Andrew Ng đã ra mắt một khóa học mới vào năm 2026 trên DeepLearning.AI có tên "AI Prompting for Everyone," bao gồm 21 bài học trong 3 mô-đun. Ngay câu đầu tiên đã thu hút mọi người: ngày nay hoàn toàn khác so với thời điểm ChatGPT mới ra mắt năm 2022. Khóa học này không chỉ là tập hợp các mẹo prompt; nó nói về sự thay đổi mô hình tổng thể trong cách sử dụng AI trong bốn năm qua. Dưới đây là bản tóm tắt chuyên sâu về 21 bài học, chứa tất cả những điểm giá trị nhất để áp dụng.
Người mới vs. Chuyên gia: 4 Khác biệt chính do Andrew Ng đề xuất
Khung xương của toàn bộ khóa học là một sự so sánh. Người mới dùng AI và chuyên gia AI sử dụng cùng một công cụ, nhưng đầu ra khác nhau từ 5 đến 10 lần. Sự khác biệt nằm ở bốn khía cạnh.
Đầu tiên là độ khó của câu hỏi. Người mới dùng AI như Google Search, hỏi "Taco Bell còn bán Double Decker Taco không?" Chuyên gia đưa vào cả tài liệu mua xe (thông số kỹ thuật, báo giá, bảo hiểm) và để AI đọc mọi thứ, suy nghĩ chậm rãi, và so sánh ưu nhược điểm. Các mô hình giờ đây có thể suy nghĩ hàng chục giây hoặc thậm chí vài phút trước khi trả lời; thời gian tiết kiệm được chính là tiền.
Thứ hai là ngữ cảnh. Người mới gửi các prompt ngắn và mong đợi AI tự điền vào chỗ trống. Chuyên gia coi AI như một thực tập sinh mới tốt nghiệp, rất thông minh nhưng không biết gì về bạn, và cung cấp đầy đủ bối cảnh. Để AI viết bản tự đánh giá, người mới chỉ nói "viết bản tự đánh giá cho sếp của tôi," kết quả là những lời sáo rỗng. Chuyên gia tải lên ảnh chụp màn hình dự án, tài liệu gần đây và bản ghi âm ghi chú để AI có thể viết nội dung thực chất. Cụm từ của Andrew Ng là "đồng cảm với AI" — hãy đặt mình vào vị trí của người nhận nhiệm vụ và tự hỏi liệu họ có đủ thông tin để làm tốt không.
Thứ ba là hướng dẫn. Một người mới có thể hỏi, "Tôi có một ý tưởng kinh doanh tuyệt vời cho dịch vụ nhuộm cà vạt di động, hãy đánh giá nó." AI, nghe từ "tuyệt vời," sẽ xuôi theo và khen ngợi — đây là sự nịnh hót. Các chuyên gia hoặc sử dụng câu hỏi trung lập hoặc cung cấp một tiêu chí đánh giá, bảo AI chấm điểm trên các khía cạnh nào, chẳng hạn như "Có thị trường không?" "Có lợi thế cạnh tranh không?" hoặc "Vấn đề có thực sự tồn tại không?" buộc nó phải đưa ra kết luận trung thực, có thể là điểm 8.
Thứ tư là quy trình viết. Người mới để AI viết bài trực tiếp, dẫn đến kết quả là "AI slop." Chuyên gia không để mô hình viết nội dung ngay lập tức; họ bảo nó tạo dàn ý, lặp lại trên dàn ý, mở rộng thành các gạch đầu dòng, lặp lại trên các gạch đầu dòng đó, và cuối cùng mới mở rộng thành văn bản đầy đủ. Quy trình này coi AI như một đối tác suy nghĩ, không phải một cái máy đánh chữ.
Bốn điểm này lặp lại trong mọi mô-đun và là khuôn khổ chung cho khóa học.
Kiến thức AI đến từ đâu: Hiểu về Kiến trúc 3 Lớp
Cốt lõi của Mô-đun 1 là chia nhỏ việc tiếp nhận thông tin thành ba lớp, mỗi lớp phù hợp với các nhiệm vụ khác nhau.
