🪄 28 Thủ Thuật Điều Khiển Ngôn Ngữ Mô Hình: Điều Bạn Cần Biết Để Thành Thạo LLM

LLM là một công cụ mạnh mẽ có thể được sử dụng cho nhiều mục đích khác nhau. Hãy thử nghiệm các cách khác nhau để sử dụng LLM để tìm ra cách tốt nhất để đáp ứng nhu cầu của bạn.
🪄 28 Thủ Thuật Điều Khiển Ngôn Ngữ Mô Hình: Điều Bạn Cần Biết Để Thành Thạo LLM
Photo by Michael Dziedzic / Unsplash
🪄 28 Thủ Thuật Điều Khiển Ngôn Ngữ Mô Hình: Điều Bạn Cần Biết Để Thành Thạo LLM
Photo by Michael Dziedzic / Unsplash
💡
Ngôn ngữ mô hình lớn (LLM) hứa hẹn một tương lai đầy thú vị, nơi máy móc có thể giao tiếp và tạo ra văn bản như con người. Nhưng làm thế nào để khai thác hết tiềm năng của chúng? 26 nguyên tắc hướng dẫn sau đây sẽ giúp bạn điều khiển ngôn ngữ mô hình hiệu quả, biến chúng thành trợ thủ đắc lực trong mọi lĩnh vực.

1. Ngắn gọn và trực tiếp: Nếu bạn cần câu trả lời súc tích, hãy bỏ qua những từ lịch sự như "xin vui lòng", "nếu không phiền", "cảm ơn", "tôi muốn"... và đi thẳng vào vấn đề.

Ví dụ:

  • Thay vì: "Xin vui lòng mô tả cấu trúc của tế bào người, được chứ ạ?"
  • Thành: "Mô tả cấu trúc của tế bào người."

2. Xác định đối tượng: Nói với LLM ai sẽ đọc kết quả, ví dụ như chuyên gia trong một lĩnh vực cụ thể.

Ví dụ:

  • "Hãy soạn một bản tóm tắt về cách điện thoại thông minh hoạt động, dành cho người lớn tuổi chưa từng sử dụng chúng."

3. Chia nhỏ nhiệm vụ: Các tác vụ phức tạp có thể được chia thành chuỗi các mệnh lệnh đơn giản hơn trong một cuộc trò chuyện tương tác.

Ví dụ:

  • "Phân phối dấu trừ cho từng số hạng trong dấu ngoặc của biểu thức sau: 2x + 3y - (4x - 5y)."
  • "Kết hợp các số hạng giống nhau của 'x' và 'y' riêng biệt."
  • "Cung cấp biểu thức đơn giản sau khi kết hợp các số hạng."

4. Sử dụng mệnh lệnh khẳng định: "Làm" thay vì "Không làm" sẽ cho kết quả rõ ràng hơn.

Ví dụ:

  • "Các tòa nhà giữ được sự ổn định trong khi động đất như thế nào?"

5. Tìm hiểu sâu hơn: Khi cần làm rõ, bạn có thể sử dụng các cụm từ sau:

  • "Giải thích [chủ đề cụ thể] một cách đơn giản."
  • "Giải thích cho tôi như thể tôi 11 tuổi."
  • "Giải thích cho tôi như thể tôi là người mới bắt đầu trong [lĩnh vực]."
  • "Giải thích cho tôi như thể tôi là chuyên gia trong [lĩnh vực]."
  • "Viết [bài luận/văn bản/đoạn văn] bằng văn bản đơn giản như thể bạn đang giải thích điều gì đó cho một đứa trẻ 5 tuổi."

Ví dụ:

  • "Giải thích cho tôi như thể tôi 11 tuổi: làm thế nào thuật toán mã hóa hoạt động?"

6. Thưởng cho giải pháp hay: Thêm phần thưởng sẽ thúc đẩy LLM tìm kiếm giải pháp tốt hơn.

Ví dụ:

  • "Tôi sẽ thưởng $300.000 cho giải pháp hay hơn! Giải thích khái niệm lập trình động và cung cấp một trường hợp sử dụng ví dụ."

7. Sử dụng ví dụ dẫn dắt: Cung cấp một vài ví dụ để hướng dẫn LLM hiểu mong muốn của bạn.

Ví dụ:

  • Ví dụ 1: Dịch câu tiếng Anh sau sang tiếng Pháp: "Bầu trời xanh." (Trả lời: "Le ciel est bleu.")
  • Ví dụ 2: Dịch câu tiếng Anh sau sang tiếng Tây Ban Nha: "Tôi yêu sách." (Trả lời: "Amo los libros.")

