bản với nội dung như trên và giữ lại. Từ lần sau, hãy mở file này ra và chỉ viết lại những dòng muốn thay đổi. Nếu bạn điền nó cho một thumbnail, nó sẽ trông như thế này:

★ Ứng dụng (Dựa trên ví dụ Website assets / blog header chính thức, được xây dựng lại bằng tiếng Việt)

1Use case: photorealistic-natural
2Asset type: Ảnh header bài viết blog (ngang)
3Primary request: Bố cục nhìn xuống bàn từ phía chéo trên cao. Sổ tay, bút và cốc
4Scene/backdrop: Mặt bàn gỗ vân ấm áp
5Subject: Sổ tay hơi lệch về bên trái trung tâm, cốc ở tiền cảnh bên phải
6Style/medium: Ảnh chụp chân thực
7Composition/framing: Ngang. Chừa lề bên phải để đặt tiêu đề
8Lighting/mood: Ánh sáng tự nhiên buổi sáng dịu nhẹ
9Color palette: Tông màu êm dịu lấy nâu gỗ và trắng ngà làm trung tâm
10Constraints: no text; no logos; no watermark

Từ lần thứ hai, chỉ viết lại hai dòng: Primary request và Subject. Giữ nguyên mọi thứ khác như lần trước. Điều này sẽ căn chỉnh "cùng bầu không khí như lần trước". Mẹo là quyết định ngay từ đầu dòng nào sẽ cố định và dòng nào sẽ thay đổi. Tôi nghĩ cách phân bổ cố định bốn dòng phông nền, phong cách, ánh sáng và bảng màu, rồi chỉ di chuyển chủ thể và bố cục, là cách dễ xử lý nhất.

Nếu dán template mỗi lần là phiền phức, bạn có thể tạo cả template

Từ đây là nhật ký về những gì tôi thực sự đã chạy. Thành thật mà nói, việc copy-paste 14 mục mỗi lần rất phiền. Một cơ chế để giải quyết điều đó đã được chuẩn bị sẵn ở phía Codex. Khi bạn thêm Image Gen vào ô nhập liệu, một vùng chứa tên là Template Gallery sẽ xuất hiện. Bạn có thể đặt template của riêng mình vào đây. Khi tạo nó, tôi đã yêu cầu Template Creator như thế này:

★ Ứng dụng (Hướng dẫn tôi thực sự đã gửi. Không phải prompt do phía chính thức phân phối)

1Please use the Template Creator to create a new image template for ImageGen. First, explain how the template works and how to use it. Next, request an upload of a PNG reference image and ask me when and how to use the template if necessary.

Câu trả lời quay lại trong 27 giây. Điều hay là nó đã hỏi hai điều trước thay vì đột ngột bắt tay vào việc. Điều đầu tiên là "Bạn muốn template nghiêng về thiết kế của toàn bộ slide, hay bạn muốn dùng nó để tạo minh họa và sơ đồ?" Điều thứ hai là "Mục đích sử dụng chính gần với báo cáo nghiên cứu, tài liệu hội thảo, tài liệu bán hàng hay carousel mạng xã hội?" Hai câu hỏi này là hai điểm rẽ của thiết kế. Ngay cả với cùng một mong muốn "căn chỉnh thiết kế", template nhận được sẽ khác nhau tùy vào việc bạn đang tạo một hình ảnh tổng thể hay một bức ảnh dự kiến đặt văn bản vào lề. Việc quyết định điều này trước rất hợp lý.

⚠️ Danh tính thực sự không phải là "đăng ký template" mà là "lưu skill"

Tôi cũng đã hiểu lầm cho đến giữa chừng, nên tôi sẽ nói rõ. Không phải có một cơ chế đăng ký template kiểu Canva bên trong ImageGen. Theo Codex, thực chất đó là cơ chế mà các quy tắc về ảnh tham chiếu, bảng màu, biểu đạt và bố cục được lưu dưới dạng một "skill" trong Codex và được gọi từ ImageGen. Skill là một quy trình làm việc tái sử dụng, kết hợp các hướng dẫn, tài liệu tham chiếu, script, v.v. Lời giải thích chính thức nằm ở đây.

