Prompt là gì? Năm khối tạo nên một câu lệnh AI chạy được

Tóm tắt nhanh: Prompt là toàn bộ nội dung bạn đưa vào cho AI để nhận lại một kết
quả. Nó gần với một bản giao việc hơn là một câu hỏi. Một prompt chạy được có năm
khối: vai trò, bối cảnh, nhiệm vụ, định dạng, ràng buộc. Thiếu khối nào, kết quả hỏng
đúng theo kiểu của khối đó. Đọc xong bài này bạn sẽ soi được prompt của mình đang
trống chỗ nào.

Mục lục

• Prompt là gì?
• Năm khái niệm cần nắm trước khi đọc tiếp
• Vì sao AI trả lời mỗi lần một kiểu?
• Năm khối của một bản giao việc
• Cách ba hãng lớn hướng dẫn viết prompt
• Viết prompt bằng tiếng Việt
• Những chỗ prompt không cứu được
• Bắt đầu trong mười lăm phút tới
• Câu hỏi thường gặp

Phần lớn người dùng AI ở Việt Nam đã qua giai đoạn hỏi thử cho vui. Họ gõ vào một câu,
nhận về một đoạn văn nghe hay mà dùng không được, rồi kết luận là công cụ chưa đủ tốt.
Tôi nghĩ ngược lại. Vấn đề nằm ở chỗ chúng ta quen coi ô nhập liệu đó là thanh tìm
kiếm, trong khi nó là chỗ để giao việc.

Bài này không đưa bạn ba mươi mẫu prompt để chép. Mẫu sẽ hết hạn khi mô hình đổi phiên
bản. Khung thì không.

Prompt là gì?

Prompt là toàn bộ phần nội dung bạn đưa vào cho một mô hình AI: câu chữ, dữ liệu,
ví dụ, quy tắc, tất cả những gì bạn gõ vào để mô hình đó tạo ra kết quả bạn cần. Từ gốc tiếng Anh to prompt
nghĩa là nhắc, gợi cho ai đó nói tiếp. Trong tiếng Việt hay được dịch thành “lời nhắc”
hoặc “câu lệnh”, nhưng cả hai bản dịch đều làm hẹp nghĩa đi.

“Lời nhắc” nghe quá nhẹ. “Câu lệnh” nghe quá cứng, như thể chỉ có một câu.

Thực tế một prompt tốt thường dài hơn bạn tưởng và chứa nhiều thứ hơn một câu hỏi. Nó
có thể gồm một đoạn mô tả bối cảnh, hai ví dụ mẫu, một danh sách điều cấm, và cuối cùng
mới tới yêu cầu chính. Tất cả những thứ đó cộng lại mới là prompt.

Điểm khác biệt quan trọng nhất giữa prompt và một câu hỏi thông thường:

• Câu hỏi giả định người nghe biết bạn là ai và đang nói về chuyện gì.
• Prompt không được giả định gì cả. Mô hình bắt đầu mỗi lượt với một trí nhớ trắng.

Đây là lý do tôi thích ẩn dụ bản giao việc hơn ẩn dụ câu hỏi. Bạn không hỏi một
người làm thuê. Bạn giao cho họ một việc, kèm đủ thứ họ cần để làm việc đó mà không
phải quay lại hỏi bạn.

Năm khái niệm cần nắm trước khi đọc tiếp

Năm từ dưới đây sẽ quay lại suốt bài. Nắm trước sẽ đỡ phải dừng giữa chừng.

Prompt: toàn bộ đầu vào bạn đưa cho mô hình trong một lượt làm việc.

Ngữ cảnh (context): phần thông tin nền bạn cấp thêm để mô hình hiểu tình huống:
sản phẩm của bạn là gì, khách hàng là ai, tài liệu gốc nói gì. Mô hình không tự biết
những thứ này.

