12 thực hành và gợi ý tốt nhất khi thiết kế lời nhắc

12 prompt engineering best practices and tips

By Stephen J. Bigelow, Senior Technology Editor; Published: 19 Mar 2025

Theo: https://www.techtarget.com/searchenterpriseai/tip/Prompt-engineering-tips-and-best-practices

Bài được đưa lên Internet ngày: 19/03/2025

Đặt câu hỏi đúng là rất quan trọng để sử dụng AI tạo ra hiệu quả. Tìm hiểu 12 mẹo để viết lời nhắc rõ ràng, hữu ích, bao gồm các lỗi cần tránh và lời khuyên để tạo hình ảnh.

AI tạo sinh cuối cùng cũng đang trở thành công cụ nghiên cứu, học tập, sáng tạo và tương tác. Chìa khóa cho giao diện AI tạo sinh hiện đại là lời nhắc: yêu cầu mà người dùng soạn thảo để truy vấn hệ thống AI nhằm mục đích đưa ra phản hồi mong muốn.

Nhưng AI có giới hạn của nó và để có được câu trả lời đúng nghĩa là phải đặt đúng câu hỏi. Hệ thống AI thiếu hiểu biết sâu sắc và trực giác để thực sự hiểu được nhu cầu và mong muốn của người dùng. Lời nhắc yêu cầu cách diễn đạt cẩn thận, định dạng phù hợp và chi tiết rõ ràng. Thông thường, lời nhắc nên tránh nhiều tiếng lóng, ẩn dụ và sắc thái xã hội mà con người coi là điều hiển nhiên trong cuộc trò chuyện hàng ngày.

Để tận dụng tối đa hệ thống AI tạo hình đòi hỏi phải có chuyên môn trong việc tạo và thao tác lời nhắc. Sau đây là 12 phương pháp hay nhất về kỹ thuật nhắc:

1. Hiểu được kết quả mong muốn.

2. Xác định đúng định dạng.

3. Đưa ra các yêu cầu rõ ràng, cụ thể.

4. Xác định độ dài của lời nhắc.

5. Chia nhỏ các nhiệm vụ phức tạp.

6. Chọn từ ngữ cẩn thận.

7. Đặt ra các câu hỏi hoặc yêu cầu mở.

8. Bao gồm ngữ cảnh.

9. Cung cấp ví dụ.

10. Đặt mục tiêu hoặc giới hạn độ dài đầu ra.

11. Tránh các thuật ngữ xung đột và mơ hồ.

12. Sử dụng dấu câu để làm rõ các lời nhắc phức tạp.

Hãy cùng khám phá từng bài thực hành chi tiết hơn.

12 mẹo để có lời nhắc tốt hơn

Việc tạo ra lời nhắc thành công đòi hỏi kiến thức và kỹ năng. Các kỹ sư lời nhắc cần có ý tưởng rõ ràng về câu trả lời hoặc kết quả mong muốn của họ, cũng như hiểu biết sâu sắc về các sắc thái, giao diện và hạn chế của hệ thống AI.

Điều này khó hơn bạn nghĩ. Hãy ghi nhớ các hướng dẫn sau khi tạo lời nhắc cho các công cụ AI tạo sinh.

Lời nhắc là gì?

Lời nhắc là yêu cầu do con người đưa ra cho hệ thống AI tạo sinh, thường là mô hình ngôn ngữ lớn - LLM (Large Language Model). Lời nhắc có thể dài tới hàng chục hoặc thậm chí hàng trăm từ, nêu chi tiết các yêu cầu của người dùng, đặt định dạng và giới hạn cho phản hồi, đồng thời bao gồm các ví dụ để hướng dẫn đầu ra của mô hình. Giao diện đầu cuối của hệ thống AI phân tích lời nhắc thành các tác vụ và tham số có thể thực hiện được, sau đó sử dụng các thành phần được trích xuất đó để truy cập dữ liệu và thực hiện các tác vụ đáp ứng yêu cầu của người dùng trong giới hạn của các mô hình và tập dữ liệu cơ bản của hệ thống.

