Chọn lọc Few-Shot đa dạng, không liệt kê hết
Tuyển chọn 2–4 ví dụ mẫu có độ biến thiên cao (High Variance) thay vì liệt kê hàng loạt biến thể trùng lặp, tối ưu ROI của few-shot learning.
Chọn lọc Few-Shot đa dạng, không liệt kê hết
Ba bài đầu Module 1 tập trung vào việc tinh lọc ngữ cảnh và persona. Bài này chuyển sang một đòn bẩy kỹ thuật khác có tác động trực tiếp đến tính nhất quán của output: cách chọn lọc ví dụ mẫu (Few-shot Examples).
Ví dụ xuyên suốt bài: Product Manager của FreelanceFlow cần AI tự động chuẩn hoá tiêu đề bug ticket trên Jira từ mô tả lộn xộn của người dùng.
Few-shot Trùng lặp (15 ví dụ cùng một kiểu)
Few-shot Đa chiều (3–4 ví dụ biến thiên cao)
Chọn 2–4 ví dụ mẫu đa chiều thay vì liệt kê danh sách biến thể trùng lặp
Ví dụ mẫu (Few-shot learning) là công cụ có tỷ suất sinh lợi (ROI) cao nhất để định hình output mong muốn mà không cần giải thích luật dài dòng. Tuy nhiên, sai lầm phổ biến là nhồi nhét hàng chục ví dụ tương tự nhau.
Quy tắc vàng: Chỉ cần 2 đến 4 ví dụ có độ biến thiên cao (high variance), đại diện cho các trục tình huống hoàn toàn khác biệt:
- Một ví dụ chuẩn tắc (Straight Case): Dữ liệu sạch, rõ ràng, đại diện cho 80% luồng vận hành thông thường.
- Một ví dụ trường hợp biên (Edge Case): Dữ liệu mập mờ, thiếu trường thông tin, hoặc chứa nhiều vấn đề đồng thời.
- Một ví dụ bẫy sai lầm phổ biến (Misconception Case): Tình huống mô hình thường hay suy đoán nhầm nếu không có hướng dẫn.
Nhồi thêm các ví dụ có cấu trúc tương đồng không dạy mô hình thêm bất kỳ pattern mới nào - chúng chỉ tiêu tốn Attention Budget mà đáng lẽ nên dành cho các trường hợp biên quan trọng.
Bài tập 2.1: PM của FreelanceFlow muốn AI tự động sinh tiêu đề Jira ngắn gọn theo format [Phân hệ] - [Mô tả ngắn gọn lỗi] từ phản ánh thô của người dùng. Dưới đây là 6 cặp Input/Output ứng viên:
- Input: "Khi tôi bấm nút thanh toán bằng thẻ Visa thì app bị đứng hình, không thấy phản hồi gì, tôi phải tắt app đi mở lại." → Output:
[Thanh toán] - Ứng dụng treo khi thanh toán bằng thẻ Visa - Input: "Số dư trong ví hiển thị 500.000đ nhưng vào lịch sử giao dịch cộng lại chỉ ra 480.000đ, chênh 20.000đ không rõ từ đâu." → Output:
[Ví tiền] - Số dư hiển thị không khớp tổng lịch sử giao dịch - Input: "Ê app tệ vậy, lúc nào cũng lag, xài chán ghê, nên sửa lại đi." → Output:
[Hiệu năng] - Ứng dụng giật lag (Thiếu dữ liệu chi tiết từ user) - Input: "Tôi chuyển 100k cho bạn qua app để chia tiền ăn trưa, bạn confirm chỉ nhận được 40k. Không chắc do lỗi hệ thống hay do bạn tôi." → Output:
[Chuyển tiền] - Chênh lệch số tiền gửi và nhận (Cần kiểm tra log giao dịch) - Input: "App bị crash khi tôi vào mục cài đặt rồi bấm đổi ngôn ngữ sang tiếng Anh." → Output:
[Cài đặt] - Crash ứng dụng khi đổi ngôn ngữ sang tiếng Anh - Input: "Nhập mã giảm giá bị lỗi, xong refresh lại thì giỏ hàng mất hết sản phẩm, với lại trang chủ dạo này load chậm hơn trước." → Output:
[Giỏ hàng & Khuyến mãi] - Mất sản phẩm sau lỗi voucher + refresh (Kèm phản ánh phụ về tốc độ trang chủ)
Hãy chọn ra đúng 3 ví dụ tối ưu nhất để đưa vào prompt Few-shot. Giải thích lý do loại bỏ 3 ví dụ còn lại dựa trên nguyên tắc chống trùng lặp pattern.