Cách tối ưu hóa kết quả từ công cụ AI mà không tốn thời gian và Token

Khi nhận được kết quả không như ý, đa số các kỹ sư thường nghi ngờ năng lực của AI. Tuy nhiên, nguyên nhân thực tế thường xuất phát từ chính câu lệnh (prompt) của họ. Dưới đây là những phương pháp thực sự hiệu quả để cải thiện tình trạng này:

1. Cụ thể hóa ngay từ đầu

Câu lệnh mơ hồ sẽ chỉ dẫn đến câu trả lời chung chung. ❌ "Viết một hàm để xử lý lỗi." ✅ "Viết một middleware cho Python FastAPI để bắt lỗi bất đồng bộ (async) và trả về phản hồi JSON có cấu trúc kèm mã trạng thái và thông điệp."

2. Sử dụng các ràng buộc (Constraints)

Hãy cho AI biết những gì nó không nên làm. Ví dụ: "Không ghi chú. Không dùng lệnh print. Sử dụng async/await với httpx, không dùng requests." Những ràng buộc này sẽ giúp cắt giảm phần code thừa ngay trước khi nó được tạo ra.

3. Cung cấp ví dụ

Hãy trỏ đến code hiện có của bạn và yêu cầu AI "tuân theo phong cách này". Dù bạn đang sử dụng Claude Code, Cursor hay GitHub Copilot, việc cho phép AI đọc trực tiếp kho mã nguồn (codebase) sẽ giúp nó tự động căn chỉnh với quy ước đặt tên, các pattern và kiến trúc của bạn mà không cần giải thích dài dòng. Nếu dùng AI trên trình duyệt, hãy dán một đoạn code ngắn, ý tưởng vẫn tương tự.

4. Gán vai trò cho AI

Ví dụ: "Bạn là một kỹ sư backend kỳ cựu đang xem xét thiết kế API này về các vấn đề về khả năng mở rộng." Việc này sẽ định hướng tư duy của AI, mang lại cho bạn những nhận xét sắc bén và tập trung hơn.

5. Chia nhỏ các tác vụ phức tạp

Đừng yêu cầu AI "xây dựng toàn bộ hệ thống xác thực" trong một câu lệnh duy nhất. Thay vào đó, hãy làm theo trình tự: models (mô hình) → routes (tuyến đường) → decorators/dependencies (phụ thuộc) → pytest tests (kiểm thử). Mỗi bước sẽ xây dựng dựa trên bước trước và lỗi dễ dàng được phát hiện hơn.

6. Tinh chỉnh thay vì tạo lại từ đầu

Nếu có gì đó không ổn, đừng khởi động lại. Hãy nói: "Hàm Python này đang trả về None thay vì JSON đã phân tích cú pháp, hãy gỡ lỗi chỉ hàm này thôi, đừng đụng đến phần còn lại." Các chỉnh sửa có mục tiêu sẽ tiết kiệm token và giữ nguyên những phần đã hoạt động tốt.

7. Kiểm soát độ dài đầu ra

"Cho tôi 3 cách tiếp cận cho vấn đề caching này, mỗi cách một đoạn văn." Đầu ra dài hơn không có nghĩa là tốt hơn. Nó chỉ tốn thêm thời gian để đọc và xem xét.

8. Biết khi nào AI có thể đánh lừa bạn

Khi thiết kế kiến trúc hệ thống, đưa ra quyết định bảo mật quan trọng hoặc ước tính hiệu suất ở quy mô lớn, AI có thể nghe rất tự tin nhưng lại hoàn toàn sai. Luôn xác thực đầu ra của nó bằng phán đoán và kiến thức chuyên môn của riêng bạn.

Nguyên tắc cốt lõi?

AI sẽ không sửa chữa được một yêu cầu tồi. Chất lượng đầu ra của bạn tỷ lệ thuận với sự rõ ràng của đầu vào bạn cung cấp.