Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn đưa cùng một câu hỏi cho hai người: một sinh viên năm nhất và một chuyên gia đã 20 năm trong nghề. Câu hỏi giống hệt nhau, nhưng câu trả lời chắc chắn khác nhau về độ sâu, cách dùng từ, và những điểm họ chọn để nhấn mạnh. Với một mô hình ngôn ngữ lớn (LLM), bạn có một khả năng đặc biệt mà đời thực không có: bạn được quyền chọn AI sẽ đóng vai ai trước khi nó trả lời.
Đó chính là role prompting (còn gọi là persona prompting) — kỹ thuật gán cho AI một vai trò, một danh tính, hoặc một chuyên môn cụ thể ngay từ đầu, để định hình toàn bộ câu trả lời sau đó.
Tại sao bài này quan trọng đến vậy trong khóa học? Vì role prompting là một trong những "đòn bẩy" rẻ nhất mà mạnh nhất. Bạn chỉ cần thêm một câu — "Bạn là một kế toán trưởng có 15 năm kinh nghiệm trong ngành F&B" — mà chất lượng đầu ra có thể thay đổi rõ rệt. Không cần few-shot dài dòng, không cần fine-tune tốn kém. Trong môi trường doanh nghiệp Việt Nam, nơi phần lớn đội ngũ chưa có nhiều kinh nghiệm prompt, đây thường là kỹ thuật đầu tiên tạo ra "khoảnh khắc wow" khi mọi người thấy AI đột nhiên trả lời đúng "chất" mà họ cần.
Ở bài này chúng ta sẽ đi sâu: role prompting thực sự làm gì bên trong, khi nào dùng và khi nào không, và cách viết một role prompt vừa đủ chặt để hữu ích mà không bó AI đến mức nó bịa.
Khái niệm cốt lõi
Role prompting là việc bạn đặt AI vào một "vai" — thường bằng câu bắt đầu bằng "Bạn là..." hoặc "Hãy đóng vai..." — trước khi giao nhiệm vụ thực sự. Vai này có thể là một nghề (luật sư, bác sĩ, copywriter), một tính cách (một reviewer khó tính), hay một góc nhìn (một khách hàng đang phân vân).
Vậy vì sao chỉ một câu mô tả vai lại tạo khác biệt lớn? Có ba cơ chế chính.
1. Kích hoạt kiến thức chuyên môn (activate domain knowledge)
Một LLM đã học từ khối lượng văn bản khổng lồ, trong đó có tài liệu của đủ mọi lĩnh vực. Khi bạn nói "Bạn là chuyên gia bảo mật ứng dụng web", bạn đang ra hiệu cho mô hình ưu tiên vùng kiến thức liên quan: nó sẽ nghĩ tới OWASP Top 10, SQL injection, XSS — thay vì trả lời chung chung kiểu "hãy cẩn thận với dữ liệu người dùng". Vai trò hoạt động như một "bộ lọc" giúp mô hình rút đúng phần kiến thức sâu thay vì phần phổ thông.
2. Thiết lập tông giọng và từ vựng tự động (set tone & vocabulary)
Mỗi nghề có "phương ngữ" riêng. Một bác sĩ viết khác một nhân viên marketing. Khi bạn gán vai, bạn không cần liệt kê thủ công "hãy dùng thuật ngữ y khoa, giọng thận trọng, tránh khẳng định tuyệt đối" — vai "bác sĩ" đã ngầm mang theo tất cả những điều đó. Đây là lý do role prompting tiết kiệm từ ngữ hơn nhiều so với việc mô tả từng ràng buộc về tông giọng.
3. Giới hạn phạm vi câu trả lời (constrain scope)
Khi AI "là" một chuyên gia tài chính, nó sẽ có xu hướng bám vào góc nhìn tài chính và không lan man sang chuyện marketing hay kỹ thuật. Vai trò giúp thu hẹp không gian trả lời, làm câu trả lời tập trung và có chủ đích hơn.