Token: đơn vị mà mô hình dùng để cắt nhỏ văn bản, không trùng với từ. Tài liệu
của Google ước lượng 100 token tương đương khoảng 60 đến 80 từ tiếng Anh
(Google, Gemini API prompting strategies,
truy cập 02/08/2026). Mỗi mô hình có giới hạn số token nạp vào được trong một lượt, nên
ngữ cảnh không phải muốn nhét bao nhiêu cũng được.

Few-shot: kỹ thuật đưa sẵn vài cặp ví dụ đầu vào và đầu ra mẫu ngay trong prompt,
để mô hình bắt chước khuôn thay vì đoán.

Prompt engineering: nghề và kỹ năng thiết kế prompt một cách có phương pháp: viết,
đo kết quả, sửa, đo lại. Khác với việc gõ đại một câu rồi hy vọng.

Vì sao AI trả lời mỗi lần một kiểu?

Cùng một câu hỏi cho ra hai kết quả khác nhau vì mô hình ngôn ngữ không tra cứu đáp
án, nó dự đoán chữ tiếp theo dựa trên xác suất. Có yếu tố ngẫu nhiên nằm sẵn trong
cách nó sinh chữ. Hai lượt chạy khác nhau đi theo hai nhánh xác suất khác nhau.

Điều này nghe như một nhược điểm. Thực ra nó là thứ cho phép mô hình viết được văn bản
mới thay vì lặp lại một thư viện câu có sẵn.

Vấn đề là khi prompt của bạn mơ hồ, khoảng ngẫu nhiên đó rộng ra rất nhanh. Bạn gõ
“viết cho tôi một bài giới thiệu sản phẩm” thì có hàng nghìn bài hợp lệ. Mô hình chọn
một trong số đó. Lần sau nó chọn cái khác. Bạn thấy nó không ổn định, nhưng thật ra bạn
mới là người chưa thu hẹp phạm vi.

Prompt càng cụ thể, khoảng lựa chọn càng hẹp, kết quả càng lặp lại được.

Có một cách khác để thu hẹp: bắt mô hình trình bày các bước lập luận thay vì nhảy thẳng
tới đáp án. Kỹ thuật này gọi là chain-of-thought, và nó có bằng chứng học thuật hẳn hoi.

Nghiên cứu đó đã bốn năm tuổi và các mô hình đời mới đã học được thói quen lập luận từng
bước ngay trong quá trình huấn luyện. Nhưng nguyên tắc gốc vẫn đúng: cấu trúc của yêu
cầu ảnh hưởng tới chất lượng đầu ra, đôi khi mạnh hơn cả việc đổi sang mô hình đắt tiền
hơn.

Năm khối của một bản giao việc

Một prompt chạy được gồm năm khối: vai trò, bối cảnh, nhiệm vụ, định dạng, ràng
buộc. Bạn không bắt buộc phải viết đủ năm khối mọi lúc. Nhưng khi kết quả hỏng, gần
như chắc chắn bạn đang bỏ trống một trong năm.

Đây là chỗ tôi thấy hầu hết hướng dẫn tiếng Việt dừng lại quá sớm. Họ liệt kê các thành
phần rồi bảo bạn viết cho đủ. Không ai nói cho bạn biết thiếu khối nào thì hỏng kiểu
gì, mà đó mới là thứ giúp bạn tự sửa.

Bảng chẩn đoán năm khối

Khối	Nó trả lời điều gì	Thiếu nó thì hỏng kiểu gì
Vai trò	Mô hình đóng vai ai khi làm việc này	Giọng văn chung chung, độ sâu sai tầng: giải thích cho người mới trong khi bạn cần bản cho người trong nghề
Bối cảnh	Những gì mô hình không thể tự biết	Mô hình lấp chỗ trống bằng phỏng đoán, và phỏng đoán nghe rất trơn tru nên bạn khó phát hiện
Nhiệm vụ	Việc cụ thể phải làm, một động từ rõ	Trả lời lan man quanh chủ đề, không giao ra sản phẩm nào dùng được
Định dạng	Sản phẩm giao ra trông thế nào	Bạn mất nhiều thời gian sửa tay hơn là tự viết từ đầu
Ràng buộc	Những gì không được làm	Cùng một lỗi lặp lại ở mọi lượt, sửa xong lần này lần sau lại y hệt

Bảng này là thứ tôi dùng để soi mỗi khi một prompt cho ra kết quả tệ. Đọc từ trên xuống,
dừng ở dòng nào mô tả đúng cái sai bạn đang gặp, rồi bổ sung đúng khối đó.

