6 Best Practices từ Anthropic giúp xây dựng ứng dụng AI hiệu quả hơn với Claude

1. Role-based Prompting – Xác định rõ vai trò cho AI

Một trong những cách đơn giản nhất để cải thiện kết quả từ AI là xác định rõ vai trò mà AI cần đảm nhận.

Thay vì chỉ đưa ra một yêu cầu chung chung, hãy mô tả Claude đang đóng vai trò gì, có chuyên môn gì và cần tiếp cận công việc dưới góc độ nào.

Ví dụ:

Prompt thông thường:

text

Hãy phân tích doanh thu của công ty
và đưa ra nhận xét.

Prompt có xác định vai trò:

text

Bạn là một chuyên gia phân tích tài chính
có kinh nghiệm trong lĩnh vực bán lẻ.

Hãy phân tích dữ liệu doanh thu của công ty,
tập trung vào xu hướng tăng trưởng,
các yếu tố ảnh hưởng và những điểm cần chú ý.

Trình bày kết quả theo góc nhìn dành cho
ban quản lý doanh nghiệp.

Sự khác biệt nằm ở chỗ Claude không chỉ thực hiện một nhiệm vụ phân tích chung mà còn được định hướng về chuyên môn, cách tư duy và đối tượng tiếp nhận kết quả.

Khi nào nên áp dụng?

Role-based Prompting đặc biệt hữu ích khi xây dựng các AI Assistant chuyên biệt, chẳng hạn:

• AI hỗ trợ phân tích dữ liệu.

• AI hỗ trợ lập trình.

• AI hỗ trợ chăm sóc khách hàng.

• AI hỗ trợ viết tài liệu kỹ thuật.

• AI hỗ trợ quản lý dự án.

Theo tài liệu Anthropic, việc thiết lập role trong system prompt giúp định hướng hành vi và phong cách phản hồi của Claude. Tuy nhiên, không nên xây dựng một persona quá phức tạp hoặc gò bó không cần thiết.

2. Clear and Direct Instructions – Hướng dẫn rõ ràng và trực tiếp

Một vấn đề thường gặp khi sử dụng AI là người dùng đưa ra yêu cầu quá ngắn hoặc thiếu các điều kiện cần thiết.

Ví dụ, yêu cầu:

text

Hãy tạo một báo cáo chuyên nghiệp.

Nghe có vẻ đơn giản nhưng thực tế có rất nhiều cách hiểu khác nhau:

• Báo cáo dành cho ai?

• Nội dung gồm những phần nào?

• Sử dụng ngôn ngữ gì?

• Độ dài bao nhiêu?

• Định dạng đầu ra là Word, Excel hay PowerPoint?

Claude có thể tự đưa ra những lựa chọn hợp lý, nhưng kết quả có thể không đúng với kỳ vọng của người dùng.

Thay vào đó, hãy viết yêu cầu rõ ràng hơn:

text

Hãy tạo một báo cáo kinh doanh dành cho ban quản lý.

Yêu cầu:
- Sử dụng ngôn ngữ tiếng Việt.
- Tập trung vào doanh thu, chi phí và lợi nhuận.
- Trình bày các chỉ số chính bằng bảng.
- Đưa ra 3 nhận xét quan trọng nhất.
- Kết thúc bằng các đề xuất cải thiện.

Đầu ra: File Word.

Điểm quan trọng ở đây là phải nói rõ AI cần làm gì, kết quả cần có những gì và những giới hạn cần tuân thủ.

Một lưu ý đáng chú ý từ Anthropic là nên mô tả cả mục đích của một số quy tắc, thay vì chỉ đưa ra những câu cấm đoán.

Ví dụ:

text

Không được thay đổi cấu trúc bảng.

Có thể viết tốt hơn:

text

Giữ nguyên cấu trúc bảng vì dữ liệu sẽ được
đối chiếu với các báo cáo của những kỳ trước.

Chỉ cập nhật giá trị dữ liệu, không thay đổi
thứ tự cột hoặc tên các trường.

Khi hiểu được lý do đằng sau yêu cầu, Claude có thêm ngữ cảnh để đưa ra quyết định phù hợp.

Bài học: Đừng kỳ vọng AI tự hiểu những tiêu chuẩn mà bạn chưa từng cung cấp.

3. Context Management – Quản lý ngữ cảnh cho AI

Đây là một trong những nguyên tắc quan trọng nhất khi chuyển từ việc sử dụng AI để hỏi đáp sang xây dựng một AI Assistant phục vụ công việc lâu dài.

Hãy tưởng tượng bạn đang làm việc với một nhân viên mới.

Ngày đầu tiên, bạn hướng dẫn họ về công ty, quy trình làm việc, quy định đặt tên file và tiêu chuẩn tài liệu.

Nếu mỗi ngày họ đều quên toàn bộ những thông tin đó, bạn sẽ phải hướng dẫn lại từ đầu.

AI cũng có vấn đề tương tự nếu không được cung cấp ngữ cảnh phù hợp.

