Tại sao cùng một prompt lại cho ra kết quả khác nhau?

Bạn đã viết nhiều prompt. Có thể là những prompt hay. Nhưng nếu bạn từng chứng kiến ​​cùng một AI hoàn thành xuất sắc một nhiệm vụ lại thất bại hoàn toàn trong nhiệm vụ khác — ngay cả với cùng một prompt — bạn đã chạm đến giới hạn mà chỉ riêng kỹ thuật viết prompt không thể giải quyết được.

Vấn đề không nằm ở prompt của bạn. Vấn đề nằm ở mọi thứ xung quanh nó.

Kỹ thuật tạo ngữ cảnh là lĩnh vực tiếp nối nơi kỹ thuật viết prompt dừng lại. Thay vì chỉ tạo ra hướng dẫn hoàn hảo, bạn đang thiết kế toàn bộ môi trường thông tin mà AI của bạn hoạt động: Nó biết gì, nó nhớ gì, nó có thể truy cập những công cụ nào và tất cả những điều đó được cấu trúc như thế nào.

Andrej Karpathy đã diễn đạt điều này như sau - hãy coi LLM như một CPU, cửa sổ ngữ cảnh như RAM, và công việc của bạn như hệ điều hành. Bạn không chỉ viết lệnh. Bạn đang quản lý bộ nhớ.

Khóa học này sẽ dạy bạn cách tư duy như một chuyên gia tạo ngữ cảnh. Sau khi hoàn thành khóa học, bạn sẽ có thể:

• Chẩn đoán lý do tại sao đầu ra AI của bạn không nhất quán và truy tìm nguyên nhân đến các vấn đề về ngữ cảnh
• Áp dụng 4 kỹ thuật cốt lõi — viết, chọn, nén và tách biệt — cho bất kỳ tác vụ AI nào
• Cấu trúc ngữ cảnh của bạn bằng cách sử dụng thẻ XML, prompt hệ thống và các ví dụ few-shot thực sự hiệu quả
• Thiết kế hệ thống bộ nhớ cho các cuộc hội thoại kéo dài nhiều phiên
• Xây dựng cấu hình ngữ cảnh cho các AI agent, trợ lý lập trình và quy trình làm việc kinh doanh

Những gì bạn sẽ học được

• Giải thích sự khác biệt giữa kỹ thuật tạo prompt và kỹ thuật tạo ngữ cảnh
• Áp dụng 4 kỹ thuật tạo ngữ cảnh cốt lõi — viết, chọn, nén và tách biệt — vào các tác vụ thực tế
• Thiết kế ngữ cảnh có cấu trúc bằng cách sử dụng thẻ XML, prompt hệ thống và các ví dụ few-shot
• Thực hiện các chiến lược quản lý bộ nhớ cho những tương tác AI nhiều lượt
• Đánh giá việc sử dụng cửa sổ ngữ cảnh và tối ưu hóa chi phí và chất lượng
• Xây dựng một hệ thống kỹ thuật tạo ngữ cảnh hoàn chỉnh cho một trường hợp sử dụng thực tế

Sau khóa học này, bạn có thể

• Chẩn đoán đầu ra AI không nhất quán và truy tìm nguyên nhân đến các vấn đề về ngữ cảnh thay vì đổ lỗi cho mô hình
• Thiết kế hệ thống bộ nhớ duy trì tính mạch lạc của cuộc hội thoại trên nhiều phiên các phiên và dự án dài hạn
• Áp dụng 4 kỹ thuật tạo ngữ cảnh cốt lõi — ghi, chọn, nén, tách biệt — để có được kết quả đáng tin cậy từ bất kỳ tác vụ AI nào
• Định vị bản thân như một nhà tư duy hệ thống AI trong sơ yếu lý lịch của bạn, vượt ra ngoài việc viết prompt cơ bản để hướng đến kiến ​​trúc ngữ cảnh
• Xây dựng các cấu hình ngữ cảnh có thể tái sử dụng cho trợ lý lập trình, agent và quy trình làm việc kinh doanh mà nhóm của bạn có thể áp dụng

Những gì bạn sẽ xây dựng

Hệ thống kỹ thuật tạo ngữ cảnh

Một kiến ​​trúc ngữ cảnh hoàn chỉnh cho một dự án thực tế — bao gồm các prompt hệ thống, ví dụ few-shot, chiến lược quản lý bộ nhớ và các template ngữ cảnh có cấu trúc — với so sánh chất lượng trước và sau.

