Chuyển từ "viết prompt" sang quản trị Attention Budget

Chuyển từ "viết prompt" sang quản trị Attention Budget

Khoá học này bắt đầu bằng công cụ PM sử dụng thường xuyên nhất khi tương tác với AI: prompt. Mục tiêu không phải là sưu tập các mẹo diễn đạt câu chữ, mà là xác lập lại mô hình tư duy - bởi vì cách hiểu sai về cơ chế vận hành của mô hình sẽ khiến bạn lãng phí thời gian trau chuốt những chi tiết hoàn toàn không tác động đến chất lượng đầu ra.

Ví dụ xuyên suốt bài: Product Manager của FreelanceFlow - ứng dụng quản lý tài chính và ngân sách dành riêng cho freelancer. PM cần dùng AI để tóm tắt phản hồi khách hàng về tính năng theo dõi dòng tiền, và để chuyển đổi git commit thô thành release notes cho người dùng cuối.

Phân bổ Attention Budget hữu hạn thay vì tối đa hoá độ dài prompt

Cách tiếp cận truyền thống coi prompt là một "câu thần chú" cần câu chữ hoa mỹ - ví dụ tin rằng việc chèn thêm cụm từ "hãy suy nghĩ thật sâu sắc" sẽ tự động giúp mô hình trả lời thông minh hơn. Tuy nhiên, theo nguyên lý cơ chế Attention (đã học tại AI Literacy Lesson 4), mô hình AI sở hữu một Attention Budget hữu hạn cho mỗi lượt suy luận. Trách nhiệm của PM không phải là viết dài, mà là tuyển chọn tập hợp token có mật độ tín hiệu cao nhất để nạp vào Attention Budget đó.

Hệ quả trực tiếp: prompt dài hơn không đồng nghĩa với việc an toàn hơn hay chất lượng hơn. Nhồi nhét bối cảnh "cho chắc", lặp lại một chỉ dẫn ba lần "để nhấn mạnh", hay liệt kê mọi ngoại lệ tưởng tượng ra đều trực tiếp làm loãng tỷ lệ tín hiệu trên nhiễu (Signal-to-Noise Ratio). Các nghiên cứu thực nghiệm chỉ ra rằng độ chính xác suy luận của mô hình giảm dần khi độ dài ngữ cảnh tăng lên, ngay cả khi còn cách rất xa giới hạn vật lý của context window.

Ví dụ đối chiếu: PM của FreelanceFlow cần tóm tắt phản hồi của người dùng về tính năng theo dõi dòng tiền:

• Kiểu nhồi nhét (Maximize Context): "Bạn là một chuyên gia phân tích sản phẩm kỳ cựu với 15 năm kinh nghiệm tại các tập đoàn công nghệ hàng đầu thế giới. Hãy đọc thật kỹ lưỡng, cẩn trọng, không bỏ sót bất kỳ chi tiết nào, dưới đây là toàn bộ phản hồi thô của khách hàng, hãy phân tích toàn diện và sâu sắc..."
• Kiểu tinh lọc (Curated Context): "Tóm tắt 3 insight quan trọng nhất từ các phản hồi khách hàng dưới đây. Mỗi insight gồm 1 nhận định và đúng 1 câu trích dẫn nguyên văn minh hoạ. Ưu tiên các vấn đề lặp lại ở nhiều người dùng hơn là phản ánh cá biệt."

Bản thứ hai ngắn hơn đáng kể nhưng cung cấp chính xác các tham số điều khiển output: tiêu chí ưu tiên (tần suất xuất hiện) và định dạng cấu trúc (nhận định kèm quote). Bản thứ nhất hoàn toàn là trang trí vô nghĩa.

Ẩn dụ: Viết prompt tương đương với việc gửi bản mô tả công việc (brief) cho một cộng sự mới rất giỏi nhưng hiểu chính xác theo nghĩa đen - brief càng súc tích, tiêu chí càng tường minh thì kết quả càng chuẩn xác; brief rườm rà đầy tính từ cảm tính sẽ buộc họ phải tự suy đoán ở những quyết định then chốt.

Bài tập 1.1: Dưới đây là prompt một PM đã dùng để chuyển danh sách commit thô thành release notes cho FreelanceFlow:

"Bạn là một chuyên gia content marketing xuất chúng với nhiều năm kinh nghiệm viết release notes cho các sản phẩm công nghệ hàng đầu. Hãy viết thật hay, thật chuyên nghiệp, thật cuốn hút, đừng viết sơ sài. Dưới đây là các commit: (1) fix: sửa lỗi số dư âm không hiển thị đúng màu đỏ trên dashboard, (2) feat: thêm nút export CSV cho báo cáo chi tiêu tháng, (3) fix: sửa crash khi user nhập số tiền có dấu phẩy thay vì dấu chấm, (4) chore: nâng cấp thư viện biểu đồ nội bộ (không ảnh hưởng user). Hãy viết release notes thật xuất sắc, đảm bảo không bỏ sót gì, viết càng chi tiết càng tốt."

Hãy viết lại prompt trên theo nguyên tắc tuyển chọn ngữ cảnh (Curated Context): loại bỏ phần trang trí, giữ lại dữ liệu cốt lõi và bổ sung quy tắc loại trừ commit nội bộ không liên quan đến người dùng cuối.