Cách viết prompt ChatGPT hiệu quả với công thức "Context Sandwich"

Bạn từng gõ một câu hỏi vào ChatGPT, nhận lại một câu trả lời nhạt nhòa, không sát với nhu cầu thực tế, rồi nghĩ rằng chắc mô hình chưa đủ thông minh. Nhưng vấn đề thường không nằm ở mô hình. Vấn đề nằm ở cách bạn đặt câu hỏi.

Phần lớn prompt thất bại vì cùng một lý do, đó là chúng giao cho ChatGPT một nhiệm vụ mà không kèm theo bất kỳ bối cảnh nào xung quanh. Không có thông tin về người đang hỏi là ai, chẳng có khái niệm thế nào là "kết quả tốt", không có ràng buộc nào để mô hình bám vào. Khi thiếu những thông tin này, ChatGPT buộc phải tự lấp đầy khoảng trống bằng các giả định mang tính xác suất, và kết quả đầu ra phản ánh đúng sự mơ hồ đó.

Context Sandwich là một công thức viết prompt đơn giản, thực tế và giúp bạn giải quyết chính xác vấn đề này. Nó tổ chức prompt của bạn thành ba lớp bao gồm bạn là ai, nhiệm vụ cụ thể là gì, và kết quả tốt trông như thế nào. Khi áp dụng với ChatGPT, sự khác biệt về chất lượng câu trả lời thường thấy rõ ngay từ lần thử đầu tiên. Xem chi tiết trong bài viết dưới đây để biết Context Sandwich là gì nhé.

Context Sandwich thực chất là gì?

Context Sandwich không phải một framework phức tạp, cũng không phải một công cụ bạn cần cài đặt thêm. Đây đơn giản là cách sắp xếp thông tin bên trong một prompt, để ChatGPT có đủ dữ liệu cần thiết nhằm tạo ra một câu trả lời hữu ích ngay từ lần đầu tiên, thay vì phải hỏi lại hoặc đoán mò.

Cấu trúc trông như sau:

• Lớp trên cùng (bối cảnh): bạn là ai, tình huống của bạn là gì, và bất kỳ thông tin nền nào ChatGPT cần để hiểu đúng yêu cầu của bạn.
• Lớp giữa (nhiệm vụ): điều cụ thể bạn muốn ChatGPT thực hiện.
• Lớp dưới cùng (tiêu chí đầu ra): kết quả tốt trông như thế nào, gồm định dạng, giọng điệu, độ dài, ràng buộc, và ví dụ minh họa nếu có.

Cái tên "sandwich" là một cách ghi nhớ với đặc điểm là nhiệm vụ nằm ở giữa, được bao quanh bởi bối cảnh ở trên và tiêu chí ở dưới. Khi kết hợp cả ba lớp, ChatGPT có được một bức tranh đầy đủ, thay vì một mảnh ghép thiếu hụt.

Nghe có vẻ là lời khuyên hiển nhiên, kiểu "cho AI nhiều thông tin hơn", nhưng phương pháp này có logic cụ thể đằng sau, khiến nó hiệu quả hơn hẳn so với việc chỉ đơn thuần viết prompt dài hơn.

Giải thích chi tiết ba lớp của Context Sandwich

Lớp 1: Bối cảnh phía trên - bạn là ai và vì sao điều này quan trọng

Lớp đầu tiên cho ChatGPT biết những gì nó cần hiểu về bạn và tình huống của bạn, trước khi nó đọc đến phần nhiệm vụ. Hãy hình dung đây là câu trả lời cho câu hỏi: một đồng nghiệp thông minh cần biết gì về tôi trước khi giúp tôi làm việc này?

Lớp này thường bao gồm:

• Vai trò hoặc nghề nghiệp của bạn (ví dụ: "Tôi là quản lý sản phẩm tại một công ty SaaS B2B").
• Đối tượng bạn đang làm việc cùng (ví dụ: "Tôi đang viết cho các lãnh đạo không chuyên về kỹ thuật").
• Bối cảnh bạn đang vận hành (ví dụ: "Chúng tôi đang chuẩn bị cho vòng gọi vốn Series A").
• Bất kỳ ràng buộc nào mà ChatGPT không thể tự biết (ví dụ: "Giọng điệu của chúng tôi mang tính trò chuyện, không phải kiểu công ty cứng nhắc").

