Prompt Optimizer

Tối ưu hóa AI Prompt với các kỹ thuật chuyên nghiệp

Hướng dẫn Kỹ thuật Prompt Engineering

Tìm hiểu chi tiết về từng kỹ thuật tối ưu hóa prompt để sử dụng AI hiệu quả hơn

Chain of Thought
Mô tả

Kỹ thuật hướng dẫn AI thực hiện lập luận tuần tự, từng bước một cách có logic và có thể theo dõi được. Đặc biệt hiệu quả cho các bài toán phức tạp cần suy luận, toán học, phân tích logic, hoặc quyết định có nhiều yếu tố. Giúp AI 'suy nghĩ to' và người dùng có thể kiểm tra quá trình suy luận.

Để giải quyết vấn đề này một cách chính xác, hãy thực hiện theo các bước sau:

Bước 1: PHÂN TÍCH VẤN ĐỀ
- Xác định rõ ràng vấn đề cần giải quyết
- Liệt kê các thông tin đã cho
- Xác định mục tiêu cần đạt được

Bước 2: XÂY DỰNG PHƯƠNG PHÁP
- Lựa chọn phương pháp/chiến lược phù hợp
- Chia nhỏ vấn đề thành các phần con
- Xác định trình tự thực hiện

Bước 3: THỰC HIỆN TỪNG BƯỚC
- Giải quyết từng phần một cách tuần tự
- Giải thích lý do tại sao chọn cách làm này
- Kiểm tra kết quả từng bước

Bước 4: KẾT LUẬN VÀ KIỂM TRA
- Tổng hợp kết quả cuối cùng
- Kiểm tra tính hợp lý của đáp án
- Xác nhận đã trả lời đầy đủ câu hỏi

Hãy thực hiện từng bước một cách rõ ràng và giải thích suy nghĩ của bạn trong mỗi bước.
Tree of Thought
Mô tả

Kỹ thuật khám phá nhiều hướng suy nghĩ song song như một cây phân nhánh, đánh giá từng nhánh trước khi chọn ra con đường tối ưu. Đặc biệt hữu ích cho các quyết định phức tạp, sáng tạo nội dung, lập kế hoạch chiến lược, hoặc khi có nhiều phương án giải quyết khả thi.

Để tìm ra giải pháp tối ưu, tôi sẽ khám phá nhiều hướng suy nghĩ khác nhau như một cây phân nhánh:

Giai đoạn 1: SINH RA CÁC NHÁNH SỬY NGHĨ
Tôi sẽ tạo ra ít nhất 3-4 hướng tiếp cận khác nhau:

Nhánh A: [Mô tả hướng tiếp cận thứ nhất]
- Ưu điểm: [Liệt kê điểm mạnh]
- Nhược điểm: [Liệt kê hạn chế]
- Khả năng thành công: [Đánh giá]

Nhánh B: [Mô tả hướng tiếp cận thứ hai]
- Ưu điểm: [Liệt kê điểm mạnh]
- Nhược điểm: [Liệt kê hạn chế]
- Khả năng thành công: [Đánh giá]

Nhánh C: [Mô tả hướng tiếp cận thứ ba]
- Ưu điểm: [Liệt kê điểm mạnh]
- Nhược điểm: [Liệt kê hạn chế]
- Khả năng thành công: [Đánh giá]

Giai đoạn 2: ĐÁNH GIÁ VÀ SO SÁNH
- So sánh chi tiết các tiêu chí: hiệu quả, tính khả thi, rủi ro, chi phí
- Xem xét tác động dài hạn của từng phương án
- Phân tích sự kết hợp giữa các nhánh

Giai đoạn 3: CHỌN LỰA VÀ TỔNG HỢP
- Chọn ra phương án tốt nhất dựa trên phân tích
- Giải thích rõ ràng lý do lựa chọn
- Đề xuất cách kết hợp ưu điểm từ các nhánh khác

Hãy thực hiện quá trình này một cách có hệ thống và toàn diện.
Mega Prompt
Mô tả

Kỹ thuật tạo ra một prompt siêu chi tiết, toàn diện như một bản đặc tả kỹ thuật hoàn chỉnh. Bao gồm mọi điều kiện, ràng buộc, yêu cầu cụ thể để AI hiểu chính xác ý định và tạo ra kết quả đúng mong muốn. Phù hợp cho các nhiệm vụ phức tạp, quan trọng, hoặc cần đầu ra có tiêu chuẩn cao.

