Anatomy of a Good Prompt

Level: L2 — Prompt & Context Engineering (Bài 1/10) · Đối tượng: Người đã quen dùng AI cơ bản (đã qua Level 1)

1. Mục tiêu học tập

Sau bài này, bạn có thể:

Liệt kê 5 thành phần chính thức của một prompt hiệu quả theo tài liệu chính thức của Anthropic, và đối chiếu với khung 3 nhóm của OpenAI.
Áp dụng “golden rule” để tự kiểm tra 1 prompt trước khi gửi, không cần chờ AI trả lời sai mới biết prompt có vấn đề.
Chẩn đoán một prompt kém: xác định chính xác thành phần nào đang thiếu thay vì kết luận chung chung “AI không hiểu ý tôi”.
Biết thành phần nào bắt buộc gần như mọi lúc, thành phần nào chỉ cần khi tác vụ đủ phức tạp.

2. Khái niệm cốt lõi

“Anatomy of a Good Prompt” là khung tổng hợp của người viết (author synthesis), ghép từ 2 nguồn Tier 1 độc lập:

Anthropic chia thành 5 kỹ thuật cụ thể [S37]: rõ ràng/trực tiếp (clarity), thêm ngữ cảnh (context), dùng ví dụ (examples), cấu trúc bằng tag (structure), và gán vai trò (role).
OpenAI gom lại thành 3 nhóm lớn hơn [S65]: Task, Context, Output.

Hai khung này không mâu thuẫn — hội tụ ở cùng nguyên tắc gốc, chỉ khác độ hạt (granularity): “context” và “role” của Anthropic đều thuộc nhóm “Context” rộng của OpenAI; “structure” là 1 cách cụ thể để đạt “Output”. Khi 2 vendor lớn, độc lập, cùng đi tới 1 tập ý tưởng cốt lõi, đó là tín hiệu mạnh đây là hiểu biết chung của ngành, không chỉ “cách Anthropic gọi tên”.

5 thành phần cụ thể (khung chính, có ví dụ minh hoạ chi tiết hơn) [S37]: rõ ràng và trực tiếp, ngữ cảnh/lý do, ví dụ minh hoạ, cấu trúc/định dạng, vai trò.

3. Tại sao nội dung này quan trọng

Khi câu trả lời AI không như mong đợi, phản ứng phổ biến là kết luận “AI không đủ thông minh” hoặc thử lại với prompt gần như giống hệt — cả hai đều bỏ lỡ điểm mấu chốt: phần lớn thời gian, prompt đang thiếu chính xác 1 trong 5 thành phần, và có thể sửa ngay nếu biết thiếu gì.

Khung 5 thành phần giúp debug prompt thay vì đoán mò — giống checklist debug code lỗi.
Được xác nhận độc lập bởi cả Anthropic và OpenAI [S37, S65], áp dụng được cho hầu hết AI hiện nay.
Nền tảng cho toàn bộ bài còn lại Level 2: bài 10-14 đào sâu từng thành phần.

4. Cơ chế hoạt động

Golden rule [S37]: “Đưa prompt của bạn cho một đồng nghiệp gần như không biết gì về tác vụ này, và yêu cầu họ làm theo. Nếu họ bối rối, AI cũng sẽ bối rối.” Hình dung AI như một nhân viên mới rất giỏi nhưng chưa biết ngữ cảnh/quy trình của bạn.

Rõ ràng và trực tiếp — nói cụ thể định dạng/ràng buộc; nếu muốn AI làm “vượt trên mức cơ bản”, phải yêu cầu rõ [S37].
Ngữ cảnh/lý do — giải thích tại sao giúp AI khái quát hoá tốt hơn, không chỉ làm đúng câu chữ [S37].
Ví dụ minh hoạ — 3-5 ví dụ chất lượng thường hiệu quả hơn giải thích dài dòng (bài 11).
Cấu trúc/định dạng — tách rõ các phần của prompt (bài 13, 14).
Vai trò — đặt trong system prompt, chỉ 1 câu cũng tạo khác biệt [S37] (bài 12).

5. Mental model

Hình dung viết prompt như viết brief giao việc cho 1 nhân viên mới, không phải gõ lệnh cho máy tính. Một brief tốt trả lời 4 câu hỏi: “Tôi cần làm gì?” (task/clarity), “Vì sao việc này quan trọng?” (context), “Làm tốt trông như thế nào?” (examples), “Giao lại theo hình thức nào?” (structure/output). Thiếu câu trả lời nào, nhân viên mới (hoặc AI) phải đoán — và đoán sai là chuyện bình thường, không phải lỗi của họ.

6. Hướng dẫn từng bước

Áp dụng golden rule: đọc lại như người hoàn toàn không biết gì về việc này — có chỗ bối rối không?
Kiểm tra “Task”: có nói rõ AI cần làm chính xác việc gì chưa?
Kiểm tra “Context”: AI có biết vì sao việc này quan trọng không?
Kiểm tra “Examples”: tác vụ có đủ phức tạp để cần ví dụ không? Đã đưa chưa?
Kiểm tra “Output”: đã nói rõ định dạng, độ dài, tone chưa?
Kiểm tra “Role”: có cần góc nhìn chuyên môn cụ thể không?
Nếu bước 2-6 nào để trống, đó là thành phần cần bổ sung.

7. Ví dụ thực tế

Ví dụ trực tiếp từ Anthropic cho thành phần “rõ ràng và trực tiếp” [S37]:

Kém hiệu quả: “Create an analytics dashboard.”
Hiệu quả hơn: “Create an analytics dashboard. Include as many relevant features and interactions as possible. Go beyond the basics to create a fully-featured implementation.”

