Mở đầu — vì sao bài này quan trọng
Sau 47 bài học, bạn đã đi qua rất nhiều kỹ thuật riêng lẻ: zero-shot, few-shot, chain-of-thought, structured output, role prompting, negative prompting… Mỗi kỹ thuật giống như một cây kéo, một cái búa, một con dao trong hộp đồ nghề. Nhưng người thợ giỏi không phải người biết tên từng dụng cụ — mà là người nhìn vào một tình huống và ngay lập tức biết nên rút cái nào ra dùng.
Bài 48 chính là lúc chúng ta gom tất cả lại thành một thư viện các pattern (khuôn mẫu) prompt — những công thức đã được cộng đồng và các đội ngũ AI trên thế giới kiểm chứng, đặt tên, và tái sử dụng hàng nghìn lần. Đây không phải bài dạy kỹ thuật mới, mà là bài giúp bạn có một "bảng tra cứu" trong đầu: gặp bài toán X thì áp pattern Y.
Tại sao điều này quan trọng với người làm nghề? Vì trong công việc thực tế, bạn không có thời gian ngồi thử nghiệm từng câu chữ mỗi lần. Khi sếp nhắn "làm cho anh cái tóm tắt báo cáo này trong 15 phút", bạn cần một khuôn mẫu sẵn có để đổ nội dung vào và chạy ngay. Một thư viện pattern tốt biến prompt engineering từ "nghệ thuật cảm tính" thành "kỹ năng có hệ thống" — điều mà bất kỳ đội ngũ nào cũng cần để làm việc nhanh, đều tay, và bàn giao được cho người khác.
Hãy coi bài này như cuốn sổ tay gối đầu giường của bạn khi ngồi viết prompt.
Khái niệm cốt lõi
"Prompt pattern" là một cấu trúc prompt có tên, giải quyết một lớp vấn đề lặp đi lặp lại. Giống như trong lập trình có "design pattern" (Singleton, Factory, Observer…), prompt engineering cũng có những khuôn mẫu được đặt tên để mọi người cùng gọi và cùng dùng.
Một pattern tốt thường có ba phần: (1) Tên gọi để dễ nhớ và trao đổi; (2) Cấu trúc mẫu — khung câu chữ để điền vào; (3) Khi nào dùng — bối cảnh phù hợp. Dưới đây là các pattern nền tảng bạn nên thuộc lòng.
1. Persona Pattern (Khuôn mẫu đóng vai)
"Hãy đóng vai một [vai trò có chuyên môn cụ thể].
Với kiến thức của một [vai trò đó], hãy [nhiệm vụ]."
Ví dụ: "Hãy đóng vai một chuyên gia thuế Việt Nam với 15 năm kinh nghiệm. Giải thích cho tôi cách tính thuế TNCN cho freelancer." Pattern này kích hoạt vùng kiến thức chuyên ngành và điều chỉnh giọng điệu. Dùng khi bạn cần chuyên môn sâu và cách trình bày phù hợp với một nghề.
2. Recipe Pattern (Khuôn mẫu công thức)
"Tôi muốn đạt được [mục tiêu].
Tôi biết mình cần thực hiện các bước [A], [B], [C].
Hãy cung cấp đầy đủ chuỗi các bước và điền vào những bước còn thiếu."
Dùng khi bạn biết đích đến và một vài mốc trung gian, nhưng muốn AI hoàn thiện lộ trình đầy đủ. Ví dụ: bạn biết để onboard nhân viên mới cần "phát tài khoản, đào tạo, giao việc thử" — AI sẽ điền các bước còn thiếu như ký hợp đồng, cấp thiết bị, gán mentor.
3. Template Pattern (Khuôn mẫu định dạng cứng)
"Tôi sẽ cung cấp một mẫu định dạng. Hãy điền nội dung vào ĐÚNG mẫu này,
giữ nguyên các phần trong [ ] làm placeholder.
Mẫu: Tên: [TÊN] | Chức vụ: [CHỨC VỤ] | Email: [EMAIL]"
Dùng khi output phải khớp một format cố định để hệ thống khác đọc được (dán vào Excel, đẩy vào CRM). Bạn ra lệnh khuôn, AI chỉ được điền vào ô.
4. Flipped Interaction Pattern (Khuôn mẫu đảo vai hỏi)
"Tôi muốn bạn hỏi tôi từng câu một để [đạt mục tiêu].
