Cho AI xem ví dụ thay vì mô tả: cách dùng văn mẫu để AI viết đúng giọng (cập nhật 10/2026)
Cho AI xem ví dụ thay vì mô tả: cách dùng văn mẫu để AI viết đúng giọng (cập nhật 10/2026)
Trả lời ngay:
- Một đoạn mẫu nói được nhiều hơn mười tính từ. "Trang trọng nhưng dễ đọc" thì ai hiểu kiểu nấy, còn đoạn mẫu cho AI thấy ngay câu dài bao nhiêu, xưng hô thế nào, mở đoạn ra sao.
- AI bắt chước cả thói quen "thêm cho đủ" của mẫu. Trong phép thử dưới đây, nó viết đúng giọng giáo viên nhưng tự nghĩ ra lời khen mà giáo viên chưa hề nói.
- Vì vậy luôn kèm một câu "chỉ dùng thông tin mình đưa", và đọc lại từng chi tiết trước khi dùng.
Thử với nhận xét học sinh cuối kỳ
Việc viết nhận xét cho cả lớp rất hợp để thử, vì mỗi giáo viên có một giọng riêng mà khó tả bằng lời. Chúng tôi đóng vai giáo viên Văn lớp 11, đưa cho LOSAN hai nhận xét "tự viết" làm mẫu:
[MẪU 1] Minh Anh tiến bộ rõ ở phần nghị luận xã hội, bài cuối kỳ có luận điểm mạch lạc hơn hẳn đầu năm. Em cần chú ý chính tả, nhất là dấu hỏi ngã. Cô tin học kỳ sau em sẽ đạt 8 nếu đọc lại bài trước khi nộp.
[MẪU 2] Tuấn có vốn từ phong phú và hay có cách nhìn riêng khi phân tích thơ. Bài viết của em còn dài, nhiều đoạn chưa bám đề. Cô mong em lập dàn ý 5 phút trước khi viết, em sẽ thấy bài gọn hơn nhiều.
Kèm theo là dặn dò: học giọng văn, độ dài và cách sắp ý (khen trước, góp ý sau, kết bằng một lời động viên cụ thể), không dùng lại nội dung hay tên trong mẫu. Sau đó là ba em cần nhận xét, mỗi em một dòng ghi chú:
- Lan: chăm, bài đọc hiểu tốt, ngại phát biểu.
- Huy: điểm tăng từ 5 lên 7, hay nộp bài muộn.
- Thảo: viết cảm xúc, ít dẫn chứng.
Kết quả đúng khung: khen, góp ý, động viên, xưng "cô – em" y như mẫu.
Nhưng đọc kỹ thì có hai câu không đến từ ghi chú của giáo viên:
- Với Lan: "bài phân tích em làm đều, không bỏ sót ý nào". Ghi chú chỉ nói "bài đọc hiểu tốt".
- Với Huy: "phần nhận xét ngôn ngữ ngày càng sắc bén hơn hẳn đầu năm". Ghi chú chỉ có điểm số và chuyện nộp muộn.
Lý do dễ hiểu. Hai nhận xét mẫu câu nào cũng có chi tiết cụ thể ("luận điểm mạch lạc hơn hẳn đầu năm"), nên khi ghi chú quá ngắn, AI tự đặt ra chi tiết cho "đủ giống mẫu". Với nhận xét gửi phụ huynh, một lời khen không có thật có khi còn khó xử hơn một lời chê.
Cách đưa ví dụ cho đúng
Gắn nhãn rõ đâu là mẫu. Dùng [MẪU 1], [MẪU 2] hoặc ngoặc kép, tách hẳn khỏi phần yêu cầu, để AI không lẫn mẫu với việc cần làm.
Nói rõ học cái gì từ mẫu. Giọng văn, độ dài, cách sắp ý, cách trình bày. Càng cụ thể càng tốt: "khen trước, góp ý sau, kết bằng lời động viên có hành động cụ thể".
Nói rõ không lấy cái gì. Hai câu cần có:
Không dùng lại nội dung, tên hay số liệu trong mẫu.
Chỉ dùng thông tin mình đưa. Thiếu chi tiết thì viết ngắn lại, không tự thêm.
Câu thứ hai là câu chúng tôi đã quên trong phép thử trên. Với báo cáo, đề cương hay hợp đồng, quên nó là có thể mang số liệu của công ty khác vào bài mình.
Dùng hai ba mẫu khác nhau. Một mẫu thì AI dễ chép nguyên. Vài mẫu khác chủ đề thì nó phải tìm điểm chung, và điểm chung đó mới là thứ bạn muốn nó học. Ví dụ hai nhận xét ở trên một em khá văn nghị luận, một em mạnh phân tích thơ, nên AI hiểu cái cần giữ là cấu trúc, không phải nội dung.
