Soni Learn vận hành Prompt Lab — tool chấm điểm prompt theo VPRC framework — từ tháng 2/2026. Trong 3 tháng đã có 800+ prompt người Việt được paste vào để chấm. Tao phân tích pattern, tìm ra 5 lỗi xuất hiện ở ít nhất 70% prompt. Bài này nói cụ thể 5 lỗi đó, kèm ví dụ thật trước/sau khi sửa.

Disclaimer: 'lỗi' ở đây không phải lỗi cú pháp — là lỗi structural khiến output AI không hiệu quả. Sửa được 5 lỗi này, output sẽ cải thiện trung bình 60% (đo bằng việc người dùng phải sửa lại bao nhiêu lần trước khi dùng được).

Lỗi 1 — Không định danh vai trò AI (xuất hiện 87% prompt)

Người Việt hay viết prompt như chat với bạn: 'Giúp tôi viết email từ chối khách'. Không nói AI đang đóng vai gì. Kết quả: AI ở chế độ trợ lý chung, output trung lập, an toàn, generic. Khách hàng đọc xong không cảm thấy 'có người viết riêng cho mình' — vì thực sự không có.

❌ Trước: 'Viết email từ chối khách đặt hàng vì hết hàng'. Output: email template chuẩn, formal, vô cảm. Có thể tải từ internet free. ✅ Sau: 'Bạn là customer service manager 5 năm kinh nghiệm ở Shopee VN, expertise giữ khách giận thành khách trung thành. Viết email từ chối đơn hàng vì hết hàng, giọng có empathy nhưng vẫn chuyên nghiệp, đề xuất alternative'. Output: email cá nhân, có giọng có người thật, khách giận giảm 50%.

Lỗi 2 — Request mơ hồ không định lượng (74% prompt)

Người Việt thường dùng tính từ chung chung làm yêu cầu: 'viết hay', 'ngắn gọn', 'hấp dẫn', 'chuyên nghiệp'. AI không hiểu — nó phải đoán. Đoán đúng thì may, đoán sai thì sai.

❌ Trước: 'Tóm tắt bài này cho ngắn gọn và hấp dẫn'. AI có thể tóm 5 dòng, 1 đoạn, 10 bullet — không biết bạn muốn gì. ✅ Sau: 'Tóm tắt bài này thành 5 bullet, mỗi bullet 1-2 câu, dùng từ vựng cho người chưa biết AI, mở đầu mỗi bullet bằng action verb'. Output rõ ràng, đúng cái bạn cần lần đầu.

Rule: thay 1 tính từ trừu tượng bằng 1 con số + 1 tiêu chí định lượng. Output dài 200 từ. Output dùng tối đa 3 từ Hán Việt. Output có 1 hook + 3 ý + 1 CTA. Càng cụ thể, AI càng đoán đúng lần đầu.

Lỗi 3 — Không cho audience (71% prompt)

Cùng nội dung 'AI là gì' viết cho học sinh lớp 8 khác hẳn viết cho CEO 50 tuổi. Đa số prompt không nói audience → AI default ở 'người trung lập' → output average, không converge với target.

❌ Trước: 'Viết bài về tầm quan trọng của AI cho doanh nghiệp'. AI viết generic, dùng được cho ai cũng đọc cũng không thấy hợp. ✅ Sau: 'Viết bài cho CEO SME 30-40 nhân viên, ngành thương mại điện tử, đã nghe nhiều về AI nhưng chưa apply gì, lo về cost. Cần content cho họ thấy AI giúp được ngay với budget <5tr/tháng'. Output cụ thể, focus vào pain point thực, có khả năng chuyển đổi.

Audience tối thiểu cần 3 thứ: vai trò (sinh viên/founder/HR/...), tuổi nhóm (Gen Z/Millennial/Gen X), mức quen với chủ đề (zero/biết cơ bản/expert). Thêm pain point hoặc goal nếu có.

Lỗi 4 — Quá ít context khi cần nhiều, quá nhiều khi cần ít (65% prompt)

Đây là lỗi đối nghịch ở 2 nhóm user. Người mới: cho 0 context, kỳ vọng AI tự biết tình huống. Người 'over-prompt': paste 2000 từ context cho yêu cầu 100 từ → AI bị nhiễu, output lệch hướng.

❌ Trước (quá ít): 'Reply email này cho lịch sự' (kèm 1 dòng email). AI không biết quan hệ với người gửi, context công ty, lịch sử trao đổi. ✅ Sau: '... đây là khách hàng trung thành 2 năm, vừa complain về đơn hàng giao chậm, công ty tao đã hoàn tiền + sale 20% lần sau nhưng họ vẫn không vui. Reply giữ khách, không over-apologize.'

❌ Trước (quá nhiều): paste cả CV 3 trang + bằng cấp + portfolio link + lịch sử 10 năm — yêu cầu 'viết 1 dòng giới thiệu bản thân'. AI loãng. ✅ Sau: cho 3 highlight quan trọng nhất + target audience của intro → output sắc bén.

Rule heuristic: context = 1.5 đến 3 lần độ dài output mong muốn. Output 100 từ → context 150-300 từ. Output 1000 từ → context 1500-3000 từ. Hơn hẳn là quá tải, kém hẳn là quá thiếu.

Lỗi 5 — Không cho format/structure mong muốn (62% prompt)

AI default ra prose paragraph. Nếu bạn cần bảng, bullet, JSON, markdown table — phải nói rõ. Không nói → AI cho text dài → bạn phải tự reformat → mất 5-10 phút mỗi lần.

