5 posts tagged with "prompt-engineering"

1. Agenda​

Thời gian đọc ước tính: ~12 phút

Learning outcome:​

• ✅ Hiểu được bản chất 7 kỹ thuật Prompt nâng cao (Zero-shot, Few-shot, Chain-of-thought, Generated knowledge, Least-to-most, Self-refine, Maieutic).
• ✅ Áp dụng được các kỹ thuật này để giải quyết các bài toán logic hoặc lập trình.
• ✅ Phân biệt được khi nào nên sử dụng Self-refine và khi nào dùng Maieutic prompting.
• ✅ Làm chủ được tham số Temperature để kiểm soát tính ngẫu nhiên (nondeterministic) của mô hình.

Synthesized from: Exploring and Comparing Different LLMs — Microsoft Generative AI for Beginners, Lesson 02

Bài viết được tổng hợp và tái cấu trúc học thuật từ nguồn aha-mind:blog.

1. Agenda​

Thời gian đọc ước tính: ~10 phút

Learning outcome:​

• ✅ Hiểu được Prompt Engineering là gì và tại sao nó lại quan trọng khi làm việc với LLMs.
• ✅ Giải thích được các thành phần cấu tạo nên một prompt hoàn chỉnh.
• ✅ Phân biệt được các kỹ thuật Zero-shot, One-shot, và Few-shot prompting.
• ✅ Áp dụng được các nguyên tắc thực hành tốt nhất (best practices) để tối ưu hóa đầu ra của mô hình AI.

Agenda​

Thời gian đọc ước tính: ~20 phút

Sau bài này, bạn sẽ:​

• Nắm vững các kỹ thuật Prompt Engineering cốt lõi: Zero-shot, Few-shot, Chain-of-Thought, ReAct
• Giải thích được sự khác biệt cốt lõi giữa Prompt Flow, RAG và Fine-tuning
• Thiết kế được kiến trúc RAG pipeline cơ bản cho một dự án thực tế
• Phân biệt được khi nào dùng phương pháp nào — và tại sao không phải lúc nào cũng cần Fine-tuning
• Áp dụng được Decision Tree để ra quyết định kỹ thuật trong dự án thực

AI Agent Skills là một bước tiến quan trọng trong việc mở rộng khả năng của Large Language Models (LLM). Thay vì training lại model hay viết code phức tạp, Skills cho phép inject domain-specific instructions vào context của LLM - biến AI đa năng thành chuyên gia trong từng lĩnh vực cụ thể.