Nguồn: https://developers.openai.com/plugins/concepts/skills.md

Vì vậy, hành động tạo template về bản chất là nuôi dưỡng một skill dành riêng cho chính bạn. Nếu chuyển sang cách hiểu này, phần tiếp theo sẽ hợp lý.

Cách gọi template đã tạo

Khi hoàn tất, template được đặt tên và đưa vào gallery. Từ lần sau, bạn có thể gọi nó theo hai cách:

• Thêm Image Gen vào ô nhập liệu và chọn từ gallery
• Chỉ định trực tiếp ID bắt đầu bằng $artifact-template-

Bạn cũng có thể gọi bằng tên. Viết "Tạo với thiết kế của (tên template)" đã hoạt động. 📌 Nói cách khác, 14 mục là một "định dạng viết tay", còn template là "định dạng đó được lưu dưới dạng skill". Về thứ tự, an toàn hơn là hãy viết tay trước để nắm được định dạng, sau đó mới chuyển nó thành template. Nếu đột ngột tạo template, bạn sẽ không thể tự giải thích mình đã cố định những gì.

Nếu bạn đang tạo tài liệu, không nên dùng ImageGen trực tiếp

Đây là phát hiện quan trọng nhất lần này. Sau khi template đã sẵn sàng, tôi thử yêu cầu nó tạo một tài liệu 10 trang. Kết quả là nó tạo được, nhưng khi tôi hỏi chính Codex "cách yêu cầu đúng đắn cho tương lai là gì", tôi nhận được câu trả lời khác với những gì tôi mong đợi. Dùng ImageGen trực tiếp phù hợp cho việc sản xuất một hình ảnh đơn lẻ. Cụ thể, khi bạn muốn tạo một minh họa, khi bạn chỉ muốn tạo ảnh bìa, khi bạn muốn sửa màu hoặc bố cục của ảnh có sẵn, hoặc khi bạn muốn xuất ra một đề xuất thiết kế để dùng thử. Ngược lại, nó không phù hợp để sản xuất toàn bộ tài liệu. Lý do cũng đã rõ ràng. Vì rất khó để quản lý một cách tổng thể việc nghiên cứu, thiết kế cấu trúc 10 trang, tính nhất quán giữa các trang, và chuyển đổi sang PowerPoint và PDF.

🎯 ImageGen là công cụ chuyên cho một hình ảnh. Hãy để việc tạo tài liệu cho skill. Nếu bạn yêu cầu nó tạo tài liệu mà không biết ranh giới này, bạn sẽ đi đường vòng.

Cách yêu cầu đúng đắn là "hãy hướng dẫn toàn bộ bằng skill và để nó dùng ImageGen trong phạm vi đó"

Sự phân chia vai trò như sau:

• Design template (cái bạn tự tạo): Tái tạo bảng màu, trang trí và thế giới quan
• Skill tạo slide: Chịu trách nhiệm nghiên cứu, cấu trúc, tạo hình ảnh, kiểm chứng và chuyển đổi sang PPTX và PDF
• ImageGen: Thực sự tạo các hình ảnh hoàn chỉnh cho từng trang

Nếu bạn chỉ định hai mục đầu và gửi đi, ImageGen sẽ được gọi nội bộ. Đây là cách viết đã thực sự được hướng dẫn:

★ Ứng dụng (Hình thức chỉ định được Codex hướng dẫn. Phần chủ đề được ẩn và khái quát hóa)

1Using $imagegen-slide-deck and $artifact-template-(your template name), please create a 10-page document on the theme of "XX". With the same design as this time, please save the PowerPoint and PDF with the official title as the file name.

Nếu chỉ cần tái tạo thiết kế là đủ, riêng template là đủ dùng.

★ Ứng dụng (Tương tự như trên)

1Using $artifact-template-(your template name), please create a 10-page slide on the theme of "XX". Research the content and save it as PowerPoint and PDF.