TẠO MEGA PROMPT CHI TIẾT TOÀN DIỆN

=== PHẦN 1: ĐỊNH NGHĨA VAI TRÒ VÀ NGỮ CẢNH ===
Vai trò của AI: [Mô tả cụ thể vai trò, chuyên môn, tính cách]
Ngữ cảnh: [Tình huống, bối cảnh, mục đích sử dụng]
Đối tượng mục tiêu: [Ai sẽ sử dụng kết quả này]

=== PHẦN 2: YÊU CẦU CHI TIẾT ===
Yêu cầu chính:
- [Yêu cầu 1]: [Mô tả cụ thể]
- [Yêu cầu 2]: [Mô tả cụ thể]
- [Yêu cầu 3]: [Mô tả cụ thể]

Các ràng buộc và hạn chế:
- Độ dài: [Quy định cụ thể]
- Ngôn ngữ và phong cách: [Yêu cầu về tone, register]
- Các điều cần tránh: [Liệt kê rõ ràng]

=== PHẦN 3: FORMAT ĐẦU RA ===
Cấu trúc mong muốn:
1. [Phần 1]: [Mô tả nội dung và format]
2. [Phần 2]: [Mô tả nội dung và format]
3. [Phần 3]: [Mô tả nội dung và format]

Định dạng kỹ thuật:
- Sử dụng: [bullets/numbered list/paragraphs/tables]
- Headers: [Cách sử dụng tiêu đề]
- Special formatting: [Bold, italic, etc.]

=== PHẦN 4: TIÊU CHÍ ĐÁNH GIÁ ===
Mức độ chất lượng: [High/Medium/Standard]
Các tiêu chí cụ thể:
- Độ chính xác: [Mô tả]
- Tính thực tiễn: [Mô tả]
- Sự sáng tạo: [Mô tả]

=== PHẦN 5: VÍ DỤ VÀ THAM KHẢO ===
[Cung cấp ví dụ mẫu hoặc case study liên quan]

=== PHẦN 6: KIỂM TRA CUỐI CÙNG ===
Trước khi hoàn thành, hãy tự kiểm tra:
- Đã trả lời đầy đủ tất cả yêu cầu chưa?
- Format có đúng như mong muốn không?
- Nội dung có phù hợp với đối tượng mục tiêu không?

Bây giờ hãy thực hiện yêu cầu một cách hoàn hảo.
Few-Shot Learning
Mô tả

Kỹ thuật dạy AI bằng ví dụ cụ thể, cho phép AI học pattern và format mong muốn thông qua một số ít ví dụ mẫu. Đặc biệt hiệu quả cho các nhiệm vụ cần format đặc biệt, phong cách viết cụ thể, hoặc cách tiếp cận mới mà AI chưa quen. Giúp AI hiểu nhanh và chính xác yêu cầu.

Tôi sẽ cung cấp cho bạn một số ví dụ mẫu để bạn hiểu rõ pattern và cách thực hiện mong muốn:

=== VÍ DỤ 1 ===
Input: [Mô tả đầu vào của ví dụ 1]
Output: [Kết quả mong muốn của ví dụ 1]
Giải thích: [Tại sao lại trả lời như vậy]

=== VÍ DỤ 2 ===
Input: [Mô tả đầu vào của ví dụ 2]
Output: [Kết quả mong muốn của ví dụ 2]
Giải thích: [Tại sao lại trả lời như vậy]

=== VÍ DỤ 3 ===
Input: [Mô tả đầu vào của ví dụ 3]
Output: [Kết quả mong muốn của ví dụ 3]
Giải thích: [Tại sao lại trả lời như vậy]

=== PATTERN NHẬN DẠNG ===
Từ các ví dụ trên, bạn có thể thấy pattern là:
- [Mô tả pattern 1]
- [Mô tả pattern 2]
- [Mô tả pattern 3]

=== NHIỆM VỤ CHÍNH ===
Bây giờ hãy áp dụng chính xác pattern và phong cách đã học từ các ví dụ trên cho nhiệm vụ sau:

Đảm bảo giữ nguyên format, phong cách, độ dài và cách tiếp cận như trong các ví dụ mẫu.
Self-Consistency
Mô tả

Kỹ thuật tạo ra nhiều đường suy luận độc lập, sau đó so sánh và chọn ra kết quả nhất quán nhất để tăng độ tin cậy. Đặc biệt hiệu quả cho các bài toán logic phức tạp, quyết định quan trọng, hoặc khi cần kết quả có độ chính xác cao. Giúp kiểm tra và xác thực kết quả.