Một prompt viết đủ năm khối

Ví dụ dưới đây là việc thật mà nhiều người phải làm hằng tuần: viết mô tả sản phẩm.

[VAI TRÒ]
Bạn là người viết nội dung bán hàng cho một thương hiệu nội thất gỗ tự nhiên,
đã làm nghề này sáu năm, quen viết cho khách hàng trung niên ở thành phố.

[BỐI CẢNH]
Sản phẩm: bàn ăn gỗ sồi trắng, mặt bàn dày 3cm, 6 ghế, kích thước 1m6 x 90cm.
Giá 18 triệu đồng. Khách hàng chính là gia đình 4-6 người, mua nhà mới,
quan tâm độ bền hơn thời trang. Đối thủ cùng tầm giá đang nhấn mạnh thiết kế
Bắc Âu; điểm mạnh thật của chúng ta là gỗ nguyên khối và bảo hành 5 năm.

[NHIỆM VỤ]
Viết mô tả sản phẩm cho trang bán hàng.

[ĐỊNH DẠNG]
- Một tiêu đề dưới 12 từ
- Ba đoạn, mỗi đoạn 40-60 từ
- Một danh sách 4 gạch đầu dòng về thông số
- Một câu kêu gọi hành động cuối cùng

[RÀNG BUỘC]
- Không dùng từ "sang trọng", "đẳng cấp", "hoàn hảo"
- Không hứa hẹn điều không có trong bối cảnh trên
- Không so sánh trực tiếp với tên đối thủ cụ thể
- Viết tiếng Việt, xưng hô với khách bằng "anh/chị"

Prompt này dài. Đó là chủ ý.

Đổi lại, bạn viết một lần rồi dùng lại mãi: lần sau chỉ cần thay khối bối cảnh, bốn
khối còn lại giữ nguyên. Đây chính là lúc một prompt biến từ câu gõ vội thành tài sản
của đội. Tôi đã viết kỹ hơn về cách
biến prompt thành tài sản dùng lại
trong bài về ứng dụng AI để tối ưu nguồn lực.

Khối thứ sáu tuỳ chọn: ví dụ mẫu

Nếu bạn có sẵn một sản phẩm đầu ra mà bạn hài lòng, hãy dán nó vào prompt làm mẫu. Đây
là few-shot, và tài liệu của Google khuyến nghị gần như luôn nên có: prompt không kèm ví
dụ thường cho kết quả kém hơn prompt có ví dụ. Tài liệu này cũng cảnh báo mặt ngược lại.
Nhồi quá nhiều ví dụ khiến mô hình bám quá chặt vào khuôn và mất khả năng xử lý
trường hợp mới (Google, Gemini API prompting strategies,
truy cập 02/08/2026).

Hai tới ba ví dụ, định dạng thống nhất. Đó là điểm cân bằng thực tế.

Cách ba hãng lớn hướng dẫn viết prompt

Ba hãng làm ra ba mô hình phổ biến nhất đều xuất bản tài liệu hướng dẫn viết prompt
công khai, và chỗ họ thống nhất đáng tin hơn bất kỳ mẹo nào lan truyền trên mạng xã
hội. Tôi đọc cả ba và xếp lại thành bảng dưới đây.