❌ Trước: 'So sánh ChatGPT vs Claude'. Output: 5 đoạn văn dài. Bạn phải copy ra Word, vẽ bảng, tự cấu trúc. ✅ Sau: 'So sánh ChatGPT vs Claude theo 5 tiêu chí: chất lượng tiếng Việt, giá, context window, code quality, hallucination rate. Output dạng bảng markdown 3 cột: Tiêu chí | ChatGPT | Claude'. Output ngay là bảng paste vào Notion là dùng được.

Format options phổ biến: markdown table (cho so sánh), bullet list (cho enumeration), numbered list (cho step-by-step), JSON (cho data structured), code block (cho code), YAML (cho config). Mỗi cái có use case riêng. Nói rõ format = save 5-10 phút reformatting.

Bonus — Lỗi 6 (cấp expert): không có constraint

Lỗi này ở 40% prompt — không phổ biến như 5 lỗi trên nhưng critical cho output chất lượng cao. Constraint = ràng buộc rõ về cái KHÔNG được làm. Ví dụ: 'viết blog 1500 từ. Không dùng từ Hán Việt, không bullet list, không tiêu đề. Chỉ prose. Tone như nói chuyện với bạn thân.'

Constraint giúp AI 'không đi sai hướng' bằng cách block path không mong muốn. Không có constraint = AI có thể wander vào style mặc định mà bạn không thích. Constraint hiệu quả nhất: liệt kê 2-3 cái cụ thể bạn KHÔNG muốn, không cần list hết.

Áp dụng — Checklist trước khi gửi prompt

5 câu hỏi check trước khi nhấn Enter:

• 1. AI đang đóng vai gì? (Vai trò) — Nếu không nói, output sẽ generic.
• 2. Output nói chuyện với ai? (Persona) — Tuổi, vai trò, mức quen với chủ đề.
• 3. Yêu cầu cụ thể có định lượng không? (Request) — Bao nhiêu từ? Bao nhiêu ý? Format gì?
• 4. Context có đủ và không thừa không? (Context) — 1.5x đến 3x độ dài output.
• 5. Có constraint nào cần nói không? (Bonus) — Không làm cái gì? Tránh giọng gì?

5 câu này lần đầu mất 30 giây để check. Sau 20 lần dùng — thành reflex, không cần nghĩ. Đây là cách Soni Learn training mọi user trong Prompt Lab: không nhớ framework, build reflex.

Test 5 lỗi này trên prompt của bạn ngay: paste vào sonilearnai.com/prompt-lab, AI sẽ chấm điểm 4 trục VPRC + suggest sửa cụ thể. Sau 5-10 lần dùng tool, bạn sẽ tự thấy mình hết mắc 5 lỗi trên — và prompt skill nâng từ beginner lên intermediate.

Pattern đặc trưng của prompt người Việt

Sau 800 prompt phân tích, tao nhận ra 3 pattern đặc biệt của người Việt khác với benchmark prompt tiếng Anh: (1) lễ phép quá mức — nhiều người mở đầu prompt 'Xin chào, làm ơn giúp em...' → tốn token, không cần thiết với AI; (2) viết prompt như văn nói — có 'à, ờ, ý là'; (3) tránh từ 'order/command' — dùng 'có thể giúp tôi...' thay vì 'viết...'.

AI không phải con người — không cần lễ phép. Prompt thẳng = output nhanh và sắc. 'Viết email từ chối...' tốt hơn 'Có thể giúp tôi viết email từ chối được không ạ...'. Save 10-15% token mỗi prompt, dài hạn tiết kiệm rate limit và chi phí API.

Trường hợp đặc biệt — prompt tiếng Việt vs tiếng Anh

Trong 800 prompt, ~60% viết tiếng Việt thuần, ~30% mix Việt-Anh, ~10% English only. Output chất lượng theo thứ tự: English > Việt-Anh mix > Việt thuần. Lý do: AI training data tiếng Anh nhiều gấp 50-100 lần tiếng Việt. Concept Việt thuần đôi khi không map được sang concept AI hiểu sâu.

Mẹo nâng cao: technical concept (function, algorithm, framework, schema) giữ tiếng Anh. Còn lại Việt. Ví dụ tốt: 'Viết Python function tính Fibonacci dùng memoization, output có docstring tiếng Việt'. Tốt hơn cả 100% Việt hoặc 100% Anh.

Khi nào break rule?

5 lỗi trên là rules cho 95% trường hợp. 5% còn lại có thể break: (1) prompt iterative — sau khi đã có context từ chat trước, không cần repeat; (2) creative brainstorm — đôi khi prompt mơ hồ cho AI tự diverge; (3) test capability — paste prompt thô để xem AI handle ra sao trước khi optimize.

Quy tắc cho beginner: học rule trước, break sau. Sau 100 prompt theo VPRC, bạn sẽ biết khi nào break. Trước đó — stick với rules. Đây là cách build skill bất cứ skill nào — copy form trước, freestyle sau.

Dữ liệu open: 800 prompt người Việt

Cuối Q2/2026, Soni Learn sẽ release public dataset 800 prompt (đã anonymize) cho researcher VN. Mục đích: cho cộng đồng AI VN có data thật để analysis, không phải lý thuyết tây hóa. Dataset gồm: prompt gốc, score VPRC, suggest sửa, output AI. Theo dõi blog để cập nhật ngày release.

Trong khi chờ dataset, tao sẽ post insights mỗi tuần trên TikTok @sonilearnai. 1 insight = 1 lỗi prompt + 1 case study sửa. Follow để học prompt engineering bằng video 60 giây thay vì đọc blog dài. Cả 2 đều ích — chọn format hợp với cách học của bạn.