Nghiên cứu trường hợp tối ưu hóa ngữ cảnh

Một phân tích được ghi lại về quy trình làm việc AI tạo ra kết quả không nhất quán — chẩn đoán vấn đề ngữ cảnh, áp dụng các kỹ thuật ghi/chọn/nén/cô lập và đo lường sự cải thiện.

Kỹ thuật tạo ngữ cảnh cho AI

Chứng minh bạn có thể thiết kế kiến ​​trúc ngữ cảnh, triển khai hệ thống bộ nhớ và tối ưu hóa môi trường thông tin AI để có đầu ra đáng tin cậy.

Đối tượng phù hợp

• Người dùng công cụ AI muốn nâng cao trình độ từ người sử dụng thành người tư duy hệ thống
• Các nhà phát triển, quản lý sản phẩm và nhà phân tích kinh doanh thường xuyên làm việc với AI
• Các chuyên gia muốn có kết quả AI đáng tin cậy và nhất quán hơn

Tại sao chỉ prompt thôi là chưa đủ?

Hãy khám phá lý do tại sao cùng một prompt lại cho ra kết quả khác nhau đến vậy và cách kỹ thuật tạo ngữ cảnh — thiết kế toàn bộ môi trường thông tin — giải quyết vấn đề tính nhất quán.

Đây là một tình huống có lẽ bạn đã từng trải qua. Bạn viết một prompt hoạt động hoàn hảo vào thứ Ba. Kết quả rõ ràng, cấu trúc tốt, chính xác là những gì bạn muốn. Bạn chạy cùng một prompt vào thứ Năm và nhận được một kết quả hoàn toàn khác. Thậm chí còn tệ hơn. Bạn không thay đổi bất cứ điều gì.

Chuyện gì đã xảy ra?

Không có gì bị hỏng. Trí tuệ nhân tạo (AI) không trở nên ngu ngốc hơn chỉ sau một đêm. Nhưng bạn đã gặp phải giới hạn cơ bản của kỹ thuật tạo prompt — và đó là lý do tại sao một lĩnh vực mới gọi là kỹ thuật tạo ngữ cảnh đang dần thay thế.

Vấn đề không nhất quán

Hãy thử thí nghiệm này. Mở bất kỳ trợ lý AI nào và gõ: "Hãy giúp tôi viết email cập nhật dự án."

Làm điều đó 5 lần. Bạn sẽ nhận được 5 email khác nhau. Giọng điệu khác nhau, cấu trúc khác nhau, độ dài khác nhau. Đôi khi trang trọng, đôi khi thân mật. Đôi khi có gạch đầu dòng, đôi khi chỉ là văn xuôi.

Mỗi phản hồi đều hợp lý. Nhưng không cái nào trong số đó thực sự là thứ bạn cần — bởi vì bạn chưa bao giờ nói cho AI biết mình cần gì. Bạn chỉ đưa ra một chỉ dẫn và hy vọng điều tốt nhất sẽ đến.

Và đó chính là kỹ thuật tạo prompt tóm gọn lại. Bạn tập trung vào chỉ dẫn. Bạn trau chuốt từng từ ngữ. Bạn thêm vào "hãy ngắn gọn" hoặc "hành động như một chuyên gia". Đôi khi nó hiệu quả. Đôi khi thì không. Và bạn không bao giờ chắc chắn tại sao.

✅ Kiểm tra nhanh: Tại sao cùng một prompt lại cho ra kết quả khác nhau vào những ngày khác nhau?

Câu trả lời: AI xử lý sự mơ hồ theo cách khác nhau mỗi lần. Nếu không có đủ ngữ cảnh — đối tượng là ai, nên dùng giọng điệu nào, nên bao gồm những gì — mỗi lần chạy đều là một trò may rủi về những quyết định đó.

Từ kỹ thuật tạo prompt đến kỹ thuật tạo ngữ cảnh

Vào đầu năm 2025, Andrej Karpathy (đồng sáng lập OpenAI, cựu trưởng nhóm AI của Tesla) đã đưa ra một phép so sánh định hình lại cách các chuyên gia giỏi nhất suy nghĩ về AI:

"Một LLM giống như một CPU. Cửa sổ ngữ cảnh giống như RAM. Kỹ thuật tạo ngữ cảnh là nghệ thuật quản lý những gì có trong RAM."

