Kỹ thuật Prompt

Kỹ thuật prompt là nghệ thuật và khoa học thiết kế các đầu vào (prompt) hiệu quả để hướng dẫn các mô hình Trí tuệ nhân tạo (AI), đặc biệt là Mô hình ngôn ngữ lớn (LLM), tạo ra các đầu ra mong muốn. Nó tương tự như việc trở thành một người giao tiếp khéo léo với AI, biết chính xác những gì cần nói và cách nói để có được phản hồi tốt nhất có thể. Thực hành này rất quan trọng vì hiệu suất, mức độ liên quan và chất lượng của đầu ra của mô hình AI rất nhạy cảm với cách một truy vấn được xây dựng. Kỹ thuật prompt hiệu quả cho phép người dùng khai thác toàn bộ tiềm năng của các mô hình nền tảng mạnh mẽ cho một loạt các tác vụ.

Cách thức hoạt động của Prompt Engineering

Cốt lõi của kỹ thuật prompt (prompt engineering) là cấu trúc một đầu vào cung cấp ngữ cảnh rõ ràng và đầy đủ cho mô hình. Trong khi một câu hỏi đơn giản có thể mang lại một câu trả lời cơ bản, một prompt được thiết kế tốt có thể kiểm soát giọng văn, định dạng và độ phức tạp. Các thành phần chính của một prompt nâng cao có thể bao gồm:

• Hướng dẫn: Một chỉ thị rõ ràng và cụ thể cho mô hình biết nhiệm vụ cần thực hiện (ví dụ: "Tóm tắt bài viết sau thành ba gạch đầu dòng").
• Ngữ cảnh: Cung cấp thông tin hoặc dữ liệu nền có liên quan mà mô hình nên sử dụng để thông báo phản hồi của nó.
• Persona: Gán một vai trò cho AI để áp dụng, điều này ảnh hưởng đến giọng điệu và phong cách của đầu ra (ví dụ: "Đóng vai một chuyên gia phân tích tài chính").
• Định dạng: Chỉ định cấu trúc mong muốn của đầu ra, chẳng hạn như danh sách, đối tượng JSON hoặc kiểu viết cụ thể.
• Ví dụ: Bao gồm các ví dụ về định dạng đầu vào và đầu ra mong muốn, một kỹ thuật được gọi là học với ít dữ liệu (few-shot learning), giúp định hướng phản hồi của mô hình. Một nguồn tài nguyên toàn diện cho các kỹ thuật này có thể được tìm thấy tại Hướng dẫn Prompting.

Các Ứng dụng Thực tế

1. Tự động hóa hỗ trợ khách hàng: Để đảm bảo tính nhất quán và chính xác của thương hiệu, một công ty có thể sử dụng kỹ thuật prompt engineering để hướng dẫn chatbot hỗ trợ của mình. Một prompt có thể hướng dẫn AI áp dụng giọng điệu thân thiện và hữu ích, sử dụng cơ sở kiến thức nội bộ để trả lời các câu hỏi về sản phẩm và xác định một quy trình rõ ràng về thời điểm chuyển cuộc trò chuyện cho một nhân viên hỗ trợ. Điều này kiểm soát hành vi của AI, ngăn nó cung cấp thông tin không chính xác hoặc tương tác với khách hàng theo cách không phù hợp với thương hiệu.

2. Tạo nội dung sáng tạo: Trong các mô hình text-to-image (chuyển văn bản thành hình ảnh) như Midjourney hoặc DALL-E 3 của OpenAI, dấu nhắc (prompt) là công cụ chính để tạo. Một dấu nhắc đơn giản như "hình ảnh một chiếc xe hơi" sẽ tạo ra một kết quả chung chung. Tuy nhiên, một dấu nhắc chi tiết như "Một chiếc xe thể thao màu đỏ cổ điển từ những năm 1960 chạy nhanh trên đường cao tốc ven biển lúc hoàng hôn, phong cách hiện thực, ánh sáng điện ảnh, độ phân giải 8K" cung cấp các hướng dẫn cụ thể về chủ đề, bối cảnh, phong cách và chất lượng, mang lại một hình ảnh được tùy chỉnh cao và trực quan tuyệt đẹp.

Mức độ Liên quan trong Thị giác Máy tính

Mặc dù bắt nguồn từ Xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật prompt ngày càng trở nên phù hợp trong Thị giác máy tính (CV). Điều này được thúc đẩy bởi sự phát triển của các mô hình đa phương thức có thể xử lý cả văn bản và hình ảnh đồng thời. Các mô hình như CLIP và các detector từ vựng mở như YOLO-World có thể thực hiện các tác vụ như nhận diện đối tượng dựa trên các mô tả văn bản tùy ý. Đối với các mô hình này, việc tạo ra một prompt văn bản hiệu quả (ví dụ: "phát hiện tất cả 'xe đạp' nhưng bỏ qua 'xe máy'") là một hình thức kỹ thuật prompt rất quan trọng để hướng dẫn Mô hình ngôn ngữ thị giác này. Các nền tảng như Ultralytics HUB tạo điều kiện tương tác với nhiều mô hình khác nhau, trong đó việc xác định các tác vụ thông qua giao diện có thể hưởng lợi từ các nguyên tắc kỹ thuật prompt.

Prompt Engineering so với các Khái niệm Liên quan

Điều quan trọng là phải phân biệt kỹ thuật prompt (prompt engineering) với các khái niệm học máy khác:

• Tinh chỉnh (Fine-Tuning): Điều này liên quan đến việc cập nhật trọng số của mô hình bằng cách tiếp tục quá trình đào tạo trên một tập dữ liệu mới. Ngược lại, kỹ thuật prompt (Prompt engineering) không thay đổi bản thân mô hình mà hướng dẫn hành vi của mô hình hiện có tại thời điểm suy luận.
• Tinh chỉnh Prompt (Prompt Tuning): Một phương pháp tinh chỉnh hiệu quả tham số (PEFT), tinh chỉnh prompt liên quan đến việc học một tập hợp nhỏ các embedding "prompt mềm" được thêm vào đầu vào. Nó tự động hóa việc tạo prompt thông qua quá trình huấn luyện, trong khi kỹ thuật prompt là quá trình thủ công tạo ra các "prompt cứng" dựa trên văn bản.
• Chain-of-Thought (CoT) Prompting: CoT là một kỹ thuật prompt engineering cụ thể, trong đó một hướng dẫn như "hãy suy nghĩ từng bước" được thêm vào prompt. Điều này khuyến khích mô hình chia nhỏ các vấn đề phức tạp thành các bước suy luận trung gian, thường dẫn đến kết quả chính xác hơn, như được trình bày chi tiết trong nghiên cứu của Google AI.
• Chuỗi Prompt (Prompt Chaining): Kỹ thuật này bao gồm việc chia một tác vụ phức tạp thành nhiều prompt tuần tự, trong đó đầu ra của bước này là đầu vào cho bước tiếp theo. Kỹ thuật prompt (Prompt engineering) là một thực hành rộng hơn về việc thiết kế hiệu quả từng prompt riêng lẻ đó. Các framework như LangChain được thiết kế để điều phối các chuỗi như vậy.
• Retrieval-Augmented Generation (RAG): RAG là một hệ thống tăng cường prompt bằng cách đầu tiên truy xuất dữ liệu liên quan từ cơ sở tri thức bên ngoài. Kỹ thuật prompt (Prompt engineering) rất quan trọng trong hệ thống RAG để xây dựng chính xác cả truy vấn tìm kiếm ban đầu và prompt cuối cùng kết hợp câu hỏi của người dùng với thông tin đã truy xuất.