Cách quản lý Context

Thay vì đưa tất cả thông tin vào mỗi Prompt, có thể tổ chức thông tin thành các nhóm:

1. General Instructions

Các quy định chung về cách AI cần hoạt động.

2. Domain Knowledge

Các kiến thức về lĩnh vực, sản phẩm hoặc nghiệp vụ.

3. Reference Documents

Các tài liệu mẫu, dữ liệu tham khảo và tài liệu hướng dẫn.

4. Task-specific Context

Thông tin riêng cho từng nhiệm vụ đang thực hiện.

Ví dụ, khi xây dựng một AI Assistant hỗ trợ viết tài liệu:

text

Project/
│
├── CLAUDE.md
│
├── knowledge/
│   ├── company_guidelines.md
│   └── terminology.md
│
├── references/
│   └── document_template.docx
│
└── output/

Claude có thể sử dụng các tài liệu này làm nguồn thông tin trong quá trình thực hiện công việc.

Đối với Claude Code, file CLAUDE.md đóng vai trò cung cấp hướng dẫn ở cấp độ project và được Claude Code tự động đọc khi bắt đầu session trong phạm vi tương ứng.

Tuy nhiên, cần phân biệt giữa việc lưu trữ context và việc AI luôn nhớ mọi thứ. Việc tổ chức file tốt giúp Claude có thể tìm và sử dụng thông tin cần thiết, nhưng không có nghĩa mọi nội dung trong project đều tự động được đưa vào context ở mọi thời điểm.

Bài học: Muốn AI làm việc nhất quán trong thời gian dài, hãy xây dựng một hệ thống quản lý ngữ cảnh thay vì phụ thuộc vào lịch sử hội thoại.

4. Structured Instructions – Cấu trúc hóa hướng dẫn

Khi một Prompt có nhiều yêu cầu, việc viết tất cả thành một đoạn văn dài có thể khiến các quy tắc khó theo dõi và khó cập nhật.

Anthropic khuyến nghị sử dụng cấu trúc rõ ràng, chẳng hạn như heading, danh sách, các bước tuần tự hoặc XML tags khi cần phân tách các loại thông tin.

Ví dụ, thay vì viết:

text

Hãy tạo báo cáo bằng tiếng Anh, sử dụng văn phong
chuyên nghiệp, có bảng số liệu, không tự thay đổi
các định dạng, kiểm tra lỗi chính tả và lưu thành
file Excel.

Hãy cấu trúc lại:

text

# ROLE
Bạn là chuyên gia phân tích dữ liệu.

# OBJECTIVE
Tạo báo cáo tổng hợp doanh thu.

# LANGUAGE
- Sử dụng tiếng Anh.
- Văn phong chuyên nghiệp.

# FORMAT
- Xuất file Excel.
- Sử dụng bảng để trình bày dữ liệu.
- Giữ nguyên cấu trúc các cột.

# VALIDATION
- Kiểm tra dữ liệu đầu vào.
- Kiểm tra công thức.
- Kiểm tra lỗi chính tả.

Với những Prompt phức tạp hơn, có thể sử dụng XML tags:

xml

<instructions>
  Create a sales performance report.
</instructions>

<context>
  The report is intended for senior management.
</context>

<constraints>
  - Use English.
  - Preserve the original table structure.
  - Do not invent missing data.
</constraints>

<output>
  Excel file with summary tables.
</output>

XML tags giúp phân biệt rõ đâu là hướng dẫn, đâu là ngữ cảnh và đâu là dữ liệu đầu vào.

Không phải mọi Prompt đều cần XML. Với các nhiệm vụ đơn giản, heading và bullet points thường đã đủ hiệu quả.

Bài học: Khi yêu cầu càng phức tạp, cấu trúc thông tin càng quan trọng.

5. Self-verification – Yêu cầu AI tự kiểm tra kết quả

Một trong những sai lầm khi sử dụng AI là cho rằng chỉ cần AI tạo ra kết quả là công việc đã hoàn thành.

Trên thực tế, AI có thể:

• Tính toán sai.

• Bỏ sót dữ liệu.

• Viết sai định dạng.

• Không tuân thủ một số yêu cầu.

• Tạo ra nội dung không có trong dữ liệu gốc.

Vì vậy, một bước rất hữu ích là yêu cầu Claude tự kiểm tra kết quả trước khi hoàn thành.

Ví dụ:

text

Hãy phân tích file Excel và tạo báo cáo doanh thu.

Sau khi hoàn thành, hãy kiểm tra:

1. Tổng doanh thu có khớp với dữ liệu gốc không?
2. Có dòng dữ liệu nào bị bỏ sót không?
3. Các công thức tính toán có chính xác không?
4. Các biểu đồ có phản ánh đúng số liệu không?
5. Có thông tin nào được suy đoán thay vì lấy từ dữ liệu không?

Nếu phát hiện lỗi, hãy sửa và kiểm tra lại.

Cuối cùng, cung cấp danh sách các hạng mục
đã được kiểm tra và những vấn đề chưa thể xác nhận.

Điểm quan trọng là phải cung cấp tiêu chí kiểm tra cụ thể.