	OpenAI	Google	Anthropic
Nhấn mạnh nhất	Phân tầng thẩm quyền của chỉ dẫn: tin nhắn của lập trình viên được ưu tiên hơn tin nhắn người dùng	Luôn kèm ví dụ few-shot; nêu rõ ràng buộc và định dạng đầu ra	Phải có tiêu chí thành công và cách đo trước khi ngồi tinh chỉnh prompt
Cấu trúc đề xuất	Chia tin nhắn thành các phần: Danh tính → Chỉ dẫn → Ví dụ → Ngữ cảnh	Năm thành phần: Chỉ dẫn · Đầu vào · Ràng buộc · Định dạng phản hồi · Ngữ cảnh	Áp lần lượt từ kỹ thuật đơn giản đến phức tạp, dừng khi đã đạt tiêu chí
Mẹo kỹ thuật	Dùng Markdown và thẻ XML để phân ranh giới các phần trong prompt	Ví dụ phải thống nhất định dạng; tránh nhồi quá nhiều ví dụ	Không phải lỗi nào cũng sửa được bằng prompt, đôi khi đổi mô hình rẻ hơn

Nguồn: OpenAI prompt engineering guide,
Google Gemini API prompting strategies,
Anthropic prompt engineering overview.
Tất cả truy cập ngày 02/08/2026.

Ba điểm cả ba hãng cùng nói, và đây là phần bạn nên tin nhất:

1. Phân ranh giới rõ giữa các phần của prompt. Dùng tiêu đề, dấu ngoặc vuông, thẻ,
   hay xuống dòng đều được. Miễn là mô hình nhìn ra đâu là chỉ dẫn, đâu là dữ liệu.
2. Nêu định dạng đầu ra bằng lời, đừng để mô hình đoán.
3. Ví dụ mẫu mạnh hơn lời mô tả. Một đoạn mẫu tốt thay được năm câu giải thích.

Một điểm họ khác nhau đáng chú ý: Anthropic là hãng duy nhất mở đầu tài liệu bằng lời
nhắc rằng bạn cần biết thế nào là thành công trước khi bắt đầu sửa prompt. Đây là góc
nhìn của người làm kỹ thuật, và tôi cho rằng nó đúng cả với người không làm kỹ thuật.
Nếu bạn không nói được “kết quả tốt trông thế nào”, bạn sẽ sửa prompt mãi mà không biết
lúc nào nên dừng.

Viết prompt bằng tiếng Việt

Tiếng Việt dùng được cho gần như mọi việc hằng ngày, và bạn không cần chuyển sang
tiếng Anh chỉ vì nghe đồn nó cho kết quả tốt hơn. Các mô hình hiện tại đều xử lý
tiếng Việt ở mức đủ dùng cho viết nội dung, tóm tắt, dịch, phân loại và soạn email.

Nhưng có bốn điều đáng lưu ý mà tôi hiếm thấy hướng dẫn tiếng Việt nào nhắc tới.

Viết có dấu, luôn luôn. Đây là điều quan trọng nhất trong phần này. Tiếng Việt không
dấu là văn bản mơ hồ về mặt ngữ nghĩa: “ma”, “má”, “mà”, “mả”, “mã”, “mạ” thu về cùng
một chuỗi ký tự. Mô hình buộc phải đoán, và nó sẽ đoán sai đúng vào những chỗ bạn cần
chính xác nhất. Bỏ dấu tiết kiệm cho bạn vài giây gõ và lấy đi của bạn độ chính xác.

Giữ nguyên thuật ngữ tiếng Anh khi thuật ngữ đó là tên gọi chuẩn. Viết “landing
page” thay vì “trang đích”, “workflow” thay vì “luồng công việc”. Bản dịch tiếng Việt
của nhiều thuật ngữ kỹ thuật chưa thống nhất, nên dùng bản gốc giúp mô hình neo đúng
khái niệm.

Cân nhắc tiếng Anh khi tài liệu nguồn bằng tiếng Anh. Nếu bạn đang bắt mô hình phân
tích một báo cáo tiếng Anh, viết chỉ dẫn bằng tiếng Anh sẽ giảm số lần nó phải dịch qua
lại trong đầu. Vẫn có thể yêu cầu đầu ra bằng tiếng Việt ở khối định dạng.

