hieutruongbackl
Thành viên
- Tham gia
- 20/8/2025
- Bài viết
- 12
Mình thấy hiện nay khá nhiều người đã bắt đầu sử dụng ChatGPT, Gemini, Claude hay các công cụ AI khác để hỗ trợ công việc. Tuy nhiên, có một vấn đề khá phổ biến là cùng một công cụ AI nhưng mỗi người lại nhận được kết quả rất khác nhau.
Có lúc AI trả lời rất đúng ý, nhưng cũng có lúc câu trả lời quá chung chung, sai ngữ cảnh hoặc phải sửa prompt rất nhiều lần mới sử dụng được.
Nguyên nhân có thể nằm ở cách chúng ta đưa yêu cầu cho AI.
Hiểu đơn giản, Prompt Engineering là cách thiết kế câu lệnh để AI hiểu đúng mục tiêu, bối cảnh, yêu cầu và định dạng đầu ra mà mình mong muốn.
Thay vì chỉ viết:
“Viết cho tôi một bài quảng cáo về sản phẩm này.”
Có thể cung cấp thêm vai trò, bối cảnh, đối tượng khách hàng, mục tiêu, yêu cầu về nội dung và định dạng đầu ra.
Khi prompt được xây dựng có cấu trúc, kết quả thường dễ kiểm soát và có thể lặp lại hơn.
Điều này đặc biệt hữu ích với những người thường xuyên sử dụng AI cho Content, Marketing, SEO, phân tích dữ liệu hoặc các công việc văn phòng.
Mình có tìm hiểu khóa Prompt Engineering thực chiến của DNAI và thấy chương trình tập trung khá nhiều vào việc thực hành.
Khóa học kéo dài 6 buổi, tương đương 18 giờ, hình thức Hybrid. Nội dung đi từ cấu trúc của một prompt tốt đến các kỹ thuật nâng cao và xây dựng workflow prompt có thể sử dụng lặp lại.
Một số nội dung đáng chú ý gồm:
Khóa học cũng có 80+ prompt template được phân loại theo phòng ban, cùng bài tập cuối khóa được giảng viên review 1-1.
Theo thông tin khóa học, chương trình hướng đến người đã sử dụng AI cơ bản và muốn nâng cao khả năng làm việc với AI. Nhóm học viên phù hợp gồm người làm Content, Marketer, Analyst hoặc trưởng nhóm muốn chuẩn hóa cách sử dụng prompt trong team.
Vì vậy, nếu mục tiêu chỉ là sử dụng AI hiệu quả hơn trong công việc thì không nhất thiết phải bắt đầu bằng lập trình.
Theo mình đây mới là phần đáng quan tâm.
Ví dụ một người làm Marketing có thể xây dựng bộ prompt phục vụ nghiên cứu khách hàng, lên outline, viết nội dung và kiểm tra CTA.
Người làm Sales có thể xây dựng prompt để phân loại Lead, phân tích nhu cầu khách hàng hoặc tạo kịch bản tư vấn.
Còn với công việc phân tích, có thể sử dụng prompt theo quy trình thay vì hỏi AI từng câu rời rạc.
Mục tiêu cuối cùng không phải là biết thật nhiều câu prompt, mà là xây dựng được một cách làm có thể sử dụng lại và cải tiến theo thời gian.
Nếu bạn đang sử dụng ChatGPT hoặc các công cụ AI hằng ngày nhưng cảm thấy kết quả chưa ổn định, khóa Prompt Engineering thực chiến có thể là một chương trình đáng tham khảo.
DNAI hiện giới thiệu khóa học với nội dung tập trung vào thiết kế prompt có cấu trúc, xây dựng prompt library và workflow lặp cho công việc.
👉 Xem chi tiết khóa học Prompt Engineering tại DNAI:
https://dnai.vn/khoa-hoc/prompt-engineering
Theo mình, thay vì cố gắng học càng nhiều công cụ AI càng tốt, việc hiểu cách giao tiếp và xây dựng quy trình làm việc với AI có thể mang lại giá trị thực tế hơn.
Có lúc AI trả lời rất đúng ý, nhưng cũng có lúc câu trả lời quá chung chung, sai ngữ cảnh hoặc phải sửa prompt rất nhiều lần mới sử dụng được.
