Tinh chỉnh bằng các prompt bổ sung trong Google Sheets Canvas

Kỹ năng ít ai nhắc đến

Cả hai canvas bạn tạo trong Bài 2 và Bài 3 đều "gần như hoàn hảo" ngay lần đầu - dù vẫn có lỗi nhỏ như màu sắc chưa khớp hay cột cần điều chỉnh. Đó không phải là thất bại. Đó là chuyện bình thường, và bài học này sẽ dạy bạn kỹ năng thực tế để khắc phục những vấn đề đó.

Hướng dẫn của Google gọi đây là "điều chỉnh linh hoạt" - bạn có thể tiếp tục yêu cầu Gemini thay đổi bố cục, thiết kế và chức năng sau khi đã tạo xong phiên bản đầu tiên. Ví dụ chính thức mà Google đưa ra rất đơn giản: "Chuyển dashboard này sang chế độ dark mode". Tuy nhiên, có một khoảng cách giữa ví dụ đơn giản đó và thực tế khi câu lệnh bổ sung của bạn hơi mơ hồ một chút - và việc hiểu rõ khoảng cách này chính là yếu tố phân biệt giữa người loay hoay cả giờ đồng hồ với giao diện của mình và người có thể sửa lỗi chỉ trong một lần thử.

Tại sao các prompt bổ sung mơ hồ lại gây ra vấn đề?

Dưới đây là lý do thực tế và đã được nghiên cứu chứng minh - đây không phải là lỗi của Google, cũng không phải do bạn làm sai. Một nghiên cứu về người dùng các công cụ generative-UI cho thấy rằng các câu lệnh chung chung, mang tính khái quát cao thường dẫn đến những thay đổi không mong muốn.

Nguyên nhân nằm ở cấu trúc: một cụm từ như "làm cho lịch trông gọn gàng và hiện đại hơn" không chỉ rõ cho mô hình biết cần chỉnh sửa thành phần nào, giữ nguyên phần nào, hay ý nghĩa cụ thể của từ "gọn gàng" mà bạn muốn là gì - ít trường thông tin hơn? Nhiều khoảng trắng hơn? Phối màu khác? Hay thay đổi hoàn toàn bố cục? Nếu thiếu sự cụ thể đó, mô hình sẽ diễn giải lại toàn bộ giao diện thay vì chỉ thực hiện một thay đổi nhỏ, chính xác.

Các nhà nghiên cứu gọi đây là vấn đề "bản nháp đầu tiên tốt nhưng giai đoạn hoàn thiện lại khó khăn" - các công cụ này thực sự làm tốt ở bước tạo nhanh ban đầu, nhưng lại kém hiệu quả hơn khi thực hiện các chỉnh sửa chính xác và có giới hạn phạm vi.

Một chuyên gia độc lập về Google Sheets, người đã thử nghiệm kỹ lưỡng tính năng canvas, đã tóm tắt hậu quả thực tế một cách dễ hiểu: "Khi Gemini cập nhật dashboard, các yếu tố khác cũng có thể vô tình bị thay đổi theo". Một trường hợp thực tế khác cũng gặp vấn đề tương tự: một bộ lọc lẽ ra phải áp dụng cho toàn bộ lại chỉ lọc một phần của dashboard, và cần thêm một câu lệnh thứ hai cụ thể hơn mới có thể điều chỉnh lại phạm vi áp dụng cho đúng.

Mô hình hiệu quả: Phạm vi + Thay đổi + Các yếu tố cố định + Kiểm thử nghiệm thu

Giải pháp là thiết kế câu lệnh bổ sung sao cho nó thực hiện cụ thể những gì mà yêu cầu chung chung như "làm cho gọn gàng hơn" thường bỏ ngỏ cho AI tự đoán. Luôn bao gồm 4 thành phần sau:

1. Phạm vi - chỉ rõ thành phần cụ thể. Ví dụ: "phần tiêu đề thẻ" thay vì nói chung chung là "giao diện".
2. Thay đổi - nêu chính xác nội dung cần thay thế.
3. Các yếu tố cố định - liệt kê rõ ràng những gì KHÔNG được thay đổi.
4. Kiểm thử nghiệm thu - mô tả thế nào là "hoàn thành đúng yêu cầu" để bạn có thể kiểm tra kết quả chỉ trong 10 giây.