Tôi sẽ tiếp cận vấn đề này bằng nhiều đường suy luận độc lập để đảm bảo tính nhất quán và độ tin cậy:

=== ĐƯờNG SUY LUẬN 1: TIẾP CẬN TRỰC TIẾP ===
[Phân tích vấn đề theo cách thứ nhất]
Quá trình suy luận:
- Bước 1: [Mô tả]
- Bước 2: [Mô tả]
- Bước 3: [Mô tả]
Kết luận: [Kết quả đường 1]

=== ĐƯờNG SUY LUẬN 2: TIẾP CẬN TỪ GÓC ĐỘ KHÁC ===
[Phân tích vấn đề theo cách thứ hai]
Quá trình suy luận:
- Bước 1: [Mô tả]
- Bước 2: [Mô tả]
- Bước 3: [Mô tả]
Kết luận: [Kết quả đường 2]

=== ĐƯờNG SUY LUẬN 3: XÁC THỰC BẰỚC NGƯỢC ===
[Phân tích vấn đề theo cách thứ ba]
Quá trình suy luận:
- Bước 1: [Mô tả]
- Bước 2: [Mô tả]
- Bước 3: [Mô tả]
Kết luận: [Kết quả đường 3]

=== SO SÁNH VÀ ĐÁNH GIÁ ===
Phân tích sự nhất quán:
- Điểm giống nhau: [Liệt kê]
- Điểm khác nhau: [Liệt kê]
- Độ tin cậy của từng kết quả: [So sánh]

=== KẾT LUẬN CUỐI CÙNG ===
Dựa trên việc so sánh 3 đường suy luận, kết quả nhất quán và đáng tin cậy nhất là:
[Trình bày kết quả cuối cùng với lý do lựa chọn]
Progressive Prompting
Mô tả

Kỹ thuật phân chia nhiệm vụ phức tạp thành chuỗi các bước nhỏ, đơn giản hơn, sau đó thực hiện tuần tự và tích luỹ kết quả. Giúp AI xử lý các nhiệm vụ phức tạp mà không bị quá tải, đồng thời tăng độ chính xác và kiểm soát. Phù hợp cho dự án lớn, phân tích đa chiều.

Tôi sẽ tiếp cận nhiệm vụ phức tạp này bằng cách chia thành các bước nhỏ, dễ quản lý:

=== PHÂN TÍCH VÀ LẬP KẾ HOẠCH ===
Tổng quan nhiệm vụ: [Mô tả ngắn gọn]
Mục tiêu cuối cùng: [Kết quả mong muốn]

Chia thành các bước con:
1. [Bước 1 - mô tả ngắn]
2. [Bước 2 - mô tả ngắn]
3. [Bước 3 - mô tả ngắn]
4. [Bước 4 - mô tả ngắn]

=== THỰC HIỆN TỪ TừNG BƯỚC ===

**BƯỚC 1: [Tên bước]**
- Mục tiêu: [Mô tả cụ thể]
- Thực hiện: [Chi tiết quá trình]
- Kết quả: [Kết quả của bước này]
- Kiểm tra: [Đã hoàn thành đúng chưa?]

**BƯỚC 2: [Tên bước]**
- Mục tiêu: [Mô tả cụ thể]
- Dựa trên kết quả bước 1: [Liên kết]
- Thực hiện: [Chi tiết quá trình]
- Kết quả: [Kết quả của bước này]
- Kiểm tra: [Đã hoàn thành đúng chưa?]

[Tiếp tục cho các bước còn lại...]

=== TÍCH HỢP VÀ HOÀN THIỆN ===
Tổng hợp tất cả kết quả từ các bước:
- [Tích hợp kết quả bước 1]
- [Tích hợp kết quả bước 2]
- [Tích hợp kết quả bước 3...]

Kết quả cuối cùng: [Trình bày kết quả hoàn chỉnh]

Kiểm tra lại: Đã đáp ứng đầy đủ mục tiêu ban đầu chưa?
Role Playing
Mô tả

Kỹ thuật đặt AI vào vai trò của một nhân vật, chuyên gia, hoặc persona cụ thể để AI có thể trả lời từ góc nhìn, kiến thức và phong cách của vai trò đó. Giúp tạo ra câu trả lời phù hợp về ngôn ngữ, phong cách và mức độ chuyên môn. Đặc biệt hữu ích cho viết content, tư vấn chuyên ngành.

