Khi nghĩ về đầu vào và đầu ra của một mô hình ngôn ngữ lớn (LLM), một câu lệnh (prompt) dạng văn bản (đôi khi đi kèm với các phương thức khác như câu lệnh hình ảnh) là đầu vào mà mô hình sử dụng để dự đoán một đầu ra cụ thể. Bạn không cần phải là một nhà khoa học dữ liệu hay kỹ sư máy học – ai cũng có thể viết câu lệnh. Tuy nhiên, việc tạo ra câu lệnh hiệu quả nhất có thể phức tạp. Có nhiều yếu tố ảnh hưởng đến hiệu quả của câu lệnh như: mô hình bạn sử dụng, dữ liệu huấn luyện của mô hình, cấu hình mô hình, lựa chọn từ ngữ, văn phong và giọng điệu, cấu trúc và ngữ cảnh đều quan trọng. Do đó, kỹ thuật thiết lập câu lệnh (prompt engineering) là một quá trình lặp đi lặp lại. Những câu lệnh không đầy đủ có thể dẫn đến các phản hồi mơ hồ, không chính xác và có thể cản trở khả năng của mô hình trong việc cung cấp đầu ra có ý nghĩa.
Khi bạn trò chuyện với chatbot Gemini, về cơ bản bạn đang viết câu lệnh, tuy nhiên tài liệu này tập trung vào việc viết câu lệnh cho mô hình Gemini trong Vertex AI hoặc bằng cách sử dụng API, bởi vì bằng cách tạo câu lệnh trực tiếp cho mô hình, bạn sẽ có quyền truy cập vào cấu hình như nhiệt độ (temperature), v.v.
Tài liệu này thảo luận chi tiết về kỹ thuật tạo câu lệnh. Chúng ta sẽ xem xét các kỹ thuật tạo câu lệnh khác nhau để giúp bạn làm quen với việc tạo câu lệnh cũng như chia sẻ các mẹo và phương pháp hay nhất để trở thành một chuyên gia tạo câu lệnh. Chúng ta cũng sẽ thảo luận về một số thách thức bạn có thể gặp phải khi tạo câu lệnh.