Trang chủ · Dự án · Bài 3

Viết Prompt hiệu quả cho các tác vụ học tập

Bài tập 2 — Mục 3.4 · Tổng quan về trí tuệ nhân tạo. Cùng một câu hỏi, cách hỏi khác nhau cho ra chất lượng khác nhau đến mức khó tin. Đây là bài tôi kiểm chứng điều đó trên chính môn Kinh tế vĩ mô của mình.

Mục tiêu bài tập

Đề bài yêu cầu trình bày sự so sánh giữa prompt ban đầu và prompt cải tiến, cùng kết quả đầu ra từ AI. Tôi chọn ba tác vụ học tập thật trong chương trình Kinh tế — không phải ví dụ giả định — để việc so sánh có ý nghĩa với chính việc học của mình.

Tác vụ Bản chất & mục tiêu học tập Thách thức kỹ thuật khi làm với AI
1. Tóm tắt tài liệu lý thuyết phức tạp Mô hình tăng trưởng Solow–Swan. Cô đọng hệ giả định, phương trình tích lũy vốn và trạng thái dừng mà không làm mất tính logic toán học. AI dễ bỏ qua hoặc đơn giản hóa quá mức các biến số cốt lõi (vốn k, lao động n, hiệu quả lao động g, khấu hao d), hoặc giải thích sai cơ chế hội tụ.
2. Giải thích cơ chế truyền dẫn chính sách Bẫy thanh khoản (Liquidity Trap). Giải thích trực quan nhưng khoa học việc tại sao chính sách tiền tệ mở rộng mất hiệu lực khi lãi suất cận không (ZLB). Cần cân bằng giữa lý thuyết đồ thị IS-LM, tâm lý kỳ vọng thị trường và ví dụ lịch sử thật (Nhật Bản thập niên 1990) để tránh mơ hồ.
3. Thiết kế bộ câu hỏi đánh giá tư duy Hệ thống câu hỏi ôn tập mô hình IS-LM. Tạo câu hỏi trắc nghiệm phức hợp và bài tập tình huống để rèn tư duy phản biện ở mức vận dụng cao. AI thường chỉ tạo câu hỏi tái hiện kiến thức. Thách thức là ép nó xây tình huống giả định (cú sốc cung/cầu hỗn hợp) đòi hỏi phân tích đồ thị đồng thời.

Ba phiên bản prompt

Tác vụ 1 — Tóm tắt mô hình tăng trưởng Solow

V1 · Cơ bản Tóm tắt mô hình tăng trưởng Solow cho tôi.
V2 · Cải tiến Hãy tóm tắt các giả định chính và kết luận cốt lõi của mô hình Solow trong 5 gạch đầu dòng ngắn gọn. Sử dụng thuật ngữ phù hợp cho sinh viên kinh tế.
V3 · Nâng cao · Role + Chain-of-Thought Bạn là một giảng viên xuất sắc chuyên ngành Kinh tế vĩ mô tại một trường đại học hàng đầu. Hãy tóm tắt chương lý thuyết về Mô hình tăng trưởng Solow theo quy trình Chain-of-Thought từng bước sau: 1. Làm rõ 4 giả định nền tảng ban đầu; 2. Giải thích phương trình tích lũy vốn cơ bản bằng ký hiệu toán học tiêu chuẩn; 3. Phân tích điều kiện đạt trạng thái dừng (Steady State). Cuối cùng, hãy thiết lập một bảng so sánh tác động dài hạn lên sản lượng trên mỗi lao động (y) và vốn trên mỗi lao động (k) khi: (a) Tỷ lệ tiết kiệm (s) tăng, (b) Tốc độ tăng trưởng dân số (n) tăng.

Tác vụ 3 — Thiết kế bộ câu hỏi ôn tập IS-LM

V1 · Cơ bản Tạo 5 câu hỏi về mô hình IS-LM.
V2 · Cải tiến Tạo 5 câu hỏi trắc nghiệm về mô hình IS-LM có kèm theo đáp án đúng và giải thích ngắn gọn lý do chọn đáp án đó.
V3 · Nâng cao · Few-shot + Ràng buộc Bạn là thành viên Hội đồng khảo thí quốc gia chuyên trách ra đề thi học sinh giỏi Kinh tế học. Hãy xây dựng bộ 3 câu hỏi trắc nghiệm tình huống (Scenario-based questions) ở mức độ vận dụng cao (Mức độ 4) phân tích chính sách tài khóa và tiền tệ hỗn hợp (Policy Mix). Yêu cầu nghiêm ngặt: Mỗi câu hỏi phải gắn liền với một biến động vĩ mô thực tế (ví dụ: khủng hoảng chuỗi cung ứng toàn cầu, lạm phát đình đốn stagflation). Định dạng xuất ra gồm: Đề bài tình huống chi tiết → 4 phương án lựa chọn → Đáp án chính xác → Phân tích học thuật chi tiết lý do tại sao phương án đúng là duy nhất và tại sao các phương án khác sai hoàn toàn dựa trên sự dịch chuyển của các đường IS và LM.