1. Hiểu kết quả mong muốn

Kỹ thuật nhắc thành công phần lớn là vấn đề biết nên hỏi những câu hỏi nào và cách hỏi chúng hiệu quả. Nhưng điều này chẳng có ý nghĩa gì nếu người dùng không biết họ muốn gì ngay từ đầu.

Trước khi người dùng tương tác với công cụ AI, điều quan trọng là phải xác định mục tiêu tương tác và phát triển phác thảo rõ ràng về kết quả dự kiến trước. Lên kế hoạch: Quyết định mục tiêu cần đạt được, đối tượng cần biết và bất kỳ hành động liên quan nào mà hệ thống phải thực hiện.

2. Xác định định dạng phù hợp

Hệ thống AI có thể hoạt động với các yêu cầu đơn giản, trực tiếp bằng các câu thông thường, dễ hiểu. Nhưng các yêu cầu phức tạp sẽ được hưởng lợi từ các truy vấn chi tiết, có cấu trúc cẩn thận tuân theo biểu mẫu hoặc định dạng nhất quán với thiết kế bên trong của hệ thống.

Biểu mẫu và định dạng có thể khác nhau đối với từng mô hình và một số công cụ, chẳng hạn như trình tạo nghệ thuật, có thể có cấu trúc ưu tiên liên quan đến việc sử dụng từ khóa ở các vị trí có thể dự đoán được. Ví dụ: công ty Kajabi đề xuất định dạng lời nhắc tương tự như sau cho trợ lý AI đàm thoại của mình, Ama:

"Hành động như" + "viết một" + "xác định mục tiêu" + "xác định định dạng lý tưởng của bạn"

Một lời nhắc mẫu cho một dự án văn bản, chẳng hạn như một câu chuyện hoặc báo cáo, có thể giống như sau:

Hành động như một giáo sư lịch sử đang viết một bài luận cho một lớp đại học để cung cấp bối cảnh chi tiết về Chiến tranh Tây Ban Nha-Mỹ theo phong cách của Mark Twain.

3. Đưa ra các yêu cầu rõ ràng, cụ thể

AI không phải là nhà ngoại cảm hay thần giao cách cảm; hệ thống chỉ có thể hành động dựa trên những gì nó có thể diễn giải từ một gợi ý nhất định.

Hãy tạo ra các yêu cầu rõ ràng, cụ thể và có thể thực hiện được. Hiểu được kết quả mong muốn, sau đó làm việc để mô tả nhiệm vụ mà mô hình cần thực hiện hoặc nêu rõ câu hỏi mà mô hình cần trả lời.

Ví dụ, một câu hỏi đơn giản như "Mấy giờ thủy triều lên?" là một gợi ý không hiệu quả vì nó thiếu chi tiết cần thiết. Thủy triều thay đổi theo ngày và địa điểm, do đó, mô hình sẽ không có đủ thông tin để đưa ra câu trả lời đúng. Một truy vấn rõ ràng và cụ thể hơn nhiều sẽ là: "Mấy giờ thủy triều lên ở Cảng Gloucester, Massachusetts, vào ngày 31 tháng 3 năm 2025?"

4. Xác định độ dài lời nhắc

Lời nhắc có thể bị giới hạn bởi số lượng ký tự tối thiểu và tối đa. Nhiều giao diện AI không áp đặt giới hạn cứng, nhưng lời nhắc quá dài có thể khiến hệ thống AI khó xử lý.

Các công cụ AI thường gặp khó khăn khi phân tích các lời nhắc dài do tính phức tạp liên quan đến việc sắp xếp và ưu tiên các yếu tố cần thiết của một yêu cầu dài. Hãy lưu ý đến bất kỳ giới hạn mã thông báo (token) nào đối với một công cụ AI nhất định, và chỉ tạo lời nhắc đủ dài để truyền tải tất cả các tham số bắt buộc.

5. Chia nhỏ các tác vụ phức tạp

Hướng dẫn từng bước có thể đảm bảo rằng mô hình xử lý từng khía cạnh của một yêu cầu. Ví dụ: thay vì sử dụng một lời nhắc để yêu cầu mô hình tạo hành trình bảy ngày chi tiết đến các điểm đến du lịch phổ biến trên khắp Châu Âu, hãy chia yêu cầu thành một loạt lời nhắc liên quan đến các địa điểm đến hàng đầu Châu Âu, thời điểm lý tưởng trong năm để du lịch, giá vé máy bay và khách sạn và các tùy chọn tham quan.