Đọc lại mẫu trước khi dán. AI học cả lỗi trong mẫu. Mẫu có câu quá dài thì AI viết câu dài, mẫu trình bày trích dẫn sai thì AI sai theo.
Ví dụ "sai" cũng dùng được, miễn có nhãn. Đôi khi chỉ ra kiểu không muốn còn nhanh hơn:
✗ Không viết kiểu: "Trong bối cảnh toàn cầu hoá ngày càng sâu rộng, vấn đề X ngày càng trở nên cấp thiết..."
✓ Viết kiểu: "Năm 2025, X tăng gấp đôi so với 2020. Bài này tìm hiểu vì sao."
Khi nào nên đưa mẫu
Đưa mẫu đáng công nhất khi giọng văn hoặc cách trình bày là thứ được chấm hay được để ý:
- viết theo mẫu báo cáo, mẫu công văn của khoa hay công ty;
- nhận xét học sinh, phản hồi khách hàng hàng loạt;
- email, tin nhắn cần đúng giọng của chính bạn;
- ra câu hỏi ôn tập đúng độ khó và đúng kiểu đề;
- trích thông tin từ tài liệu vào bảng (đưa một dòng đã điền đúng làm mẫu).
Còn câu hỏi kiến thức, giải thích khái niệm thì không cần, thêm mẫu chỉ làm câu lệnh dài ra.
Ba prompt mẫu
Viết theo mẫu báo cáo của khoa:
Mình đính kèm trang 12–14 của báo cáo mẫu khoa phát, phần "Giới thiệu đơn vị thực tập". Viết phần giới thiệu đơn vị của mình theo đúng cấu trúc mục và cách trình bày đó. Không lấy bất kỳ thông tin nào của công ty trong mẫu. Thông tin công ty mình: [dán]. Mục nào chưa có thông tin thì ghi [THIẾU] và để trống.
Ra câu hỏi ôn tập đúng độ khó:
Đây là 2 câu trắc nghiệm trong đề giữa kỳ Triết học năm ngoái: [dán]. Ra 10 câu mới về chương 3, cùng độ khó và cùng kiểu phương án nhiễu (các phương án sai là những nhầm lẫn sinh viên hay mắc). Không lặp lại ý của 2 câu mẫu. Mỗi câu ghi đáp án và một dòng giải thích.
Email đúng giọng của bạn:
Đây là 2 email mình từng gửi giảng viên: [dán]. Viết email xin thầy gia hạn nộp bài 3 ngày vì mình ốm, giọng và độ dài như 2 email trên. Chỉ dùng thông tin trong câu này, không thêm lý do khác.
Văn mẫu trên LOSAN
Trên LOSAN AI, bạn không phải dán tay cả trang mẫu vào khung chat. Đính kèm file mẫu (Word, PDF) rồi chỉ rõ mục hay trang làm mẫu. Mẫu dùng nhiều lần, như báo cáo mẫu của khoa hay mẫu công văn của công ty, thì để sẵn trong Dự án: mỗi cuộc trò chuyện mới chọn lại bằng nút kẹp giấy, không phải tải lên lại.
👉 Thử với văn mẫu của bạn: losan.ai/project
Câu hỏi thường gặp
Đưa văn mẫu của người khác cho AI có bị tính là đạo văn không? Học cách trình bày từ một mẫu thì không. Chép nội dung của mẫu vào bài mình mới là vấn đề. Vì thế mới cần câu "không dùng lại nội dung của mẫu", và bạn vẫn nên đọc lại cho chắc.
Bao nhiêu mẫu là đủ? Hai ba mẫu thường là đủ cho giọng văn và định dạng. Nhiều hơn thì câu lệnh dài mà hiếm khi tốt hơn rõ rệt.
AI vẫn thêm chi tiết dù đã dặn thì sao? Chỉ đúng câu bị thêm và yêu cầu bỏ riêng câu đó, giữ nguyên phần còn lại. Chúng tôi làm đúng như vậy với hai nhận xét bị thêm lời khen ở trên, kết quả ở bài sửa câu trả lời chưa ưng.
Lưu ý và bài liên quan
Bài viết cập nhật 31/10/2026. Phép thử chạy trên LOSAN ngày 31/10/2026 với mô hình mặc định; nhận xét mẫu và tên học sinh là giả định. Kỹ thuật đưa ví dụ ngay trong câu lệnh được mô tả lần đầu trong nghiên cứu GPT-3: Brown, T. và cộng sự (2020), Language Models are Few-Shot Learners, NeurIPS 2020.
Đọc tiếp trong cụm kỹ thuật prompt: