Thư viện prompt AI: lưu phiên bản và kiểm thử

Bạn lưu nhiều câu lệnh nhưng đến lúc viết bài lại không biết chọn bản nào? Thư viện prompt AI hữu ích không nằm ở số lượng, mà ở khả năng tìm đúng mẫu, thay dữ liệu và biết bản nào đã được thử. Bài này hướng dẫn cách quản lý đơn giản cho người xây kênh, không cần lập trình.

Kho câu lệnh thường chỉ lưu phần văn bản để sao chép. Thư viện có thêm mục đích, đầu vào, phiên bản và kết quả thử. Nhờ đó, bạn biết một mẫu dùng để gợi ý chủ đề hay viết kịch bản, thay vì áp dụng cùng một câu lệnh cho mọi việc.

Anthropic khuyến nghị xác định tiêu chí thành công, cách kiểm tra và bản prompt ban đầu trước khi tối ưu ([nguồn hướng dẫn](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)). Cách tổ chức bên dưới là đề xuất thực hành của bài viết, không phải tính năng đã được xác nhận trên Web App Cô Sen.

Chọn việc bạn làm thường xuyên: phân nhóm câu hỏi người xem, lập dàn ý hoặc viết kịch bản ngắn. Với mỗi việc, chỉ giữ một mẫu đang dùng và một bản đang thử. Đừng nhập hàng trăm prompt chưa có nhu cầu sử dụng.

Đặt tên theo hành động và đầu ra, chẳng hạn “Phân nhóm câu hỏi thành chủ đề”. Các tên như “siêu prompt marketing” khó giúp bạn tìm đúng mẫu. Có thể quản lý bằng tài liệu hoặc bảng tính; chưa cần mua thêm công cụ.

Một thẻ gồm: mã, tên công việc, dữ liệu đầu vào, câu lệnh, đầu ra mong muốn, tiêu chí đạt, phiên bản và ngày thử. Ghi thêm tên công cụ hoặc mô hình nếu biết; nếu không thấy thông tin này, ghi “không xác định”, không đoán.

Tách hướng dẫn cố định khỏi dữ liệu thay đổi. Ví dụ, yêu cầu “không tự thêm số liệu” được giữ nguyên; danh sách câu hỏi người xem thay theo từng lần chạy. Cách này giúp bạn thấy rõ mình đang sửa hướng dẫn hay chỉ đổi dữ liệu.

Mẫu sau dùng cho bước tìm chủ đề, chưa phải bài đăng hoàn chỉnh:

> Nhiệm vụ: phân nhóm câu hỏi thành chủ đề nội dung cho [đối tượng]. > > Dữ liệu: [dán danh sách câu hỏi đã loại thông tin nhận diện]. > > Trả về: tên nhóm, các câu hỏi thuộc nhóm, một ý tưởng bài viết cho mỗi nhóm. > > Giới hạn: chỉ dựa trên dữ liệu; không tự tạo câu hỏi khách hàng hoặc số liệu thị trường. Nếu câu hỏi có nhiều cách hiểu, đưa vào nhóm cần làm rõ. > > Kiểm tra cuối: chỉ ra câu hỏi chưa được xếp nhóm và nội dung suy luận, nếu có.

Phần trong ngoặc vuông phải được thay trước khi dùng. Đây là mẫu do bài viết đề xuất; cần thử với công việc của bạn, không mặc định sẽ luôn cho kết quả đúng.

Theo [tài liệu đánh giá của Anthropic](https://platform.claude.com/docs/en/test-and-evaluate/develop-tests), tiêu chí cần cụ thể, đo được và phù hợp nhiệm vụ; dữ liệu thử nên có cả trường hợp khó. Với thư viện nhỏ, bạn có thể bắt đầu bằng ba tình huống: dữ liệu rõ, dữ liệu thiếu và câu hỏi mơ hồ.

Giữ nguyên bộ dữ liệu khi so sánh hai phiên bản. Chấm từng kết quả theo các mục: có bỏ sót câu hỏi không, có tự thêm thông tin không, tên nhóm có dễ hiểu không. Ghi nhận xét cụ thể thay vì chỉ đánh dấu “hay hơn”.

Giả sử một người xây kênh có sáu câu hỏi mẫu về nguyên liệu, nhiệt độ và bảo quản. Bản v1 yêu cầu “chia thành ba nhóm”, nên có thể ép các câu hỏi khác nhau vào cùng nhóm. Bản v2 cho phép số nhóm linh hoạt và yêu cầu giữ câu hỏi gốc.

Người viết chạy lại cùng sáu câu hỏi, kiểm tra các nhóm rồi mới chọn bản dùng tiếp. Đây là tình huống giả định để minh họa cách so sánh, không phải kết quả thử nghiệm hoặc thành tích của học viên.

Chọn một việc bạn sẽ làm tuần này. Viết bản v1, chuẩn bị ba đầu vào mẫu không chứa dữ liệu riêng và lưu nguyên đầu ra. Tìm một lỗi lặp lại, sửa đúng phần liên quan để tạo v2 rồi thử lại.

Cuối buổi, ghi lý do giữ v1 hoặc chọn v2. Nếu cả hai chưa đạt, đánh dấu “đang thử”. Khi đổi công cụ, hãy chạy lại bộ mẫu; kết quả cũ không bảo đảm chất lượng mới.

Không. Ưu tiên mẫu phục vụ công việc lặp lại và có kết quả để đối chiếu.

Có thể dùng nhận xét tham khảo, nhưng người phụ trách vẫn cần kiểm tra dữ kiện và quyết định cuối.

Không có số chuẩn. Bắt đầu từ những việc bạn thực sự làm thường xuyên.

Khi thay hướng dẫn có thể ảnh hưởng kết quả; chỉ đổi dữ liệu đầu vào thì ghi lượt chạy.

Ưu tiên dữ liệu giả định hoặc đã loại thông tin nhận diện; không lưu mật khẩu hay hồ sơ riêng.

Muốn gắn bài tập này vào việc xây kênh, hãy xem [lộ trình học](/lo-trinh) và [nội dung khóa học](/khoa-hoc).