Dưới đây là ví dụ áp dụng mô hình này cho công cụ theo dõi khách hàng mà bạn đã tạo ở Bài 2:

In the existing client tracker board, modify only the card header. Replace the current text with: Client Name — Status. Keep all columns, filtering, card colors, and the underlying sheet columns unchanged. Do not add new fields or change the layout. Success condition: every card shows the revised header and all existing status colors remain exactly as they were.

Trong bảng theo dõi khách hàng hiện có, chỉ sửa phần tiêu đề thẻ. Thay thế văn bản hiện tại bằng: Tên khách hàng - Trạng thái. Giữ nguyên tất cả các cột, bộ lọc, màu sắc thẻ và những cột dữ liệu gốc bên dưới. Không thêm trường mới hay thay đổi bố cục. Điều kiện thành công: mọi thẻ đều hiển thị tiêu đề đã sửa và tất cả màu sắc trạng thái hiện có vẫn giữ nguyên như cũ.

Các prompt bổ sung hiệu quả (và những câu lệnh không hiệu quả)

Những câu lệnh bổ sung thực tế, đã được ghi lại và mang lại kết quả tốt thường là các yêu cầu cụ thể, tập trung vào một mục đích duy nhất: "chuyển biểu đồ tròn về khách hàng tiềm năng thành biểu đồ cột" hoặc "chuyển danh sách khách mời này thành sơ đồ sắp xếp chỗ ngồi theo từng bàn, cho phép tôi di chuyển khách mà vẫn đảm bảo dữ liệu được đồng bộ". Cả hai ví dụ này đều chỉ rõ một hạng mục cụ thể cần thay đổi.

Hãy so sánh điều đó với chuỗi yêu cầu mà một số người dùng thử nghiệm ban đầu đã áp dụng: "Làm cho trực quan hơn." → "Thêm phần phân loại theo nhóm." → "Chuyển sang chế độ dark mode". Mỗi yêu cầu này đều đạt kết quả tốt khi thực hiện riêng lẻ - vì mỗi yêu cầu nhắm vào một thay đổi cụ thể, dễ hiểu (mật độ hiển thị, thêm một cách phân nhóm, đổi giao diện) thay vì những đánh giá tổng quát mơ hồ như "tốt hơn" hay "gọn gàng hơn".

Một vấn đề thực tế khác về tính toàn vẹn của dữ liệu mà bạn nên biết: Một người dùng thử nghiệm trực tiếp phát hiện ra rằng các dòng mới được thêm trực tiếp qua chế độ xem canvas đôi khi bị thiếu mã định danh (ID) hoặc bị trùng lặp với dòng đã có sẵn. Nếu bạn thêm dữ liệu trực tiếp vào canvas thay vì bảng tính, hãy kiểm tra lại tab nguồn sau đó - đây chính là vấn đề mà thói quen thực hiện "kiểm thử nghiệm thu" đã đề cập ở trên sẽ giúp phát hiện sớm.

Khi nào nên dừng việc chỉnh sửa và bắt đầu lại từ đầu?

Việc chỉnh sửa dần dần (lặp lại các yêu cầu) có giới hạn về hiệu quả. Nếu bạn đã thực hiện 3 hoặc 4 yêu cầu bổ sung mà canvas vẫn không khớp với mô tả - hoặc dữ liệu nguồn bị lỗi ở đâu đó trong quá trình này - thì việc bắt đầu lại với một yêu cầu ban đầu mới, được xác định phạm vi rõ ràng, thường sẽ nhanh hơn nhiều so với việc cố gắng vá víu một nền tảng đã bị lệch hướng. Đây không phải là lỗi của bạn; nó cũng giống như hạn chế "bản nháp đầu tiên tốt nhưng giai đoạn hoàn thiện cuối cùng lại khó khăn" đã nói ở trên, chỉ là ở quy mô lớn hơn.

