🎯 Mục tiêu bài tập

Đánh giá toàn diện hiệu quả của các Mô hình ngôn ngữ lớn (LLMs) đối với 3 tác vụ học tập cốt lõi của sinh viên ngành Công nghệ thông tin. Thực hành kỹ năng tối ưu hóa câu lệnh từ Cơ bản (Basic) → Cải tiến (Improved) → Nâng cao (Advanced) và đúc kết khung nguyên tắc C.L.E.A.R.

⚡ Nhật ký tiến hóa của các Prompt

Tôi đã thiết lập thực nghiệm tối ưu câu lệnh trên 3 tác vụ đại diện cho các phương pháp tiếp thu kiến thức khác nhau:

📘 Tác vụ 1: Tóm tắt thuật toán Apriori (Môn Khai thác dữ liệu)

Basic
Tóm tắt cho tôi về thuật toán Apriori.
Improved
Hãy tóm tắt nguyên lý hoạt động của thuật toán Apriori trong môn Khai thác dữ liệu. Trình bày trong 3 đoạn văn, nêu rõ ưu điểm và nhược điểm.
Advanced
Hãy đóng vai một Giáo sư chuyên ngành Khoa học Dữ liệu. Hãy tóm tắt thuật toán Apriori cho một sinh viên năm 2 hiểu. Yêu cầu cấu trúc:
1. Định nghĩa ngắn gọn (dùng phép ẩn dụ cho dễ hiểu).
2. Các bước hoạt động cốt lõi (sử dụng gạch đầu dòng).
3. Đưa ra 1 ví dụ minh họa thực tế ngắn gọn (Ví dụ: phân tích giỏ hàng mua Bia và Bỉm).
4. Ưu/Nhược điểm khi xử lý tập dữ liệu khổng lồ (Big Data).

🔧 Tác vụ 2: Giải thích tính Đa hình (Polymorphism) trong Java OOP

Basic
Tính đa hình trong lập trình Java là gì?
Improved
Giải thích chi tiết tính Đa hình (Polymorphism) trong Java OOP. Cung cấp một đoạn code minh họa.
Advanced
Đóng vai một Senior Java Developer đang training cho thực tập sinh. Hãy giải thích 'Tính đa hình' (Polymorphism) từng bước một:
- Bước 1: Giải thích khái niệm bằng ngôn ngữ đời thường.
- Bước 2: Phân biệt rõ sự khác nhau giữa Compile-time polymorphism (Overloading) và Runtime polymorphism (Overriding).
- Bước 3: Viết 1 đoạn code Java minh họa ngắn gọn chứa cả Class cha và Class con để chứng minh Runtime polymorphism. Nhớ comment giải thích trong code.

🛠️ Tác vụ 3: Tạo bộ câu hỏi ôn tập về Git & GitHub

Basic
Tạo bài tập về Git.
Improved
Tạo 5 câu hỏi trắc nghiệm ôn tập về các lệnh cơ bản trong Git và GitHub. Đưa ra đáp án ở cuối.
Advanced
Bạn là một Giảng viên Thực hành môn Lập trình. Hãy tạo một bộ 5 câu hỏi trắc nghiệm ôn tập về Git. Ràng buộc:
- Câu hỏi xoay quanh xử lý tình huống thực tế (Ví dụ: Đang code dở thì cần chuyển nhánh, hoặc lỡ xóa nhầm file).
- 4 đáp án A, B, C, D (chỉ có 1 đáp án đúng).
- Trình bày theo định dạng: [Câu hỏi] -> [Các lựa chọn] -> Đáp án: [X] -> Giải thích chi tiết: [Tại sao X đúng và các lệnh kia sai].

📊 Đánh giá và So sánh kết quả đầu ra

Phân tích sự khác biệt giữa các cấp độ Prompt và giá trị gia tăng từ kỹ thuật Prompt Engineering nâng cao.

Tác vụ Đánh giá Prompt Cơ bản / Cải tiến Phân tích sự vượt trội của Prompt Nâng cao
1. Tóm tắt thuật toán Trả về văn bản khô khan, chứa đầy thuật ngữ toán học chuyên sâu mà không giải thích. Văn văn rập khuôn giống chép từ tài liệu giáo trình. Sử dụng Role-prompting ép AI dùng ngôn ngữ sư phạm. Phép ẩn dụ và ví dụ thực tế "Bia - Bỉm" giúp khái niệm trở nên trực quan. Cấu trúc rõ ràng dễ đọc lướt.
2. Giải thích OOP Định nghĩa hàn lâm. Đoạn code minh họa quá đơn giản, không giải thích rõ tại sao lại dùng cơ chế liên kết động (Dynamic binding) giữa lớp cha và lớp con. Kỹ thuật suy nghĩ theo chuỗi (Chain-of-Thought) phân rã logic: định nghĩa → phân loại → mã nguồn. Góc nhìn Senior tạo ra các comment thực chiến.
3. Ôn tập Git Câu hỏi quá dễ, nặng về học thuộc lòng cú pháp thô (ví dụ: lệnh nào để lưu code?). Không giúp ích nhiều cho tư duy giải quyết vấn đề. Ràng buộc về "tình huống thực tế" khiến AI tạo ra câu hỏi đòi hỏi tư duy sâu (như xử lý merge conflict hoặc git stash). Phần giải thích hoạt động như một bài học mini.

⚙️ Khung nguyên tắc viết Prompt hiệu quả (C.L.E.A.R)

Bộ 5 nguyên tắc cốt lõi được đúc kết từ quá trình thực nghiệm trên 3 tác vụ:

  • C
    C - Context (Ngữ cảnh)

    Cung cấp bối cảnh rõ ràng (Vai trò, mục tiêu, đối tượng người nghe) để khoanh vùng thông tin.

  • L
    L - Length & Layout (Độ dài & Bố cục)

    Chỉ định dạng thức đầu ra (Bảng biểu, gạch đầu dòng, giới hạn từ) để tối ưu hiển thị.

  • E
    E - Examples (Ví dụ)

    Áp dụng Few-shot prompting, cung cấp mẫu để AI làm theo chính xác cấu trúc mong muốn.

  • A
    A - Act As (Đóng vai)

    Gán vai trò chuyên gia cụ thể để định hình giọng điệu và chiều sâu chuyên môn phù hợp.

  • R
    R - Refine (Tinh chỉnh)

    Coi Prompt Engineering là quá trình lặp, liên tục điều chỉnh câu lệnh dựa trên phản hồi để đạt kết quả tốt nhất.

💬 Bài học rút ra

Chất lượng phản hồi của AI tỷ lệ thuận với mức độ logic và chi tiết của câu lệnh. Việc rèn luyện Prompt Engineering không chỉ giúp tôi tiết kiệm tới 70% thời gian nghiên cứu tài liệu, mà còn giúp rèn luyện tư duy lập trình - khả năng phân tích một bài toán lớn thành các bước logic nhỏ.