Hãy hỏi cho đến khi bạn có đủ thông tin, sau đó mới đưa ra kết quả."
Thay vì bạn hỏi AI, bạn để AI hỏi bạn. Cực kỳ hữu ích khi bạn chưa biết mình cần cung cấp gì — ví dụ khi viết một bản mô tả công việc (job description), AI sẽ hỏi ngược về ngân sách, cấp bậc, kỹ năng bắt buộc.
5. Cognitive Verifier Pattern (Khuôn mẫu tự kiểm bằng câu hỏi con)
"Khi tôi hỏi một câu, hãy tự chia nó thành các câu hỏi nhỏ hơn giúp trả lời chính xác hơn.
Kết hợp câu trả lời của các câu hỏi con thành câu trả lời cuối cùng."
Pattern này ép AI phân rã vấn đề trước khi trả lời, giảm sai sót với câu hỏi phức tạp. Ví dụ hỏi "Có nên mở chi nhánh ở Đà Nẵng không?" — AI tự bẻ thành: dân số, sức mua, đối thủ, chi phí mặt bằng.
6. Fact Check List Pattern (Khuôn mẫu liệt kê điểm cần kiểm chứng)
"Sau khi trả lời, hãy liệt kê danh sách các sự kiện/con số trong câu trả lời
mà tôi nên tự kiểm chứng lại, vì chúng quan trọng và có thể sai."
Dùng cho mọi nội dung có rủi ro — số liệu tài chính, điều khoản pháp lý. Nó không loại bỏ được ảo giác (hallucination) nhưng đánh dấu chỗ cần bạn để mắt.
7. Output Automater Pattern (Khuôn mẫu tự động hóa đầu ra)
"Bất cứ khi nào câu trả lời của bạn chứa các bước có thể tự động hóa,
hãy tạo luôn một script (bash/Python) để thực hiện chúng."
Biến lời khuyên thành công cụ chạy được. Rất mạnh khi làm việc với dữ liệu và kỹ thuật.
8. Question Refinement Pattern (Khuôn mẫu tinh chỉnh câu hỏi)
"Mỗi khi tôi đặt câu hỏi, hãy đề xuất một phiên bản câu hỏi tốt hơn
và hỏi tôi có muốn dùng phiên bản đó không."
AI giúp bạn hỏi hay hơn — hữu ích khi bạn còn mơ hồ về chính vấn đề của mình.
Tình huống thực tế
Ví dụ 1 — Tiki: đội chăm sóc khách hàng và pattern Persona + Template
Giả định một team CS tại Tiki phải trả lời hàng nghìn email khiếu nại mỗi ngày. Ban đầu mỗi nhân viên tự viết prompt kiểu tự do, dẫn đến giọng điệu lúc thân thiện lúc khô cứng, format lộn xộn. Trưởng nhóm quyết định chuẩn hóa bằng cách kết hợp Persona Pattern và Template Pattern thành một prompt dùng chung:
> "Hãy đóng vai một nhân viên chăm sóc khách hàng Tiki: lịch sự, đồng cảm, giải quyết dứt điểm. Trả lời email khiếu nại dưới đây theo đúng khuôn: [Lời chào] — [Thừa nhận vấn đề] — [Giải pháp cụ thể + mốc thời gian] — [Lời xin lỗi/cảm ơn] — [Chữ ký]."
Diễn giải: Persona đảm bảo giọng điệu nhất quán với thương hiệu; Template đảm bảo mọi email có cùng cấu trúc 5 phần để khách đọc rõ ràng. Sau khi áp dụng, thời gian soạn một email giảm từ 6 phút xuống 2 phút, và tỷ lệ khiếu nại lặp lại giảm rõ vì email nào cũng có "giải pháp + mốc thời gian".
Bài học: Pattern không đi một mình. Sức mạnh thật sự nằm ở việc ghép các pattern lại — một cái lo giọng điệu, một cái lo cấu trúc.
Ví dụ 2 — Một startup fintech Singapore và pattern Cognitive Verifier
Một startup fintech nhỏ ở Singapore dùng AI để hỗ trợ nhân viên tư vấn trả lời câu hỏi kiểu "Khách hàng này có đủ điều kiện vay không?". Ban đầu họ hỏi thẳng và AI trả lời "Có/Không" — nhưng nhiều lần sai vì bỏ sót điều kiện. Họ áp Cognitive Verifier Pattern:
> "Khi tôi hỏi về điều kiện vay, hãy tự chia thành các câu hỏi con: thu nhập có đạt ngưỡng tối thiểu không? tỷ lệ nợ trên thu nhập bao nhiêu? lịch sử tín dụng thế nào? tuổi và thời hạn vay có hợp lệ không? Trả lời từng câu rồi mới kết luận."
