Bỏ qua điều hướng
Nhận Quy Trình

Few-shot prompting là gì? Cách đưa vài ví dụ mẫu để AI trả lời đúng ý bạn

Bạn nhờ AI viết tin nhắn trả lời khách và nhận về một đoạn văn đúng ý nhưng sai giọng: quá trang trọng, quá dài, hoặc nghe như thư hành chính. Bạn mô tả giọng văn bằng lời ba lần mà AI vẫn lệch. Cách nhanh nhất để sửa thường không phải mô tả thêm, mà là cho AI xem vài ví dụ. Kỹ thuật này có tên là few-shot prompting.

Few-shot prompting là gì?

Few-shot prompting là việc đặt vào yêu cầu một vài cặp “đầu vào → kết quả mong muốn” làm mẫu, rồi mới đưa việc thật cần làm. “Few” nghĩa là vài, thường từ 2 đến 5 ví dụ. AI nhìn ví dụ, nhận ra khuôn mẫu rồi làm theo khuôn đó.

Để so sánh: nếu không đưa ví dụ nào, cách làm gọi là zero-shot. Chỉ đưa một ví dụ gọi là one-shot. Tên gọi nghe kỹ thuật nhưng ý tưởng giống hệt việc bạn chỉ cho nhân viên mới xem vài tin nhắn mẫu của cửa hàng trước khi họ tự trả lời.

Ví dụ: phân loại tin nhắn của khách

Giả sử bạn muốn AI gán nhãn cho tin nhắn đến: “hỏi giá”, “đặt hàng”, “khiếu nại” hoặc “khác”. Thay vì chỉ liệt kê các nhãn, bạn đưa thêm mẫu:

Tin nhắn: “Áo này size M còn không shop?” → Nhãn: hỏi giá
Tin nhắn: “Mình chốt 2 cái màu đen, giao về quận 7” → Nhãn: đặt hàng
Tin nhắn: “Hàng giao sai màu, mình muốn đổi” → Nhãn: khiếu nại
Tin nhắn: “Bên mình có giao hàng ngoài giờ hành chính không?” → Nhãn: ?

Bốn dòng này cho AI biết cả cách phân loại lẫn cách trình bày kết quả (chỉ một nhãn, không giải thích dài dòng). Với cách làm này, kết quả thường ổn định hơn nhiều so với chỉ mô tả bằng lời.

Khi nào few-shot phát huy tác dụng?

  • Giữ giọng văn: đưa 2–3 tin nhắn trả lời khách mà bạn thấy ưng ý nhất.
  • Phân loại hoặc gán nhãn: như ví dụ trên.
  • Trích thông tin theo mẫu: ví dụ lấy tên, số điện thoại, ngày hẹn từ tin nhắn tự do.
  • Định dạng đầu ra cố định: muốn kết quả luôn có ba dòng, hoặc luôn bắt đầu bằng lời chào.

Với những việc đơn giản và rõ ràng, chẳng hạn “dịch câu này sang tiếng Anh”, bạn không cần ví dụ. Few-shot đáng dùng nhất khi yêu cầu khó diễn tả bằng lời nhưng dễ nhận ra khi nhìn thấy.

4 lỗi hay gặp khi viết ví dụ

  1. Ví dụ quá giống nhau. Nếu cả ba mẫu đều là lời cảm ơn, AI sẽ làm mọi thứ nghe như lời cảm ơn. Hãy chọn các tình huống khác nhau.
  2. Ví dụ có lỗi. AI học theo cả lỗi chính tả, giọng cộc lốc hay thông tin sai trong mẫu. Hãy kiểm tra từng ví dụ trước khi dùng.
  3. Quá nhiều ví dụ. Mười ví dụ làm yêu cầu dài, tốn chi phí hơn mà ít khi hiệu quả hơn ba ví dụ chọn kỹ.
  4. Dùng thông tin thật của khách. Hãy thay tên, số điện thoại và địa chỉ bằng dữ liệu giả trước khi đưa vào mẫu.

Few-shot trong AI agent

Khi dựng AI agent cho cửa hàng hay dịch vụ, bạn có thể đặt vài ví dụ mẫu ngay trong phần hướng dẫn (system prompt), cạnh các quy tắc bằng lời. Quy tắc cho AI biết điều gì được và không được làm, còn ví dụ cho AI thấy làm tốt trông như thế nào. Hai thứ bổ sung cho nhau. Hãy đưa cả ví dụ về lúc agent từ chối hoặc chuyển khách cho người thật, vì đó là những chỗ dễ sai nhất.

Tóm lại

Khi mô tả bằng lời không đủ, hãy cho AI xem. Chọn 2–5 ví dụ đa dạng, đã được kiểm tra, rồi thử lại với vài tình huống thật. Sau đó bạn sẽ thấy câu trả lời của AI gần với giọng và cách làm của bạn hơn rõ rệt.

Về blog

Bài viết gợi ý cho bạn

Nhắn Zalo 0383 071 257 Gọi 0383 071 257 Chat với AITrả lời ngay trên Messenger