Hãy suy nghĩ về điều đó một chút. Bạn không thể làm cho CPU nhanh hơn — mô hình vẫn là mô hình. Nhưng bạn có toàn quyền kiểm soát những gì được load vào RAM. Và những gì trong RAM sẽ quyết định đầu ra.

Kỹ thuật tạo prompt = viết các hướng dẫn tốt. Kỹ thuật tạo ngữ cảnh = thiết kế toàn bộ môi trường thông tin mà AI của bạn hoạt động trong đó.

Đó không chỉ là hướng dẫn. Đó là prompt hệ thống. Các ví dụ bạn cung cấp. Dữ liệu bạn đưa vào. Lịch sử cuộc trò chuyện. Các công cụ mà AI có thể truy cập. Định dạng bạn yêu cầu. Mọi thứ mà AI có thể "nhìn thấy" khi xử lý yêu cầu của bạn.

Prompt là một thành phần. Ngữ cảnh là toàn bộ căn bếp.

Đây là một ví dụ cụ thể. Giả sử bạn muốn một AI xem xét code:

Cách tiếp cận kỹ thuật tạo prompt

📍 Nơi dán: Mở ChatGPT (chat.openai.com), Claude (claude.ai) hoặc Gemini (gemini.google.com) và bắt đầu một cuộc trò chuyện mới.

📋 Cách sao chép prompt này: Nhấp vào bất kỳ đâu bên trong khối màu xám, nhấn Cmd+A rồi Cmd+C (Mac) hoặc Ctrl+A rồi Ctrl+C (Windows). Hoặc sử dụng biểu tượng sao chép xuất hiện.

Kiểm tra lại code này xem có lỗi không.

✏️ ​​Cách điền thông tin chi tiết của bạn: Thay thế mỗi [] và trình giữ chỗ trong ngoặc bằng thông tin cụ thể từ tình huống thực tế của bạn. Thông tin đầu vào mơ hồ sẽ tạo ra kết quả đầu ra mơ hồ — hãy nêu cụ thể.

👀 Những gì bạn sẽ thấy: Trong vòng vài giây, AI sẽ trả về một phản hồi có cấu trúc dựa trên prompt ở trên. Hãy đọc kỹ và coi đó là bản nháp, không phải là câu trả lời cuối cùng.

📌 Nên làm gì với kết quả đầu ra: Lưu phản hồi vào file Notes. Chọn prompt có hiệu quả cao nhất và thực hiện nó trong tuần này — đừng cố gắng làm tất cả mọi thứ cùng một lúc.

⚠️ Nếu kết quả không ổn: Nếu các prompt có vẻ chung chung, hãy dán nội dung sau: "Hãy cụ thể hơn với bối cảnh thực tế của tôi. Bỏ những lời khuyên chung chung". Nếu nó bỏ qua các chi tiết quan trọng bạn đã cung cấp, hãy hỏi: "Bạn đã bỏ sót [X] trong ngữ cảnh của tôi — hãy thực hiện lại với điều đó làm ràng buộc chính."

Cách tiếp cận kỹ thuật tạo ngữ cảnh

<role>Lập trình viên Python cao cấp với 10 năm kinh nghiệm trong các hệ thống sản xuất</role>
<context>Đoạn code này xử lý thanh toán cho một nền tảng thương mại điện tử phục vụ 50.000 giao dịch mỗi ngày</context>
<instructions>Xem xét đoạn mã sau. Tập trung vào: các lỗ hổng bảo mật, các khoảng trống trong xử lý lỗi và các điều kiện tranh chấp. Đối với mỗi vấn đề, hãy đánh giá mức độ nghiêm trọng (nghiêm trọng/trung bình/thấp) và cung cấp giải pháp khắc phục.</instructions>
<code>[đoạn code thực tế]</code>
<examples>
[Ví dụ về một bài đánh giá code được định dạng tốt từ một phiên trước]
</examples>

Cách đầu tiên có thể phát hiện một số lỗi. Cách thứ hai luôn phát hiện ra các lỗi quan trọng, được định dạng theo cách bạn cần. Không phải vì hướng dẫn tốt hơn — mà vì ngữ cảnh phong phú hơn.

✅ Kiểm tra nhanh: Nếu LLM là CPU và cửa sổ ngữ cảnh là RAM, thì "kỹ thuật tạo ngữ cảnh" điều khiển cái gì?