Lớp đầu tiên là kiến thức tiền huấn luyện, kiến thức phổ thông mà mô hình học được từ văn bản internet khổng lồ. Tần suất quyết định độ tin cậy; các chủ đề như nấu ăn, phim ảnh và người nổi tiếng rất chính xác vì có nhiều nội dung. Các chủ đề chuyên ngành như chuẩn tinh có câu trả lời kém hơn. Mặc dù tiếng Quảng Đông được 80 triệu người nói, nhưng nó chiếm chưa đến 0.1% nội dung internet, vì vậy vùng phủ sóng ngữ liệu không phải tiếng Anh yếu hơn. Mọi mô hình đều có ngày giới hạn kiến thức; ví dụ: GPT-5.4 giới hạn vào tháng 8 năm 2025. Nếu bạn hỏi về một meme lan truyền vào cuối năm 2025, nó sẽ bó tay và phải kích hoạt tìm kiếm web.
Lớp thứ hai là tìm kiếm web. Đây thực chất là một kiến trúc AI kép. Bạn trò chuyện với một AI giao diện người dùng, AI này gọi một AI trợ lý để thực hiện tìm kiếm web, lọc kết quả, tải xuống các trang có liên quan và trả về một bản tóm tắt. Một điểm đặc biệt quan trọng: AI giao diện người dùng chỉ thấy bản tóm tắt, không thấy toàn bộ trang. Điều này thường dẫn đến hiện tượng "AI trích dẫn một URL nhưng trang đó thực sự không nói điều đó."
Lớp thứ ba là nghiên cứu sâu. Tất cả các mô hình lớn (ChatGPT, Gemini, Claude) đều có chế độ này — một quy trình tác nhân, trước tiên tạo một kế hoạch nghiên cứu, sau đó khởi chạy hàng chục truy vấn tìm kiếm song song, và quyết định có thêm các tìm kiếm khác dựa trên kết quả hay không, đưa ra một báo cáo chuyên sâu với các trích dẫn sau vài phút. Đối với các nhiệm vụ phức tạp như lên kế hoạch cho một ngôi nhà ma ám cho Halloween liên quan đến quy định, an toàn và trang trí, nghiên cứu sâu nhanh hơn hàng chục lần so với duyệt thủ công.
Quyết định cho 3 lớp: sử dụng kiến thức tiền huấn luyện cho các sự kiện cơ bản; sử dụng tìm kiếm web cho các sự kiện hiện tại, thông tin địa phương hoặc các truy vấn chuyên ngành; sử dụng nghiên cứu sâu cho các vấn đề phức tạp đòi hỏi nhiều nguồn và so sánh đa góc độ.
Andrew Ng nhấn mạnh một mẹo về chất lượng nguồn: khi hỏi về các chủ đề sức khỏe (như peptide thị trường xám), AI mặc định sử dụng các nền tảng xã hội như Reddit hoặc Quora. Tần suất trích dẫn của AI xếp Reddit đầu tiên, Wikipedia thứ hai, YouTube thứ ba và chính Google thứ tư. Để có câu trả lời đáng tin cậy, bạn phải nói rõ ràng trong prompt, "Vui lòng sử dụng các nguồn có thẩm quyền như WHO, FDA hoặc EMA."
Ngữ cảnh là Vua mới + Sự trỗi dậy của Ứng dụng Máy tính để bàn
Khái niệm cốt lõi đầu tiên của Mô-đun 2 là ngữ cảnh. Các mô hình chính thống hiện tại có cửa sổ ngữ cảnh 750.000 từ, tương đương với 4 hoặc 5 cuốn Harry Potter đầu tiên. Andrew Ng nói rằng hầu hết mọi người đánh giá thấp nghiêm trọng lượng ngữ cảnh họ có thể cung cấp cho AI.
Ngữ cảnh bao gồm bốn phần: prompt hệ thống (ngày tháng, khả năng, hướng dẫn công cụ), định nghĩa công cụ (cách sử dụng tìm kiếm web, v.v.), prompt của bạn và lịch sử hội thoại. Tất cả những điều này tích lũy vào cửa sổ ngữ cảnh cho một lần suy luận.