Việc chia nhỏ các tác vụ phức tạp có nghĩa là lời nhắc chi tiết hơn, đầu ra chính xác hơn và khắc phục sự cố dễ dàng hơn. Bằng cách theo dõi đầu ra của từng tác vụ phụ, các kỹ sư lời nhắc có thể xác định chính xác nơi mô hình có thể gặp trục trặc và điều chỉnh cho phù hợp.

6. Chọn từ ngữ cẩn thận

Giống như bất kỳ hệ thống máy tính nào, các công cụ AI có thể cực kỳ chính xác trong việc sử dụng lệnh và ngôn ngữ, bao gồm cả việc không biết cách phản hồi các lệnh hoặc ngôn ngữ không được nhận dạng.

Các lời nhắc hiệu quả nhất sử dụng cách diễn đạt rõ ràng và trực tiếp. Tránh sự mơ hồ, ngôn ngữ hoa mỹ, ẩn dụ và tiếng lóng, tất cả đều có thể tạo ra kết quả bất ngờ và không mong muốn.

Tuy nhiên, đôi khi các kỹ sư lời nhắc có thể sử dụng sự mơ hồ và ngôn ngữ không khuyến khích khác với mục tiêu cố ý là gây ra kết quả bất ngờ hoặc không thể đoán trước từ một mô hình. Điều này có thể tạo ra kết quả thú vị, vì tính phức tạp của nhiều hệ thống AI khiến quy trình ra quyết định của chúng trở nên khó hiểu đối với người dùng hoặc là một phần của thử nghiệm an toàn trong nhóm đỏ AI (AI red teaming).

7. Đặt câu hỏi hoặc yêu cầu mở

AI tạo sinh được thiết kế để tạo ra. Các câu hỏi đơn giản có hoặc không có hạn chế và có thể tạo ra kết quả ngắn và không thú vị.

Ngược lại, việc đặt câu hỏi mở sẽ tạo điều kiện cho tính linh hoạt hơn nhiều ở đầu ra. Ví dụ, một câu hỏi gợi ý đơn giản như "Nội chiến Hoa Kỳ có phải là về quyền của các tiểu bang không?" có thể sẽ dẫn đến một câu trả lời ngắn gọn, đơn giản tương tự. Tuy nhiên, một câu hỏi gợi ý mở hơn, chẳng hạn như "Mô tả các yếu tố xã hội, kinh tế và chính trị dẫn đến sự bùng nổ của Nội chiến Hoa Kỳ" có nhiều khả năng gợi ra một câu trả lời toàn diện và chi tiết hơn.

8. Bao gồm ngữ cảnh

Một công cụ AI tạo sinh có thể lên khung đầu ra của nó để đáp ứng nhiều mục tiêu và kỳ vọng, từ các bản tóm tắt ngắn, tổng quát đến các cuộc khám phá dài, chi tiết. Để tận dụng tính linh hoạt này, các câu hỏi gợi ý được thiết kế tốt thường bao gồm ngữ cảnh giúp hệ thống AI điều chỉnh đầu ra của mình theo đối tượng dự định của người dùng.

Ví dụ, nếu người dùng chỉ yêu cầu một LLM giải thích ba định luật nhiệt động lực học, thì không thể dự đoán được độ dài và chi tiết của đầu ra. Nhưng việc thêm ngữ cảnh có thể giúp đảm bảo đầu ra phù hợp với đối tượng đọc mục tiêu. Một lời nhắc như "Giải thích ba định luật nhiệt động lực học cho học sinh lớp ba" sẽ tạo ra mức độ độ dài và chi tiết khác biệt đáng kể so với "Giải thích ba định luật nhiệt động lực học cho các nhà vật lý trình độ tiến sĩ".

9. Cung cấp ví dụ

Một kỹ thuật khác để đảm bảo đầu ra của mô hình đạt được mục tiêu mong muốn là đưa ví dụ vào lời nhắc. Ví dụ thể hiện các khía cạnh như chất lượng, phong cách, định dạng hoặc giọng điệu có thể giúp mô hình điều chỉnh phản hồi của mình.