Diễn giải: Thay vì một câu trả lời "hộp đen", giờ nhân viên thấy được từng mắt xích lập luận. Nếu AI kết luận sai, họ biết ngay nó sai ở bước nào (ví dụ tính nhầm tỷ lệ nợ). Tỷ lệ quyết định sai sót giảm đáng kể, và quan trọng hơn là mỗi quyết định đều có thể giải trình với bộ phận tuân thủ (compliance).
Bài học: Với các quyết định quan trọng, đừng để AI trả lời một phát. Pattern phân rã vừa tăng độ chính xác vừa tạo ra "dấu vết kiểm toán".
Ví dụ 3 — Freelancer viết nội dung và pattern Flipped Interaction
Chị Lan, một freelancer viết content ở TP.HCM, thường bực bội vì khách brief sơ sài. Khi chị dùng AI để viết bài, output cũng chung chung vì chính chị cũng thiếu thông tin. Chị chuyển sang Flipped Interaction Pattern cho bước brief:
> "Tôi cần viết một bài blog cho khách. Hãy hỏi tôi từng câu một để làm rõ: đối tượng đọc, mục tiêu bài viết, giọng điệu, thông điệp chính, độ dài, từ khóa SEO. Hỏi xong hết mới bắt đầu viết."
Diễn giải: AI dẫn dắt chị qua từng câu hỏi mà một biên tập viên giỏi sẽ hỏi. Nhờ vậy chị Lan thu thập đủ thông tin ngay cả khi khách brief lười — và chị dùng chính bộ câu hỏi đó để hỏi lại khách. Chất lượng bài viết đồng đều hơn hẳn, số lần khách yêu cầu sửa giảm khoảng một nửa.
Bài học: Khi bạn là điểm nghẽn thông tin, hãy đảo vai để AI moi thông tin từ bạn. Pattern này biến AI thành người phỏng vấn thay vì người trả lời.
Hướng dẫn từng bước
Cách xây dựng và sử dụng thư viện pattern của riêng bạn:
Bước 1 — Nhận diện lớp bài toán. Trước khi viết prompt, hỏi: "Đây là loại việc gì?" Cần chuyên môn → Persona. Cần output đúng format → Template. Cần một lộ trình → Recipe. Cần độ chính xác cao → Cognitive Verifier. Cần moi thông tin từ chính mình → Flipped Interaction. Việc gọi tên đúng lớp bài toán là 80% công việc.
Bước 2 — Chọn pattern gốc phù hợp. Rút từ thư viện ở trên đúng một pattern làm khung xương chính. Đừng tham lam nhồi năm pattern vào một prompt ngay từ đầu.
Bước 3 — Điền nội dung cụ thể vào khung. Thay các phần trong ngoặc [ ] bằng bối cảnh thật của bạn: tên vai trò cụ thể, mục tiêu rõ ràng, format chính xác. Càng cụ thể, output càng tốt.
Bước 4 — Ghép thêm pattern bổ trợ nếu cần. Sau khi khung chính chạy được, cân nhắc thêm một lớp: ví dụ Persona (giọng) + Template (format) + Fact Check List (an toàn số liệu). Ghép có chủ đích, không ghép bừa.
Bước 5 — Đặt tên và lưu lại. Khi một prompt chạy tốt, lưu nó vào một file/notion/sheet chung, đặt tên rõ ràng ("Email CS chuẩn Tiki v2"). Đây là bước biến kinh nghiệm cá nhân thành tài sản của cả đội — cũng là cầu nối tới Bài 37 về prompt versioning.
Bước 6 — Tái sử dụng và tinh chỉnh. Lần sau gặp bài toán tương tự, rút pattern đã lưu ra, chỉ đổi phần nội dung. Theo thời gian, thư viện của bạn sẽ dày lên và tốc độ làm việc tăng vọt.
Lỗi thường gặp & mẹo
Lỗi 1 — Nhồi quá nhiều pattern vào một prompt. Người mới hào hứng ghép Persona + Recipe + Cognitive Verifier + Fact Check + Template vào một lúc, khiến prompt rối và AI làm nửa vời từng phần. Mẹo: bắt đầu với một pattern, chỉ thêm khi thật sự cần.