Phân biệt với các kỹ thuật gần kề
Cần lưu ý một điều tinh tế: role prompting thường được đặt trong system prompt (phần thiết lập bối cảnh cố định cho cả phiên), nhưng nó không phải là cùng một thứ với việc thiết kế system prompt nói chung. Role là nội dung — "AI đóng vai ai"; system prompt là nơi đặt — vị trí trong cấu trúc hội thoại. Bạn có thể đặt role ngay trong tin nhắn của người dùng cũng được, chỉ là kém bền hơn qua nhiều lượt hội thoại.
Một điểm nữa: một role prompt tốt không chỉ nêu chức danh, mà còn bổ sung kinh nghiệm, bối cảnh, và mục tiêu. So sánh:
- Yếu: "Bạn là một chuyên gia HR."
- Mạnh: "Bạn là Trưởng phòng Nhân sự với 12 năm kinh nghiệm tuyển dụng nhân sự công nghệ tại các startup Việt Nam quy mô 50–200 người. Bạn đề cao sự công bằng và tránh thiên kiến khi đánh giá ứng viên."
Tình huống thực tế
Ví dụ 1 — Chuỗi F&B "Phở Xưa" và bài toán phản hồi khách hàng
Một chuỗi phở giả định tên "Phở Xưa" có 8 chi nhánh tại TP.HCM, mỗi ngày nhận khoảng 40–60 đánh giá trên các nền tảng giao đồ ăn. Đội chăm sóc khách hàng dùng AI để soạn phản hồi. Ban đầu họ chỉ prompt: "Viết phản hồi cho đánh giá 2 sao này." Kết quả là những câu trả lời máy móc, kiểu "Chúng tôi xin lỗi vì sự bất tiện", nghe rất "AI".
Sau khi áp dụng role prompting, họ đổi thành:
> "Bạn là quản lý chi nhánh của một quán phở gia đình truyền thống tại Sài Gòn, đã làm nghề 10 năm. Bạn nói chuyện chân thành, gần gũi, có chút giọng miền Nam, luôn xem khách như người quen. Hãy trả lời đánh giá sau, thừa nhận vấn đề cụ thể khách nêu, và mời họ quay lại với một lời hứa rõ ràng."
Kết quả thay đổi rõ: phản hồi bắt đầu có "hồn", nhắc đúng món khách chê (ví dụ nước dùng nhạt), và mời khách quay lại kèm ưu đãi nhỏ. Tỷ lệ khách phản hồi lại (reply) sau khi được trả lời tăng đáng kể so với trước.
Bài học: Vai trò "quản lý quán gia đình" đã tự động mang theo tông giọng và cách ứng xử phù hợp với thương hiệu — điều mà nếu mô tả bằng danh sách quy tắc khô khan sẽ dài gấp ba lần và vẫn kém tự nhiên.
Ví dụ 2 — Fintech và "hội đồng phản biện" bằng nhiều vai
Một startup fintech tại Singapore phục vụ thị trường Đông Nam Á cần đánh giá một đề xuất tính năng "mua trước trả sau" (BNPL). Thay vì hỏi AI một câu chung chung, đội sản phẩm dùng role prompting để tạo ra ba góc nhìn phản biện, mỗi lần một vai:
- "Bạn là Giám đốc Rủi ro (CRO) khắt khe, ám ảnh với nợ xấu và tuân thủ quy định. Hãy chỉ ra mọi rủi ro của đề xuất BNPL này."
- "Bạn là Trưởng phòng Tăng trưởng, tập trung vào chuyển đổi và giữ chân người dùng. Đánh giá tính năng này ở góc độ tăng trưởng."
- "Bạn là một khách hàng 24 tuổi ở Jakarta, thu nhập trung bình, lần đầu dùng BNPL. Bạn thấy gì hấp dẫn, thấy gì đáng lo?"
Bài học: Role prompting không chỉ dùng một vai. Bạn có thể xoay vòng nhiều vai để mô phỏng một cuộc họp phản biện, thu về nhiều góc nhìn mà một prompt trung tính không bao giờ cho được.