Nguyên nhân có thể nằm ở cách chúng ta đưa yêu cầu cho AI.
Prompt Engineering là gì?
Hiểu đơn giản, Prompt Engineering là cách thiết kế câu lệnh để AI hiểu đúng mục tiêu, bối cảnh, yêu cầu và định dạng đầu ra mà mình mong muốn.
Thay vì chỉ viết:
“Viết cho tôi một bài quảng cáo về sản phẩm này.”
Có thể cung cấp thêm vai trò, bối cảnh, đối tượng khách hàng, mục tiêu, yêu cầu về nội dung và định dạng đầu ra.
Khi prompt được xây dựng có cấu trúc, kết quả thường dễ kiểm soát và có thể lặp lại hơn.
Điều này đặc biệt hữu ích với những người thường xuyên sử dụng AI cho Content, Marketing, SEO, phân tích dữ liệu hoặc các công việc văn phòng.
Khóa học Prompt Engineering tại DNAI có gì?
Mình có tìm hiểu khóa Prompt Engineering thực chiến của DNAI và thấy chương trình tập trung khá nhiều vào việc thực hành.
Khóa học kéo dài 6 buổi, tương đương 18 giờ, hình thức Hybrid. Nội dung đi từ cấu trúc của một prompt tốt đến các kỹ thuật nâng cao và xây dựng workflow prompt có thể sử dụng lặp lại.
Một số nội dung đáng chú ý gồm:
- Cấu trúc 5 thành phần của một prompt.
- Role, Context, Task, Format và Examples.
- Kỹ thuật Few-shot và Role Prompting.
- Đánh giá và tối ưu prompt theo tiêu chí cụ thể.
- Xây dựng Prompt Library cá nhân và cho đội nhóm.
- Prompt Chaining cho các công việc nhiều bước.
- Xây dựng Custom GPT hoặc Claude Project cho workflow lặp.
Khóa học cũng có 80+ prompt template được phân loại theo phòng ban, cùng bài tập cuối khóa được giảng viên review 1-1.
Không biết lập trình có học được không?
Theo thông tin khóa học, chương trình hướng đến người đã sử dụng AI cơ bản và muốn nâng cao khả năng làm việc với AI. Nhóm học viên phù hợp gồm người làm Content, Marketer, Analyst hoặc trưởng nhóm muốn chuẩn hóa cách sử dụng prompt trong team.
Vì vậy, nếu mục tiêu chỉ là sử dụng AI hiệu quả hơn trong công việc thì không nhất thiết phải bắt đầu bằng lập trình.
Học Prompt Engineering có ứng dụng được vào công việc không?
Theo mình đây mới là phần đáng quan tâm.
Ví dụ một người làm Marketing có thể xây dựng bộ prompt phục vụ nghiên cứu khách hàng, lên outline, viết nội dung và kiểm tra CTA.
Người làm Sales có thể xây dựng prompt để phân loại Lead, phân tích nhu cầu khách hàng hoặc tạo kịch bản tư vấn.
Còn với công việc phân tích, có thể sử dụng prompt theo quy trình thay vì hỏi AI từng câu rời rạc.
Mục tiêu cuối cùng không phải là biết thật nhiều câu prompt, mà là xây dựng được một cách làm có thể sử dụng lại và cải tiến theo thời gian.
Tìm hiểu khóa Prompt Engineering tại DNAI
Nếu bạn đang sử dụng ChatGPT hoặc các công cụ AI hằng ngày nhưng cảm thấy kết quả chưa ổn định, khóa Prompt Engineering thực chiến có thể là một chương trình đáng tham khảo.
DNAI hiện giới thiệu khóa học với nội dung tập trung vào thiết kế prompt có cấu trúc, xây dựng prompt library và workflow lặp cho công việc.
👉 Xem chi tiết khóa học Prompt Engineering tại DNAI:
https://dnai.vn/khoa-hoc/prompt-engineering
Theo mình, thay vì cố gắng học càng nhiều công cụ AI càng tốt, việc hiểu cách giao tiếp và xây dựng quy trình làm việc với AI có thể mang lại giá trị thực tế hơn.
