OpenAI công bố hướng dẫn prompt GPT-5.6: chỉ đưa ra kết quả và vạch đỏ, phần còn lại do mô hình xử lý

OpenAI công bố hướng dẫn prompt cho GPT-5.6: các bài kiểm thử nội bộ cho thấy, sau khi tinh giản một system prompt dài dòng, điểm số không những không giảm mà còn tăng thêm 10% đến 15%, đồng thời lượng token còn tiết kiệm được 41% đến 66%. Nói cách khác, khi yêu cầu mô hình “chuẩn bị ít hơn”, nó lại chạy nhanh hơn và trả lời chính xác hơn.

Đây là phần trọng tâm được nêu trong hướng dẫn prompt cho GPT-5.6 mà OpenAI chính thức công bố; dưới đây, tác giả tổng hợp 3 điểm: vì sao tinh giản lệnh (chỉ dẫn) lại hiệu quả hơn, cách viết mới mà OpenAI khuyến nghị là gì, và các nhà phát triển thực tế cần thay đổi ra sao.

Mệnh đề 1: Chỉ dẫn càng ít, mô hình càng chính xác?

Trực giác của các kỹ sư khi viết prompt trước đây là “càng chi tiết thì mô hình càng nghe lời”: đưa vào từng bước, từng tình huống ngoại lệ, và lo sợ mô hình sẽ sót điều gì đó. Nhưng OpenAI trong hướng dẫn đã gọi thẳng rằng trực giác này trên GPT-5.6 không còn đúng. Đội ngũ kỹ thuật thử nghiệm và phát hiện: một system prompt—hiểu đơn giản là đoạn chỉ dẫn thiết lập ẩn mà nhà phát triển nhét cho mô hình trước khi bắt đầu hội thoại với người dùng—nếu chứa đầy các quy tắc lặp lại, những lời dặn về phong cách không tạo ảnh hưởng thực chất đến hành vi, các ví dụ thừa, cùng các hướng dẫn quy trình mà mô hình vốn đã làm được, thì sau khi gỡ bỏ, hiệu năng của mô hình lại tốt hơn.

Cách làm cụ thể mà hướng dẫn đưa ra là “từ bản chạy được rồi xóa dần từng phần nghi ngờ”: giữ nguyên prompt hiện tại đang hiệu quả, lần lượt loại bỏ từng đoạn; đồng thời theo dõi eval (điểm lượng hóa đánh giá AI). Nói đơn giản: dùng một bộ nhiệm vụ cố định cho mô hình chạy, chấm điểm để biết câu trả lời có tốt hơn không, có bị tụt xuống hay không.

Thứ thực sự nên giữ lại là: kết quả mà người dùng nhìn thấy, các tiêu chí phán đoán thành công và dừng lại, các giới hạn an toàn và thương mại, quy tắc lựa chọn công cụ tùy theo ngữ cảnh, và định dạng đầu ra yêu cầu. Phần còn lại phần lớn là “lời thừa” do kỹ sư thêm vào để yên tâm.

Hướng dẫn cũng chỉ ra một khâu hay bị bỏ qua: mô tả công cụ bản thân cũng là một phần của prompt. Cho mô hình càng nhiều công cụ, và mô tả càng mơ hồ, thì chi phí để mô hình phán đoán nên dùng công cụ nào sẽ càng cao. OpenAI khuyến nghị chỉ đưa những công cụ liên quan đến nhiệm vụ, và với mỗi công cụ đều phải nêu rõ cần làm gì, khi nào thì dùng, và nếu xảy ra lỗi thì mô hình nên thể hiện ra sao. Nói cách khác, sự tinh gọn không chỉ nằm ở “chỉ dẫn”, mà cả “hộp công cụ” cũng cần được cắt gọn.

Đừng viết từng bước nữa, hãy viết “đích đến” là đủ

Câu cốt lõi nhất trong hướng dẫn là: “Định nghĩa kết quả, các giới hạn quan trọng, bằng chứng cần thiết, tiêu chí hoàn thành, rồi chừa chỗ để mô hình tự chọn đường đi hiệu quả.” Nói đơn giản: chỉ cho mô hình biết phải đi tới đâu và những “đường ranh đỏ” không được chạm, còn không cần quy định từng bước nó nên làm thế nào.

