Thuật ngữ: Kỹ thuật Prompt & Structured Output
System Prompt
Tin nhắn hướng dẫn ban đầu được gửi cho Claude thông qua tham số system trong một lệnh gọi API. Nó thiết lập hành vi tổng thể, tính cách, ràng buộc, và định dạng đầu ra cho cuộc hội thoại. System prompt không thuộc lịch sử tin nhắn — nó nằm trên lịch sử đó và duy trì hiệu lực xuyên suốt mọi lượt trao đổi.
Bối cảnh thi: Nắm rõ sự khác biệt giữa system prompt và tin nhắn người dùng. Đề thi kiểm tra các best practice cho system prompt: định nghĩa vai trò rõ ràng, ràng buộc rõ ràng, chỉ định định dạng đầu ra, và tránh các hướng dẫn mâu thuẫn nhau.
Xem thêm: 4.1 System Prompts
Structured Output
Một kỹ thuật giúp Claude trả về phản hồi theo định dạng cụ thể, máy có thể phân tích được như JSON, XML, hoặc YAML. Điều này đạt được thông qua hướng dẫn định dạng rõ ràng trong prompt, định nghĩa JSON Schema, hoặc dùng prefilling để bắt đầu phản hồi của Claude bằng một dấu phân cách mở đầu.
Bối cảnh thi: Đề thi kiểm tra nhiều cách tiếp cận cho structured output: hướng dẫn dựa trên prompt, schema tool-use (đảm bảo JSON hợp lệ), và prefilling. Nắm rõ sự đánh đổi giữa từng cách tiếp cận và khi nào tool-use đáng tin cậy hơn chỉ dùng hướng dẫn prompt.
Xem thêm: 4.2 Structured Output
Prompt Chaining
Một kỹ thuật orchestration trong đó đầu ra của một lệnh gọi Claude trở thành đầu vào cho lệnh gọi tiếp theo. Mỗi bước trong chuỗi có một nhiệm vụ tập trung, cụ thể. Chaining phân rã một vấn đề phức tạp thành các bước dễ quản lý và cho phép kiểm tra hoặc biến đổi giữa các bước.
Bối cảnh thi: Nắm rõ khi nào nên dùng prompt chaining so với một prompt duy nhất. Đề thi kiểm tra nguyên tắc mỗi mắt xích trong chuỗi nên làm tốt một việc. Hiểu rõ cách truyền context giữa các bước của chuỗi và nơi chèn cổng kiểm tra.
Xem thêm: 4.3 Prompt Chaining
Few-Shot Examples
Các cặp đầu vào-đầu ra được đưa vào prompt để minh họa hành vi, định dạng, hoặc kiểu suy luận mong muốn. Bằng cách cho Claude thấy các ví dụ cụ thể về phản hồi đúng, bạn giảm sự mơ hồ và cải thiện tính nhất quán. Few-shot example được đặt trong system prompt hoặc tin nhắn người dùng trước yêu cầu thực tế.
Bối cảnh thi: Nắm rõ các best practice cho few-shot example: dùng các ví dụ đa dạng bao phủ trường hợp biên, đặt chúng trước yêu cầu, và khớp chính xác định dạng bạn muốn trong đầu ra. Đề thi có thể kiểm tra số lượng ví dụ thường cần thiết (2-5 thường là đủ).
Xem thêm: 4.4 Few-Shot & Examples
Prompt Optimisation
Quá trình lặp đi lặp lại nhằm tinh chỉnh prompt để cải thiện chất lượng đầu ra, giảm chi phí, và tăng độ tin cậy. Các kỹ thuật bao gồm đơn giản hóa hướng dẫn, loại bỏ sự mơ hồ, thêm ràng buộc, điều chỉnh temperature, và kiểm thử trên một tập các trường hợp đánh giá.
Bối cảnh thi: Đề thi kiểm tra các cách tiếp cận có hệ thống để cải thiện prompt thay vì điều chỉnh tùy tiện. Nắm rõ quy trình dựa trên đánh giá: định nghĩa test case, đo hiệu năng ban đầu, thực hiện thay đổi có mục tiêu, và đo lại.