⚡ PPTX nhận được không thể chỉnh sửa văn bản

Nếu không biết điều này, chắc chắn sẽ có tai nạn xảy ra. PowerPoint được tạo ra theo cách này có từng trang là một hình ảnh hoàn chỉnh. Nói cách khác, ngay cả khi bạn mở PowerPoint, bạn cũng không thể trực tiếp viết lại văn bản. Có một cách xử lý, và tôi được cho biết rằng nếu tôi ghi rõ "trong PowerPoint có thể chỉnh sửa văn bản" khi yêu cầu thì sẽ ổn. Đối với những tài liệu bạn muốn tự tinh chỉnh trước khi phát hành, hãy thêm điều này ngay từ đầu. Cũng cần chú ý đến tên file. Nếu để mặc định, nó được lưu với một cái tên chung chung như deck.pptx. Tôi luôn ghi "lưu với tiêu đề chính thức làm tên file" mỗi lần.

Hãy đưa nguồn tham khảo vào ghi chú thuyết trình

Điều này hiệu quả một cách tinh tế, nên tôi sẽ ghi lại. Tôi đã yêu cầu đưa URL của các nguồn đã nghiên cứu vào phần ghi chú thuyết trình của PowerPoint. Vì tôi có thể truy vết "mô tả này lấy từ đâu" sau này, tôi nghĩ đây là một thực hành thiết yếu cho những tài liệu phát hành cho người khác. Khi tôi yêu cầu kiểm tra thực tế riêng, nó trả lời bằng cách liệt kê URL của các bằng chứng và tách riêng những phần chưa được chứng minh và những phần mà cách diễn giải khác nhau tùy theo trường phái hoặc lập trường. Đây là một phần thực sự hữu ích.

Thời gian thực hiện

Đo lường thực tế. Tổng cộng trải qua 7 vòng. Buổi tư vấn thiết kế template đầu tiên mất 27 giây. Từ lúc truyền ảnh tham chiếu đến khi tạo phần thân template và bản đầu tiên của 10 trang mất 23 phút 9 giây. Lần thứ hai, khi tôi xây dựng lại cấu trúc, mất 13 phút 13 giây. Chỉ sửa một trang mất 11 phút 34 giây. Kiểm tra thực tế và hiệu chỉnh mất 14 phút 18 giây. Thay đổi cách diễn đạt thêm một lần nữa mất 6 phút 52 giây. Lưu và kiểm tra template mất 3 phút 11 giây. Sắp xếp tên file mất 1 phút 10 giây. Tổng cộng khoảng một tiếng rưỡi. Tuy nhiên, đây không phải là thời gian tôi dán mắt vào màn hình, mà là thời gian tôi chờ đợi sau khi gửi. Trong lúc đó tôi đã làm việc khác.

Những vấp váp được tìm thấy sau khi làm lại 7 lần

Đây có lẽ là điều tôi muốn truyền đạt nhất. Nó không hoàn thành trong một lần. Tôi đã trải qua 7 vòng. Bản đầu tiên ra đời, tôi xây dựng lại cấu trúc từ cơ bản, chỉ sửa một trang, kiểm tra thực tế, thay đổi cách diễn đạt, lưu và sắp xếp tên file. Việc có thể "chỉ sửa một trang" là điều lớn lao, và nó không trở thành một lần làm lại toàn bộ.

Vấp váp 1: Bản đầu tiên trả về chỉ là "xếp các mục cạnh nhau"

10 trang đầu tiên ra đời chính xác về mặt thông tin, nhưng yếu về mặt tài liệu. Các mục chỉ được xếp thẳng hàng, không phải một dòng chảy có sức thuyết phục người đọc. Vì vậy, ở lần thứ hai, tôi đã thay đổi cách sắp xếp. Thay vì chỉ định "tạo theo thứ tự này", tôi đã gửi thế này:

★ Ứng dụng (Nội dung chính của hướng dẫn tôi thực sự đã gửi. Không phải prompt do phía chính thức phân phối)

1To avoid failing with the slides, I'll leave it to you to decide what kind of structure and flow to proceed with, so please create it in the best way possible.