Ví dụ OpenAI đưa ra là: “giải quyết yêu cầu bằng vòng lặp công cụ lặp lại ít nhất có ích, nhưng không được hy sinh tính đúng đắn, bằng chứng cần thiết hoặc việc trích dẫn chỉ vì giảm số lần lặp vòng.” Đây là một quy tắc quyết định kiểu “nếu X thì Y”, chứ không phải lệnh cứng nhắc bắt buộc.

Một chi tiết dễ bị bỏ qua khác là GPT-5.6 theo mặc định trả lời khá gọn gàng. Trước đây, các kỹ sư hay thêm vào prompt kiểu “hãy trả lời ngắn”, giờ có thể là không cần thiết thậm chí còn có hại. Hướng dẫn khuyến nghị thay bằng tham số text.verbosity: hiểu đơn giản là dùng riêng một tham số để điều khiển độ dài câu trả lời, tách bạch khỏi giọng điệu; chia thành ba mức low, medium, high để chuyên quản độ dài, còn giọng điệu và mức trang trọng thì mô tả riêng về tính cách—cả hai đều viết ngắn.

Nếu thực sự cần câu trả lời ngắn hơn nữa, hướng dẫn khuyên nên nói rõ “giữ gì, cắt gì”, thay vì ném một câu chung chung kiểu “ngắn hơn một chút”. Còn việc mô hình cần tốn bao nhiêu công sức để suy nghĩ—tức reasoning effort—hiểu đơn giản là mức “lực suy nghĩ” mà mô hình phải bỏ ra trước khi trả lời; hướng dẫn chia thành low, medium, high, xhigh và max. Trước khi tăng mức, OpenAI khuyến nghị kiểm tra trước xem prompt có đã viết rõ tiêu chí thành công và vòng xác minh hay chưa; rất nhiều lúc “nói cho rõ” còn hiệu quả hơn “bơm thêm cho mô hình suy nghĩ nhiều hơn”.

Từ “chồng chỉ dẫn” sang “điều chỉnh dựa trên đo lường”

Ảnh hưởng thực tế nhất với nhà phát triển là một quy trình chuyển prompt đi kèm trong hướng dẫn.

OpenAI nói thẳng: khi đổi mô hình thì không nên viết lại toàn bộ prompt ngay từ đầu. Lý do là nếu đồng thời đổi mô hình, thay đổi cấu hình suy luận, prompt và bộ công cụ, thì sau đó không còn cách nào biết được thay đổi hành vi là do yếu tố nào gây ra. Thứ tự đúng là: đổi mô hình trước, giữ nguyên các thiết lập độ mạnh suy luận ban đầu, chạy một lần eval đại diện làm mốc; rồi bỏ các “giàn giáo” đã lỗi thời và các chỉ dẫn trùng lặp, chỉ sửa ở mức nhỏ nhất vào những chỗ mà eval cho thấy hiệu năng thực sự bị giảm; sau đó chạy lại và đo lần nữa. Mỗi khi sửa một biến số, lại đo một lần; tuyệt đối không được đổi đồng loạt lúc chưa đo.

Hướng dẫn cũng yêu cầu nhà phát triển phải ghi rõ “mô hình được tự đưa ra bao nhiêu quyết định”, thay vì mơ hồ cho qua. Chính sách mẫu của OpenAI đưa ra là: với các yêu cầu như trả lời, giải thích, kiểm tra—mô hình chỉ được kiểm tra và báo cáo, không được tự tay chỉnh sửa; với các yêu cầu liên quan đến thay đổi hoặc sửa chữa trong phạm vi cho phép, mô hình có thể tự thực hiện thay đổi cục bộ và chạy các xác thực không phá hủy; còn những yêu cầu thực sự liên quan đến ghi ra bên ngoài, các hành động mang tính phá hủy hoặc mở rộng phạm vi nhiệm vụ—bắt buộc phải dừng lại để hỏi trước.

Chỉ dẫn càng viết càng nhiều trước đây từng là cách để kỹ sư yên tâm. Hiện nay xem ra, điều đó có thể làm chậm mô hình và cũng kéo theo chi phí hóa đơn. Khi mô hình càng thông minh, người ta lại càng nên học cách nói ít hơn, dành sức cho đo lường và xác thực.