Bài 36.4: Prompt engineering và templates

Chào mừng các bạn đã quay trở lại với chuỗi bài viết về Lập trình Web Front-end và hành trình khám phá sự kết hợp giữa Web và AI! Trong bài học này, chúng ta sẽ đi sâu vào một khía cạnh quan trọng bậc nhất khi làm việc với các mô hình AI tạo sinh (Generative AI), đặc biệt là các mô hình ngôn ngữ lớn (LLMs) như GPT-4, Claude, Gemini... Đó chính là Prompt Engineering và cách sử dụng Prompt Templates một cách hiệu quả trong bối cảnh phát triển Web.

Nếu bạn đang nghĩ đến việc tích hợp khả năng của AI vào ứng dụng web của mình – ví dụ như tạo chatbot, tóm tắt nội dung, sinh code, phân tích dữ liệu người dùng... – thì việc hiểu rõ cách "nói chuyện" với AI là chìa khóa để đạt được kết quả như ý. Đây không chỉ là việc đưa ra một câu hỏi bất kỳ, mà là cả một nghệ thuật và khoa học để dẫn dắt AI thực hiện nhiệm vụ một cách chính xác và hiệu quả nhất.

Prompt Engineering là gì và Tại sao nó Quan trọng?

Prompt Engineering có thể hiểu đơn giản là quá trình thiết kế, tinh chỉnh và tối ưu các "prompt" (câu lệnh, yêu cầu) mà chúng ta gửi đến mô hình AI để nhận được phản hồi mong muốn. Nó giống như việc bạn hướng dẫn một người đồng nghiệp rất thông minh nhưng cần sự chỉ dẫn rõ ràng và cụ thể để hoàn thành công việc.

Tại sao điều này lại cực kỳ quan trọng trong phát triển Web?

  1. Kiểm soát đầu ra: Các mô hình AI có thể tạo ra nhiều loại phản hồi khác nhau dựa trên cùng một yêu cầu mơ hồ. Prompt Engineering giúp bạn kiểm soát định dạng, nội dung và phong cách của đầu ra, đảm bảo nó phù hợp với yêu cầu của ứng dụng và người dùng.
  2. Độ tin cậy: Một prompt được thiết kế tốt giúp giảm thiểu các phản hồi không liên quan, sai lệch hoặc "ảo giác" (hallucination) từ AI. Điều này tạo nên trải nghiệm người dùng tin cậy hơn.
  3. Hiệu quả: Prompt tối ưu có thể giúp AI xử lý nhanh hơn và sử dụng ít tài nguyên hơn (đặc biệt quan trọng với các API trả phí).
  4. Tùy chỉnh trải nghiệm: Bằng cách thay đổi prompt dựa trên ngữ cảnh, dữ liệu người dùng hoặc cài đặt ứng dụng, bạn có thể tạo ra các tính năng AI cá nhân hóa và linh hoạt.

Hãy thử tưởng tượng bạn muốn AI tóm tắt một bài báo mà người dùng đang đọc. Nếu prompt của bạn chỉ là "Tóm tắt bài này", AI có thể trả về một đoạn văn bản dài, một danh sách gạch đầu dòng, hoặc thậm chí chỉ là vài câu lủng củng. Nhưng nếu prompt là "Tóm tắt bài viết sau thành 3 gạch đầu dòng chính, mỗi gạch đầu dòng không quá 20 từ:", bạn sẽ có cơ hội cao hơn nhận được kết quả đúng format và độ dài mong muốn.

Các Thành phần của một Prompt Tốt

Một prompt hiệu quả thường bao gồm một hoặc nhiều thành phần sau:

  • Instruction (Chỉ dẫn): Yêu cầu rõ ràng về nhiệm vụ cần thực hiện (ví dụ: "Tóm tắt", "Viết code", "Dịch", "Phân loại").
  • Context (Ngữ cảnh): Thông tin nền giúp AI hiểu rõ yêu cầu hơn (ví dụ: "Đây là cuộc trò chuyện của người dùng với bot hỗ trợ", "Bài viết này nói về lập trình React").
  • Input Data (Dữ liệu đầu vào): Dữ liệu cụ thể mà AI cần xử lý (ví dụ: văn bản cần tóm tắt, yêu cầu của người dùng, đoạn code cần sửa).
  • Output Format (Định dạng đầu ra): Yêu cầu về cách AI nên trình bày kết quả (ví dụ: "dưới dạng JSON", "theo gạch đầu dòng", "chỉ trả về code, không giải thích").
  • Persona (Vai trò): Yêu cầu AI đóng vai trò nào đó (ví dụ: "Hãy đóng vai một chuyên gia marketing", "Hãy trả lời như một trợ lý thân thiện").
  • Examples (Ví dụ - Few-shot Prompting): Cung cấp một vài cặp ví dụ Input/Output để AI học theo phong cách hoặc định dạng mong muốn.