Đừng chỉ định cấu trúc, hãy để việc thiết kế cấu trúc cho AI. Bản thứ hai trả về, định dạng của từng trang đã được thống nhất, một phần giải thích cơ chế được thêm vào giữa tài liệu, và một bảng tham chiếu nhanh chéo được bổ sung ở nửa sau. Đó là một cấu trúc mà chính tôi cũng không nghĩ ra. Không nhất thiết lúc nào hướng dẫn càng chi tiết thì kết quả càng tốt. Yêu cầu về nội dung nên chi tiết, còn cấu trúc nên để cho AI. Tôi nghĩ sự phân bổ này là tốt.

Vấp váp 2: Văn bản đè lên ảnh và trở nên không đọc được

Thất bại dễ thấy nhất là điều này. Phần chú thích đặt ở cuối trang chồng lên hình minh họa phông nền và hoàn toàn không đọc được. Cách khắc phục rất đơn giản: tôi chuyển chú thích từ vị trí trên hình minh họa xuống tận cùng bên trong khung trắng. Điều này loại bỏ sự can thiệp với phông nền. Đây cũng chính là câu chuyện tương tự như việc chỉ định "chừa lề để đặt văn bản" trong mục Composition/framing của 14 mục. Cấu trúc mà hình ảnh và văn bản tranh chấp cùng một vị trí không thay đổi dù là một hình ảnh đơn lẻ hay một tài liệu 10 trang.

Vấp váp 3: Trang cuối yếu

Trang cuối của một tài liệu thường là nơi dẫn dắt đến lời đề nghị liên hệ. Trong bản đầu tiên, nó chỉ có một từ và quá đơn sơ. Điều tôi sửa là chia một câu thành ba giai đoạn. Truyền đạt rằng hiện đang có một cơ hội như vậy. Khuyến khích họ cho bạn biết tình hình hoặc điều họ đang gặp khó khăn. Sau đó đưa ra phương thức liên hệ. Nếu chỉ là "vui lòng liên hệ", người đọc không có lý do để hành động. Lý do, bầu không khí để có thể trao đổi, và phương thức. Chỉ cần đặt tách biệt ba thứ này, diện mạo của trang cuối đã thay đổi.

Vấp váp 4: Nó khẳng định những điều không nên khẳng định

Đây là câu chuyện hoạt động bất kể lĩnh vực nào, nên tôi sẽ viết nó ở cuối. Trong bản đầu tiên, có những mô tả khẳng định cả những phạm vi không nên khẳng định. Những điều thường được truyền miệng và những điều có thể xác nhận một cách khách quan là khác nhau, nhưng chúng được viết với cùng một giọng điệu. Vì vậy, tôi đã yêu cầu nó viết riêng những gì có thể xác nhận là sự thật và những gì chỉ được diễn giải như vậy. Nó tránh khẳng định và nêu rõ bản chất của tài liệu. 🔥 Đây là phần mà chỉ con người mới thấy được. AI rất giỏi trong việc sắp xếp diện mạo của một tài liệu, nhưng nó không đánh giá ranh giới của việc được phép khẳng định đến đâu. Tài liệu càng được phát hành rộng rãi, bạn càng nên tự đọc lại phần này.

Tham chiếu chéo: Tìm mục từ vấn đề bạn đang gặp phải

Cuối cùng, tôi sẽ tóm tắt nó dưới dạng có thể tra cứu từ triệu chứng.