Mẹo thực tế 1: Bắt đầu một cuộc trò chuyện mới khi thay đổi chủ đề. Nếu bạn vừa hỏi xong về kế hoạch tập thể dục của mình và đột nhiên hỏi về kế hoạch của mẹ bạn, các sở thích trong ngữ cảnh cũ sẽ làm nhiễu câu trả lời mới. Bắt đầu một cuộc trò chuyện mới để xóa ngữ cảnh là cách sạch sẽ nhất.
Mẹo thực tế 2: Đưa ra phản hồi trong quá trình động não là kỹ thuật ngữ cảnh tốt nhất. Nếu bạn không biết nên cung cấp ngữ cảnh gì, hãy để AI tạo ra 3 đến 5 lựa chọn trước. Xem xét chúng, nói cho AI biết bạn thích và không thích gì và tại sao, sau vài lần lặp lại, AI sẽ hiểu được gu của bạn. Điều này hiệu quả hơn nhiều so với việc cố gắng tìm ra một prompt dài từ đầu.
Sự phát triển tiếp theo là Ứng dụng AI Desktop. Claude Cowork, Microsoft Copilot Cowork và Google Antigravity đều đang phát triển tính năng này. Sự khác biệt là các ứng dụng này có thể khám phá các tệp trên máy tính của bạn một cách tác nhân và đọc các tệp có liên quan vào ngữ cảnh khi cần, mà không cần bạn phải quyết định tải lên cái gì trước.
Quy trình ba bước tiêu chuẩn: bạn nói phải làm gì (ví dụ: sắp xếp một thư mục lộn xộn chứa các tệp PDF nghiên cứu), AI cung cấp một kế hoạch hành động nhưng không hành động, bạn xem xét kế hoạch, và chỉ sau đó mới để nó thực thi. Mẹo an toàn: các tệp bị xóa bởi ứng dụng desktop thường không vào thùng rác và các tệp đã chỉnh sửa không có lịch sử hoàn tác. Tốt nhất không nên cấp cho nó toàn bộ thư mục home của bạn, chỉ nên cấp các thư mục con liên quan đến nhiệm vụ.
Kỷ nguyên Lý luận + Chống nịnh hót: Cách buộc Mô hình nói sự thật
Bắt đầu từ năm 2025, AI bước vào kỷ nguyên mô hình lý luận, có khả năng dành vài giây đến vài phút để suy nghĩ về một vấn đề. Nghiên cứu của METR cho thấy từ năm 2024 đến 2025, độ dài của các nhiệm vụ mà AI có thể xử lý đã tăng từ "vài phút đối với con người" lên "vài giờ đối với con người."
Andrew Ng đặc biệt lưu ý rằng lời khuyên cũ "Hãy suy nghĩ từng bước một" giờ đã lỗi thời. Nó hiệu quả trong giai đoạn 2023-2024, nhưng không còn cần thiết nữa. Chỉ cần bảo mô hình "suy nghĩ kỹ" hoặc sử dụng từ khóa "ultrathink." Một số giao diện người dùng có tùy chọn "suy nghĩ" mà bạn có thể chọn.
Quy trình lý luận nội bộ là một vòng lặp: nhận prompt, lý luận một lúc, gọi công cụ tìm kiếm web hoặc tệp nếu cần thêm thông tin, lý luận thêm với thông tin mới, và cuối cùng xuất ra câu trả lời khi đã đủ. Các trường hợp sử dụng mạnh mẽ: kế hoạch hoạt động cho một công ty khởi nghiệp bốn người trong 12 tháng, lập kế hoạch tuyến đường nhanh nhất cho 5 địa danh ở Rome, hoặc phân tích nhiều tệp PDF gia đình để quyết định mua xe nào.
Nhưng lý luận mạnh mẽ hơn không có nghĩa là trung thực. Nịnh hót là một trong những vấn đề khó giải quyết nhất. Nghiên cứu từ Washington Post cho thấy ChatGPT đồng ý với người dùng nhiều hơn gấp 10 lần so với không đồng ý, nói những câu như "Anh bạn, điều bạn vừa nói thật sâu sắc, bạn đúng 1000%." Các mô hình được huấn luyện trên phản hồi của con người; người dùng thích cho like khi được khen và dislike khi bị phản đối, củng cố xu hướng đồng ý.