8. Định dạng rõ ràng: Bắt đầu bằng '###Hướng dẫn###', tiếp theo là '###Ví dụ###' hoặc '###Câu hỏi###'. Sử dụng ngắt dòng để phân tách các hướng dẫn, ví dụ, câu hỏi, ngữ cảnh và dữ liệu đầu vào.

Ví dụ:

###Hướng dẫn### Dịch một từ tiếng Anh cho sang tiếng Pháp.
###Câu hỏi### Từ tiếng Pháp của "sách" là gì?

9. Giao nhiệm vụ rõ ràng: Sử dụng các cụm từ "Nhiệm vụ của bạn là" và "Bạn PHẢI".

Ví dụ:

  • "Nhiệm vụ của bạn là giải thích vòng tuần hoàn nước cho bạn của bạn. Bạn PHẢI sử dụng ngôn ngữ đơn giản."

10. Xác nhận hình phạt: Cho LLM biết hậu quả nếu không tuân theo yêu cầu.

Ví dụ:

  • "Nhiệm vụ của bạn là giải thích vòng tuần hoàn nước cho bạn của bạn. Bạn sẽ bị phạt nếu không sử dụng ngôn ngữ đơn giản."

11. Ngôn ngữ mô hình cần được trả lời một cách tự nhiên, giống như con người.

Để làm được điều này, bạn có thể sử dụng các cụm từ sau:

  • "Trả lời câu hỏi được đưa ra một cách tự nhiên, giống như con người."
  • "Viết một đoạn văn bản bằng ngôn ngữ tự nhiên về [chủ đề]."

Ví dụ:

  • "Trả lời câu hỏi được đưa ra một cách tự nhiên, giống như con người: Sức khỏe là gì?"
  • "Viết một đoạn văn bản bằng ngôn ngữ tự nhiên về lợi ích của việc ăn uống lành mạnh."

12. Sử dụng các từ dẫn dắt: Các từ dẫn dắt như "hãy nghĩ từng bước một" có thể giúp LLM hiểu mong muốn của bạn một cách rõ ràng hơn.

Ví dụ:

  • "Hãy viết một đoạn mã Python để lặp qua 10 số và tổng tất cả chúng. Hãy nghĩ từng bước một."

13. Đảm bảo câu trả lời không thiên vị: Bạn có thể thêm cụm từ "Đảm bảo rằng câu trả lời không thiên vị và không dựa trên định kiến" để yêu cầu LLM tạo ra kết quả không thiên vị.

Ví dụ:

  • "Làm thế nào nền tảng văn hóa ảnh hưởng đến nhận thức về sức khỏe tâm thần? Đảm bảo rằng câu trả lời không thiên vị và không dựa trên định kiến."

14. Cho phép LLM hỏi bạn câu hỏi: LLM có thể yêu cầu bạn cung cấp thêm thông tin để tạo ra kết quả chính xác. Hãy hợp tác với LLM để cung cấp cho họ những gì họ cần.

Ví dụ:

  • "Từ bây giờ, tôi muốn bạn hỏi tôi câu hỏi cho đến khi bạn có đủ thông tin để tạo ra một thói quen tập thể dục cá nhân."

15. Kiểm tra hiểu biết của bạn: Bạn có thể yêu cầu LLM kiểm tra hiểu biết của bạn về một chủ đề cụ thể.

Ví dụ:

  • "Dạy tôi định luật KVL và bao gồm một bài kiểm tra ở cuối, nhưng đừng cho tôi câu trả lời và sau đó cho tôi biết nếu tôi trả lời đúng khi tôi trả lời."

16. Gán vai trò cho LLM: Bạn có thể gán vai trò cho LLM, chẳng hạn như một chuyên gia trong một lĩnh vực cụ thể. Điều này có thể giúp LLM tạo ra kết quả phù hợp hơn với vai trò đó.

Ví dụ:

  • "Nếu bạn là một nhà kinh tế học, bạn sẽ trả lời câu hỏi: Sự khác biệt chính giữa hệ thống kinh tế tư bản và xã hội chủ nghĩa là gì?"