Prompt Engineering chính là việc kết hợp khéo léo các thành phần này để tạo ra yêu cầu tối ưu cho từng tác vụ cụ thể trong ứng dụng web của bạn.

Prompt Templates: Giải pháp cho Sự Nhất quán và Tái sử dụng

Khi tích hợp AI vào ứng dụng Web, bạn sẽ không chỉ gửi một prompt duy nhất. Thay vào đó, cùng một loại tác vụ (ví dụ: tóm tắt) sẽ được thực hiện nhiều lần với dữ liệu đầu vào khác nhau. Việc tạo lại toàn bộ prompt từ đầu mỗi lần là không hiệu quả và dễ gây lỗi. Đây là lúc Prompt Templates phát huy sức mạnh.

Prompt Template là một cấu trúc prompt có sẵn các chỗ giữ chỗ (placeholders) cho dữ liệu đầu vào động. Bạn định nghĩa cấu trúc chung của prompt một lần, sau đó chỉ cần điền dữ liệu cụ thể vào các chỗ giữ chỗ này khi thực thi.

Ví dụ, thay vì viết code để tạo ra prompt: "Tóm tắt đoạn văn bản sau thành 3 câu: " + userProvidedText

Bạn định nghĩa một template: "Tóm tắt đoạn văn bản sau thành {num_sentences} câu: \n\n{text_to_summarize}"

Và sau đó, trong code, bạn chỉ cần thay thế {num_sentences} bằng số câu mong muốn (ví dụ: 3) và {text_to_summarize} bằng văn bản của người dùng.

Lợi ích của Prompt Templates:
  • Tái sử dụng: Định nghĩa template một lần, sử dụng nhiều lần cho các dữ liệu khác nhau.
  • Nhất quán: Đảm bảo tất cả các prompt cho cùng một tác vụ đều có cấu trúc và chỉ dẫn tương tự, giúp AI hoạt động ổn định hơn.
  • Dễ quản lý: Thay vì rải rác logic tạo prompt khắp code base, bạn tập trung định nghĩa các template ở một nơi.
  • Tách biệt logic: Tách biệt nội dung và cấu trúc của prompt khỏi dữ liệu động của ứng dụng.

Triển khai Prompt Templates trong Lập trình Web (JavaScript/TypeScript)

Trong môi trường Web với JavaScript/TypeScript, chúng ta có nhiều cách để triển khai Prompt Templates. Các cách đơn giản nhất là sử dụng string interpolation hoặc template literals. Đối với các trường hợp phức tạp hơn, có thể dùng các thư viện nhỏ hoặc cấu trúc dữ liệu tùy chỉnh.

Ví dụ 1: Template đơn giản với Template Literals

Template literals (sử dụng dấu backtick `) là cách tự nhiên và dễ đọc nhất trong JavaScript/TypeScript để tạo template động.

// Định nghĩa template sử dụng template literals
const greetTemplate = (userName) => {
  return `Chào bạn ${userName}! Tôi có thể giúp gì cho bạn hôm nay?`;
};

// Sử dụng template với dữ liệu động
const userName = "Đạt";
const finalPrompt = greetTemplate(userName);

console.log(finalPrompt); // Output: Chào bạn Đạt! Tôi có thể giúp gì cho bạn hôm nay?

// Gửi finalPrompt này tới API của mô hình AI
// ...

Giải thích:

  • Chúng ta định nghĩa một hàm greetTemplate nhận vào userName.
  • Bên trong hàm, chúng ta sử dụng template literal `...${variable}...` để nhúng giá trị của biến userName vào chuỗi prompt.
  • Khi gọi hàm với tên cụ thể, nó sẽ trả về chuỗi prompt hoàn chỉnh sẵn sàng để gửi đi.
Ví dụ 2: Template phức tạp hơn với nhiều biến và Format Output

Hãy xem xét template cho tác vụ tóm tắt, yêu cầu format cụ thể.