Việc cung cấp ví dụ có thể hữu ích cho nhiều lời nhắc khác nhau, chẳng hạn như sáng tạo nghệ thuật, phân tích dữ liệu hoặc phát triển mã. Ví dụ, lời nhắc có thể bao gồm các ví dụ về tài liệu tiếp thị để giúp mô hình sao chép giọng điệu của một thương hiệu cụ thể, hoặc có thể xác định cách định dạng đầu ra bằng cách đưa vào bảng dữ liệu hoặc biểu đồ ví dụ.

10. Đặt mục tiêu hoặc giới hạn độ dài đầu ra

Mặc dù AI tạo sinh có mục đích sáng tạo, nhưng thường khôn ngoan khi đưa ra các giới hạn về các yếu tố như độ dài đầu ra. Các yếu tố ngữ cảnh trong lời nhắc có thể bao gồm yêu cầu phản hồi đơn giản và ngắn gọn so với dài dòng và chi tiết, ví dụ thế.

Tuy nhiên, hãy nhớ rằng các công cụ AI tạo sinh thường không tuân thủ giới hạn từ hoặc ký tự chính xác. Điều này là do các mô hình xử lý ngôn ngữ tự nhiên như GPT-4 được đào tạo để dự đoán từ dựa trên các mẫu ngôn ngữ và mã thông báo, không phải số lượng từ hoặc ký tự chính xác. Do đó, LLM thường có thể tuân theo hướng dẫn gần đúng như "Cung cấp phản hồi gồm hai hoặc ba câu", nhưng chúng gặp khó khăn trong việc định lượng chính xác các ký tự hoặc từ.

11. Tránh các thuật ngữ xung đột và mơ hồ

Các lời nhắc dài và phức tạp đôi khi bao gồm các thuật ngữ mơ hồ hoặc mâu thuẫn. Ví dụ: lời nhắc bao gồm cả từ chi tiết và tóm tắt có thể cung cấp cho mô hình thông tin xung đột về mức độ chi tiết dự kiến và độ dài đầu ra.

Các lời nhắc hiệu quả nhất sử dụng ngôn ngữ tích cực và tránh ngôn ngữ tiêu cực -- nói cách khác, "Hãy nói 'làm' và đừng nói 'không'". Logic ở đây rất đơn giản: các mô hình AI được đào tạo để thực hiện các nhiệm vụ cụ thể, do đó, việc yêu cầu hệ thống AI không làm điều gì đó là vô nghĩa trừ khi có lý do chính đáng để đưa ngoại lệ vào tham số.

12. Sử dụng dấu câu để làm rõ các lời nhắc phức tạp

Giống như con người dựa vào dấu câu để giúp phân tích cú pháp văn bản, lời nhắc của AI cũng có thể được hưởng lợi từ việc sử dụng hợp lý dấu phẩy, dấu ngoặc kép và ngắt dòng để giúp hệ thống phân tích cú pháp và vận hành lời nhắc phức tạp.

Hãy xem xét ví dụ ngữ pháp đơn giản ở trường tiểu học về "let's eat Grandma" (ăn bà ơi) so với "let's eat, Grandma" (ăn, bà ơi). Các kỹ sư lời nhắc nên hoàn toàn quen thuộc với sự hình thành và định dạng của các hệ thống AI mà họ sử dụng, thường bao gồm các khuyến nghị cụ thể về dấu câu.

Video: Kỹ thuật nhắc là gì? (trong khoảng một phút)

Các mẹo kỹ thuật nhắc bổ sung cho trình tạo hình ảnh

12 mẹo được đề cập ở trên chủ yếu liên quan đến LLM, chẳng hạn như ChatGPT. Tuy nhiên, cũng có một loạt các nền tảng hình ảnh AI tạo sinh ngày càng tăng, có thể sử dụng các thành phần hoặc tham số nhắc nhở bổ sung khi cần.