Từ bây giờ, tôi sẽ đóng vai trò của [tên nhân vật/vai trò]. Hãy để tôi giới thiệu bản thân:

=== HỒ SƠ NHÂN VẬT ===
Tên: [Tên của nhân vật]
Vị trí/Nghề nghiệp: [Mô tả cụ thể]
Kinh nghiệm: [Số năm và lĩnh vực]
Chuyên môn: [Các lĩnh vực mạnh]
Tính cách: [Mô tả cách gần gũi, phong cách nói]
Phong cách làm việc: [Cách tiếp cận vấn đề]

=== CÁCH THỨC TRẢ LỜI ===
Tôi sẽ trả lời mọi câu hỏi với:
- Ngôn ngữ và thuật ngữ chuyên ngành phù hợp
- Kiến thức sâu sắc trong lĩnh vực chuyên môn
- Phong cách giao tiếp đặc trưng của vai trò này
- Kinh nghiệm thực tế và ví dụ cụ thể
- Góc nhìn và quan điểm đặc biệt của nhân vật

Bây giờ, hãy đặt câu hỏi cho tôi như bạn đang tư vấn với một [vai trò] thực sự!
Analogical Reasoning
Mô tả

Kỹ thuật sử dụng các phép so sánh, ẩn dụ, và ví dụ tương tự để giải thích các khái niệm phức tạp thông qua những thứ quen thuộc. Giúp AI làm rõ các khái niệm khó hiểu bằng cách liên kết với những kinh nghiệm, vật thể hoặc tình huống mà đối tượng đã biết. Đặc biệt hữu ích cho giáo dục, giải thích kỹ thuật.

Tôi sẽ giải thích khái niệm này bằng cách sử dụng những ví dụ quen thuộc và các phép so sánh thông minh:

=== BẮT ĐẦU VỚI THỨ QUEN THUỘC ===
Hãy tưởng tượng [một tình huống/vật thể quen thuộc trong cuộc sống hàng ngày]
- Đặc điểm: [Mô tả các đặc điểm nổi bật]
- Cách hoạt động: [Giải thích cơ chế]
- Kết quả: [Hiệu ứng/kết quả]

=== XÂY DỰNG CẦU NỐI ===
Bây giờ, [khái niệm cần giải thích] cũng giống như [ví dụ quen thuộc] theo các cách sau:

**Điểm tương đồng 1:**
- Trong ví dụ: [Mô tả ở ví dụ]
- Trong khái niệm: [Mô tả ở khái niệm thật]

**Điểm tương đồng 2:**
- Trong ví dụ: [Mô tả ở ví dụ]
- Trong khái niệm: [Mô tả ở khái niệm thật]

**Điểm tương đồng 3:**
- Trong ví dụ: [Mô tả ở ví dụ]
- Trong khái niệm: [Mô tả ở khái niệm thật]

=== LÀM RÕ SỰ KHÁC BIỆT ===
Tuy nhiên, cũng có những điểm khác biệt quan trọng:
- [Khái niệm thật] có [các đặc điểm riêng]
- [Ví dụ] không thể [một số giới hạn]

=== ỨNG DỤNG THỰC TẾ ===
Với sự hiểu biết này, bạn có thể áp dụng [khái niệm] trong thực tế như:
- [Ví dụ ứng dụng 1]
- [Ví dụ ứng dụng 2]
- [Ví dụ ứng dụng 3]

Bằng cách sử dụng phép tương tự này, bạn đã có thể hiểu [khái niệm] một cách trực quan và dễ nhớ!
Critique & Revise
Mô tả

Kỹ thuật tự đánh giá và cải thiện chất lượng câu trả lời thông qua việc phê bình xây dựng và sửa đổi. Giúp AI tự kiểm tra, phát hiện thiếu sót và nâng cao chất lượng đầu ra. Đặc biệt hữu ích cho các công việc sáng tạo, viết lách, hoặc cần độ chính xác cao.

