Bài học

Xây thư viện kiến thức và Prompt dùng lại

Sắp xếp mẫu Prompt, tài liệu và bài học thành hệ thống có thể tìm kiếm, bảo trì.

prompt · 21
16

Kiến thức nền và ví dụ ứng dụng

1. Quy tắc đặt tên

Mỗi Prompt cần tên theo hành động, mục tiêu, nhóm sử dụng và phiên bản. Ví dụ “Email chăm sóc sau mua / khách B2B / v1”.

2. Ghi lại ngữ cảnh sử dụng

Lưu mục đích, dữ liệu cần điền, đầu ra mong muốn, ví dụ kết quả đạt yêu cầu và lỗi thường gặp. Tránh lưu dữ liệu cá nhân của khách hàng trong mẫu dùng chung.

3. Vòng đời cập nhật

Khi công cụ đổi cách hoạt động hoặc yêu cầu kinh doanh thay đổi, kiểm thử và đánh số phiên bản mới. Không sửa Prompt đang dùng mà không lưu lại bản cũ nếu cần khả năng đối chiếu.

Bài tập: Lưu 3 Prompt thường xuyên dùng và tạo tiêu chí đánh giá đầu ra cho mỗi Prompt.

Kết quả cần đạt và cách học

Cá nhân hoặc nhóm tạo thư viện Prompt có phiên bản và phân quyền.

Bài học này là giáo trình thực hành biên soạn bằng tiếng Việt: quy trình, ví dụ và rubric là đề xuất đào tạo, không phải sản phẩm, ca triển khai hay lời chứng thực của nhà cung cấp. Những khái niệm kỹ thuật được đối chiếu với tài liệu công khai ghi cuối bài. Học viên nên dành một phiên làm việc với dữ liệu được phép sử dụng và giữ lại kết quả để so sánh.

Chuẩn bị dữ liệu và nguyên tắc trước khi thao tác

20 tài liệu đã kiểm duyệt, 10 prompt thực hành, thẻ chủ đề và ngày cập nhật.

Trước khi gửi dữ liệu cho công cụ AI, loại tên riêng không cần thiết, số điện thoại, mật khẩu, mã truy cập, hồ sơ khách hàng và thông tin nội bộ vượt phạm vi cho phép. Nếu dữ liệu cần được giữ kín, hỏi bộ phận quản trị về quyền truy cập, lưu trữ và lựa chọn môi trường phù hợp; không suy luận rằng công cụ nào tự bảo đảm bí mật chỉ vì có giao diện đăng nhập.

Viết mục tiêu kiểm chứng ngay từ đầu theo mẫu: “Tôi cần [loại đầu ra], dựa trên [bộ dữ liệu], cho [người nhận], trong [định dạng], và chấp nhận khi [điều kiện đo được].” Một đầu ra trông mạch lạc nhưng không thỏa điều kiện kiểm chứng thì vẫn là bài làm chưa đạt.

Quy trình thực hành từng bước

  1. Xác định chủ sở hữu tài liệu và quyền chia sẻ. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  2. Đặt quy tắc đặt tên, phiên bản, trạng thái đã duyệt. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  3. Gắn Prompt với ví dụ kết quả tốt và trường hợp thất bại. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  4. Tách tài liệu nội bộ khỏi nhóm được phép đưa lên AI cloud. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.
  5. Định kỳ loại bỏ tài liệu hết hiệu lực. Sau bước này, lưu kết quả trung gian hoặc ảnh chụp trạng thái để có thể truy ngược khi phát hiện lỗi.

Prompt để bắt đầu

Bạn là trợ lý hỗ trợ tác vụ Xây thư viện kiến thức và Prompt dùng lại.
Mục tiêu: Cá nhân hoặc nhóm tạo thư viện Prompt có phiên bản và phân quyền.
Nguồn đầu vào: 20 tài liệu đã kiểm duyệt, 10 prompt thực hành, thẻ chủ đề và ngày cập nhật.
Hãy xử lý theo trình tự: Xác định chủ sở hữu tài liệu và quyền chia sẻ.; Đặt quy tắc đặt tên, phiên bản, trạng thái đã duyệt.; Gắn Prompt với ví dụ kết quả tốt và trường hợp thất bại.; Tách tài liệu nội bộ khỏi nhóm được phép đưa lên AI cloud..
Yêu cầu bắt buộc: chỉ dùng dữ liệu đã cung cấp, phân biệt dữ kiện và giả định, ghi rõ phần chưa xác minh.
Định dạng: 1) Kết quả chính; 2) Bảng nguồn và bằng chứng; 3) Những điểm cần kiểm tra; 4) Hành động tiếp theo.
Điều kiện đánh giá: Tìm được prompt theo nhu cầu, biết tác giả, phiên bản, nguồn và trạng thái kiểm chứng.
DỮ LIỆU: [DÁN DỮ LIỆU ĐÃ ĐƯỢC PHÉP SỬ DỤNG]

Mẫu trên chỉ là khởi điểm. Ở mỗi vòng thử, chỉ thay một nhóm thông số như giới hạn độ dài, dữ liệu nguồn hoặc định dạng đầu ra; nếu thay mọi thứ cùng lúc sẽ khó biết yếu tố nào giúp cải thiện kết quả.

