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: Prompt nói AI cần làm gì. Context cho AI biết dựa vào đâu, cho ai, giới hạn đến đâu và phần nào chưa chắc. Vì vậy, khi output sai hoặc chung chung, thêm một câu lệnh đẹp hơn thường không hiệu quả bằng việc bổ sung đúng dữ kiện. Nhưng context không thay thế một prompt rõ ràng: hai phần phải đi cùng nhau.

Đọc xong, bạn sẽ biết:

  • Khi nào nên sửa prompt và khi nào nên sửa context.
  • Vì sao cùng một prompt có thể cho hai câu trả lời rất khác.
  • Cách kiểm năm ô context trước khi viết lại yêu cầu.

1. Vì sao prompt hay vẫn có thể cho câu trả lời dở?

a. Một câu giao việc không tự tạo ra dữ kiện

Bạn có thể viết: Prompt này mới nêu nhiệm vụ chung là soạn agenda; các từ “ngắn, rõ, chuyên nghiệp” chưa có thước đo, còn dữ kiện để soạn vẫn thiếu. Nhưng nếu AI không biết cuộc họp kéo dài bao lâu, ai tham dự, quyết định nào phải chốt hay thông tin nào còn thiếu, nó chỉ có thể tạo một agenda mẫu. Câu văn có thể mượt, nhưng chưa chắc dùng được.

Đó là chỗ context xuất hiện. Context là bộ thông tin model nhận cho nhiệm vụ hiện tại: hướng dẫn, đoạn chat trước, file, dữ kiện, nguồn, kết quả công cụ và phần chưa biết. Context Engineering là chọn và sắp xếp bộ đó. Một prompt không thể tự suy ra dữ kiện mà bạn chưa đưa vào.

Hãy nghĩ như giao việc cho đồng nghiệp. “Chuẩn bị agenda” là lời giao. Người họp, thời lượng và ba câu hỏi cần quyết mới là hồ sơ để làm đúng.

Hình 1 — Prompt ở giữa không đổi; bộ context quyết định output có bám dữ kiện hay chỉ là mẫu chung.

b. “Quan trọng hơn” không nghĩa là bỏ prompt

Tiêu đề bài dùng cụm “context quan trọng hơn prompt” để nhấn lỗi phổ biến: người mới thường tối ưu câu chữ trước khi kiểm dữ kiện. Nó không có nghĩa prompt không quan trọng. Prompt mơ hồ như “làm đi” vẫn làm context tốt bị phí. Context sai cũng làm prompt chi tiết đi chệch.

Cách thực tế: xác định nhiệm vụ, đưa dữ kiện, ghi giới hạn, rồi chỉnh prompt cho rõ format. Khi câu trả lời chưa tốt, hỏi trước: AI đang thiếu phần nào để không phải đoán?

2. Prompt và context: hai việc khác nhau

a. Prompt chọn hành động, context chọn căn cứ

Prompt là câu giao việc: tóm tắt, so sánh, phân loại, viết email hay tạo bảng. Context là căn cứ để làm việc đó. Nó trả lời những câu như: tóm tắt tài liệu nào? so sánh theo tiêu chí nào? ai sẽ đọc? điều gì không được suy đoán? nguồn nào mới nhất?

Ví dụ bạn muốn AI viết ba bullet cho trưởng nhóm CSKH. Prompt có thể là “Tóm tắt ba vấn đề khách nêu, không suy đoán nguyên nhân.” Nếu task chỉ là trích vấn đề, cần nguyên văn phản hồi. Nếu task là lập ghi chú ưu tiên cho trưởng nhóm, hãy thêm người nhận và thời hạn vì chúng quyết định giọng điệu và mức độ gấp. Nếu bỏ phản hồi khách, AI không có gì để tóm tắt. Nếu bỏ rule không suy đoán, AI có thể biến “không đăng nhập được” thành “máy chủ lỗi”.

Tài liệu Claude nêu rằng context window có thể gồm system prompt, message, tài liệu, hình ảnh, tool definitions và output đã tạo Claude. Vì vậy “prompt tôi gõ” chỉ là một mảnh trong những gì model đang nhìn.

b. Context có cả phần không biết

Một context tốt không phải danh sách chỉ gồm dữ kiện. Nó cũng ghi phần chưa xác minh. “Nguyên nhân kỹ thuật: chưa biết” là một giới hạn hữu ích. Nó tạo điểm dừng để output nói thiếu dữ liệu, đề nghị kiểm lại hoặc hỏi thêm thay vì trình bày giả định như sự thật.