Tôi sẽ tiếp cận nhiệm vụ này bằng phương pháp tự đánh giá và cải thiện liên tục:

=== GIAI ĐOẠN 1: TRẢ LỜI BAN ĐẦU ===
[Trình bày câu trả lời ban đầu một cách tự nhiên, đầy đủ]

=== GIAI ĐOẠN 2: TỰ PHÊ BÌNH XÂY DỰNG ===

**Phân tích điểm mạnh:**
+ [Liệt kê các điểm tốt trong câu trả lời]
+ [Các phần đã làm tốt]
+ [Những ý tưởng hay]

**Tìm ra điểm cần cải thiện:**
- [Những phần chưa rõ ràng hoặc thiếu chi tiết]
- [Các lập luận có thể chưa chặt chẽ]
- [Thông tin có thể bị bỏ sót]
- [Cấu trúc hoặc trình bày có thể tốt hơn]

**Đánh giá tổng thể:**
- Độ chính xác: [Rating và lý do]
- Tính đầy đủ: [Rating và lý do]
- Độ rõ ràng: [Rating và lý do]
- Tính hữu ích: [Rating và lý do]

=== GIAI ĐOẠN 3: CẢI THIỆN VÀ HOÀN THIỆN ===

**Câu trả lời đã được cải thiện:**
[Trình bày lại câu trả lời với tất cả các cải thiện đã được áp dụng]

**Tóm tắt các cải thiện đã thực hiện:**
- [Liệt kê các thay đổi cụ thể]
- [Giải thích tại sao thay đổi này tốt hơn]
- [Kết quả cuối cùng đã hoàn thiện hơn như thế nào]

Bằng quá trình tự đánh giá và cải thiện này, câu trả lời cuối cùng sẽ có chất lượng và giá trị cao hơn đáng kể.
Socratic Method
Mô tả

Kỹ thuật dạy học và khám phá kiến thức thông qua việc đặt câu hỏi dẫn dắt thay vì đưa ra câu trả lời trực tiếp. Giúp người học tự suy nghĩ, tự khám phá và hiểu sâu hơn về vấn đề. Đặc biệt hữu ích cho giáo dục, côching, và phát triển tư duy phân biệt.

Thay vì đưa ra câu trả lời ngay, tôi sẽ dẫn dắt bạn khám phá vấn đề thông qua các câu hỏi suy ngẫm:

=== BẮT ĐẦU KHÁM PHÁ ===
Trước tiên, hãy cùng sự tổng quát:

🤔 **Câu hỏi 1:** Bạn hiệu gì về [chủ đề] trước khi chúng ta thảo luận chi tiết?

[Chờ người dùng trả lời, sau đó tiếp tục]

=== ĐI SÂU VÀO BẢN CHẤT ===
🤔 **Câu hỏi 2:** Tại sao bạn nghĩ [yếu tố x] lại quan trọng trong bối cảnh này?

🤔 **Câu hỏi 3:** Nếu [tình huống giả định], bạn sẽ xử lý như thế nào và tại sao?

=== THÁCH THỨC VÀ MỞRỘNG ===
🤔 **Câu hỏi 4:** Có trường hợp nào mà [giả định ban đầu] có thể không đúng không?

🤔 **Câu hỏi 5:** Bạn thấy có mối liên hệ nào giữa [khái niệm A] và [khái niệm B] không?

=== ỨNG DỤNG VÀ Ý NGHĨA ===
🤔 **Câu hỏi 6:** Vậy thì những hiểu biết này có thể áp dụng như thế nào trong thực tế?

🤔 **Câu hỏi 7:** Tác động lâu dài của [kết luận] sẽ là gì?

=== TỔNG HỢP KIẾN THỨC ===
Qua quá trình trả lời các câu hỏi trên, chúng ta đã cùng khám phá ra:

✅ **Những hiểu biết mới:**
- [Tóm tắt kiến thức đã khám phá]
- [Các mối liên hệ đã nhận ra]
- [Những góc nhìn mới]

✅ **Các kỹ năng tư duy đã phát triển:**
- [Khả năng phân tích]
- [Tu duy logic]
- [Nhìn nhận đa chiều]

Bằng cách tự khám phá, bạn đã hiểu sâu hơn và nhớ lâu hơn những kiến thức này!
4R Basic Framework
Mô tả

Khung cấu trúc cơ bản cho prompt engineering bao gồm 4 yếu tố: Role (Vai trò của AI), Request (Nhiệm vụ cần làm), Result (Mô tả kết quả trả về), Reference (Thông tin bổ sung). Đơn giản, dễ áp dụng và hiệu quả cho hầu hết các nhiệm vụ cơ bản.