// Template cho việc tóm tắt văn bản
const summarizeTemplate = (textToSummarize, numSentences, format = 'gạch đầu dòng') => {
  return `Tóm tắt đoạn văn bản sau:
"""
${textToSummarize}
"""
Thành ${numSentences} câu.
Định dạng kết quả dưới dạng ${format}.
Không thêm bất kỳ thông tin ngoài lề nào khác.`;
};

// Sử dụng template
const longArticle = `Bài viết này nói về tầm quan trọng của Prompt Engineering. Prompt engineering là kỹ năng thiết kế prompt để AI hiểu đúng yêu cầu. Nó giúp cải thiện độ chính xác và hiệu quả của mô hình AI. Các prompt tốt cần rõ ràng, cụ thể và cung cấp đủ ngữ cảnh. Việc sử dụng template giúp quản lý prompt dễ dàng hơn.`;
const sentences = 2;
const desiredFormat = 'đoạn văn ngắn';

const finalPrompt = summarizeTemplate(longArticle, sentences, desiredFormat);

console.log(finalPrompt);
/*
Output:
Tóm tắt đoạn văn bản sau:
"""
Bài viết này nói về tầm quan trọng của Prompt Engineering. Prompt engineering là kỹ năng thiết kế prompt để AI hiểu đúng yêu cầu. Nó giúp cải thiện độ chính xác và hiệu quả của mô hình AI. Các prompt tốt cần rõ ràng, cụ thể và cung cấp đủ ngữ cảnh. Việc sử dụng template giúp quản lý prompt dễ dàng hơn.
"""
Thành 2 câu.
Định dạng kết quả dưới dạng đoạn văn ngắn.
Không thêm bất kỳ thông tin ngoài lề nào khác.
*/

// Gửi finalPrompt này tới API của mô hình AI
// ...

Giải thích:

  • Hàm summarizeTemplate nhận ba tham số: textToSummarize, numSentences, và format (có giá trị mặc định).
  • Template literal giờ đây phức tạp hơn, bao gồm cả chỉ dẫn về format và các constraints ("Không thêm bất kỳ thông tin ngoài lề nào khác").
  • Chúng ta dễ dàng thay thế các phần động ${...} bằng dữ liệu của người dùng hoặc cấu hình từ ứng dụng.
Ví dụ 3: Template cho tác vụ sinh code

Một ứng dụng AI hữu ích trong Web Development là khả năng sinh code. Template có thể giúp định hướng cho AI.

// Template cho việc sinh một component React đơn giản
const reactComponentTemplate = (componentName, propsList, innerContentDescription) => {
  return `Tạo một component React Function tên là ${componentName} bằng TypeScript.
Component này nhận các props sau: ${propsList}.
Component này nên hiển thị nội dung mô tả: "${innerContentDescription}".
Chỉ trả về code của component, không giải thích thêm.
Xuất component dưới dạng default export.`;
};

// Sử dụng template
const name = 'UserGreeting';
const props = 'name: string, age: number';
const content = 'Một thẻ div hiển thị tên và tuổi người dùng theo format "Xin chào, [tên] ([tuổi] tuổi!)"';

const finalPrompt = reactComponentTemplate(name, props, content);

console.log(finalPrompt);
/*
Output:
Tạo một component React Function tên là UserGreeting bằng TypeScript.
Component này nhận các props sau: name: string, age: number.
Component này nên hiển thị nội dung mô tả: "Một thẻ div hiển thị tên và tuổi người dùng theo format "Xin chào, [tên] ([tuổi] tuổi!)"".
Chỉ trả về code của component, không giải thích thêm.
Xuất component dưới dạng default export.
*/

// Gửi finalPrompt này tới API của mô hình AI để nhận về code React
// ...