Ví dụ 3 — Khi vai trò làm hại: công ty bảo hiểm và lời khuyên "quá tự tin"
Một công ty bảo hiểm giả định dùng prompt: "Bạn là chuyên gia y khoa hàng đầu. Hãy tư vấn khách hàng này có nên lo lắng về triệu chứng của họ không." Nghe có vẻ hợp lý, nhưng đây là ví dụ về việc role prompting phản tác dụng. Khi được gán vai "chuyên gia hàng đầu", mô hình có xu hướng trả lời với giọng quá tự tin, đưa ra kết luận chắc nịch về sức khỏe — điều cực kỳ nguy hiểm về mặt pháp lý và đạo đức.
Đội tuân thủ đã phải sửa lại: "Bạn là trợ lý thông tin y tế, KHÔNG phải bác sĩ. Bạn cung cấp thông tin tham khảo tổng quát và LUÔN khuyên người dùng gặp chuyên gia y tế thật để được chẩn đoán." Vai mới này giới hạn phạm vi đúng mức.
Bài học: Vai trò càng "quyền uy" thì AI càng dễ khẳng định mạnh, kể cả khi nó không chắc. Trong lĩnh vực nhạy cảm (y tế, pháp lý, tài chính cá nhân), hãy chọn vai theo hướng hỗ trợ thông tin thay vì chuyên gia phán quyết, và ghép thêm ràng buộc rõ ràng.
Hướng dẫn từng bước
Đây là quy trình 5 bước để viết một role prompt hiệu quả.
Bước 1 — Xác định kết quả bạn muốn trước khi chọn vai. Đừng chọn vai một cách ngẫu nhiên. Hỏi: đầu ra lý tưởng nên có tông giọng nào, độ sâu nào, thiên về góc nhìn nào? Vai chính là công cụ để đạt kết quả đó.
Bước 2 — Viết vai với đủ ba thành phần: chức danh + kinh nghiệm + bối cảnh. Ví dụ: "Bạn là chuyên viên SEO (chức danh) với 8 năm tối ưu website thương mại điện tử (kinh nghiệm) cho thị trường Việt Nam, quen với hành vi tìm kiếm bằng tiếng Việt (bối cảnh)."
Bước 3 — Thêm giá trị hoặc ưu tiên nếu cần định hướng cách suy nghĩ. Chẳng hạn: "Bạn ưu tiên nội dung hữu ích cho người đọc hơn là nhồi từ khóa." Điều này giúp định hình cách AI ra quyết định, không chỉ nó là ai.
Bước 4 — Ghép vai với nhiệm vụ cụ thể và ràng buộc đầu ra. Vai chỉ định hình; nhiệm vụ mới là thứ cần làm. "...Hãy đề xuất 10 tiêu đề bài blog cho chủ đề X, mỗi tiêu đề dưới 60 ký tự."
Bước 5 — Thử, đọc kỹ, tinh chỉnh vai. Nếu câu trả lời quá học thuật, hạ "cấp" của vai xuống (ví dụ đổi "giáo sư" thành "người hướng dẫn thực hành"). Nếu quá hời hợt, nâng chuyên môn lên. Vai là một "núm vặn" bạn điều chỉnh dần.
Một mẫu (template) đáng nhớ:
> "Bạn là [chức danh] có [số năm] kinh nghiệm trong [lĩnh vực/bối cảnh]. Bạn [giá trị/phong cách]. Nhiệm vụ của bạn: [việc cần làm]. Yêu cầu đầu ra: [định dạng, độ dài, ngôn ngữ]."
Lỗi thường gặp & mẹo
Lỗi 1 — Chọn vai "hào nhoáng" nhưng vô nghĩa. Gán "Bạn là thiên tài giỏi nhất thế giới" không giúp gì; nó mơ hồ và còn khiến AI khoa trương. Hãy chọn vai cụ thể và liên quan đến nhiệm vụ.
Lỗi 2 — Nghĩ rằng vai thay được kiến thức thực tế. Gán vai "luật sư" không làm AI biết chính xác luật Việt Nam mới nhất. Với sự thật cần chính xác (điều khoản luật, số liệu, quy định), bạn vẫn phải cung cấp dữ liệu — role chỉ định hình cách trình bày, không tạo ra sự thật.