Khi làm việc cụ thể với các trình tạo hình ảnh như Midjourney và Dall-E, hãy ghi nhớ bảy mẹo sau:

• Mô tả hình ảnh. Cung cấp một số chi tiết về cảnh tượng -- có thể là cảnh quan thành phố, cánh đồng hoặc khu rừng -- cũng như thông tin cụ thể về chủ thể. Khi mô tả mọi người là chủ thể, hãy nêu rõ bất kỳ đặc điểm vật lý có liên quan nào mà bạn muốn đưa vào, chẳng hạn như chủng tộc, tuổi tác và giới tính.

• Mô tả tâm trạng. Bao gồm các mô tả về hành động, biểu cảm và môi trường -- ví dụ, "Một bà lão đứng dưới mưa và khóc bên một ngôi mộ có nhiều cây cối".

• Mô tả tính thẩm mỹ. Xác định phong cách chung mong muốn cho hình ảnh kết quả, chẳng hạn như màu nước, điêu khắc, nghệ thuật kỹ thuật số hoặc tranh sơn dầu. Bạn thậm chí có thể mô tả các kỹ thuật hoặc phong cách nghệ thuật, chẳng hạn như trường phái ấn tượng.

• Mô tả khung hình. Xác định cách khung cảnh và chủ thể được lên khung: kịch tính, góc rộng, cận cảnh, v.v.

• Mô tả ánh sáng. Mô tả cách chiếu sáng khung cảnh bằng các thuật ngữ như buổi sáng, ánh sáng ban ngày, buổi tối, bóng tối, ánh lửa và đèn pin. Tất cả các yếu tố này có thể ảnh hưởng đến ánh sáng và bóng tối.

• Mô tả màu sắc. Chỉ ra cách khung cảnh nên sử dụng màu sắc với các mô tả như bão hòa hoặc tắt tiếng.

• Mô tả mức độ chân thực. Kết xuất nghệ thuật AI có thể dao động từ trừu tượng đến hoạt hình đến siêu thực. Hãy chắc chắn chỉ ra mức độ chân thực mong muốn cho hình ảnh kết quả.

Tránh các lỗi kỹ thuật nhắc phổ biến

Quá trình hình thành nhanh và quá trình thiết kế nhanh có thể mang tính nghệ thuật hơn là khoa học. Những khác biệt tinh tế về định dạng, cấu trúc và nội dung của lời nhắc có thể ảnh hưởng sâu sắc đến phản hồi của AI. Ngay cả những sắc thái trong cách đào tạo các mô hình AI cũng có thể dẫn đến kết quả khác nhau.

Sau đây là một số lỗi thiết kế nhanh phổ biến cần tránh:

• Đừng ngại thử nghiệm và làm lại. Lời nhắc không bao giờ là nỗ lực chỉ làm một lần là xong. Các hệ thống AI như trình tạo nghệ thuật có thể đòi hỏi sự chú ý rất lớn đến từng chi tiết. Hãy chuẩn bị điều chỉnh và thử nhiều lần để xây dựng lời nhắc lý tưởng.

• Đừng tìm kiếm câu trả lời ngắn gọn. AI tạo sinh được thiết kế để sáng tạo, vì vậy hãy tạo lời nhắc tận dụng tối đa khả năng của hệ thống AI. Tránh các lời nhắc tìm kiếm câu trả lời ngắn gọn hoặc chỉ có một từ; AI tạo sinh hữu ích hơn nhiều khi lời nhắc có kết thúc mở.

• Đừng tuân theo nhiệt độ mặc định. Nhiều công cụ AI tạo sinh kết hợp các thiết lập nhiệt độ, nói một cách đơn giản, kiểm soát khả năng sáng tạo của AI. Dựa trên truy vấn cụ thể, hãy thử điều chỉnh các thông số nhiệt độ: cao hơn để ngẫu nhiên và đa dạng hơn hoặc thấp hơn để hẹp hơn và tập trung hơn.

• Không sử dụng cùng một trình tự trong mỗi lời nhắc. Lời nhắc có thể là các truy vấn phức tạp với nhiều yếu tố khác nhau. Thứ tự mà các hướng dẫn và thông tin được tập hợp thành lời nhắc có thể ảnh hưởng đến đầu ra bằng cách thay đổi cách AI phân tích và diễn giải lời nhắc. Hãy thử chuyển đổi cấu trúc của lời nhắc để đưa ra các phản hồi khác nhau.