Một yêu cầu như:

text

Hãy kiểm tra lại xem có lỗi không.

thường kém hữu ích hơn việc chỉ rõ cần kiểm tra những gì.

Trong tài liệu Anthropic, việc yêu cầu Claude tự kiểm tra theo các tiêu chí cụ thể được đề cập như một kỹ thuật giúp phát hiện lỗi, đặc biệt trong các tác vụ lập trình và tính toán.

Tuy nhiên, self-verification không thay thế hoàn toàn việc kiểm thử độc lập. Với những công việc quan trọng, nên kết hợp thêm automated tests, đối chiếu dữ liệu gốc hoặc xác nhận từ con người.

Bài học: Đừng chỉ yêu cầu AI tạo kết quả. Hãy yêu cầu AI chứng minh kết quả đã đáp ứng những tiêu chí nào.

6. Reference-based Examples – Sử dụng ví dụ và tài liệu mẫu

Đây là một kỹ thuật rất hữu ích khi bạn muốn AI tạo ra kết quả theo một format đã tồn tại.

Hãy tưởng tượng bạn muốn AI tạo một slide PowerPoint theo phong cách của công ty.

Nếu chỉ viết:

text

Hãy tạo một slide PowerPoint chuyên nghiệp.

AI sẽ tự quyết định màu sắc, font chữ, bố cục và cách trình bày.

Kết quả có thể đẹp nhưng không nhất thiết phù hợp với tiêu chuẩn của công ty.

Thay vào đó, hãy cung cấp một file PowerPoint mẫu và hướng dẫn:

text

Sử dụng file PowerPoint mẫu làm reference.

Yêu cầu:
- Giữ nguyên bố cục.
- Giữ nguyên màu sắc.
- Giữ nguyên font chữ.
- Giữ nguyên vị trí các thành phần.
- Chỉ thay đổi nội dung theo dữ liệu mới.

Không tự thiết kế lại slide.

Tương tự, khi muốn AI viết email theo phong cách của doanh nghiệp, hãy cung cấp một vài email mẫu để AI hiểu cách diễn đạt, cấu trúc và mức độ trang trọng.

Anthropic cũng khuyến nghị sử dụng Examples (Few-shot Prompting) để định hướng output. Các ví dụ nên sát với nhiệm vụ thực tế, có cấu trúc rõ ràng và đủ đa dạng để tránh AI chỉ bắt chước một trường hợp duy nhất.

Cần lưu ý rằng reference là cơ sở để AI học cách tạo output, không đồng nghĩa AI luôn bảo toàn chính xác mọi chi tiết của file gốc. Với các định dạng như PowerPoint, vẫn cần kiểm tra kỹ kết quả sau khi chỉnh sửa.

Bài học: Nếu muốn AI tạo ra kết quả giống một tiêu chuẩn có sẵn, hãy cho AI thấy tiêu chuẩn đó thay vì chỉ mô tả bằng lời.

7. Kết hợp 6 nguyên tắc để xây dựng AI Assistant

Sức mạnh thực sự không nằm ở việc áp dụng từng kỹ thuật riêng lẻ, mà ở việc kết hợp chúng thành một quy trình làm việc thống nhất.

Hãy thử tưởng tượng chúng ta cần xây dựng một AI Assistant chuyên tạo báo cáo kinh doanh.

Quy trình có thể được thiết kế như sau:

Khi đó, thay vì mỗi lần phải viết một Prompt dài để hướng dẫn AI từ đầu, người dùng chỉ cần cung cấp dữ liệu mới và yêu cầu tạo báo cáo.

AI đã có sẵn vai trò, quy tắc, ngữ cảnh và tiêu chuẩn đầu ra.

Đây chính là sự khác biệt giữa việc sử dụng AI như một công cụ hỏi đáp và xây dựng AI thành một trợ lý có khả năng hỗ trợ một quy trình nghiệp vụ cụ thể.

Kết luận

Việc khai thác hiệu quả Claude không đơn thuần là tìm ra một câu Prompt hoàn hảo.

Điều quan trọng hơn là xây dựng được một môi trường làm việc mà AI hiểu rõ nhiệm vụ, có đủ ngữ cảnh, tuân thủ các tiêu chuẩn và biết kiểm tra kết quả trước khi bàn giao.

Sáu nguyên tắc được đề cập trong bài viết là những nền tảng hữu ích để bắt đầu:

1. Xác định đúng vai trò.

2. Đưa ra hướng dẫn rõ ràng.

3. Quản lý ngữ cảnh có hệ thống.

4. Cấu trúc hóa thông tin.

5. Yêu cầu tự kiểm tra kết quả.

6. Cung cấp ví dụ và tài liệu tham khảo.

Không cần áp dụng tất cả kỹ thuật ngay từ đầu. Hãy bắt đầu với một công việc cụ thể, xác định những vấn đề thường gặp và bổ sung hướng dẫn tương ứng.

Một AI Assistant tốt không chỉ cần thông minh. Nó cần hiểu cách chúng ta làm việc và có khả năng thực hiện công việc một cách nhất quán.