Lỗi 3 — Vai "quyền uy" gây ảo tưởng chắc chắn. Như ví dụ y tế ở trên, vai chuyên gia đỉnh cao dễ khiến AI khẳng định sai mà nghe rất tự tin. Trong lĩnh vực rủi ro, hãy hạ giọng vai và thêm ràng buộc an toàn.
Lỗi 4 — Đặt vai rồi lại quên nhiệm vụ. Nhiều người viết một đoạn dài mô tả vai nhưng nhiệm vụ lại mơ hồ. Vai không thay thế được một câu lệnh nhiệm vụ rõ ràng.
Mẹo: Khi cần đánh giá đa chiều, hãy dùng kỹ thuật nhiều vai lần lượt (như ví dụ fintech) — mỗi vai một lượt, rồi tự bạn tổng hợp.
Mẹo: Với các tác vụ định lượng thuần túy (tính toán, trích xuất chính xác), role prompting ít tác dụng. Đừng lãng phí từ ngữ gán vai cho những việc mà tính đúng/sai không phụ thuộc góc nhìn.
Mẹo: Hãy dùng vai để "hạ" độ khó khi cần — ví dụ "Bạn là thầy giáo giải thích cho học sinh lớp 8" giúp AI diễn đạt đơn giản, dễ hiểu hơn hẳn.
Bài tập thực hành
- Viết lại prompt yếu. Lấy prompt "Viết email xin lỗi khách hàng vì giao hàng trễ." Thêm một vai đầy đủ ba thành phần (chức danh + kinh nghiệm + bối cảnh Việt Nam) và một ràng buộc đầu ra. Chạy cả hai phiên bản, so sánh.
- Hội đồng ba vai. Chọn một quyết định kinh doanh nhỏ (ví dụ: "có nên mở gian hàng trên TikTok Shop không?"). Viết ba role prompt: một người lạc quan tăng trưởng, một người thận trọng về chi phí, và một khách hàng mục tiêu. Tổng hợp ba câu trả lời thành một đoạn kết luận.
- Thử nghiệm "núm vặn" chuyên môn. Cùng một câu hỏi kỹ thuật, hỏi AI với ba vai khác nhau: "sinh viên năm nhất", "kỹ sư 5 năm kinh nghiệm", và "giáo sư đại học". Quan sát tông giọng và độ sâu thay đổi thế nào, và ghi lại vai nào phù hợp nhất với nhu cầu thật của bạn.
- Phát hiện vai nguy hiểm. Viết một prompt cho lĩnh vực nhạy cảm (tư vấn tài chính cá nhân) theo hướng "chuyên gia phán quyết", rồi viết lại theo hướng "trợ lý thông tin có ràng buộc an toàn". So sánh mức độ tự tin trong hai câu trả lời.
Tóm tắt
Role prompting là kỹ thuật gán cho AI một vai trò, danh tính, hoặc chuyên môn cụ thể để định hình câu trả lời. Nó hiệu quả nhờ ba cơ chế: kích hoạt kiến thức chuyên môn liên quan, thiết lập tông giọng và từ vựng một cách tự động, và giới hạn phạm vi câu trả lời cho tập trung hơn.
Một role prompt mạnh không chỉ nêu chức danh mà còn thêm kinh nghiệm, bối cảnh, và giá trị ưu tiên — rồi ghép với nhiệm vụ và ràng buộc đầu ra rõ ràng. Bạn có thể xoay vòng nhiều vai để mô phỏng một hội đồng phản biện đa chiều.
Nhưng hãy nhớ ba giới hạn: vai không tạo ra sự thật (vẫn cần cung cấp dữ liệu chính xác), vai càng "quyền uy" càng dễ khiến AI khẳng định sai một cách tự tin (nguy hiểm trong y tế, pháp lý, tài chính), và với tác vụ định lượng thuần túy thì role ít tác dụng. Dùng đúng chỗ, role prompting là đòn bẩy rẻ nhất mà mạnh nhất trong bộ công cụ prompt của bạn.