• Không áp dụng cùng một cách tiếp cận cho mọi hệ thống AI. Vì các mô hình khác nhau có mục đích và lĩnh vực chuyên môn khác nhau, nên việc đưa ra cùng một lời nhắc cho các công cụ AI khác nhau có thể tạo ra các kết quả khác nhau đáng kể. Điều chỉnh lời nhắc theo điểm mạnh riêng của mô hình. Trong một số trường hợp, có thể cần đào tạo bổ sung, chẳng hạn như giới thiệu dữ liệu mới hoặc phản hồi tập trung hơn, để tinh chỉnh phản hồi của AI.

• Đừng quên rằng AI có thể sai. Phản hồi của mô hình có thể sai, không đầy đủ hoặc chỉ đơn giản là bịa đặt, một hiện tượng được gọi là ảo giác (hallucination). Luôn kiểm tra thực tế đầu ra của AI để tìm thông tin không chính xác, gây hiểu lầm, thiên vị hoặc hợp lý nhưng không chính xác.

Lưu ý của biên tập viên: Mẹo này ban đầu được viết vào năm 2023. Informa TechTarget Editorial đã cập nhật vào năm 2025 với thông tin công nghệ có liên quan để cải thiện khả năng đọc.

Stephen J. Bigelow, biên tập viên công nghệ cao cấp tại TechTarget, có hơn 30 năm kinh nghiệm viết kỹ thuật trong ngành công nghiệp PC và công nghệ

Asking the right questions is crucial for effective generative AI use. Learn 12 tips for writing clear, useful prompts, including mistakes to avoid and advice for image generation.

Generative AI is finally coming into its own as a tool for research, learning, creativity and interaction. The key to a modern generative AI interface is the prompt: the request that users compose to query an AI system in an attempt to elicit a desirable response.

But AI has its limits, and getting the right answer means asking the right question. AI systems lack the insight and intuition to actually understand users' needs and wants. Prompts require careful wording, proper formatting and clear details. Often, prompts should avoid much of the slang, metaphors and social nuance that humans take for granted in everyday conversation.

Getting the most from a generative AI system requires expertise in creating and manipulating prompts. Here are 12 prompt engineering best practices:

1. Understand the desired outcome.

2. Determine the right format.

3. Make clear, specific requests.

4. Define prompt length.

5. Split up complex tasks.

6. Choose words with care.

7. Pose open-ended questions or requests.

8. Include context.

9. Provide examples.

10. Set output length goals or limits.

11. Avoid conflicting terms and ambiguity.

12. Use punctuation to clarify complex prompts.

Let's explore each practice in further detail.

12 tips for better prompts

Creating successful prompts takes knowledge and skill. Prompt engineers need a clear idea of their desired answer or result, as well as a thorough understanding of the AI system's nuances, interface and limitations.

This is tougher than it might seem. Keep the following guidelines in mind when creating prompts for generative AI tools.

What is a prompt?

A prompt is a request made by a human to a generative AI system, often a large language model (LLM). Prompts can grow to dozens or even hundreds of words that detail user requests, set formats and limits for responses, and include examples to guide the model's output. The AI system's front-end interface parses the prompt into actionable tasks and parameters, then uses those extracted elements to access data and perform tasks that meet the user's request within the limits of the system's underlying models and data set.

1. Understand the desired outcome

Successful prompt engineering is largely a matter of knowing what questions to ask and how to ask them effectively. But this means nothing if the user doesn't know what they want in the first place.

Before a user interacts with an AI tool, it's important to define the goals for the interaction and develop a clear outline of the anticipated results beforehand. Plan it out: Decide what to achieve, what the audience should know and any associated actions that the system must perform.

2. Determine the right format

AI systems can work with simple, direct requests using casual, plain-language sentences. But complex requests will benefit from detailed, carefully structured queries that adhere to a form or format that is consistent with the system's internal design.

Form and format can differ for each model, and some tools, such as art generators, might have a preferred structure that involves using keywords in predictable locations. For example, the company Kajabi recommends a prompt format similar to the following for its conversational AI assistant, Ama:

"Act like" + "write a" + "define an objective" + "define your ideal format"

A sample prompt for a text project, such as a story or report, might resemble the following:

Act like a history professor who is writing an essay for a college class to provide a detailed background on the Spanish-American War using the style of Mark Twain.

