Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Không dán mật khẩu, dữ liệu khách hàng, giấy tờ cá nhân hay thông tin tài chính nhạy cảm vào chatbot công khai.

Trả lời ngắn: Context Engineering là cách chọn, sắp xếp và quản lý thông tin một model nhận cho nhiệm vụ hiện tại: hướng dẫn, dữ kiện, nguồn và phần chưa biết. Nó rộng hơn viết prompt; mục tiêu không phải đưa nhiều text nhất, mà đưa đúng phần để model bớt phải đoán.

Đọc xong, bạn sẽ hiểu:

  • Context gồm những gì ngoài câu prompt bạn vừa gõ.
  • Vì sao dán toàn bộ tài liệu có thể làm output lạc ý hơn.
  • Cách tạo Context Card ngắn và biết khi nào phải dừng để hỏi hoặc kiểm nguồn.

1. Context Engineering là gì?

a. Prompt là câu giao việc, context là bộ hồ sơ làm việc

Context là thông tin model nhận để tạo câu trả lời ở lượt hiện tại. Nó có thể gồm câu bạn hỏi, các tin nhắn trước, hướng dẫn hệ thống, file bạn tải lên hoặc kết quả công cụ. Context Engineering là việc quyết định phần nào nên vào bộ đó, đặt theo thứ tự nào và phần nào phải bỏ đi.

Hãy hình dung bạn bàn giao ca cho đồng nghiệp. Câu “xử lý khách này giúp tôi” là prompt. Phản hồi khách, quy tắc trả lời và phần chưa xác minh là context. Chỉ có câu giao việc, người nhận phải đoán; mang cả kho giấy tờ lại làm giấy quan trọng bị lẫn.

Vì vậy Context Engineering không thay Framework Prompt Engineering 80/20. Prompt nói model cần làm gì; context đưa phần model cần dựa vào để làm việc đó. Một prompt rõ với context sai vẫn có thể cho output sai.

Hình 1 — Context tốt gom đúng hướng dẫn, dữ kiện, nguồn và phần chưa biết quanh một nhiệm vụ; nhiễu được loại ra.

Bạn đã làm việc này khi gửi email gốc, nói người nhận là ai và yêu cầu ba bullet. Bạn chưa cần công cụ kỹ thuật để bắt đầu. Trước hết, hãy hỏi: thông tin nào nếu bỏ đi sẽ làm câu trả lời đổi hoặc buộc AI phải đoán? Lịch sử họp sáu tháng trước không giúp tóm tắt phản hồi khách hôm nay.

2. Một model đang nhìn những gì?

a. Hướng dẫn, chat, dữ kiện và kết quả công cụ

Context có thể đến từ ba nơi: bạn gửi prompt và file; ứng dụng thêm hướng dẫn hệ thống cùng lịch sử cần thiết; công cụ trả lại dữ liệu như kết quả tìm kiếm. “Mô tả công cụ” nói công cụ làm gì, còn “kết quả công cụ” là dữ liệu nhận được sau khi gọi.

Khi trả lời, model có thể nhận nhiều lớp thông tin. System instruction là hướng dẫn cấp hệ thống, ví dụ nguyên tắc an toàn hoặc phong cách trả lời. Tin nhắn chat hiện tại nói việc người dùng cần. File, ảnh hoặc đoạn trích cung cấp dữ kiện. Tool result là dữ liệu một công cụ trả về, như kết quả tìm kiếm hoặc bảng từ database.

Tài liệu Claude mô tả context window tính cả system prompt, messages, tài liệu, hình ảnh, tool definitions và phần trả lời được tạo ra Claude. Ý chính: model nhìn nhiều hơn dòng cuối bạn gõ.

b. Context window là bàn làm việc, không phải nhà kho

Context window là phần thông tin model có thể tham chiếu trong một lượt. Hãy coi nó như bàn làm việc: bàn rộng vẫn rối nếu xếp cả tủ hồ sơ lên đó. Để soạn agenda 30 phút, hãy đưa mục tiêu, người tham dự, quyết định chưa chốt và thời lượng; không cần 30 email nguyên văn.

c. Memory không phải trí nhớ chắc chắn

Memory là thông tin lưu để dùng lại. Nó tiện nhưng có thể cũ hoặc không hợp câu hỏi hiện tại. Chi tiết quan trọng vẫn cần nguồn hoặc xác nhận lại. Microsoft mô tả context gồm instruction, memory và external data Microsoft.