Nguồn cũng quan trọng. Một đoạn email là nguồn cho điều khách viết, nhưng không phải bằng chứng cho nguyên nhân lỗi hệ thống. Microsoft mô tả context engineering là quản lý instruction, memory và external data cho một hệ thống Microsoft. Bên cạnh mỗi dữ kiện quan trọng, ghi nguồn, ngày và đoạn hỗ trợ, ví dụ: “Khách cần dùng trước chiều — email giả, câu 3, 24/07/2026”. Nếu không tìm thấy đoạn hỗ trợ, đánh dấu chưa xác minh.

3. Cùng prompt, khác context, khác kết quả

a. Case agenda 30 phút

Dùng cùng prompt: “Lập agenda cuộc họp thật ngắn, có thứ tự ưu tiên.”

Context A chỉ nói: “Họp dự án vào chiều nay.” Output có thể là: mở đầu, cập nhật tiến độ, thảo luận, việc tiếp theo. Nó không sai về câu chữ, nhưng hoàn toàn chung.

Context B ghi: họp 30 phút; người dự là PM, kỹ sư và CSKH; cần chốt chủ sở hữu lỗi đăng nhập, thông điệp cho khách và ngày kiểm lại; ngân sách sửa hạ tầng chưa biết; output cần bảng ba cột thời lượng–nội dung–người phụ trách. Ví dụ: 5 phút xác nhận mục tiêu; 10 phút chốt owner lỗi đăng nhập; 10 phút duyệt thông điệp khách; 5 phút chốt ngày kiểm lại. Ngân sách ghi “chưa biết”, không tự hứa.

Điểm khác không phải AI “thông minh hơn” giữa hai lượt. Lượt B có ít khoảng trống hơn để đoán. Đây là lý do hãy cải thiện context trước khi kết luận model kém hoặc prompt chưa đủ hoa mỹ.

Hình 2 — Context B không dài hơn vì nhiều giấy; nó rõ hơn vì có mục tiêu, dữ kiện, nguồn, giới hạn và format.

b. Thử thay một biến mỗi lần

Nếu vừa đổi prompt, vừa thêm mười trang tài liệu và vừa đổi format, bạn không biết thay đổi nào tạo khác biệt. Hãy giữ một case cố định. Chạy bản A, rồi chỉ bổ sung người đọc; chạy lại, rồi chỉ bổ sung nguồn hoặc giới hạn. So sánh theo tiêu chí đã đặt: đúng nhiệm vụ, dùng đúng dữ kiện, đúng format, biết nói “chưa đủ dữ liệu”.

Đó là phiên bản nhỏ của eval. OpenAI khuyên định nghĩa thành công và đo output trên các case cố định thay vì chỉ tin cảm giác một lần chạy tốt OpenAI.

4. Context không phải thuốc chữa mọi thứ

a. Nhiều text không tự thành context tốt

Dán toàn bộ lịch sử email, file cũ và ghi chú họp không liên quan có thể tạo nhiễu. Context window là bàn làm việc, không phải nhà kho. Bàn rộng vẫn rối nếu tài liệu quan trọng bị chôn dưới phần không cần cho nhiệm vụ hiện tại.

Hãy giữ phần làm thay đổi câu trả lời. Khi soạn agenda, người tham dự và quyết định cần chốt thường hữu ích hơn mười email marketing. Khi tóm tắt phản hồi khách, lời khách viết quan trọng hơn suy đoán của bạn về lỗi kỹ thuật.

b. Context không xác minh sự thật thay bạn

Model có thể dùng rất trơn tru một đoạn bạn đưa, kể cả khi đoạn đó cũ hoặc sai. Nếu nhiệm vụ cần dữ liệu hiện tại, ghi ngày, link nguồn và câu nào cần kiểm lại. Context tốt giúp model có căn cứ; nó không biến nguồn yếu thành nguồn đáng tin.

Memory cũng không phải lời hứa rằng hệ thống luôn nhớ đúng. Thông tin lưu từ lần trước có thể cũ, thiếu hoặc không phù hợp. Với quyết định quan trọng, hãy đưa dữ kiện hiện tại và yêu cầu nêu phần chưa chắc.

c. Đừng đưa dữ liệu nhạy cảm để “đủ ngữ cảnh”

Không dùng mật khẩu, số thẻ, giấy tờ định danh, thông tin khách hàng thật hay bí mật công ty làm context trong công cụ chưa được phê duyệt. Hãy thay bằng dữ liệu giả, che định danh hoặc dùng môi trường được tổ chức cho phép. Context Engineering tốt luôn có ô “bỏ đi”, không chỉ ô “thêm vào”.