Một thói quen an toàn nên áp dụng trước bất kỳ yêu cầu bổ sung lớn nào: Hãy nhân bản tab hoặc tạo một bản sao của bảng tính trước khi yêu cầu thiết kế lại toàn bộ. Nếu yêu cầu bổ sung đó không đạt kết quả như ý, bạn vẫn giữ được phiên bản đang hoạt động tốt của mình.

Thử ngay: Công cụ tạo prompt bổ sung

Hãy đóng vai huấn luyện viên hỗ trợ tôi tinh chỉnh Sheets canvas. Tôi có một canvas cơ bản đã ổn nhưng
cần sửa một điểm cụ thể. Hãy giúp tôi viết một yêu cầu bổ sung có phạm vi rõ ràng theo
cấu trúc: phạm vi + thay đổi + các yếu tố giữ nguyên + kiểm thử nghiệm thu.

Những gì tôi đã tạo: [mô tả canvas của bạn — ví dụ: "bảng theo dõi khách hàng được nhóm theo trạng thái"]
Vấn đề gặp phải: [MỘT điểm cụ thể bị lỗi — ví dụ: "cột Follow-Up Needed
  có màu vàng thay vì màu cam"]
Những phần KHÔNG ĐƯỢC thay đổi: [liệt kê các phần đã đúng và cần được giữ
  nguyên trạng]

Hãy cung cấp cho tôi:
1. Một prompt bổ sung có phạm vi rõ ràng, viết theo cấu trúc 4 phần trong bài học này.
2. Một bài kiểm thử chấp nhận chỉ cần một câu, giúp tôi kiểm tra kết quả trong vòng mười giây sau khi chạy lệnh.
3. Nếu đây thực sự là dấu hiệu cho thấy canvas cần được xây dựng lại hoàn toàn thay vì chỉ sửa lỗi nhỏ,
  hãy nói thẳng điều đó thay vì cố gắng đưa ra giải pháp sửa chữa.

Nơi dán: Bất kỳ công cụ trò chuyện AI nào (Claude, ChatGPT, Gemini). Những gì bạn sẽ nhận được: một câu lệnh (prompt) bổ sung đã hoàn thiện để dán ngay, cùng với cách nhanh chóng để kiểm tra kết quả.

Cách sử dụng: Dán trực tiếp câu lệnh vừa tạo vào ô Gemini trên canvas của bạn, sau đó chạy quy trình kiểm tra nghiệm thu.

Những điểm chính cần lưu ý

• Các câu lệnh bổ sung mang tính chung chung (ví dụ: "làm cho gọn gàng hơn") thường gây ra những thay đổi ngoài ý muốn - đây là hạn chế phổ biến đã được ghi nhận đối với các giao diện do AI tạo ra, chứ không phải lỗi riêng của Google Sheets.
• Công thức hiệu quả bao gồm: Phạm vi + thay đổi + yếu tố cố định + kiểm tra nghiệm thu; cụ thể là: Xác định chính xác đối tượng cần chỉnh sửa, nêu rõ thay đổi, liệt kê các thành phần phải giữ nguyên và mô tả cách bạn sẽ xác minh kết quả.
• Các câu lệnh bổ sung cụ thể, tập trung vào một mục đích duy nhất (ví dụ: "đổi loại biểu đồ này", "thêm bộ lọc này") thường mang lại kết quả chính xác hơn so với những yêu cầu mơ hồ về chất lượng (ví dụ: "làm cho nó tốt hơn").
• Khi thực hiện liên tiếp nhiều bước chỉnh sửa mà vẫn không khắc phục được nội dung trên Canvas, việc bắt đầu lại từ một câu lệnh (prompt) mới với phạm vi rõ ràng thường nhanh hơn so với việc tiếp tục vá lỗi.