3. Chọn đúng thay vì dán tất cả

a. Case phản hồi khách hàng giả

Giả sử khách viết: “Tôi không đăng nhập được từ sáng. Tôi đổi mật khẩu rồi nhưng vẫn lỗi. Tôi cần dùng tài khoản trước chiều nay.” Yêu cầu trưởng nhóm nhận ba trường: Vấn đề = không đăng nhập được; Bước đã thử = đổi mật khẩu; Mức độ gấp = cần dùng trước chiều nay. Không gọi cả ba là “vấn đề”., người đọc là trưởng nhóm CSKH, output ba bullet và rule “không đoán nguyên nhân kỹ thuật”. Context không cần gồm tài liệu giới thiệu công ty, mười email marketing hoặc suy luận “chắc máy chủ lỗi”.

b. Giữ dữ kiện, ghi phần chưa biết

Chọn context không phải chỉ cắt bớt. Bạn cần giữ đủ dữ kiện làm thay đổi kết quả. Trong case trên, thời hạn “trước chiều nay” quan trọng nếu mục tiêu là ưu tiên xử lý; không quan trọng nếu mục tiêu chỉ là phân loại ba vấn đề. Context luôn phụ thuộc nhiệm vụ.

Khi không biết nguyên nhân đăng nhập lỗi, hãy ghi rõ “nguyên nhân kỹ thuật: chưa biết”. Điều này tạo điểm dừng để model không biến giả định thành sự thật. Nguồn là nơi dữ kiện xuất phát để bạn hoặc người đọc kiểm lại; đoạn phản hồi khách là nguồn cho câu khách nói, không phải nguồn cho nguyên nhân hệ thống.

Hình 2 — Context gọn giữ phần có thể đổi kết quả, còn thông tin không liên quan tạo nhiễu thay vì tăng hiểu biết.

c. Đừng lẫn liên quan với giống từ

Nhiều từ giống câu hỏi chưa chắc hữu ích. Email nhắc deadline có thể giống chủ đề dự án nhưng không nói người tham dự hay quyết định cần chốt. RAG lấy đoạn từ kho tài liệu vào context, nhưng không thay trách nhiệm kiểm đoạn đó có hợp việc hay không.

4. Ba giới hạn hay quên

a. Nhiều context không đồng nghĩa đúng hơn

Nhiễu là thông tin không giúp nhiệm vụ hiện tại, hoặc làm dữ kiện quan trọng khó thấy. Nó giống mở mười tab khi chỉ cần đọc một hóa đơn: bạn có nhiều thứ trước mặt hơn nhưng dễ bỏ dòng số tiền cần kiểm.

Khi output lạc đề, kiểm nhiệm vụ, dữ kiện, ngày nguồn và lịch sử thừa. Sửa một phần rồi chạy lại cùng case, thay vì vừa dán thêm tài liệu vừa đổi prompt.

b. Context cũ hoặc nguồn yếu vẫn là rủi ro

Model có thể dựa vào đoạn cũ. Nếu cần dữ liệu hiện tại, ghi ngày, link nguồn và phần cần xác minh. OpenAI khuyên định nghĩa thành công rồi đo output bằng các case cố định; cảm giác một lần chạy tốt là chưa đủ OpenAI.

c. Dữ liệu nhạy cảm phải đứng ngoài

Đừng biến “đủ context” thành “dán hết dữ liệu”. Không đưa mật khẩu, số thẻ, giấy tờ định danh, nội dung khách hàng thật hoặc bí mật công ty vào công cụ không được phê duyệt. Nếu cần thao tác trên dữ liệu thật, dùng môi trường và chính sách phù hợp; bài tập đầu tiên luôn dùng bản giả.

5. Checklist Context Card 60 giây

a. Viết một phiếu ngắn trước khi gửi

Context Card là phiếu ngắn gom phần model cần để làm một việc. Trước khi gửi prompt, ghi năm ô:

  1. Nhiệm vụ duy nhất là gì?
  2. Dữ kiện hoặc đoạn nguồn nào phải có?
  3. Ai sẽ dùng output và output cần ở dạng nào?
  4. Điều nào chưa biết hoặc phải kiểm nguồn?
  5. Thông tin nào cần bỏ vì riêng tư hoặc không liên quan?

Ví dụ: nhiệm vụ “liệt kê ba vấn đề”; dữ kiện là phản hồi giả; người đọc là trưởng nhóm; output ba bullet; nguyên nhân kỹ thuật chưa biết; không dán thông tin định danh.

