# Tổng Kết – Kỹ thuật tạo lệnh & Thực Hành

Chúng ta đã đi một chặng đường dài – từ người dùng ChatGPT thông thường, đến **hiểu rõ cách AI tư duy** và **tự điều chỉnh đầu ra theo mục tiêu**. Điều này không chỉ là kỹ thuật, mà còn là một **tư duy sáng tạo và hệ thống**.

##### **1. Tokenization – AI "Đọc" Văn Bản Như Thế Nào?**

- **Token = đơn vị nhỏ nhất** mà AI xử lý được (thường là từ, cụm từ, thậm chí là một phần từ).
- Ví dụ: `"strawberry"` có thể bị chia thành `"straw"` + `"berry"` hoặc thậm chí `"str"` + `"aw"` + `"berry"` tùy mô hình.
- Điều này ảnh hưởng:
    
    
    - Độ dài tối đa của prompt.
    - Cách AI hiểu và phản hồi câu hỏi.

Bài học:

- Luôn **đoán trước** token hóa có thể xảy ra → viết prompt rõ ràng, ngắn gọn.
- Dùng [tiktoken viewer](https://platform.openai.com/tokenizer) để kiểm tra nếu cần.

##### **2. Tối Ưu Prompt – Càng Ngắn Gọn, Càng Hiệu Quả**

- Prompt càng dài → AI càng bị "chia trí".
- Hãy **"nói chuyện với AI như nói chuyện với người thông minh nhưng mất tập trung".**
- Dùng kỹ thuật như:
    
    
    - Bullet points
    - Hạn chế từ không cần thiết
    - Gợi ý phong cách mong muốn

##### **3. System Message – Định Hình "Tính Cách" Của AI**

- Đây là **nền tảng cho hành vi của AI**: lịch sự, nghiêm túc, hài hước, sáng tạo...
- Ví dụ:
    
    
    - `"You are a legal advisor for small businesses in Vietnam."`
    - `"You're a witty poet who only responds in rhymes."`

**Mở rộng:**

- LM Studio cho phép thiết lập system message cố định ngay trong phần cấu hình.

##### **4. Các Tham Số Mô Hình – Đặt Đúng, Hiệu Quả Tăng Gấp Đôi**

<table class="min-w-full" data-end="2660" data-start="2091" id="bkmrk-tham-s%E1%BB%91-%C3%9D-ngh%C4%A9a-ch%C3%ADn" style="height: 175px; width: 100%;"><thead data-end="2170" data-start="2091"><tr data-end="2170" data-start="2091"><th data-end="2109" data-start="2091" style="width: 49.9405%;">Tham số</th><th data-end="2170" data-start="2109" style="width: 49.9405%;">Ý nghĩa chính</th></tr></thead><tbody data-end="2660" data-start="2252"><tr data-end="2331" data-start="2252"><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2271" data-start="2252" style="width: 49.9405%;">`temperature`</td><td class="max-w-[calc(var(--thread-content-max-width)*2/3)] min-w-[calc(var(--thread-content-max-width)/3)]" data-end="2331" data-start="2271" style="width: 49.9405%;">Độ ngẫu nhiên (0.1 = chính xác, 1.2 = sáng tạo)</td></tr><tr data-end="2412" data-start="2332"><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2351" data-start="2332" style="width: 49.9405%;">`top_k`</td><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2412" data-start="2351" style="width: 49.9405%;">Chọn trong K từ khả thi nhất</td></tr><tr data-end="2493" data-start="2413"><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2432" data-start="2413" style="width: 49.9405%;">`top_p`</td><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2493" data-start="2432" style="width: 49.9405%;">Chọn từ theo xác suất cộng dồn P</td></tr><tr data-end="2576" data-start="2494"><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2517" data-start="2494" style="width: 49.9405%;">`repetition penalty`</td><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2576" data-start="2517" style="width: 49.9405%;">Phạt nếu AI lặp lại từ/ngữ đã dùng</td></tr><tr data-end="2660" data-start="2577"><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2608" data-start="2577" style="width: 49.9405%;">`presence/frequency penalty`</td><td class="max-w-[calc(var(--thread-content-max-width)*2/3)]" data-end="2660" data-start="2608" style="width: 49.9405%;">Phạt nếu AI đề cập lại từ đã có</td></tr></tbody></table>

### Mẹo:

- Dự án đòi hỏi sự **ổn định**: `temperature thấp`, `penalty cao`
- Dự án đòi hỏi sự **sáng tạo**: `temperature cao`, `penalty thấp`

##### **5. Ứng Dụng Trong LM Studio – Thực Hành Là Mastery**

Chúng ta đã:

- Thiết lập system messages
- Tùy chỉnh các tham số: `temperature`, `top_k`, `repetition_penalty`, v.v.
- Thử nghiệm nhiều mô hình khác nhau với **GGUF** (Mistral, Zephyr, Phi-2...)
- Tạo trò chơi: tung xúc xắc, oẳn tù tì, chọn dâu tây...

##### **6. Vượt Xa ChatGPT – Trở Thành Prompt Engineer Thực Thụ**

Bạn giờ đã có thể:

- Tự xây dựng **prompt hệ thống**
- **Điều chỉnh đầu ra** theo mục tiêu
- Tích hợp vào ứng dụng thực tế như chatbot, trợ lý ảo, công cụ sáng tạo

##### **7. Sửa Lỗi &amp; Tối Ưu Prompt**

Prompt tốt = **hiểu mô hình + thực hành lặp đi lặp lại**. Không có prompt hoàn hảo ngay từ đầu. Bạn cần:

- Thử – Sai – Sửa
- Ghi chép thay đổi
- Kiểm thử đa dạng dữ liệu đầu vào

**Hãy nhớ:**

> 🎯 **Mastery = Practice x Curiosity**

- Bạn không còn chỉ là người dùng ChatGPT nữa.
- Bạn đã hiểu AI từ trong ra ngoài.
- Bạn **có thể điều khiển**, **sáng tạo**, và **xây dựng tương lai với AI**.

**Tác giả: Đỗ Ngọc Tú**  
**Công Ty Phần Mềm [VHTSoft](https://vhtsoft.com/ "Công Ty Phần Mềm VHTSoft")**