Đáp án: Thông tin nào được load vào cửa sổ ngữ cảnh — các hướng dẫn, ví dụ, dữ liệu, lịch sử và những ràng buộc mà AI sử dụng để tạo ra phản hồi của nó.

Tại sao điều này hiện lại quan trọng?

Hai năm trước, kỹ thuật tạo prompt (prompt engineering) là đủ. Các mô hình có cửa sổ ngữ cảnh nhỏ (4K-8K token), vì vậy bạn không thể chứa quá nhiều thông tin. Một prompt được thiết kế tốt là tất cả.

Nhưng cửa sổ ngữ cảnh đã bùng nổ. Claude xử lý 200K token. Gemini xử lý hơn 1 triệu token. GPT-4 quản lý 128K token. Đột nhiên, bạn có thể chứa toàn bộ codebase, toàn bộ tài liệu, hàng giờ lịch sử hội thoại và hàng chục ví dụ vào một yêu cầu duy nhất.

Và điều đó đã thay đổi mọi thứ. Bởi vì với cửa sổ ngữ cảnh khổng lồ, khoảng cách chất lượng giữa "prompt tốt, không có ngữ cảnh" và "thiết kế ngữ cảnh tốt" là rất lớn. Chúng ta đang nói về sự khác biệt giữa tỷ lệ thành công 60% và tỷ lệ thành công 95% đối với các tác vụ phức tạp.

Những người đạt được kết quả tốt nhất từ ​​AI vào năm 2026 không phải là những chuyên gia tạo prompt. Họ là những chuyên gia tạo ngữ cảnh. Họ suy nghĩ về thông tin nào được đưa vào, nó nằm ở đâu, cấu trúc như thế nào và thông tin nào bị bỏ qua.

Đến bài học thứ 8, bạn sẽ có thể thiết kế ngữ cảnh giống như một kiến ​​trúc sư thiết kế một tòa nhà — với ý định, cấu trúc và mục đích.

Bạn không cần kinh nghiệm lập trình. Mọi thứ đều hoạt động với các prompt sao chép-dán trong bất kỳ trợ lý AI nào. Nhưng nếu lập trình, bạn sẽ tìm thấy thêm các mẹo hữu ích về kỹ thuật tạo ngữ cảnh lập trình.

Thành công đầu tiên của bạn với kỹ thuật tạo ngữ cảnh

Đây là điều bạn có thể sử dụng ngay hôm nay. Trước lần tương tác với AI tiếp theo, hãy viết một tiêu đề ngữ cảnh — ba dòng ở đầu prompt của bạn:

AI: Tôi là [vai trò của bạn] đang làm việc trên [loại dự án]
CÁI GÌ: Tôi cần [sản phẩm cụ thể] ở [định dạng]
TẠI SAO: Điều này sẽ được sử dụng cho [mục đích] bởi [đối tượng]

Chỉ vậy thôi. Ba dòng. Nhưng ba dòng đó loại bỏ hầu hết sự mơ hồ gây ra kết quả không nhất quán. Bạn vừa cho AI biết bạn là ai, bạn cần gì và tại sao — và ngữ cảnh đó định hình từng từ trong phản hồi của nó.

Hãy thử nó với prompt tiếp theo của bạn. Bạn sẽ nhận thấy sự khác biệt ngay lập tức.

Những điểm chính cần ghi nhớ

• Kỹ thuật tạo prompt tập trung vào hướng dẫn; Thiết kế ngữ cảnh tạo ra toàn bộ môi trường thông tin.
• "Trí thông minh" của AI là cố định — bạn cải thiện đầu ra bằng cách quản lý những gì được đưa vào cửa sổ ngữ cảnh.
• Ngữ cảnh bao gồm: Hướng dẫn, prompt hệ thống, ví dụ, dữ liệu, lịch sử, quyền truy cập công cụ và yêu cầu định dạng.
• Cửa sổ ngữ cảnh đã phát triển mạnh mẽ (200.000 - hơn 1 triệu token), khiến thiết kế ngữ cảnh trở nên quan trọng hơn bao giờ hết.
• Ngay cả một tiêu đề ngữ cảnh đơn giản gồm 3 dòng (AI/CÁI GÌ/TẠI SAO) cũng cải thiện đáng kể tính nhất quán.