Nếu thiếu lớp này, mô hình mặc định sẽ chọn cách diễn giải trung bình nhất cho yêu cầu của bạn. Nếu bạn chỉ gõ "tóm tắt cuộc họp này", bạn sẽ nhận lại một bản tóm tắt chung chung. Nhưng nếu bạn nói rõ mình là nhà sáng lập startup đang tóm tắt cuộc họp hội đồng quản trị cho đội ngũ, và muốn làm nổi bật các quyết định chứ không phải nội dung thảo luận, bạn sẽ nhận lại thứ hữu ích hơn nhiều.

Lớp trên không cần dài, một hoặc hai câu thường là đủ.

Lớp 2: Nhiệm vụ - yêu cầu cụ thể thực sự

Phần giữa của "chiếc bánh sandwich" là điều cụ thể bạn muốn ChatGPT thực hiện. Đây là phần mà phần lớn người dùng đã viết sẵn, nhưng nó sẽ hoạt động tốt hơn hẳn khi lớp trên đã được thiết lập, vì lúc này mô hình đã có bối cảnh để diễn giải yêu cầu một cách chính xác.

Một câu nhiệm vụ tốt cần:

• Cụ thể về sản phẩm đầu ra (ví dụ: "viết một email gồm 3 đoạn" thay vì chỉ "viết một email").
• Rõ ràng về phạm vi (điều gì nằm trong, điều gì không).
• Mang tính hành động, thường bắt đầu bằng một động từ.

Lớp nhiệm vụ cũng hoạt động tốt hơn khi được viết trực tiếp. Những yêu cầu dài dòng, kèm nhiều từ rào đón (kiểu "tôi đang nghĩ có lẽ bạn có thể thử giúp tôi với...") thường tạo ra kết quả đầu ra cũng thiếu dứt khoát, không chắc chắn tương tự. Hãy nói rõ ràng điều bạn muốn.

Lớp 3: Tiêu chí phía dưới - kết quả tốt trông như thế nào

Đây là lớp thường bị bỏ qua nhiều nhất, và cũng chính là lý do phổ biến nhất khiến câu trả lời của ChatGPT "gần đúng nhưng không trúng".

Lớp dưới trả lời câu hỏi: làm sao tôi biết kết quả này đã đạt yêu cầu? Nó có thể bao gồm:

• Định dạng: gạch đầu dòng, danh sách đánh số, bảng, văn xuôi liền mạch, tiêu đề phân đoạn.
• Giọng điệu: trang trọng, thân mật, trực tiếp, đồng cảm.
• Độ dài: số từ, số gạch đầu dòng, số slide.
• Ràng buộc: điều cần tránh, điều không nên đưa vào.
• Ví dụ minh họa: một mẫu ngắn gọn về thứ bạn đang tìm kiếm.
• Tín hiệu chất lượng: ví dụ "nghe như một chuyên gia tự tin, không phải như một cuốn sách giáo khoa".

ChatGPT thực sự sử dụng những thông tin này. Các mô hình ngôn ngữ lớn được huấn luyện để trở nên hữu ích, nghĩa là chúng cố gắng thỏa mãn đúng ý định của yêu cầu, nhưng chúng cần biết thế nào mới là thỏa mãn. Lớp dưới chính là thứ cung cấp cho mô hình điều đó.

Vì sao cấu trúc này lại hiệu quả với ChatGPT?

Lý do Context Sandwich hiệu quả nằm ở chính cách các mô hình ngôn ngữ lớn như ChatGPT xử lý đầu vào.

Khi ChatGPT nhận một prompt, về bản chất nó đang dự đoán phần tiếp nối có khả năng cao nhất, tức câu trả lời phù hợp nhất với bối cảnh được cung cấp. Vấn đề là phần lớn prompt để lại một lượng lớn bối cảnh chưa được xác định. Mô hình buộc phải đưa ra những phỏng đoán mang tính xác suất để lấp đầy khoảng trống đó, và nó thường mặc định chọn hướng phổ biến nhất trong dữ liệu huấn luyện của mình.

Khi bạn cung cấp vai trò, tình huống, nhiệm vụ và tiêu chí đầu ra, bạn đã thu hẹp đáng kể những khoảng trống mang tính xác suất đó. Mô hình có nhiều tín hiệu hơn để làm việc, nên nó đưa ra những suy luận tốt hơn.