Nhớ rằng tiếng Việt tốn ngữ cảnh hơn. Cách các mô hình hiện tại cắt token khiến văn
bản tiếng Việt có dấu thường chiếm nhiều token hơn cùng một nội dung viết bằng tiếng
Anh. Với những prompt dài kèm tài liệu đính kèm, đây là thứ ăn vào giới hạn ngữ cảnh
nhanh hơn bạn tưởng.

Công thức tôi dùng cho phần lớn việc: khung bằng tiếng Việt, thuật ngữ giữ nguyên
tiếng Anh, đầu ra yêu cầu bằng tiếng Việt.

Những chỗ prompt không cứu được

Prompt điều khiển cách mô hình diễn đạt và tổ chức, nó không tạo ra thông tin mà mô
hình không có. Đây là ranh giới mà gần như không hướng dẫn nào ở Việt Nam chịu vẽ ra,
vì vẽ ra thì bớt hấp dẫn.

Bốn trường hợp prompt bó tay:

• Mô hình không biết dữ liệu riêng của bạn. Doanh số tháng trước, tên khách hàng,
  quy trình nội bộ. Không nạp vào ngữ cảnh thì không có prompt nào moi ra được. Viết
  khéo hơn chỉ khiến câu bịa nghe thuyết phục hơn.
• Sự kiện sau ngày mô hình ngừng học. Trừ khi công cụ có kết nối tìm kiếm trực tiếp.
• Việc cần độ chính xác tuyệt đối về số. Tính toán nhiều bước, đối chiếu sổ sách.
  Hãy để mô hình dựng công thức, còn phép tính giao cho bảng tính.
• Vấn đề gốc nằm ở quy trình, không nằm ở câu chữ. Nếu năm người trong đội mỗi
  người hiểu “bài viết đạt yêu cầu” một kiểu, prompt hoàn hảo cũng không cứu nổi.

Bắt đầu trong mười lăm phút tới

Việc đầu tiên: mở lại một cuộc trò chuyện gần đây mà kết quả làm bạn thất vọng, rồi
đối chiếu với bảng chẩn đoán năm khối ở trên. Bạn sẽ thấy ngay mình bỏ trống khối nào.
Việc này mất năm phút và dạy bạn nhiều hơn đọc thêm mười bài hướng dẫn.

Việc thứ hai: viết lại prompt đó cho đủ năm khối và chạy lại. Đừng sửa từng chút.
Viết hẳn một bản mới có tiêu đề rõ cho từng khối, kể cả khi nhìn dài dòng. So sánh hai
kết quả cạnh nhau.

Việc thứ ba: lưu bản viết lại vào một chỗ mà người khác trong đội mở được. Một tài
liệu, một ghi chú, một thư mục dùng chung. Đây là bước biến một lần viết tốt thành một
thứ dùng lại được, và cũng là bước hầu hết mọi người bỏ qua.

Nếu bạn thấy ngại vì prompt của mình nhìn quá dài so với những gì người khác chia sẻ
trên mạng, đừng ngại. Prompt ngắn được chia sẻ nhiều vì nó dễ chụp màn hình, không phải
vì nó cho kết quả tốt hơn.

Câu hỏi thường gặp

Prompt dịch sang tiếng Việt là gì?

Không có một từ tiếng Việt nào phủ hết nghĩa. “Lời nhắc”, “câu lệnh”, “yêu cầu” đều
đúng một phần và thiếu một phần. Trong thực tế, người Việt làm việc với AI giữ nguyên
từ “prompt” và đó là lựa chọn hợp lý, vì nó chỉ một khái niệm cụ thể mà tiếng Việt chưa
có từ tương đương gọn gàng.

Prompt khác câu hỏi thông thường ở chỗ nào?

Câu hỏi giả định người nghe đã biết bối cảnh; prompt thì không được giả định gì. Mỗi
lượt làm việc, mô hình bắt đầu với trí nhớ trắng về tình huống riêng của bạn. Vì vậy
prompt phải mang theo bối cảnh, định dạng mong muốn và ràng buộc, những thứ mà trong
một câu hỏi giữa hai người quen sẽ được ngầm hiểu.