Tình huống sai và cách sửa

Có hai phiên bản chính sách trái nhau nhưng AI dùng bản cũ làm nguồn.

Đầu tiên yêu cầu AI chỉ ra đoạn nguồn nào hỗ trợ từng khẳng định, sau đó tự mở nguồn để kiểm tra. Nếu không tìm được bằng chứng, sửa kết quả thành “chưa xác minh” hoặc loại bỏ. Tránh dùng một model thứ hai như bằng chứng duy nhất; hai mô hình có thể cùng lặp lại một giả định sai.

Khi xuất hiện sai sót, lưu lại phiên bản prompt, phần dữ liệu liên quan và câu trả lời lỗi. Viết thêm một trường hợp kiểm thử tương tự để đảm bảo lỗi không xuất hiện lại sau khi chỉnh sửa. Không đánh giá bằng vài câu hỏi thuận lợi; phải có ca thiếu dữ liệu, ca dữ liệu mâu thuẫn và ca câu hỏi ngoài phạm vi.

Bài thực hành có đầu ra cụ thể

  1. Đặt tên file “de-bai-quan-ly-kien-thuc-ca-nhan.md”, ghi mục tiêu, thời gian thử và dữ liệu đầu vào được phép.
  2. Chạy phiên bản đầu tiên của prompt, lưu toàn bộ đầu ra mà không sửa tay; đánh dấu mọi câu có thông tin định lượng hoặc tuyên bố thực tế.
  3. Kiểm tra thủ công 5 mệnh đề quan trọng nhất trên tài liệu nguồn, thêm liên kết nguồn và kết luận đúng/sai/không đủ dữ kiện.
  4. Chỉnh một yếu tố trong prompt, chạy lại cùng dữ liệu, ghi nhận sự thay đổi theo thang đo đã đặt.
  5. Viết bản báo cáo cuối khoảng 200–300 từ với kết quả, lỗi, việc còn thiếu, quyết định dùng hoặc không dùng cho công việc thật.

Bộ tiêu chí tự chấm

  • Đúng nhiệm vụ: câu trả lời giải quyết đúng câu hỏi thay vì lặp lại hướng dẫn hay quảng cáo công cụ.
  • Có thể truy xuất: dữ kiện quan trọng có nguồn gốc, thời gian và phạm vi rõ ràng.
  • Đủ cấu trúc: xuất đúng định dạng để người học khác hoặc hệ thống tiếp theo sử dụng.
  • An toàn dữ liệu: không tiết lộ secret, không gán quyền truy cập không tồn tại, không nhầm giả định thành kết luận.
  • Lặp lại được: người khác có thể dùng prompt, đầu vào và tiêu chí tương tự để so kết quả.

Tiêu chí đặc thù của bài học này: Tìm được prompt theo nhu cầu, biết tác giả, phiên bản, nguồn và trạng thái kiểm chứng. Hãy tự chấm từng nhóm theo mức Đạt / Cần sửa / Không đủ thông tin, thay vì cho một điểm số chung không giải thích được. Khi người học ở nhóm, nên có người khác phản biện những kết luận ảnh hưởng đến khách hàng, ngân sách hoặc hệ thống.

Mở rộng thành quy trình dùng lâu dài

Khi kết quả bước đầu ổn, lưu mẫu vào thư viện nội bộ với phiên bản, người biên tập, phạm vi dữ liệu và ngày kiểm tra. Quy định ai được sửa prompt, ai được phê duyệt đầu ra và khi nào cần gửi lại chuyên gia. Chọn một chỉ số thực tế như tỷ lệ phải sửa, thời gian tiết kiệm sau khi tính cả bước kiểm chứng, hoặc số tình huống từ chối đúng để đo chất lượng thay vì chỉ đếm số lần gọi model.

Không nên tự động hóa toàn bộ ngay lập tức. Bắt đầu ở chế độ AI gợi ý, người duyệt thực thi. Sau vài vòng đạt chất lượng ổn định mới xem xét các bước tự động không có rủi ro, có log và có khả năng hoàn tác. Với hoạt động có giá trị cao hoặc dữ liệu nhạy cảm, phải giữ quyền quyết định của con người.

Tài liệu đối chiếu

Đối chiếu khái niệm và khả năng kỹ thuật tại: https://developers.openai.com/api/docs/guides/tools-file-search. Bài tập, ví dụ tình huống và checklist là nội dung biên soạn của website, không phải tuyên bố của nhà cung cấp. Ngày kiểm tra liên kết: 2026-11-07.

Nguồn tham khảo: https://developers.openai.com/api/docs/guides/tools-file-search