4 Mẹo để chống nịnh hót:
Đầu tiên, đặt câu hỏi trung lập, không thiên vị. Thay đổi "Làm việc từ xa tốt hơn phải không?" thành "So sánh năng suất của làm việc từ xa và làm việc tại văn phòng."
Thứ hai, sử dụng tiêu chí đánh giá để buộc đánh giá khách quan. Trước khi để AI xem xét sơ yếu lý lịch hoặc kế hoạch kinh doanh của bạn, hãy cung cấp một tiêu chuẩn chấm điểm (ví dụ: Nhân vật 25 điểm / Cốt truyện 25 điểm) để buộc nó chấm điểm từng mục.
Thứ ba, tránh gắn thiên vị vào các câu hỏi phân tích dữ liệu. "Phân tích dữ liệu để tìm tất cả các chỉ số hiệu suất tích cực" khiến AI chỉ nhìn vào mặt tích cực; "Phân tích dữ liệu một cách khách quan" khiến nó nhìn vào cả hai mặt.
Thứ tư, sử dụng "liệt kê ưu và nhược điểm của hai lựa chọn" thay vì "A không tốt hơn B sao?" Trình bày cả hai lựa chọn ngăn mô hình biết bạn muốn cái nào thắng.
Kỹ thuật Viết: Lập dàn ý Tiến bộ + Tiêu chí Khách quan
Dữ liệu OpenAI cho thấy 24% cuộc trò chuyện trên ChatGPT là để viết lách, trường hợp sử dụng lớn nhất. Hai phần ba trong số đó là chỉnh sửa văn bản hiện có, không phải bắt đầu từ đầu. Mô-đun 2 dành nhiều thời gian để giải thích cách tránh "AI slop."
4 Đặc điểm của AI Slop: lạm dụng dấu gạch ngang, các từ tần suất cao như "tinh tế," "đi sâu" và "mạnh mẽ," danh sách ba phần, và các cấu trúc câu rỗng "không phải X mà là Y." Điều thú vị là con người đã bắt đầu bắt chước AI, với từ "đi sâu" xuất hiện nhiều hơn đáng kể trong các podcast và bài phát biểu.
Phương thuốc của Andrew Ng là phương pháp Lập dàn ý Tiến bộ:
Bước 1: Yêu cầu AI tạo dàn ý trước (không có nội dung thân bài).
Bước 2: Đưa ra phản hồi và lặp lại cho đến khi hài lòng.
Bước 3: Mở rộng dàn ý thành các gạch đầu dòng.
Bước 4: Đưa ra phản hồi về các gạch đầu dòng và lặp lại.
Bước 5: Cuối cùng, để AI viết toàn bộ văn bản.
Tại sao nó hiệu quả: thay đổi một câu ở giai đoạn dàn ý có nghĩa là toàn bộ một phần được viết lại, mang lại đòn bẩy cao. Chỉnh sửa từng chữ từng câu một bản thảo do AI viết đầy đủ là không hiệu quả và thường để lại mùi "AI slop."
Một mẹo nâng cao cho việc chỉnh sửa là Tiêu chí + Phê bình Chéo Mô hình. Nếu bạn yêu cầu AI phản hồi về tiểu thuyết khoa học viễn tưởng của mình, nó thường sẽ nói "nó rất hay." Hãy cung cấp cho nó một tiêu chí với các mục phụ nhị phân (ví dụ: "Nhân vật chính có mục tiêu không?"), và nó buộc phải khách quan. Chấm điểm trước rồi tổng cộng đáng tin cậy hơn nhiều so với việc chọn một điểm tổng thể và sau đó biện minh cho nó.
Phê bình chéo mô hình liên quan đến việc lấy một bài viết do ChatGPT viết và đưa cho Gemini xem xét, hoặc ngược lại. Các mô hình khác nhau có các thiên vị khác nhau; đánh giá lẫn nhau có thể phát hiện các vấn đề mà việc tự đánh giá của một mô hình duy nhất sẽ bỏ sót.