Cả 2 yêu cầu cùng 1 việc, nhưng prompt thứ hai bổ sung rõ “mức độ” và “kỳ vọng” — AI không phải tự đoán “đầy đủ” nghĩa là gì.

Ví dụ cho “ngữ cảnh” [S37]:

Kém hiệu quả: “NEVER use ellipses.”
Hiệu quả hơn: “Your response will be read aloud by a text-to-speech engine, so never use ellipses since the text-to-speech engine will not know how to pronounce them.”

Prompt thứ hai giải thích lý do — giúp AI khái quát hoá tốt hơn sang tình huống tương tự chưa được liệt kê rõ.

8. Prompt/template/workflow

Trước khi gửi, tự hỏi:
1. TASK — Tôi đã nói rõ AI cần làm chính xác việc gì chưa?
2. CONTEXT — AI có biết vì sao việc này quan trọng / bối cảnh cần thiết
   không?
3. EXAMPLES — Việc này có đủ phức tạp để cần ví dụ minh họa không? Nếu có,
   đã đưa chưa?
4. OUTPUT — Tôi đã nói rõ định dạng, độ dài, tone mong muốn chưa?
5. ROLE — Việc này có cần 1 góc nhìn chuyên môn cụ thể không?

Nếu mục nào để trống → đó là điều cần bổ sung trước khi gửi.

9. Visual hoặc diagram cần thiết

Hình 2.1 — Anatomy of a Good Prompt: 5 kỹ thuật (Anthropic) quanh trung tâm 'Good Prompt'. [S37][S65]

Đối chiếu 3 nhóm OpenAI [S65]: Task gồm Clarity; Context gồm Context + Role; Output gồm Examples + Structure — 2 khung không mâu thuẫn, chỉ khác độ hạt (mục 2).

10. Bài tập thực hành

Lấy 1 prompt bạn từng gửi cho AI mà kết quả không như ý. Áp dụng checklist ở mục 8:

Xác định chính xác thành phần nào (trong 5 thành phần) đang thiếu.
Viết lại prompt, chỉ bổ sung thành phần còn thiếu đó — không sửa gì khác.
So sánh kết quả mới với kết quả cũ. Kết quả có cải thiện đúng như dự đoán không?

11. Checklist

Tôi có thể liệt kê 5 thành phần của Anthropic và 3 nhóm của OpenAI, và giải thích chúng hội tụ ở đâu.
Tôi có thể áp dụng golden rule để tự kiểm tra 1 prompt trước khi gửi.
Khi 1 prompt cho kết quả không như ý, tôi có thể chỉ ra chính xác thành phần nào đang thiếu thay vì nói chung chung 'AI không hiểu'.

12. Lỗi thường gặp

(Suy luận từ nguyên tắc trong [S37, S65], không phải khảo sát lỗi người dùng đã ghi nhận chính thức.)

Coi prompt ngắn = prompt tệ. Vấn đề không phải độ dài mà là có thiếu thành phần nào không.
Nhồi tất cả 5 thành phần vào mọi prompt, kể cả tác vụ đơn giản không cần.
Sửa sai bằng cách viết lại toàn bộ prompt thay vì chỉ bổ sung đúng thành phần đang thiếu.

13. Giới hạn & khi nào KHÔNG nên áp dụng

Với tác vụ rất đơn giản, quen thuộc, áp dụng đầy đủ cả 5 thành phần là thừa — role và examples thường không cần thiết.
Khung này mô tả cấu trúc nội dung của 1 prompt đơn, không bao gồm chia 1 tác vụ phức tạp thành nhiều prompt nối tiếp (bài 15).
Không phải công thức cứng theo đúng thứ tự 1-2-3-4-5 — quan trọng là đủ thành phần cần thiết.

14. An toàn & quản trị (Safety/Governance)

Bài này không có rủi ro an toàn/quản trị trực tiếp. Lưu ý gián tiếp: khi áp dụng thành phần “Context”, tránh đưa thông tin nhạy cảm/bí mật vào phần giải thích lý do nếu không cần thiết — nguyên tắc đã học ở bài 2 (L1) vẫn áp dụng đầy đủ.

15. Best practices

Trước khi kết luận “AI không hiểu”, chạy qua checklist 5 thành phần.
Luôn áp dụng golden rule.
Giải thích lý do đằng sau yêu cầu, không chỉ ra lệnh.
Không nhồi đủ cả 5 thành phần vào mọi prompt.

16. Nội dung nâng cao (không bắt buộc)

Anthropic có “prompt generator” tích hợp trong Claude Console giúp tạo khung prompt tự động [S37].
Từng thành phần sẽ được đào sâu ở các bài riêng: ngữ cảnh có cấu trúc (bài 10), ví dụ minh hoạ (bài 11), vai trò (bài 12), định dạng XML/Markdown/JSON (bài 14).

17. Nguồn tham khảo

[S37] Prompting best practices, Claude Platform Docs (Anthropic) · [S65] Prompting fundamentals, OpenAI Academy (OpenAI).

18. Ngày kiểm chứng

2026-07-12. Khung 5 thành phần (S37) và khung 3 nhóm (S65) là nội dung khái niệm, ít lỗi thời. Công cụ cụ thể ở mục 16 (prompt generator) là tính năng sản phẩm — cần re-check tại thời điểm đọc.