17. Sử dụng dấu phân cách: Dấu phân cách có thể giúp LLM hiểu các phần khác nhau của lời nhắc của bạn.

Ví dụ:

  • "Viết một bài luận thuyết phục vụ lợi ích của nguồn năng lượng tái tạo trong việc giảm phát thải khí nhà kính. Hãy bao gồm các ví dụ cụ thể."

18. Lặp lại một từ hoặc cụm từ nhiều lần: Việc lặp lại một từ hoặc cụm từ có thể giúp LLM tập trung vào thông tin đó.

Ví dụ:

  • "Tiến hóa, như một khái niệm, đã định hình sự phát triển của các loài. Những động lực chính của tiến hóa là gì và tiến hóa đã ảnh hưởng như thế nào đến con người hiện đại?"

19. Kết hợp chuỗi suy nghĩ (Cot) với lời nhắc có một vài lần chụp: Cot là một kỹ thuật cho phép LLM tạo ra kết quả dựa trên các đầu vào trước đó. Bạn có thể kết hợp Cot với lời nhắc có một vài lần chụp để cung cấp cho LLM thêm thông tin để tạo ra kết quả chính xác hơn.

Ví dụ:

  • "Chia 10 cho 2. Đầu tiên, hãy lấy 10 và chia nó cho 2. Kết quả là 5. Bây giờ, hãy chia 20 cho 4. Đầu tiên, hãy lấy 20 và chia nó cho 4. Kết quả là 5. Câu hỏi chính là: Chia 30 cho 6. Đầu tiên, hãy lấy 30 và chia nó cho 6. Kết quả là...?"

20. Sử dụng các từ khởi đầu: Các từ khởi đầu có thể giúp LLM hiểu mong muốn của bạn một cách rõ ràng hơn.

21. Viết một [bài luận / văn bản / đoạn văn] chi tiết: Bạn có thể sử dụng các cụm từ sau:

  • "Viết một [bài luận / văn bản / đoạn văn] chi tiết cho tôi về [chủ đề] bằng cách thêm tất cả thông tin cần thiết."

Ví dụ:

  • "Viết một bài luận chi tiết cho tôi về sự tiến hóa của điện thoại thông minh bằng cách thêm tất cả thông tin cần thiết." 

22. Để sửa đổi / thay đổi văn bản cụ thể mà không thay đổi kiểu văn bản: Bạn có thể sử dụng các cụm từ sau:

  • "Cố gắng sửa đổi mọi đoạn văn được gửi bởi người dùng. Bạn chỉ nên cải thiện ngữ pháp và vốn từ vựng của người dùng và đảm bảo rằng nó nghe giống như văn bản tự nhiên. Bạn không nên thay đổi kiểu viết, chẳng hạn như biến một đoạn văn chính thức thành một đoạn văn thông tục."

Ví dụ:

  • "Cố gắng sửa đổi mọi văn bản được gửi bởi người dùng. Bạn chỉ nên cải thiện ngữ pháp và vốn từ vựng của người dùng và đảm bảo rằng nó nghe giống như văn bản tự nhiên. Bạn không nên thay đổi kiểu viết, chẳng hạn như biến một đoạn văn formal thành một đoạn văn casual.

23. Khi bạn có lời nhắc mã phức tạp có thể nằm trong các tệp khác nhau: Bạn có thể sử dụng các cụm từ sau:

  • "Từ bây giờ, bất cứ khi nào bạn tạo mã trải rộng trên nhiều tệp, hãy tạo một tập lệnh [ngôn ngữ lập trình] có thể chạy để tự động tạo các tệp được chỉ định hoặc thực hiện các thay đổi đối với các tệp hiện có để chèn mã được tạo. [câu hỏi của bạn]."

Ví dụ:

  • "Từ bây giờ, bất cứ khi nào bạn tạo mã trải rộng trên nhiều tệp, hãy tạo một tập lệnh Python có thể chạy để tự động tạo các tệp được chỉ định hoặc thực hiện các thay đổi đối với các tệp hiện có để chèn mã được tạo. Hãy tạo một Django project với hai ứng dụng cơ bản cho các chức năng khác nhau." 

24. Khi bạn muốn bắt đầu hoặc tiếp tục một văn bản bằng các từ, cụm từ hoặc câu cụ thể: Bạn có thể sử dụng các cụm từ sau:

  • "Tôi cung cấp cho bạn phần đầu [bài hát / câu chuyện / đoạn văn / bài luận...]: [Thêm lời bài hát / từ / câu]. Hoàn thành nó dựa trên các từ được cung cấp. Giữ dòng chảy nhất quán."