Còn có một hiệu ứng về trình tự rất thực tế. Bối cảnh ở lớp trên "mồi" cho mô hình trước khi nó đọc đến phần nhiệm vụ. Nghĩa là nhiệm vụ được diễn giải qua lăng kính bối cảnh của bạn, chứ không bị tách rời. Sau đó, tiêu chí ở lớp dưới đóng vai trò như một bộ lọc, điều hướng câu trả lời theo đúng định dạng và chất lượng bạn thực sự cần.

Các nghiên cứu về kỹ thuật viết prompt liên tục cho thấy là những prompt có bối cảnh vai trò rõ ràng và tiêu chí đầu ra cụ thể vượt trội hơn hẳn so với prompt chỉ nêu nhiệm vụ trơ trụi, trên hầu hết các dạng tác vụ, từ tóm tắt, viết lách, đến suy luận và phân loại nội dung.

Hướng dẫn xây dựng Context Sandwich từng bước cho ChatGPT

Bước 1: Viết nhiệm vụ "thô" trước

Bắt đầu với điều bạn muốn. Đừng suy nghĩ quá nhiều, chỉ cần viết ra yêu cầu thô. Đây sẽ trở thành lớp giữa.

Ví dụ: "Tóm tắt bản ghi âm buổi phỏng vấn khách hàng này."

Bước 2: Thêm bối cảnh phía trên

Hãy tự hỏi: một đồng nghiệp thông minh cần biết gì về tôi, về công ty tôi, và tình huống hiện tại để làm việc này thật tốt? Thêm những thông tin đó vào phía trên nhiệm vụ.

Ví dụ:

Tôi là chuyên viên nghiên cứu trải nghiệm người dùng (UX) tại một

startup fintech. Đây là bản ghi âm phỏng vấn kéo dài 45 phút với

một chủ doanh nghiệp nhỏ, nói về trải nghiệm của họ với sản phẩm

xuất hóa đơn của chúng tôi. Tôi đang cố gắng phát hiện những điểm

đau và nhu cầu chưa được đáp ứng, không chỉ dừng lại ở những gì

người dùng nói họ thích.

Bước 3: Thêm tiêu chí phía dưới

Hãy tự hỏi: một kết quả tốt trông như thế nào? Một kết quả tệ trông như thế nào? Hãy nêu rõ định dạng, giọng điệu, và những gì cần tránh.

Ví dụ:

Hãy trình bày bản tóm tắt theo cấu trúc:

- 3 đến 5 điểm đau chính (mỗi điểm một câu)

- 2 đến 3 nhu cầu chưa được đáp ứng hoặc cơ hội (mỗi điểm một câu)

- Bất kỳ trích dẫn trực tiếp nào đáng lưu lại (nguyên văn)

Bỏ qua các phản hồi tích cực chung chung. Giữ nội dung trực tiếp

và có thể hành động được ngay, vì bản này sẽ được chia sẻ với

đội sản phẩm.

Bước 4: Rà soát lại các khoảng trống

Đọc lại toàn bộ prompt, tự hỏi: có điều gì mô hình có thể tự giả định mà tôi không mong muốn không? Nếu có, hãy thêm vào lớp trên hoặc lớp dưới cho phù hợp.

Bước 5: Thử nghiệm và tinh chỉnh

Chạy thử prompt, nếu kết quả gần đúng nhưng lệch ở một điểm cụ thể nào đó, hãy xác định lớp nào chưa xử lý được điểm đó. Thường thì hoặc là lớp trên còn thiếu bối cảnh, hoặc lớp dưới còn thiếu một ràng buộc. Sửa đúng lớp đó rồi chạy lại.

Ví dụ Context Sandwich áp dụng cho ChatGPT theo từng tình huống

Viết nội dung mạng xã hội

Prompt "thường": "Viết một bài đăng LinkedIn về tính năng mới của sản phẩm chúng tôi."

Context Sandwich:

Bối cảnh: Tôi là nhà sáng lập một startup tự động hóa không cần

code. Chúng tôi vừa ra mắt tính năng cho phép người dùng tự xây

dựng AI agent mà không cần viết bất kỳ dòng code nào. Đối tượng

của chúng tôi là các chủ doanh nghiệp nhỏ và người làm vận hành,

họ tò mò về AI nhưng vẫn e ngại các công cụ mang tính kỹ thuật.

Nhiệm vụ: Viết một bài đăng LinkedIn thông báo về tính năng này.