3. Make clear, specific requests

AI is neither psychic nor telepathic; the system can only act based on what it can interpret from a given prompt.

Create clear, explicit and actionable requests. Understand the desired outcome, then work to describe the task the model needs to perform or articulate the question the model needs to answer.

For example, a simple question such as "What time is high tide?" is an ineffective prompt because it lacks essential detail. Tides vary by day and location, so the model would not have nearly enough information to provide a correct answer. A much clearer and more specific query would be: "What times are high tides in Gloucester Harbor, Massachusetts, on March 31, 2025?"

4. Define prompt length

Prompts might be subject to minimum and maximum character counts. Many AI interfaces don't impose a hard limit, but extremely long prompts can be difficult for AI systems to handle.

AI tools often struggle to parse long prompts due to the complexity involved in organizing and prioritizing the essential elements of a lengthy request. Be aware of any token limitations for a given AI tool, and make the prompt only as long as it needs to be to convey all the required parameters.

5. Split up complex tasks

Step-by-step instructions can ensure that the model handles each aspect of a request. For example, instead of using one prompt to request a model to create a detailed seven-day itinerary to popular travel destinations throughout Europe, split the request into a series of prompts related to top European destination locations, optimal times of year to travel, flight and hotel pricing, and excursion options.

Splitting up complex tasks means more detailed prompts, more accurate output and easier troubleshooting. By monitoring the output of each subtask, prompt engineers can pinpoint where the model might be going awry and adjust accordingly.

6. Choose words with care

Like any computer system, AI tools can be excruciatingly precise in their use of commands and language, including not knowing how to respond to unrecognized commands or language.

The most effective prompts use clear and direct wording. Avoid ambiguity, colorful language, metaphors and slang, all of which can produce unexpected and undesirable results.

However, prompt engineers can sometimes employ ambiguity and other discouraged language with the deliberate goal of provoking unexpected or unpredictable results from a model. This can produce interesting output, as the complexity of many AI systems renders their decision-making processes opaque to the user, or be part of safety testing in AI red teaming.

7. Pose open-ended questions or requests

Generative AI is designed to create. Simple yes-or-no questions are limiting and will likely yield short and uninteresting output.

Posing open-ended questions, in contrast, gives room for much more flexibility in output. For example, a simple prompt such as "Was the American Civil War about states' rights?" will likely lead to a similarly simple, brief response. However, a more open-ended prompt, such as "Describe the social, economic and political factors that led to the outbreak of the American Civil War," is far more likely to provoke a comprehensive and detailed answer.

8. Include context

A generative AI tool can frame its output to meet a wide array of goals and expectations, from short, generalized summaries to long, detailed explorations. To make use of this versatility, well-crafted prompts often include context that helps the AI system tailor its output to the user's intended audience.

For example, if a user simply asks an LLM to explain the three laws of thermodynamics, it's impossible to predict the length and detail of the output. But adding context can help ensure the output is suitable for the target reader. A prompt such as "Explain the three laws of thermodynamics for third-grade students" will produce a dramatically different level of length and detail compared with "Explain the three laws of thermodynamics for Ph.D.-level physicists."

9. Provide examples

Another technique to ensure a model's output meets desired goals is to include examples in prompts. Examples that showcase aspects like quality, style, format or tone can help a model tailor its responses.

Providing examples can be useful for a variety of prompts, such as art creation, data analysis or code development. For example, a prompt could include examples of marketing material to help a model replicate the tone of a specific brand, or it could define how to format output by including an example data table or chart.

10. Set output length goals or limits

Although generative AI is intended to be creative, it's often wise to include guardrails on factors such as output length. Context elements in prompts might include requesting a simple and concise versus lengthy and detailed response, for example.

Keep in mind, however, that generative AI tools generally can't adhere to precise word or character limits. This is because natural language processing models such as GPT-4 are trained to predict words based on language patterns and tokens, not exact word or character counts. Thus, LLMs can usually follow approximate guidance such as "Provide a two- or three-sentence response," but they struggle to precisely quantify characters or words.