Xem thêm: 4.5 Prompt Optimisation
Output Validation
Các kiểm tra theo chương trình được áp dụng lên phản hồi của Claude để xác minh chúng đáp ứng tiêu chí mong đợi trước khi được dùng ở bước tiếp theo. Validation có thể kiểm tra định dạng (JSON hợp lệ, đúng schema), nội dung (trường bắt buộc có mặt, giá trị nằm trong phạm vi), và an toàn (không có nội dung bị cấm). Validation thất bại sẽ kích hoạt retry hoặc fallback.
Bối cảnh thi: Nắm rõ các chiến lược validation phổ biến: schema validation (JSON Schema, Zod, Pydantic), kiểm tra nội dung, và validation nhiều lượt trong đó Claude tự xem xét lại đầu ra của mình. Hiểu rõ validation phù hợp vào agentic loop như thế nào.
Xem thêm: 4.6 Output Validation
Prefilling
Một kỹ thuật trong đó bạn bắt đầu phản hồi của Claude bằng cách đưa vào phần mở đầu của tin nhắn assistant. Bằng cách cung cấp một token mở đầu (như { cho JSON hoặc <result> cho XML), bạn hướng Claude tiếp tục theo đúng định dạng mong đợi. Prefilling được thiết lập bằng cách đưa một tin nhắn assistant một phần vào lệnh gọi API.
Bối cảnh thi: Nắm rõ cách prefilling hoạt động ở tầng API (thêm một tin nhắn assistant một phần) và khi nào nó hữu ích nhất (đảm bảo định dạng structured output). Hiểu rõ prefilling không khả dụng ở mọi giao diện — nó yêu cầu truy cập API trực tiếp.
Xem thêm: 4.2 Structured Output
XML Tags
Dấu phân cách được dùng trong prompt để cấu trúc nội dung thành các phần được gắn nhãn rõ ràng. Claude được huấn luyện để hiểu các tag kiểu XML như <instructions>, <context>, và <examples>. Dùng tag giúp prompt dễ đọc hơn và giúp Claude nhận diện mục đích của từng phần.
Bối cảnh thi: Đề thi ưu tiên XML tag như cách tiếp cận được Anthropic khuyến nghị để cấu trúc các prompt dài. Nắm rõ các mẫu tag phổ biến và nguyên tắc các phần được gắn tag giúp giảm hiểu sai ranh giới prompt.
Xem thêm: 4.1 System Prompts
Chain of Thought
Một kỹ thuật prompting hướng dẫn Claude trình bày quá trình suy luận từng bước trước khi đưa ra câu trả lời cuối cùng. Điều này cải thiện độ chính xác trên các tác vụ phức tạp bằng cách buộc model giải quyết vấn đề một cách có phương pháp. Chain of thought có thể được khơi gợi bằng cách thêm hướng dẫn như "suy nghĩ từng bước" hoặc dùng extended thinking.
Bối cảnh thi: Nắm rõ khi nào chain of thought hữu ích (suy luận phức tạp, bài toán nhiều bước) và khi nào không cần thiết (truy xuất thông tin đơn giản). Hiểu rõ mối quan hệ giữa chain of thought prompting và tính năng extended thinking của Claude.
Xem thêm: 4.1 System Prompts
Temperature
Một tham số (0.0 đến 1.0) kiểm soát mức độ ngẫu nhiên trong phản hồi của Claude. Temperature thấp (ví dụ 0.0) tạo ra đầu ra tất định, tập trung hơn. Temperature cao (ví dụ 0.8) tạo ra đầu ra đa dạng, sáng tạo hơn. Giá trị mặc định là 1.0.
Bối cảnh thi: Nắm rõ thiết lập temperature phù hợp cho từng use case: temperature thấp cho structured output, sinh code, và tác vụ dựa trên sự kiện; temperature cao hơn cho viết sáng tạo và brainstorm. Hiểu rõ temperature 0 không đảm bảo đầu ra giống hệt nhau.
Xem thêm: 4.5 Prompt Optimisation