Một prompt chuẩn gồm mấy phần?

Năm phần: vai trò, bối cảnh, nhiệm vụ, định dạng, ràng buộc. Google mô tả bộ tương tự
với tên gọi khác: chỉ dẫn, đầu vào, ràng buộc, định dạng phản hồi và ngữ cảnh. Cách gọi
khác nhau nhưng nội dung trùng nhau gần hết. Bạn có thể thêm khối thứ sáu là ví dụ mẫu
khi cần mô hình bám sát một khuôn cụ thể.

Prompt engineering có phải một nghề không?

Có, và nó đang dịch chuyển. Giai đoạn đầu nghề này thiên về tìm ra các mẹo khiến mô hình
nghe lời. Hiện nay phần lớn công việc là thiết kế và đo lường: dựng bộ tiêu chí, chạy
thử nhiều phiên bản prompt, so sánh kết quả, rồi gắn prompt vào một quy trình có người
khác dùng lại. Kỹ năng đo lường quan trọng hơn kỹ năng viết câu.

Viết prompt bằng tiếng Việt có kém tiếng Anh không?

Với việc thường ngày thì không đáng kể, miễn là bạn viết có dấu. Tiếng Anh có lợi thế
trong hai trường hợp: khi tài liệu nguồn bằng tiếng Anh, và khi bạn cần tiết kiệm ngữ
cảnh cho những prompt rất dài. Công thức thực tế là viết khung bằng tiếng Việt, giữ
nguyên thuật ngữ tiếng Anh, và yêu cầu đầu ra bằng tiếng Việt.

Có nên dùng các bộ mẫu prompt bán sẵn không?

Dùng để tham khảo cấu trúc thì được, dùng để chép nguyên thì không nên. Mẫu prompt gắn
với một phiên bản mô hình và một tình huống cụ thể, cả hai đều thay đổi. Thứ đáng học từ
một bộ mẫu tốt là cách nó chia khối, chứ không phải chữ nghĩa cụ thể trong đó.

Một nguyên tắc để giữ lại

Nếu bạn chỉ nhớ được một câu từ bài này, hãy nhớ câu này: kết quả AI trả về phản ánh
độ rõ ràng của việc bạn giao, chứ không phản ánh giới hạn của công cụ.

Prompt không phải một mẹo. Nó là kỹ năng mô tả công việc, thứ mà bất kỳ ai từng bàn giao
việc cho người khác đều đã có sẵn một phần. Bạn chỉ đang áp nó vào một đối tượng mới,
một đối tượng làm rất nhanh nhưng không nhớ gì và không dám hỏi lại.

Hôm nay, mở lại một prompt cũ và viết thêm đúng một khối bạn đang bỏ trống. Chỉ một khối.

Đọc tiếp trong cụm Học AI & Prompt

Nền tảng

• Prompt AI là gì: phân biệt các loại prompt theo mục đích (sắp đăng)
• Prompt engineering là gì: từ mẹo viết câu tới nghề thiết kế (sắp đăng)

Thực hành

• Cách viết prompt hiệu quả: quy trình sửa prompt theo vòng lặp (sắp đăng)
• Cấu trúc prompt: mổ chi tiết từng khối kèm ví dụ theo ngành (sắp đăng)
• Prompt tiếng Việt: bộ khung viết cho người dùng Việt (sắp đăng)

Lộ trình

• Học AI bắt đầu từ đâu: thứ tự học cho người mới hoàn toàn (sắp đăng)
• Học AI cho người mới bắt đầu: ba mươi ngày đầu tiên (sắp đăng)

Ứng dụng vào công việc

• Ứng dụng AI tối ưu nguồn lực doanh nghiệp: sáu điểm cắt chi phí bằng AI
• Tự động hoá marketing cho doanh nghiệp nhỏ: nơi prompt chuẩn trở thành bước thứ hai của quy trình