11. Avoid conflicting terms and ambiguity

Long and complex prompts sometimes include ambiguous or contradictory terms. For example, a prompt that includes both the words detailed and summary might give the model conflicting information about the expected level of detail and output length.

The most effective prompts use positive language and avoid negative language -- in other words, "Do say 'do,' and don't say 'don't.'" The logic here is simple: AI models are trained to perform specific tasks, so asking an AI system not to do something is meaningless unless there is a compelling reason to include an exception to a parameter.

12. Use punctuation to clarify complex prompts

Just as humans rely on punctuation to help parse text, AI prompts can also benefit from the judicious use of commas, quotation marks and line breaks to help the system parse and operate on a complex prompt.

Consider the simple elementary school grammar example of "let's eat Grandma" versus "let's eat, Grandma." Prompt engineers should be thoroughly familiar with the formation and formatting of the AI systems they use, which often includes specific recommendations for punctuation.

Video: What is Prompt Engineering? (in about a minute)

Additional prompt engineering tips for image generators

The 12 tips covered above are primarily associated with LLMs, such as ChatGPT. However, there is also a growing assortment of generative AI image platforms, which can employ additional prompt elements or parameters in requests.

When working specifically with image generators such as Midjourney and Dall-E, keep the following seven tips in mind:

• Describe the image. Offer some details about the scene -- perhaps a cityscape, field or forest -- as well as specific information about the subject. When describing people as subjects, be explicit about any relevant physical features you want to include, such as race, age and gender.

• Describe the mood. Include descriptions of actions, expressions and environments -- for example, "An elderly woman stands in the rain and cries by a wooded graveside."

• Describe the aesthetic. Define the overall style desired for the resulting image, such as watercolor, sculpture, digital art or oil painting. You can even describe techniques or artistic styles, such as impressionism.

• Describe the framing. Define how the scene and subject should be framed: dramatic, wide-angle, close-up and so on.

• Describe the lighting. Describe how the scene should be lit using terms such as morning, daylight, evening, darkness, firelight and flashlight. All these factors can affect light and shadow.

• Describe the coloring. Denote how the scene should use color with descriptors such as saturated or muted.

• Describe the level of realism. AI art renderings can range from abstract to cartoonish to photorealistic. Be sure to denote the desired level of realism for the resulting image.

Avoiding common prompt engineering mistakes

Prompt formation and prompt engineering can be more of an art than a science. Subtle differences in prompt format, structure and content can profoundly affect AI responses. Even nuances in how AI models are trained can result in different outputs.

The following are several common prompt engineering mistakes to avoid:

• Don't be afraid to test and revise. Prompts are never one-and-done efforts. AI systems such as art generators can require enormous attention to detail. Be prepared to adjust and take multiple attempts to build the ideal prompt.

• Don't look for short answers. Generative AI is designed to be creative, so form prompts that make the best use of the AI system's capabilities. Avoid prompts that look for short or one-word answers; generative AI is far more useful when prompts are open-ended.

• Don't stick to the default temperature. Many generative AI tools incorporate a temperature setting that, in simple terms, controls the AI's creativity. Based on the specific query, try adjusting the temperature parameters: higher to be more random and diverse, or lower to be narrower and more focused.

• Don't use the same sequence in each prompt. Prompts can be complex queries with many different elements. The order in which instructions and information are assembled into a prompt can affect the output by changing how the AI parses and interprets the prompt. Try switching up the structure of prompts to elicit different responses.

• Don't take the same approach for every AI system. Because different models have different purposes and areas of expertise, posing the same prompt to different AI tools can produce significantly different results. Tailor prompts to the model's unique strengths. In some cases, additional training, such as introducing new data or more focused feedback, might be necessary to refine the AI's responses.

• Don't forget that AI can be wrong. Model responses can be wrong, incomplete or simply made-up, a phenomenon known as hallucination. Always fact-check AI output for inaccurate, misleading, biased, or plausible yet incorrect information.

Editor's note: This tip was originally written in 2023. Informa TechTarget Editorial updated it in 2025 with relevant technology information to improve readability.

Stephen J. Bigelow, senior technology editor at TechTarget, has more than 30 years of technical writing experience in the PC and technology industry

Dịch: Lê Trung Nghĩa

letrungnghia.foss@gmail.com