• Hình ảnh trở nên hoàn toàn khác mỗi lần → Cố định bốn dòng: Scene/backdrop, Style/medium, Lighting/mood và Color palette
• Khuôn mặt của một người thay đổi mỗi lần → Đặt Use case thành identity-preserve và đặt một ảnh chuẩn vào Input images
• Muốn xuất ra cùng một nhân vật trong bối cảnh khác → Dùng định dạng character consistency workflow và chỉ định Style/medium là "giống như Ảnh 1"
• Chỉ muốn căn chỉnh phong cách → Trong style-transfer, đặt một ảnh bạn thích vào style reference
• Không có lề để đặt văn bản → Viết chỉ định về lề trong Composition/framing
• Văn bản tiếng Anh không được yêu cầu bị thêm vào → Đặt "no text" vào Constraints
• Văn bản trong ảnh bị lỗi → Truyền chính xác chuỗi ký tự muốn xuất ra trong Text (verbatim), đặt trong dấu ngoặc kép
• Kết cấu của ảnh sản phẩm không ổn định → Điền vào Materials/textures
• Gõ đúng theo quy trình mà không phản hồi → Kiểm tra màn hình bạn đang ở. Codex CLI và IDE extension dùng $, ChatGPT Work dùng @
• Dán template mỗi lần là phiền phức → Biến nó thành template bằng Template Creator và gọi từ gallery
• Muốn tạo tài liệu nhiều trang → Đừng dùng ImageGen trực tiếp; hãy chỉ định cả skill tạo slide và template
• Không thể viết lại văn bản trong PowerPoint → Ghi rõ "trong PowerPoint có thể chỉnh sửa văn bản" khi yêu cầu
• Tên file trở thành tên chung chung như deck.pptx → Ghi "lưu với tiêu đề chính thức làm tên file" mỗi lần
• Muốn căn chỉnh cả bố cục slide → Truyền kèm không chỉ PNG tham chiếu mà cả PPTX gốc
• Văn bản trong tài liệu chồng lên ảnh → Yêu cầu đặt văn bản bên trong khung trắng thay vì trên ảnh
• Tài liệu nhận được chỉ "xếp thẳng hàng" và yếu → Đừng chỉ định cấu trúc, hãy để AI thiết kế cấu trúc

Một điều bạn nên làm hôm nay

Nếu bạn cố làm tất cả cùng một lúc, có lẽ bạn sẽ không duy trì được. Trước tiên, hãy quyết định chỉ một loại hình ảnh mà bạn tạo thường xuyên nhất. Dù là header blog, thumbnail hay minh họa cho tài liệu. Chỉ cần điền template cho một loại đó vào khung template trống ở trên và lưu lại. Vậy là xong. Bạn không cần điền cả 14 mục. Nếu có bốn dòng phông nền, phong cách, ánh sáng và bảng màu, thì bức ảnh bạn tạo lần sau sẽ nghiêng về phía bức ảnh lần trước. Bạn có thể tiến tới việc tạo template hoặc slide sau đó cũng được. Nếu đảo ngược thứ tự, bạn sẽ tự động hóa mà không biết mình đã cố định điều gì. Trước tiên, hãy điền một mẫu bằng tay. Dùng đi dùng lại và nhận ra những dòng còn thiếu. Sau đó biến nó thành template. Chuyển từ công việc viết prompt sang công việc điền prompt. Khi điều này thay đổi, nội dung thời gian dành cho việc tạo hình ảnh sẽ được thay thế. Thời gian suy nghĩ giảm xuống, thời gian lựa chọn tăng lên. Hãy thử mở mẫu bạn đã tạo vào tuần sau. Nơi bạn cảm thấy thiếu một dòng chính là mục cần thiết cho công việc của bạn.

Nguồn tham khảo

• Định nghĩa skill imagegen chính thức của OpenAI (Shared Prompt Scaffolding / Chế độ mặc định và sự cần thiết của API key / Chính sách bổ sung prompt) https://github.com/openai/skills/blob/main/skills/.system/imagegen/SKILL.md

• Bộ sưu tập prompt mẫu imagegen chính thức của OpenAI (11 loại để tạo / 8 loại để chỉnh sửa / Template và ví dụ theo vị trí sử dụng) https://github.com/openai/codex/blob/main/codex-rs/skills/src/assets/samples/imagegen/references/sample-prompts.md

• Tài liệu chính thức của OpenAI "Cách gọi skill và nơi khả dụng" (Sự khác biệt giữa $ và @ / System skills) https://learn.chatgpt.com/docs/build-skills

• Tài liệu chính thức của OpenAI "Skills" (Cơ chế mà danh tính thực sự của template được lưu dưới dạng skill) https://developers.openai.com/plugins/concepts/skills.md

• Template Gallery, Template Creator, quy trình từ nghiên cứu đến tạo tài liệu, thời gian cần thiết và các vấp váp là nhật ký vận hành thực tế của tác giả vào tháng 8/2026. Cấu hình màn hình và tên gọi có thể thay đổi trong tương lai.