Đa phương thức + Vibe Coding: Hình ảnh, Mã và Phân tích Dữ liệu
Mô-đun 3 chuyển sang đa phương thức. Hiểu được gradient chi phí tạo sinh là chìa khóa: văn bản rẻ nhất, giọng nói đắt hơn một chút, hình ảnh mất vài giây và tốn vài xu, và video là đắt nhất và vẫn đang được cải thiện.
Khả năng nhập hình ảnh: Andrew Ng đã cho thấy một bản phác thảo CNN trên bảng trắng nơi đầu anh ấy chắn mất từ "convolutional," nhưng AI vẫn đoán đúng. Tuy nhiên, nhận dạng tinh vi có thể thất bại; yêu cầu AI xác định thiết bị tập thể dục cụ thể từ xa thường dẫn đến các lỗi tự tin. Nó xử lý hóa đơn và chữ viết tay tốt, nhưng các nhiệm vụ rủi ro cao phải được kiểm tra kỹ lưỡng.
Tạo hình ảnh sử dụng mô hình khuếch tán, khôi phục hình ảnh từ nhiễu cùng một lúc, dẫn đến các vấn đề như bàn tay kỳ lạ hoặc các nhân vật không nhất quán. Các mô hình mới như Nano Banana đã khắc phục phần lớn điều này. Một mẹo thực tế: nếu bạn không thể viết một prompt hình ảnh, hãy để một AI văn bản viết nó cho bạn; nó sẽ tự động thêm chi tiết về cảnh, nhân vật và phong cách.
Ứng dụng thú vị nhất của Andrew Ng là cho chiếc bánh sinh nhật của con gái 7 tuổi Nova. Anh ấy đã sử dụng Nano Banana để tạo ra một hình ảnh chiếc bánh mèo và đưa cho một thợ làm bánh để tạo ra một chiếc bánh 3D thực tế. AI ở đây đóng vai trò như một đối tác động não, không phải là điểm đến cuối cùng.
Vibe Coding là nửa còn lại của Mô-đun 3. Một prompt duy nhất có thể để AI viết toàn bộ một ứng dụng web. Phòng thí nghiệm của khóa học bao gồm 5 ví dụ: một chương trình bắn pháo hoa, một công cụ chọn bảng màu, một đồng hồ Pomodoro, một máy tính chi phí bữa ăn và một công cụ chọn trang phục dựa trên thời tiết. Mỗi cái là một công cụ nhỏ được tạo ra từ một câu.
Prompt ba phần tiêu chuẩn để xây dựng: nêu mục tiêu (làm gì), đầu vào (người dùng tương tác như thế nào) và đầu ra (chương trình hiển thị gì).
Khả năng mã mở rộng đến phân tích dữ liệu. Tải dữ liệu bán hàng lên AI và yêu cầu nó "vẽ đồ thị sản phẩm nào có thay đổi doanh số hàng tháng lớn nhất." Nó sẽ gọi một công cụ chạy mã, viết Python để tính toán thay đổi, xác định các điểm bất thường và vẽ đồ thị. AI có thể thực hiện hàng giờ phân tích dữ liệu trong vài phút.
Kết luận
Lập luận cốt lõi của khóa học Andrew Ng là thế này: AI năm 2026 không còn là chatbot năm 2022 nữa. Nó có thể lý luận trong vài phút, đọc ngữ cảnh 750k từ, tìm kiếm hàng chục trang song song và xử lý hình ảnh, mã và dữ liệu. Tuy nhiên, hầu hết mọi người vẫn sử dụng nó với các phương pháp năm 2022 (prompt ngắn và câu hỏi kiểu Google), vì vậy họ chỉ nhận được đầu ra cấp độ năm 2022.
Nâng cấp cách sử dụng của bạn với 4 hành động ROI cao: cung cấp ngữ cảnh dồi dào, sử dụng tiêu chí/câu hỏi trung lập để ngăn nịnh hót, sử dụng lập dàn ý tiến bộ để viết và sử dụng "ultrathink" cho các nhiệm vụ phức tạp.
Liên kết khóa học đầy đủ: learn.deeplearning.ai/courses/ai-prompting-for-everyone (Miễn phí trên DeepLearning.AI, 21 bài học, mất khoảng 2 giờ để hoàn thành).