Giải thích:

  • Template này có cấu trúc rõ ràng, yêu cầu AI sinh code React bằng TypeScript.
  • Nó chỉ rõ tên component, các props dự kiến và mô tả nội dung bên trong JSX.
  • Constraint "Chỉ trả về code của component, không giải thích thêm" là một ví dụ về việc yêu cầu định dạng đầu ra nghiêm ngặt.
Ví dụ 4: Quản lý Template phức tạp hơn (ví dụ cấu trúc Object)

Đối với các ứng dụng lớn, việc quản lý hàng chục prompt template dưới dạng các hàm có thể trở nên cồng kềnh. Chúng ta có thể nhóm chúng lại trong các object hoặc module riêng.

// Định nghĩa các template trong một object
const promptTemplates = {
  summarize: (textToSummarize, numSentences = 3, format = 'gạch đầu dòng') => {
    return `Tóm tắt đoạn văn bản sau:
"""
${textToSummarize}
"""
Thành ${numSentences} câu.
Định dạng kết quả dưới dạng ${format}.
Không thêm bất kỳ thông tin ngoài lề nào khác.`;
  },
  translate: (text, sourceLang, targetLang) => {
    return `Dịch đoạn văn bản sau từ tiếng ${sourceLang} sang tiếng ${targetLang}:
"${text}"
Chỉ trả về văn bản đã dịch, không thêm chú thích gì khác.`;
  },
  classifySentiment: (text) => {
    return `Phân loại cảm xúc của đoạn văn bản sau (tích cực, tiêu cực, trung tính). Chỉ trả về một trong ba từ khóa đó:
"${text}"`;
  }
  // ... thêm các template khác
};

// Sử dụng các template từ object
const userReview = "Dịch vụ tuyệt vời! Rất hài lòng với chất lượng sản phẩm.";
const sentimentPrompt = promptTemplates.classifySentiment(userReview);

console.log(sentimentPrompt);
/*
Output:
Phân loại cảm xúc của đoạn văn bản sau (tích cực, tiêu cực, trung tính). Chỉ trả về một trong ba từ khóa đó:
"Dịch vụ tuyệt vời! Rất hài lòng với chất lượng sản phẩm."
*/

const reviewText = "Sản phẩm này hoạt động không như mong đợi, tôi khá thất vọng.";
const summarizedReviewPrompt = promptTemplates.summarize(reviewText, 1, 'một câu ngắn gọn');

console.log(summarizedReviewPrompt);
/*
Output:
Tóm tắt đoạn văn bản sau:
"""
Sản phẩm này hoạt động không như mong đợi, tôi khá thất vọng.
"""
Thành 1 câu.
Định dạng kết quả dưới dạng một câu ngắn gọn.
Không thêm bất kỳ thông tin ngoài lề nào khác.
*/

// Gửi các prompt tới API
// ...

Giải thích:

  • Các template được tổ chức trong một object promptTemplates, với mỗi key là tên tác vụ.
  • Mỗi giá trị là một hàm tạo prompt cho tác vụ tương ứng.
  • Cách này giúp code có tổ chức hơn, dễ dàng tìm kiếm và quản lý các template khác nhau.

Lưu ý Quan trọng khi Sử dụng Prompt Templates

  • Bảo mật: Đặc biệt chú ý đến Prompt Injection. Nếu prompt của bạn bao gồm nội dung trực tiếp từ người dùng (ví dụ: một ô input cho phép người dùng nhập "yêu cầu đặc biệt"), kẻ xấu có thể cố gắng "tiêm" vào đó các chỉ dẫn độc hại để đánh lừa AI làm điều không mong muốn (ví dụ: bỏ qua các chỉ dẫn ban đầu, tiết lộ thông tin nhạy cảm). Cần xử lý input người dùng cẩn thận trước khi đưa vào prompt, có thể cần các kỹ thuật làm sạch (sanitization) hoặc kiểm tra (validation) nâng cao.
  • Phiên bản hóa: Khi ứng dụng của bạn phát triển, các prompt template có thể cần thay đổi để phù hợp với mô hình AI mới hơn hoặc yêu cầu tính năng mới. Hãy suy nghĩ về cách quản lý phiên bản của các template này, đặc biệt nếu chúng được lưu trữ bên ngoài code (ví dụ: trong database hoặc file cấu hình).
  • Thử nghiệm và Lặp lại: Prompt Engineering là một quá trình lặp lại. Bạn sẽ cần thử nghiệm các phiên bản template khác nhau, đánh giá kết quả từ AI và tinh chỉnh lại cho đến khi đạt được hiệu suất mong muốn.

Comments

There are no comments at the moment.