Ví dụ:

  • "Tôi cung cấp cho bạn phần đầu của một câu chuyện cổ tích: "Trong một khu rừng sâu thẳm, có một lâu đài bí ẩn. Trong lâu đài có một phù thủy độc ác sống ở đó." Hoàn thành nó dựa trên các từ được cung cấp. Giữ dòng chảy nhất quán."

25. Xác định rõ ràng các yêu cầu mà mô hình phải tuân theo để tạo nội dung, dưới dạng từ khóa, quy tắc, gợi ý hoặc hướng dẫn.: Bạn có thể sử dụng các cụm từ sau:

  • "Xác định rõ ràng các yêu cầu mà mô hình phải tuân theo để tạo nội dung, dưới dạng từ khóa, quy tắc, gợi ý hoặc hướng dẫn. Ví dụ: hãy tạo danh sách đóng gói cho một kỳ nghỉ trên bãi biển, bao gồm 'kem chống nắng', 'mũ', 'quần áo bơi', 'sách' và 'máy ảnh'."

Ví dụ:

  • "Xác định rõ ràng các yêu cầu mà mô hình phải tuân theo để tạo nội dung, dưới dạng từ khóa, quy tắc, gợi ý hoặc hướng dẫn. Ví dụ: hãy tạo một đoạn văn về lợi ích của việc ăn uống lành mạnh, bao gồm các từ khóa 'chế độ ăn uống lành mạnh', 'sức khỏe' và 'cân nặng'."

26. Sử dụng các từ khóa và cụm từ cụ thể để giúp LLM hiểu mong muốn của bạn.

Ví dụ:

  • "Tìm tất cả các số nguyên tố từ 1 đến 100."
  • "Tìm tất cả các số nguyên tố chẵn từ 1 đến 100."
  • "Tìm tất cả các số nguyên tố lẻ từ 1 đến 100."

27. Cung cấp cho LLM nhiều thông tin càng tốt.

Ví dụ:

  • "Viết một đoạn văn về lợi ích của việc ăn uống lành mạnh. Đoạn văn phải bao gồm các thông tin sau:
    • Chế độ ăn uống lành mạnh là gì?
    • Lợi ích của chế độ ăn uống lành mạnh là gì?
    • Làm thế nào để áp dụng chế độ ăn uống lành mạnh?"

28. Sử dụng các câu hỏi mở để khuyến khích LLM suy nghĩ và sáng tạo.

Ví dụ:

  • "Sử dụng kiến thức của bạn về thế giới để viết một câu chuyện về tương lai."
  • "Tạo ra một tác phẩm nghệ thuật độc đáo thể hiện cảm xúc của bạn về một chủ đề cụ thể."

Đừng ngại thử nghiệm và khám phá các cách khác nhau để sử dụng LLM.

LLM là một công cụ mạnh mẽ có thể được sử dụng cho nhiều mục đích khác nhau. Hãy thử nghiệm các cách khác nhau để sử dụng LLM để tìm ra cách tốt nhất để đáp ứng nhu cầu của bạn.

Dưới đây là một số mẹo bổ sung để sử dụng LLM hiệu quả:

  • Hãy kiên nhẫn. LLM vẫn đang trong quá trình phát triển và có thể không phải lúc nào cũng tạo ra kết quả chính xác hoặc hữu ích.
  • Hãy sẵn sàng cung cấp phản hồi. LLM có thể học hỏi từ phản hồi của bạn, vì vậy hãy cho họ biết khi họ làm tốt hoặc khi họ có thể cải thiện.
  • Hãy vui vẻ! LLM có thể là một công cụ tuyệt vời để sáng tạo và khám phá. Hãy tận hưởng việc sử dụng chúng để khám phá thế giới xung quanh bạn.
About the author
Blake Nguyen

All the best AI resources in one place

Chia sẻ kiến thức và thông tin về các ứng dụng AI tốt nhất hiện nay. 5000+ công cụ với hơn 100 tác vụ.

AIAppVn

Great! You’ve successfully signed up.

Welcome back! You've successfully signed in.

You've successfully subscribed to AIAppVn.

Success! Check your email for magic link to sign-in.

Success! Your billing info has been updated.

Your billing was not updated.