5. Checklist: sửa gì trước khi viết lại prompt?

a. Năm ô kiểm nhanh

Trước khi sửa câu prompt, kiểm năm ô sau:

  1. Mục tiêu: AI phải hoàn thành một việc nào, không phải nhiều việc lẫn nhau?
  2. Dữ kiện: đoạn nào hoặc file nào thật sự cần để trả lời?
  3. Nguồn và ngày: dữ kiện đến từ đâu, còn hiện tại không?
  4. Giới hạn: điều gì chưa biết, không được đoán hoặc không được đưa vào?
  5. Format và người đọc: ai dùng output, cần bảng, bullet hay email?

Hình 3 — Checklist biến việc “prompt chưa tốt” thành năm câu hỏi có thể kiểm từng ô.

Nếu các ô đã đủ mà output vẫn lệch format, lúc đó hãy sửa prompt: nói rõ độ dài, thứ tự hoặc mẫu đầu ra. Nếu một ô dữ kiện trống, hỏi lại. Không cần hỏi mọi chi tiết nhỏ; chỉ hỏi phần có thể đổi kết luận, rủi ro hoặc cách trình bày.

b. Bài tập 15 phút

Chọn một nhiệm vụ không nhạy cảm: soạn agenda, tóm tắt phản hồi giả hoặc giải thích quy tắc trong tài liệu công khai. Dùng lại đúng case agenda ở mục 3. Giữ nguyên prompt cho A và B; A chỉ có “họp chiều nay”, B có 30 phút, ba vai trò, ba quyết định và phần ngân sách chưa biết. Chạy cùng một prompt với từng bản, rồi chấm theo bốn tiêu chí: đúng nhiệm vụ, bám dữ kiện, đúng format và có nói rõ phần chưa biết không.

Mẫu đối chiếu

Tiêu chí Context A Context B
Mục tiêu “Làm agenda dự án” Agenda 30 phút để chốt ba quyết định
Dữ kiện Không có người dự hoặc thời lượng PM, kỹ sư, CSKH; 30 phút; ba quyết định
Giới hạn Không ghi Ngân sách chưa biết; không suy đoán nguyên nhân lỗi
Output cần kiểm Dễ thành mẫu chung Có thời lượng, ưu tiên và chủ sở hữu

6. Tổng kết

a. Năm ý chính

  • Prompt giao việc; context cung cấp căn cứ, phạm vi và giới hạn cho việc đó.
  • Context thường là điểm cần sửa trước khi một prompt rõ vẫn cho output chung chung.
  • Cùng prompt có thể cho kết quả khác vì dữ kiện, nguồn và phần chưa biết khác nhau.
  • Context dài không tự tốt hơn; nhiễu, nguồn cũ và dữ liệu nhạy cảm vẫn là rủi ro.
  • Dùng năm ô để biết nên bổ sung dữ kiện, hỏi lại hay mới chỉnh cách viết prompt.

b. Câu hỏi tự kiểm tra

  • Prompt và context khác nhau thế nào?
  • Vì sao Context B trong case agenda hữu ích hơn Context A?
  • Khi nào bạn nên sửa format của prompt thay vì thêm dữ kiện?
  • Ô nào giúp model bớt biến giả định thành sự thật?

c. Gợi ý đáp án

Xem gợi ý câu 1

Prompt giao việc; context là thông tin và giới hạn để làm việc đó. → xem mục 2.

Xem gợi ý câu 2

Nó có thời lượng, người dự, quyết định, giới hạn và format nên ít chỗ phải đoán. → xem mục 3.

Xem gợi ý câu 3

Khi mục tiêu và dữ kiện đã đủ nhưng output chỉ sai cấu trúc, độ dài hoặc giọng điệu. → xem mục 5.

Xem gợi ý câu 4

Ô giới hạn/phần chưa biết, kèm nguồn cần kiểm. → xem mục 2 và 5.

d. Thuật ngữ cần nhớ

Thuật ngữ Giải thích ngắn
Prompt Câu giao việc cho model.
Context Thông tin model nhận cho nhiệm vụ hiện tại.
Context Engineering Chọn và quản lý thông tin đó.
Nguồn Nơi dữ kiện xuất phát để kiểm lại.
Nhiễu Thông tin không giúp nhiệm vụ hiện tại.
Context window Phần thông tin model có thể tham chiếu trong một lượt.
Memory Thông tin lưu để dùng lại, có thể cũ hoặc thiếu.
Eval Cách đo output trên case và tiêu chí cố định.

e. Nguồn tham khảo

Nội dung này phục vụ mục đích giáo dục. Context giúp giảm suy đoán, không xác nhận thông tin là đúng; hãy kiểm nguồn trước quyết định quan trọng.