Prompt Mẫu Cho Coding, Research Và Phân Tích Với AI

Giới Thiệu

Những tác vụ như coding, research và phân tích quyết định thường thất bại với AI vì người dùng hỏi quá sớm, quá rộng hoặc quá ít dữ liệu. Kết quả là câu trả lời nghe tự tin nhưng không đủ đáng tin. Cách sửa không phải là lúc nào cũng viết prompt dài hơn, mà là đặt đúng yêu cầu cho đúng giai đoạn.

Mục lục

Khi nào nên hỏi AI kiểu nào
Prompt mẫu cho coding
Prompt mẫu cho research và synthesis
Prompt mẫu cho phân tích trade-offs
Cách giảm hallucination trong tác vụ tri thức
Checklist dùng AI cho công việc kỹ thuật

Khi Nào Nên Hỏi AI Kiểu Nào

Không phải mọi việc đều nên hỏi theo cùng một kiểu.

khi coding: nên hỏi structure, boundaries, tests, failure modes
khi debug: nên hỏi hypotheses và verification steps
khi research: nên hỏi definitions, frameworks, comparison criteria
khi cần quyết định: nên hỏi trade-offs, assumptions, missing data

Sai lầm phổ biến là nhảy thẳng vào hãy cho tôi giải pháp tốt nhất khi bản thân bài toán còn chưa được làm rõ.

Prompt Mẫu Cho Coding

1. Prompt Xin Thiết Kế Trước Khi Xin Code

Trong một ứng dụng {stack}, tôi cần triển khai {feature}.

Đừng viết code ngay.
Trước tiên hãy:
1. đề xuất cấu trúc lớp hoặc module
2. nêu trách nhiệm từng phần
3. chỉ ra 5 failure modes cần nghĩ đến
4. nói phần nào nên test trước

2. Prompt Sinh Một Slice Nhỏ

Hãy viết riêng phần {slice}, không viết toàn feature.

Context:
- stack: {stack}
- conventions: {conventions}
- goal: {goal}

Yêu cầu:
- giữ code ngắn gọn
- bám đúng conventions
- không thêm abstraction nếu chưa cần

3. Prompt Review Query

Review đoạn query sau.
Chỉ tập trung vào:
- N+1 risk
- eager loading
- selected columns
- index usage có khả năng bị bỏ lỡ
- chỗ nào đang đẩy việc nên làm ở SQL sang PHP

4. Prompt Tạo Test Cases

Từ đoạn code sau, hãy liệt kê 10 test cases quan trọng nhất.

Ưu tiên:
- unauthorized access
- invalid input
- duplicate execution
- stale cache
- retry / timeout behavior

Không viết code test. Chỉ liệt kê case và lý do.

5. Prompt Refactor Có Kiểm Soát

Refactor đoạn code sau.

Mục tiêu:
- rõ trách nhiệm hơn
- ít lặp lại hơn
- không thay đổi behavior

Yêu cầu:
- nêu trước 2-3 hướng refactor khả thi
- chỉ chọn cách ít disruptive nhất

6. Prompt Cho Code Review Mechanical

Review đoạn code sau theo đúng 5 tiêu chí:
1. validation
2. authorization
3. query efficiency
4. error handling
5. test gaps

Chỉ nêu những điểm có thể gây bug, security issue hoặc performance regression.

7. Prompt Debug Theo Giả Thuyết

Tôi đang debug lỗi sau trong {system}.

Triệu chứng: {symptom}
Bước tái hiện: {reproduction}
Log/stack trace: {logs}
Điều mới thay đổi: {recent_changes}

Hãy đưa ra:
1. 3 giả thuyết mạnh nhất
2. bước xác minh rẻ nhất cho từng giả thuyết
3. dữ liệu còn thiếu cần thu thêm

Không viết patch trước.

8. Prompt Yêu Cầu Phân Tích Side Effects

Trước khi viết code cho feature {feature}, hãy liệt kê:
- side effects nào sẽ xảy ra
- phần nào nên queue
- phần nào cần idempotency
- chỗ nào cần cache invalidation
- signal nào nên log hoặc monitor

Prompt Mẫu Cho Research Và Synthesis

9. Prompt Tóm Tắt Một Chủ Đề Có Cấu Trúc

Tóm tắt chủ đề {topic} cho người có nền tảng {level}.

Output gồm:
1. khái niệm cốt lõi
2. khi nào dùng
3. khi nào không nên dùng
4. các trade-offs chính
5. từ khóa cần đọc tiếp

10. Prompt So Sánh Công Nghệ

So sánh {option_a} và {option_b} cho bối cảnh sau: {context}.