Kết quả thử nghiệm (Benchmarking)

Ba phiên bản được chạy thử trên cùng một mô hình ngôn ngữ lớn để đo chất lượng đầu ra:

Phiên bản Độ chính xác học thuật Khả năng ứng dụng Đánh giá chi tiết sắc thái kết quả
Cơ bản (V1) Trung bình · 6/10 Thấp — không dùng để học sâu được Nội dung bề nổi, cấu trúc lộn xộn, văn phong giống bách khoa toàn thư mở. Không có phương trình toán học hay ví dụ cụ thể để hiểu bản chất kinh tế.
Cải tiến (V2) Khá · 7.5/10 Trung bình — thích hợp tra cứu nhanh Thông tin đã được phân nhóm rõ ràng, dễ theo dõi hơn. Tuy nhiên các lập luận liên kết giữa giả định toán học và đồ thị vẫn rời rạc, chưa tối ưu cho ôn thi học thuật.
Nâng cao (V3) Rất cao · 9.5/10 Rất xuất sắc — chuẩn tài liệu nghiên cứu Kết quả thể hiện rõ tư duy chuyên gia. Giải thích sâu các biến số trung gian, sử dụng công thức toán học trực quan. Bộ câu hỏi tình huống có cấu trúc phức tạp, thách thức tư duy và rất sát đề thi thực tế.

Khác biệt lớn nhất giữa V1 và V3 không nằm ở lượng chữ, mà ở chỗ V3 giải thích được "tại sao" thay vì chỉ liệt kê "cái gì". Đó đúng là thứ tôi cần khi ôn thi.

Vì sao V3 hiệu quả? Ba trụ cột kỹ thuật

🎭

Persona

Áp vai "Giảng viên xuất sắc" hoặc "Hội đồng khảo thí" buộc mô hình chuyển ngữ vực (register) sang phong cách học thuật trang trọng, chính xác và có tính sư phạm.

🔗

Chain-of-Thought

Yêu cầu phân tích tuần tự từ giả định → phương trình → kết luận giúp hạn chế tối đa lỗi logic toán học vĩ mô, vốn rất dễ xảy ra khi AI suy luận nhảy cóc.

📐

Few-shot & Ràng buộc

Cung cấp ví dụ mẫu và định dạng đầu ra rõ ràng giúp AI hiểu được "độ khó" mong muốn, tập trung năng lực vào chất lượng thay vì trả lời lan man.

Khung C-R-I-S-P — nguyên tắc tôi tự đúc kết

Năm chữ cái này là thứ tôi mang theo sau bài tập, áp dụng được cho mọi tác vụ học tập:

  • CContext — Bối cảnh. Cung cấp rõ mục tiêu và cấp độ người học. Ví dụ: "Cho lớp Kinh tế vĩ mô nâng cao của sinh viên năm 2".
  • RRole — Vai trò. Chỉ định vai trò chuyên gia cụ thể. Ví dụ: "Bạn là một nhà phân tích chính sách của Quỹ Tiền tệ Quốc tế (IMF)".
  • IInstruction — Chỉ dẫn. Dùng động từ hành động mạnh, rõ ràng: "Lập bảng", "Chứng minh", "Phân tích biến động".
  • SStructure — Cấu trúc. Xác định cách tổ chức đầu ra: bảng so sánh, danh sách phân bậc, sơ đồ tư duy dạng text.
  • PParameters — Tham số. Đặt giới hạn cụ thể: "Không quá 500 từ", "Phải dùng hệ phương trình của trường phái Keynesian".

Điều tôi rút ra

Trước bài này tôi hay đổ lỗi cho AI khi nhận được câu trả lời nông. Sau ba tác vụ, tôi thấy rõ vấn đề nằm ở phía mình: V1 nông vì câu hỏi của tôi nông. AI không đọc được ý định trong đầu tôi — nó chỉ có đúng những gì tôi viết ra.

Nhưng cũng có một giới hạn tôi nhận ra: dù V3 đạt 9.5/10, con số 0.5 còn lại vẫn là lý do tôi phải tự đọc lại giáo trình. Prompt tốt giúp AI trình bày đúng cấu trúc của một lập luận kinh tế, nhưng không đảm bảo mọi con số trong đó đều đúng. Đây chính là điểm nối sang Bài 6.

Sản phẩm cuối cùng

Bai-3_Bao-cao-thuc-hanh-ky-nang-viet-Prompt.pdf Mở trong tab mới ↗

Báo cáo gốc: lựa chọn tác vụ, ba phiên bản prompt, bảng so sánh kết quả và khung C-R-I-S-P.

Bản mở rộng

Tôi có viết lại bài này thành một bản chi tiết hơn, bổ sung điểm số benchmark cụ thể (6/10 — 7.5/10 — 9.5/10) và phân tích kỹ hơn thách thức kỹ thuật của từng tác vụ:

Bai-3_Ban-mo-rong_Benchmarking-chi-tiet.pdf Mở trong tab mới ↗

Bản viết lại có chấm điểm định lượng cho từng phiên bản prompt.