Lỗi 2 — Học thuộc công thức mà không hiểu "khi nào dùng". Nhớ cú pháp Persona nhưng đem dùng cho một việc chỉ cần trích xuất dữ liệu (đáng lẽ dùng Template) là lãng phí. Mẹo: luôn gắn mỗi pattern với câu hỏi "lớp bài toán nào phù hợp?".
Lỗi 3 — Placeholder để trống hoặc mơ hồ. Viết "đóng vai một chuyên gia" mà không nói chuyên gia gì thì Persona vô nghĩa. Mẹo: mỗi [ ] phải được điền bằng chi tiết cụ thể, đo đếm được.
Lỗi 4 — Không lưu lại pattern đã chạy tốt. Mỗi lần lại viết từ đầu, mỗi người trong team viết một kiểu. Mẹo: xây một "thư viện prompt" dùng chung ngay từ hôm nay, dù chỉ là một Google Sheet.
Lỗi 5 — Tưởng pattern là bất biến. Model thay đổi, bài toán thay đổi; một pattern hiệu quả năm ngoái có thể cần chỉnh. Mẹo: định kỳ kiểm tra lại các pattern chủ lực, đánh version.
Mẹo vàng: Hãy coi các pattern như "danh từ chung" để cả đội nói cùng ngôn ngữ. Khi một đồng nghiệp nói "dùng Flipped Interaction cho phần brief đi", mọi người hiểu ngay — đó là lúc thư viện pattern thực sự phát huy giá trị đội nhóm.
Bài tập thực hành
- Lập bảng tra cứu cá nhân. Lấy 5 công việc bạn làm thường xuyên nhất (ví dụ: viết email, tóm tắt cuộc họp, phân tích số liệu). Với mỗi việc, ghi rõ nên dùng pattern nào và vì sao. Đây là hạt giống cho thư viện của bạn.
- Áp Persona + Template. Viết một prompt hoàn chỉnh trả lời email khách hàng cho lĩnh vực của bạn, ghép Persona Pattern (giọng điệu) và Template Pattern (cấu trúc 4–5 phần). Chạy thử với một email thật và đánh giá output.
- Thử Flipped Interaction. Chọn một việc bạn hay brief mơ hồ (viết bài, thiết kế, tuyển dụng). Viết prompt yêu cầu AI hỏi ngược bạn từng câu trước khi làm. Ghi lại bộ câu hỏi AI đưa ra — đó chính là checklist bạn nên tự hỏi mỗi lần.
- Ghép và so sánh. Lấy một bài toán quan trọng (quyết định kinh doanh, tính toán tài chính). Chạy hai lần: một lần hỏi thẳng, một lần dùng Cognitive Verifier. So sánh chất lượng và mức độ tin cậy của hai câu trả lời.
- Đặt tên và lưu. Chọn prompt tốt nhất bạn tạo ra trong các bài trên, đặt tên rõ ràng, lưu vào một file chung. Viết một dòng ghi chú "khi nào dùng". Bạn vừa có mục đầu tiên trong thư viện pattern của mình.
Tóm tắt
- Prompt pattern là các khuôn mẫu prompt có tên, giải quyết những lớp bài toán lặp lại — giống design pattern trong lập trình.
- Các pattern nền tảng cần thuộc: Persona (đóng vai chuyên gia), Recipe (hoàn thiện lộ trình), Template (ép format cứng), Flipped Interaction (AI hỏi ngược bạn), Cognitive Verifier (phân rã để tăng chính xác), Fact Check List (đánh dấu chỗ cần kiểm chứng), Output Automater và Question Refinement.
- Sức mạnh thật nằm ở việc ghép pattern có chủ đích, không nhồi bừa: một cái lo giọng, một cái lo format, một cái lo an toàn.
- Quy trình: nhận diện lớp bài toán → chọn pattern gốc → điền nội dung cụ thể → ghép bổ trợ → đặt tên và lưu → tái sử dụng.
- Lỗi phổ biến nhất là học thuộc công thức mà quên "khi nào dùng", và không lưu lại những prompt đã chạy tốt.
- Hãy bắt đầu xây thư viện pattern dùng chung cho bản thân và đội nhóm ngay hôm nay — đó là cách biến prompt engineering thành kỹ năng có hệ thống, làm nhanh và đều tay.