Đánh giá theo:
- learning curve
- implementation cost
- operational cost
- maintainability
- fit cho team hiện tại

Kết luận cuối cùng phải nêu rõ khuyến nghị và lý do.

11. Prompt Đọc Và Tách Ý Chính Từ Nhiều Nguồn

Tôi có các ghi chú / đoạn trích sau từ nhiều nguồn.
Hãy tổng hợp thành:
1. điểm đồng thuận
2. điểm mâu thuẫn
3. điều còn chưa rõ
4. đề xuất tạm thời hợp lý nhất

12. Prompt Làm Reading Memo

Từ nội dung sau, hãy viết reading memo cho team kỹ thuật.

Memo gồm:
- what matters
- what is actionable
- what is uncertain
- what we should test ourselves

13. Prompt Biến Research Thành Decision Memo

Từ các dữ liệu sau, hãy viết decision memo.

Format:
## Decision
## Context
## Options considered
## Trade-offs
## Recommendation
## Open questions

Prompt Mẫu Cho Phân Tích Trade-offs

14. Prompt Phản Biện Phương Án Ưa Thích

Tôi đang nghiêng về phương án {preferred_option}.
Hãy phản biện lựa chọn này như một reviewer khó tính.

Nêu:
1. 5 rủi ro lớn nhất
2. giả định nào dễ sai nhất
3. tín hiệu nào cho thấy nên dừng sớm

15. Prompt Tạo Decision Matrix

Hãy tạo decision matrix cho các lựa chọn {options}.

Tiêu chí gồm:
- cost
- implementation speed
- operational complexity
- long-term flexibility
- quality risk

Cho điểm từng tiêu chí và giải thích ngắn gọn.

16. Prompt Chỉ Ra Missing Information

Nếu dữ liệu hiện tại chưa đủ để đưa ra khuyến nghị tốt, đừng cố kết luận.
Hãy chỉ ra:
1. thông tin còn thiếu
2. vì sao nó quan trọng
3. cách rẻ nhất để thu thập nó

Cách Giảm Hallucination Trong Tác Vụ Tri Thức

Các chỉ dẫn sau thường rất hiệu quả:

phân biệt fact, assumption, recommendation
yêu cầu AI nói rõ điều gì chưa chắc
yêu cầu nêu missing data thay vì đoán
yêu cầu output theo decision format cố định
chia task thành 2 bước: phân tích trước, kết luận sau

Những Lỗi Thường Gặp Khi Dùng AI Cho Công Việc Kỹ Thuật

hỏi toàn bộ feature trong một prompt
không cho conventions của codebase
nhờ AI kết luận khi dữ liệu còn thiếu
nhầm giữa explanation hay và conclusion đáng tin
không yêu cầu test cases hoặc failure modes

Checklist Dùng AI Cho Công Việc Kỹ Thuật

Tôi đang cần ideation, structure, review hay implementation?
Prompt này có nên tách thành 2 bước không?
Tôi đã cho đủ context vận hành, conventions và scope chưa?
Tôi đã yêu cầu AI nêu điều chưa chắc chưa?
Tôi có cách nào kiểm chứng output không?

FAQ

Có nên để AI đề xuất kiến trúc tổng thể không?

Có thể, nhưng nên bắt đầu bằng nhiều phương án và trade-offs trước, không nên nhận một kiến trúc duy nhất rồi coi đó là đáp án đúng.

Khi nào AI hữu ích nhất cho research?

Khi bạn dùng nó để cấu trúc vấn đề, tổng hợp tiêu chí và chỉ ra khoảng trống dữ liệu. Đó thường là phần tạo giá trị ổn định hơn việc để AI kết luận thay bạn.

Key takeaways:

Coding, research và decision-making cần các prompt khác nhau theo từng giai đoạn công việc.
Khi coding, nên xin structure, failure modes và tests trước khi xin full implementation.
Khi research, nên yêu cầu synthesis có cấu trúc và phân biệt rõ fact, assumption, recommendation.
Với các quyết định kỹ thuật, AI hữu ích nhất khi làm rõ trade-offs và missing data.
Output nghe tự tin không đồng nghĩa với output đáng tin, nên prompt phải ép AI nói rõ điều chưa chắc.

Kết Luận

AI rất hữu ích cho coding và research, nhưng chỉ khi bạn đặt đúng loại câu hỏi. Dùng AI tốt trong công việc kỹ thuật không phải là hỏi nhanh hơn, mà là làm rõ vấn đề tốt hơn trước khi hành động.