Tôi sẽ cấu trúc prompt theo khung 4R Basic Framework để đảm bảo tính đầy đủ và rõ ràng:

🎭 **R1 - ROLE (VAI TRÒ CỦA AI):**
Bạn sẽ đóng vai trò là: [Định nghĩa rõ vai trò AI cần thực hiện]
- Chuyên môn: [Lĩnh vực kiến thức chính]
- Phong cách: [Cách giao tiếp và tiếp cận]
- Trách nhiệm: [Những gì AI cần chịu trách nhiệm]

🎯 **R2 - REQUEST (NHIỆM VỤ CẦN LÀM):**
Nhiệm vụ cụ thể cần thực hiện:
- Mục tiêu chính: [Cái gì cần được hoàn thành]
- Phạm vi công việc: [Giới hạn rõ ràng]
- Yêu cầu đặc biệt: [Điều kiện hoặc ràng buộc]

📝 **R3 - RESULT (MÔ TẢ KẾT QUẢ TRẢ VỀ):**
Kết quả mong muốn:
- Định dạng: [Cấu trúc và bố cục]
- Độ dài: [Quy mô nội dung]
- Tiêu chuẩn chất lượng: [Mức độ chi tiết và chính xác]
- Ngôn ngữ và tone: [Phong cách viết]

📚 **R4 - REFERENCE (THÔNG TIN BỔ SUNG):**
Thông tin hỗ trợ:
- Bối cảnh: [Tình huống và môi trường]
- Nguồn tham khảo: [Tài liệu hoặc kiến thức liên quan]
- Ví dụ mẫu: [Pattern hoặc template tham khảo]
- Lưu ý đặc biệt: [Những điều quan trọng cần nhớ]

=== THỰC HIỆN NHIỆM VỤ ===
[Áp dụng framework 4R Basic vào prompt cụ thể của bạn]
4R Advance Framework
Mô tả

Khung cấu trúc nâng cao cho prompt engineering với 4 giai đoạn: Reframe (Tái định khung), Reason (Lập luận), Refine (Tinh chỉnh), Reflect (Phản hồi). Phù hợp cho các nhiệm vụ phức tạp cần tư duy đa chiều, phân tích sâu và cải thiện liên tục. Đặc biệt hiệu quả cho giải quyết vấn đề, chiến lược và sáng tạo.

Tôi sẽ tiếp cận nhiệm vụ này theo 4R Advance Framework để đảm bảo tư duy toàn diện và chất lượng cao:

🔄 **R1 - REFRAME (TÁI ĐỊNH KHUNG):**
Đặt lại vấn đề từ nhiều góc độ khác nhau:

**Góc độ hiện tại:** [Cách nhìn vấn đề ban đầu]
**Tái định khung 1:** [Nhìn vấn đề từ góc độ khác]
**Tái định khung 2:** [Nhìn vấn đề từ bối cảnh rộng hơn]
**Tái định khung 3:** [Nhìn vấn đề từ quan điểm đối lập]

**Khung tư duy tối ưu:** [Chọn cách nhìn toàn diện nhất]

🧠 **R2 - REASON (LẬP LUẬN):**
Xây dựng chuỗi lập luận logic và chặt chẽ:

**Tiền đề cơ bản:**
- [Những gì chúng ta biết chắc chắn]
- [Các nguyên tắc áp dụng]
- [Ràng buộc và điều kiện]

**Quá trình suy luận:**
- Bước 1: [Phân tích nguyên nhân]
- Bước 2: [Xem xét các lựa chọn]
- Bước 3: [Đánh giá hậu quả]
- Bước 4: [Rút ra kết luận]

**Kiểm tra logic:** [Xác minh tính hợp lý]

⚙️ **R3 - REFINE (TINH CHỈNH):**
Cải thiện và hoàn thiện giải pháp:

**Đánh giá ban đầu:**
- Điểm mạnh: [Những gì tốt]
- Điểm yếu: [Những gì cần cải thiện]
- Khoảng trống: [Những gì còn thiếu]

**Quá trình tinh chỉnh:**
- Tối ưu hóa: [Làm cho hiệu quả hơn]
- Bổ sung: [Thêm yếu tố cần thiết]
- Loại bỏ: [Bỏ đi những gì thừa]
- Cân bằng: [Điều chỉnh tỷ lệ]

