Mở đầu: Prompt không chỉ là “ra lệnh” cho AI
Bạn đã từng dùng ChatGPT và cảm thấy câu trả lời có lúc “đỉnh của chóp”, lúc lại “tấu hài như mơ ngủ”?
Lý do có thể không nằm ở con AI… mà ở cách bạn ra đề bài, hay còn gọi là prompt.
Trong bài viết này, mình sẽ chia sẻ 3 kỹ thuật nâng cao cực kỳ hữu ích trong Prompt Engineering: Self-Consistency, Tree-of-Thoughts, và RAG. Đừng lo nếu bạn không biết lập trình hay không hiểu mô hình ngôn ngữ lớn (LLMs) hoạt động ra sao – bài này viết cho bạn, người dùng không chuyên nhưng muốn tận dụng AI thông minh hơn.
Self-Consistency: Khi AI tự “chấm điểm” bài của chính nó
Self-Consistency là gì?
Hãy tưởng tượng bạn đang hỏi ChatGPT một câu toán khó. Thay vì trả lời một lần duy nhất, nó sẽ thử nhiều cách giải khác nhau, rồi tự nhìn lại và chọn ra đáp án phổ biến nhất từ các phương án đã nghĩ ra. Đó chính là Self-Consistency – cho AI “nghĩ nhiều lần” rồi lấy số đông làm chuẩn.
Vì sao Self-Consistency lại mạnh?
- Giống như việc hỏi nhiều người cùng một câu, rồi chọn câu trả lời được nhiều người đồng ý nhất.
- Giảm rủi ro “sai một li, đi một dặm” trong các bài toán logic hoặc câu hỏi phức tạp.
- Hiệu quả đặc biệt trong các câu hỏi có một đáp án đúng duy nhất – như tính toán, logic, hoặc phân tích số liệu kinh doanh.
Có gì bất tiện?
- Tốn tài nguyên hơn (AI phải “suy nghĩ” nhiều lần cho một câu hỏi).
- Nếu tất cả các lần đều sai… thì kết quả cũng sai nốt.
- Thường được dùng trong huấn luyện mô hình hơn là dùng trực tiếp với người dùng vì chi phí cao.
Ví dụ dễ hiểu:
Bạn hỏi: “Có bao nhiêu tổ hợp chọn 2 người từ 4 người?”
ChatGPT thử 5 cách giải:
- Cách 1: 6
- Cách 2: 4
- Cách 3: 6
- Cách 4: 6
- Cách 5: 5
Kết luận: “Đáp án là 6” (vì có 3/5 phương án chọn 6).
Tree-of-Thoughts: Để AI không chỉ “trả lời”, mà còn “tư duy như người”
Tree-of-Thoughts là gì?
Thay vì “nghĩ một mạch”, kỹ thuật này hướng dẫn AI tư duy theo nhánh, giống như người ta giải bài toán phức tạp bằng cách phân tích thành từng bước nhỏ, rồi xem mỗi bước có bao nhiêu lựa chọn. AI sẽ xây một “cây tư duy” với các nhánh suy luận và chọn nhánh đi đến kết quả hợp lý nhất.
Ưu điểm của Tree-of-Thoughts
- Phù hợp với những bài toán cần nhiều bước suy luận.
- Có thể gợi ý cho AI “nghĩ xa hơn”, thay vì trả lời nhanh rồi thôi.
- Hiểu rõ được cách AI suy luận – minh bạch hơn.
Nhược điểm?
- Phức tạp hơn khi triển khai.
- Có thể “bị lạc” nếu không kiểm soát tốt số lượng nhánh.
- Yêu cầu kỹ thuật nếu muốn dùng trong sản phẩm thực tế.
So sánh đơn giản:
Bạn đi tìm đường tới nhà bạn.
- Cách thông thường (Chain-of-Thought): Đi theo một con đường duy nhất.
- Tree-of-Thoughts: Thử nhiều con đường khác nhau, phân tích đường nào ngắn nhất, ít tắc nhất, rồi mới chọn.
RAG – Retrieval-Augmented Generation: AI biết “tra cứu” trước khi trả lời
RAG là gì?
RAG giúp AI “tìm kiếm rồi mới trả lời” – tức là trước khi trả lời bạn, AI sẽ đi tra tài liệu để lấy dữ liệu đáng tin, rồi kết hợp với kiến thức sẵn có để tạo ra câu trả lời.
Lợi ích khi dùng RAG
- Tránh “nói bừa” – một bệnh kinh niên của AI nếu không kiểm tra nguồn.
- Có thể dùng để làm chatbot tra cứu văn bản nội bộ, hợp đồng, tài liệu công ty…
- Dùng tốt cho câu hỏi mang tính dữ kiện hoặc liên quan đến nội dung cụ thể.
Hình dung đơn giản:
Bạn hỏi: “Công ty tôi có chính sách nghỉ phép ra sao?”
- AI thường: Trả lời theo trí nhớ (có thể đúng, có thể sai).
- AI dùng RAG: Lục tài liệu nhân sự của công ty → trích chính sách cụ thể → trả lời chuẩn.
Kết luận: Dùng AI không cần “cao siêu”, chỉ cần hiểu đúng cách dùng
- Self-Consistency giúp AI “tự kiểm tra” và chọn đáp án hợp lý.
- Tree-of-Thoughts dạy AI “tư duy như người”, phân nhánh bài toán rõ ràng.
- RAG cho AI khả năng “tra cứu như Google, viết như chuyên gia”.
Nếu bạn đang làm việc với AI (dù là dân kỹ thuật hay không), việc hiểu ba chiến lược này sẽ giúp bạn sử dụng AI chính xác hơn, tránh “trả lời bậy”, và tiết kiệm thời gian chỉnh sửa.
Góc nhìn cá nhân
Mình từng dùng Tree-of-Thoughts để làm chatbot giải bài toán lớp 9 cho em mình. Kết quả? ChatGPT phân tích rõ ràng từng bước như một gia sư thực thụ. Còn RAG thì mình dùng để “dạy” AI đọc nội quy công ty và giải đáp thắc mắc nội bộ – khỏi phải tra tay mỏi.
Tóm lại, 3 kỹ thuật này tuy nghe “ngầu”, nhưng thực chất rất dễ hiểu và hữu ích cho người dùng bình thường nếu biết cách áp dụng đúng lúc.