Tiêu chí: Giữ dưới 150 từ. Mở đầu bằng một điểm đau cụ thể mà

khách hàng của chúng tôi đang gặp phải, không mở đầu bằng kiểu

"Rất vui thông báo rằng...". Tránh thuật ngữ kỹ thuật. Kết thúc

bằng một lời kêu gọi hành động nhẹ nhàng, không phải kiểu "xem

link trong bio". Giọng điệu nên trực tiếp, chắc chắn, không

cường điệu.

Phân tích dữ liệu

Prompt "thô": "Phân tích dữ liệu bán hàng này và cho tôi biết nên tập trung vào đâu."

Context Sandwich:

Bối cảnh: Tôi là trưởng phòng kinh doanh tại một công ty SaaS

quy mô trung bình. Tôi có một file dữ liệu các thương vụ đã

đóng/thất bại trong quý 1. Chúng tôi đang cố tìm hiểu vì sao các

thương vụ doanh nghiệp lớn đang đóng với tỷ lệ thấp hơn năm ngoái.

Tôi cần trình bày kết quả cho CEO vào tuần sau.

Nhiệm vụ: Phân tích dữ liệu đính kèm và xác định các mẫu hình

giải thích vì sao các thương vụ doanh nghiệp lớn đang bị mất.

Tiêu chí: Cho tôi 3 đến 5 phát hiện cụ thể, mỗi phát hiện kèm

theo một con số từ dữ liệu. Ưu tiên các mẫu hình chung hơn là

các trường hợp bất thường đơn lẻ. Bỏ qua các nhận xét chung

chung kiểu "có nhiều thương vụ trong quý 1". Tôi cần những giả

thuyết có thể hành động được, không chỉ là mô tả dữ liệu.

Soạn thảo phản hồi chăm sóc khách hàng

Prompt "thô": "Viết một câu trả lời cho khiếu nại này của khách hàng."

Context Sandwich:

Bối cảnh: Tôi làm việc trong bộ phận chăm sóc khách hàng của một

công ty thương mại điện tử. Một khách hàng đang bực bội vì đơn

hàng của họ đến trong tình trạng hư hỏng, và họ đã chờ 2 tuần

để nhận hàng thay thế. Chính sách của chúng tôi cho phép hoàn

tiền toàn bộ hoặc gửi hàng thay thế theo hình thức nhanh. Khách

hàng rõ ràng đang rất thất vọng.

Nhiệm vụ: Viết một câu trả lời cho email khiếu nại của khách hàng.

Tiêu chí: Giữ dưới 100 từ. Thừa nhận sự thất vọng của khách hàng

một cách cụ thể, đừng chỉ nói "chúng tôi xin lỗi vì sự bất tiện

này". Đưa ra rõ ràng cả hai phương án giải quyết. Tránh câu bị

động và các cụm từ sáo rỗng kiểu công ty. Giọng điệu nên mang

tính con người và trực tiếp.

Những lỗi thường gặp khi áp dụng phương pháp này với ChatGPT

Đặt bối cảnh sau phần nhiệm vụ

• Thứ tự rất quan trọng, nếu bối cảnh xuất hiện sau nhiệm vụ, mô hình đã xử lý nhiệm vụ mà chưa có bối cảnh đó. Luôn đặt thông tin nền trước yêu cầu cụ thể.

Coi tiêu chí phía dưới là tùy chọn

• Đây là lỗi phổ biến nhất, việc bỏ qua tiêu chí đầu ra chính là lý do khiến kết quả thường "gần đúng" nhưng lại hụt về định dạng, độ dài, hoặc giọng điệu. Chỉ cần một ghi chú ngắn gọn về điều bạn đang tìm kiếm cũng tạo ra khác biệt thực sự.

Viết bối cảnh quá mơ hồ ở lớp trên

• Chỉ viết "Tôi là người làm marketing" gần như chẳng khác gì không có bối cảnh. Bạn càng cụ thể, ngành nghề, đối tượng, mục tiêu, ràng buộc, mô hình càng hiệu chỉnh tốt hơn. Bạn không cần viết cả một bài luận, nhưng tính cụ thể thực sự quan trọng.

Lặp lại cùng một ràng buộc nhiều lần

• Sự lặp lại không tạo thêm nhấn mạnh trong prompt theo kiểu nó có thể làm trong một cuộc trò chuyện thông thường. Nếu bạn đã nói "giữ dưới 200 từ", bạn không cần nhắc lại ở cuối. Hãy dùng khoảng trống đó để thêm thông tin mới, hữu ích hơn.