**Phiên bản cải thiện:** [Kết quả sau tinh chỉnh]

🪞 **R4 - REFLECT (PHẢN HỒI):**
Đánh giá tổng thể và rút kinh nghiệm:

**Tự đánh giá:**
- Chất lượng giải pháp: [Mức độ hài lòng]
- Quá trình thực hiện: [Những gì học được]
- Hiệu quả phương pháp: [Framework có hoạt động tốt không]

**Meta-learning:**
- Insight mới: [Hiểu biết mới có được]
- Pattern nhận ra: [Quy luật phát hiện]
- Cải tiến cho lần sau: [Làm tốt hơn thế nào]

**Kết luận cuối cùng:**
[Tổng hợp toàn bộ quá trình 4R với kết quả hoàn chỉnh]

=== KẾT QUẢ 4R ADVANCE ===
[Trình bày giải pháp cuối cùng đã qua 4 giai đoạn tư duy]
CARE Framework
Mô tả

Khung giao tiếp hiệu quả gồm 4 yếu tố: Context (Bối cảnh), Action (Hành động), Result (Kết quả), Example (Ví dụ). Giúp xây dựng logic giao tiếp rõ ràng, từ việc giải thích tại sao lại cần, cần làm gì, mong đợi ra sao, đến việc cho ví dụ cụ thể như one-shot hoặc few-shot. Đặc biệt phù hợp cho training, briefing, và đưa ra hướng dẫn.

Tôi sẽ tiếp cận nhiệm vụ này theo CARE Framework để đảm bảo sự rõ ràng và hiệu quả:

🌎 **C - CONTEXT (BỐI CẢNH):**
Vì sao câu hỏi/nhiệm vụ này lại quan trọng?

**Tình huống hiện tại:**
- [Mô tả bối cảnh, hoàn cảnh hiện tại]
- [Các yếu tố ảnh hưởng]
- [Vấn đề cần giải quyết]

**Tầm quan trọng:**
- [Tại sao cần giải quyết bây giờ]
- [Tác động nếu không giải quyết]
- [Giá trị mang lại khi hoàn thành]

⚡ **A - ACTION (HÀNH ĐỘNG):**
Cần thực hiện những gì cụ thể?

**Hành động chính:**
- [Bước 1]: [Mô tả cụ thể cái cần làm]
- [Bước 2]: [Tiếp tục các hành động]
- [Bước 3]: [Các bước cuối cùng]

**Phương pháp và công cụ:**
- [Cách thức thực hiện]
- [Công cụ/tài nguyên cần dùng]
- [Quy trình cần tuân thủ]

🎯 **R - RESULT (KẾT QUẢ):**
Mong đợi đạt được gì?

**Kết quả cụ thể:**
- [Đầu ra chính cần tạo ra]
- [Tiêu chuẩn chất lượng]
- [Các thước đo thành công]

**Tác động kỳ vọng:**
- [Lợi ích ngắn hạn]
- [Giá trị dài hạn]
- [Cái cải thiện nào được mong đợi]

📜 **E - EXAMPLE (VÍ DỤ):**
Để miêng hóa, đây là các ví dụ cụ thể:

**Ví dụ mẫu 1:**
- Tình huống: [Mô tả case cụ thể]
- Cách làm: [Thực hiện như thế nào]
- Kết quả: [Đạt được gì]

**Ví dụ mẫu 2:**
- Tình huống: [Case khác]
- Cách làm: [Approach khác]
- Kết quả: [Outcome tương ứng]

**Template/Pattern có thể áp dụng:**
[Cung cấp mẫu cụ thể nếu có]

=== THỰC HIỆN THEO CARE ===
Bây giờ, với sự hiểu biết rõ ràng về bối cảnh, hành động, kết quả mong đợi và các ví dụ tham khảo, tôi sẽ thực hiện nhiệm vụ một cách hệ thống và hiệu quả.
Gợi ý thông minh

Không chắc chắn nên sử dụng kỹ thuật nào? Hãy sử dụng tính năng "AI Recommend" trên trang chủ!

AI sẽ tự động phân tích prompt của bạn và đề xuất kỹ thuật phù hợp nhất, giúp bạn tiết kiệm thời gian và đạt được kết quả tối ưu.

Thử AI Recommend ngay