Hình 3 — Context Card biến một yêu cầu chung chung thành phiếu bàn giao có dữ kiện, ưu tiên và phần cần kiểm.

b. Khi nào nên hỏi lại?

Hỏi lại khi một ô quyết định kết quả còn trống. Nếu người dùng nói “tóm tắt tài liệu này” nhưng chưa đưa tài liệu, câu hỏi đúng là “bạn muốn gửi đoạn nào?”. Nếu giả định chỉ đổi cách trình bày và dễ sửa, hãy nêu giả định rồi tạo bản nháp. Nếu người đọc làm thay đổi nội dung cần giữ, mức bảo mật hoặc quyết định được đưa ra, hãy hỏi trước.

Chỉ hỏi phần thiếu có thể đổi kết luận, format hoặc rủi ro. Còn lại, nêu giả định ngắn.

c. Bài tập 15 phút

Lấy yêu cầu không nhạy cảm: “soạn agenda họp dự án”. Card A chỉ có mục tiêu và email dài. Card B có mục tiêu, người tham dự, thời lượng, ba quyết định, nguồn và ô “chưa biết”. Dùng cùng một prompt tạo agenda từ từng card, rồi chấm agenda nào bám thời lượng và không bịa chi tiết. Nếu Card B vẫn lạc, chỉ sửa một ô rồi chạy lại.

Mẫu đối chiếu

Tiêu chí Context A Context B
Mục tiêu Có nhưng chung chung Có và giới hạn trong agenda 30 phút
Dữ kiện Một email dài, lẫn phần cũ Người tham dự và ba quyết định cần chốt
Phần chưa biết Không ghi Có ô cần hỏi hoặc kiểm nguồn
Kết quả cần kiểm Dễ lan man Bám thời lượng, không tự suy đoán

6. Tổng kết

a. Năm ý chính

  • Context Engineering là chọn, sắp xếp và quản lý thông tin model nhận, không chỉ viết câu prompt hay.
  • Context có thể gồm hướng dẫn, chat, dữ kiện, nguồn, memory và tool result.
  • Context window là bàn làm việc; nhiều giấy không liên quan có thể tạo nhiễu.
  • Ghi rõ phần chưa biết và nguồn cần kiểm giúp model bớt biến giả định thành kết luận.
  • Context Card năm ô là cách thực hành gọn trước khi đi tới context window, memory và RAG ở các bài sau.

b. Câu hỏi tự kiểm tra

  • Prompt khác context ở điểm nào?
  • Vì sao dán toàn bộ email cũ có thể làm agenda họp kém hơn?
  • Context Card cần ghi những ô nào?
  • Khi nguồn chưa đủ, bạn nên yêu cầu model làm gì?

c. Gợi ý đáp án

Xem gợi ý câu 1

Prompt giao việc; context là bộ thông tin model dùng để làm việc đó. → xem mục 1.

Xem gợi ý câu 2

Email không liên quan tạo nhiễu và che dữ kiện cần cho agenda 30 phút. → xem mục 2 và 3.

Xem gợi ý câu 3

Ghi nhiệm vụ, dữ kiện, người dùng output, phần chưa biết/nguồn và phần cần bỏ. → xem mục 5.

Xem gợi ý câu 4

Yêu cầu nói “chưa đủ dữ liệu”, hỏi lại hoặc kiểm nguồn thay vì suy đoán. → xem mục 3 và 4.

d. Thuật ngữ cần nhớ

Thuật ngữ Giải thích ngắn
Context Thông tin model nhận cho nhiệm vụ hiện tại.
Context Engineering Chọn và quản lý thông tin đó.
System instruction Hướng dẫn cấp hệ thống cho model.
Context window Phần thông tin model tham chiếu trong một lượt.
Memory Thông tin lưu lại để dùng sau.
Tool result Dữ liệu một công cụ trả về.
Nguồn Nơi dữ kiện xuất phát để kiểm lại.
Nhiễu Thông tin không giúp nhiệm vụ hiện tại.
RAG Lấy đoạn liên quan từ kho dữ liệu vào context.

e. Nguồn tham khảo

Nội dung này phục vụ mục đích giáo dục. Context không xác nhận nguồn đúng hay an toàn; hãy kiểm dữ kiện và dùng quy trình phù hợp trước quyết định quan trọng.