Giả định ChatGPT hiểu các thuật ngữ nội bộ của bạn

• Nếu bạn dùng từ viết tắt, tên sản phẩm nội bộ, hoặc thuật ngữ đặc thù của công ty, hãy định nghĩa chúng. ChatGPT có thể từng thấy công ty của bạn được nhắc đến đâu đó trong dữ liệu huấn luyện, nhưng nó không thể biết chắc chắn "dự án làm mới SKU của chúng tôi" nghĩa là gì nếu bạn không giải thích.

Câu hỏi thường gặp

Context Sandwich trong kỹ thuật viết prompt là gì?

Đây là một cấu trúc prompt ba lớp. Lớp trên cung cấp bối cảnh nền về bạn là ai và tình huống của bạn. Lớp giữa chứa nhiệm vụ thực tế. Lớp dưới nêu rõ kết quả tốt trông như thế nào, gồm định dạng, giọng điệu, độ dài và ràng buộc. Kết hợp lại, ba lớp này giúp giảm sự mơ hồ và tạo ra câu trả lời hữu ích hơn.

Context Sandwich có hiệu quả với tất cả phiên bản ChatGPT không?

Kỹ thuật này hoạt động xuyên suốt các mô hình ngôn ngữ lớn phổ biến. Lý do cốt lõi khiến nó hiệu quả, tức giảm sự mơ hồ mà mô hình phải tự lấp đầy, không phụ thuộc vào phiên bản cụ thể nào bạn đang dùng. Một số phiên bản nhạy cảm hơn với cấu trúc prompt so với số khác, nhưng tất cả đều hưởng lợi từ bối cảnh rõ ràng và tiêu chí đầu ra cụ thể.

Một prompt theo cấu trúc Context Sandwich nên dài bao nhiêu?

Không có độ dài cố định. Mục tiêu là sự đầy đủ, không phải số từ. Một prompt cho một email trả lời đơn giản có thể chỉ khoảng 80 từ. Một prompt cho một phân tích phức tạp có thể dài tới 300 từ. Quy tắc chung: nếu một đồng nghiệp thông minh sẽ cần hỏi lại bạn trước khi làm việc này, thì câu hỏi đó rất có thể đang bị thiếu trong prompt của bạn.

Context Sandwich có giống system prompt không?

Hai khái niệm có liên quan nhưng không giống nhau. System prompt là một thông điệp cấu hình, thiết lập hành vi tổng thể cho trợ lý AI xuyên suốt cả phiên làm việc. Context Sandwich là một phương pháp cấu trúc dành cho một prompt đơn lẻ. Bạn hoàn toàn có thể áp dụng nguyên tắc của Context Sandwich bên trong một system prompt, nhưng kỹ thuật này cũng áp dụng tốt với từng tin nhắn đơn lẻ của người dùng.

Context Sandwich khác gì so với few-shot prompting?

Few-shot prompting nghĩa là đưa các ví dụ về kết quả mong muốn vào trong prompt, để mô hình học theo khuôn mẫu đó. Context Sandwich tập trung vào việc sắp xếp theo lớp: vai trò, nhiệm vụ, và tiêu chí. Hai cách tiếp cận này bổ trợ cho nhau, bạn hoàn toàn có thể thêm ví dụ vào bên trong lớp tiêu chí phía dưới để làm cho Context Sandwich mạnh mẽ hơn nữa.

Tôi có thể dùng phương pháp này khi tạo ảnh hoặc video bằng AI không?

Nguyên lý vẫn áp dụng được, dù cách thực hiện có khác đi. Với việc tạo ảnh, bạn sẽ đưa vào bối cảnh về phong cách hoặc tham chiếu hình ảnh (lớp trên), chủ thể hoặc bối cảnh cảnh (nhiệm vụ), và các tham số kỹ thuật hoặc điều cần tránh (lớp dưới). Cách này ít được hình thức hóa hơn so với viết prompt văn bản, nhưng logic "bối cảnh + nhiệm vụ + tiêu chí" vẫn giúp cải thiện kết quả đáng kể.

Cách ChatGPT phản hồi với từng kiểu cấu trúc prompt có thể thay đổi theo từng phiên bản mô hình được cập nhật. Nguyên tắc cốt lõi của Context Sandwich, tức cung cấp đủ bối cảnh, nhiệm vụ rõ ràng và tiêu chí đầu ra cụ thể, vẫn là nền tảng hiệu quả lâu dài, nhưng bạn nên thử nghiệm và điều chỉnh theo phiên bản ChatGPT bạn đang sử dụng để đạt kết quả tốt nhất.