So sánh prompt cho ChatGPT, Gemini và Claude: có gì khác?

Mục lục bài viết

Nhiều người dùng AI gặp cùng một trải nghiệm rất quen: lấy một prompt đang chạy khá ổn ở công cụ này, copy sang công cụ khác, rồi thấy kết quả không còn “đã tay” nữa. Có khi nội dung bị dài hơn, có khi cộc hơn, có khi lại không giữ đúng format, hoặc cùng một yêu cầu nhưng mỗi công cụ hiểu trọng tâm hơi khác.

Từ đó, người dùng thường đi đến hai thái cực.

Một là kết luận rất nhanh rằng một công cụ “thông minh hơn hẳn” công cụ còn lại. Hai là bắt đầu đồn nhau những kiểu mẹo quá tuyệt đối như “Claude phải prompt bằng XML”, “Gemini chỉ cần prompt ngắn”, hay “ChatGPT càng dài càng tốt”.

Thực tế tinh tế hơn như vậy.

Điểm đúng là: cùng một nhiệm vụ, cách prompt hiệu quả cho ChatGPT, Gemini và Claude có thể khác nhau đôi chút.  

Điểm chưa đúng là: khác nhau đó không phải luật cứng.

Bạn không cần biến việc prompt thành một tôn giáo. Bạn chỉ cần hiểu mỗi công cụ thường phản hồi tốt hơn với kiểu cấu trúc nào, rồi điều chỉnh brief của mình cho hợp. Đây mới là cách dùng AI thực chiến, tiết kiệm thời gian và ít tốn công sửa nhất.

Bài viết này của ahiTEC sẽ giúp bạn nhìn câu chuyện một cách thực dụng hơn: không so sánh theo kiểu fan công cụ, mà so sánh theo cách giao việc để đầu ra dùng được nhanh hơn.

Trước hết: có những thứ luôn giống nhau ở cả 3 công cụ

Dù bạn dùng ChatGPT, Gemini hay Claude, một prompt tốt gần như luôn có 5 thành phần nền:

1. Mục tiêu: bạn muốn AI làm gì?  
2. Bối cảnh: tài liệu này dùng ở đâu, cho ai, trong tình huống nào?  
3. Dữ liệu đầu vào: note, email, file, danh sách ý, phản hồi khách hàng…  
4. Ràng buộc: độ dài, giọng điệu, điều phải tránh, tiêu chí đúng/sai.  
5. Đầu ra: bạn muốn nhận lại danh sách, bảng, email, SOP, dàn ý hay bản nháp?

Nếu thiếu 1 trong 5 lớp này, mọi công cụ đều có thể trả về kết quả kém hơn mức cần thiết.

Vì vậy, đừng bắt đầu bằng câu hỏi: “Tool nào mạnh hơn?”  

Hãy bắt đầu bằng câu hỏi: “Brief của tôi đã đủ rõ chưa?”

Vậy điểm khác nhau nằm ở đâu?

Điểm khác chủ yếu nằm ở cách mỗi model phản hồi tốt hơn với cấu trúc prompt, chứ không chỉ ở bản thân câu chữ.

Nói đơn giản:

• có model hợp với prompt chia section rất rõ,
• có model phản hồi tốt khi bạn cho ví dụ định dạng cụ thể,
• có model đặc biệt hưởng lợi khi bạn tách instructions, context và input thành các block rõ ràng.

Hiểu được chuyện này giúp bạn tránh một lỗi rất phí thời gian: dùng cùng một prompt cho mọi nơi rồi trách công cụ.

ChatGPT thường hợp với kiểu prompt nào?

Trong thực tế sử dụng, ChatGPT thường cho cảm giác làm việc tốt hơn khi brief được chia thành các khối khá rõ như:

• vai trò,
• nhiệm vụ,
• bối cảnh,
• tiêu chí,
• định dạng đầu ra,
• ví dụ nếu có.

Điều này đặc biệt hữu ích khi bạn cần:

• lên dàn ý,
• brainstorm theo nhiều hướng,
• viết bản nháp đầu,
• tạo đầu ra có cấu trúc,
• hoặc chạy các tác vụ nhiều bước nhưng vẫn muốn giữ một prompt chính đủ gọn.

Prompt style thường hiệu quả với ChatGPT

Một cấu trúc đơn giản và hay dùng:

“Bạn là [vai trò].
Nhiệm vụ: [việc cần làm].
Bối cảnh: [thông tin cần biết].
Yêu cầu: [ràng buộc].
Đầu ra: [format mong muốn].
Tiêu chí chất lượng: [3 điều quan trọng nhất].”

Ví dụ:

Bạn là biên tập viên blog AI ứng dụng.  
Nhiệm vụ: lên dàn ý cho bài viết về cách dùng AI để viết SOP.  
Bối cảnh: bài viết dành cho quản lý team nhỏ và freelancer, ưu tiên tính thực tế.  
Yêu cầu: tránh lý thuyết dài, phải có ví dụ dùng được ngay.  
Đầu ra: dàn ý H2/H3, kèm 3 prompt mẫu và 1 checklist cuối bài.  
Tiêu chí chất lượng: rõ, thực tế, ít sáo rỗng.

Khi nào nên prompt theo kiểu này?

• Khi bạn cần bản nháp đầu để tiếp tục biên tập
• Khi bạn muốn AI làm nhiều phần trong cùng một output
• Khi bạn muốn kiểm soát tương đối chặt cấu trúc câu trả lời

Dấu hiệu prompt cho ChatGPT còn chưa ổn

• brief có quá nhiều ý chen lẫn, không chia khối
• yêu cầu đầu ra không rõ
• không nói tiêu chí chất lượng
• hoặc bạn nhờ một việc phức tạp nhưng lại không tách rõ nhiệm vụ chính

Gemini thường hợp với kiểu prompt nào?

Gemini thường phản hồi tốt khi bạn viết prompt rõ, trực tiếp, ít mập mờ, và đặc biệt hiệu quả hơn khi:

• chỉ định cụ thể response format,
• bổ sung context cần thiết,
• thêm examples nếu bạn muốn kiểm soát phrasing hoặc độ ngắn/dài,
• và nói rõ “được coi là đúng” nghĩa là gì.

Với các tác vụ như:

• phân loại,
• tóm tắt,
• tạo đầu ra ngắn có format rõ,
• hoặc xử lý thông tin có nhiều bối cảnh đi kèm,
• cách prompt rõ ràng, cụ thể, ít nước đôi thường cho kết quả tốt hơn.

Prompt style thường hiệu quả với Gemini

“Đọc nội dung dưới đây và thực hiện đúng 3 việc:
1) ...
2) ...
3) ...

Bối cảnh:
...

Format trả về:
- Phần 1:
- Phần 2:
- Phần 3:

Ví dụ mong muốn:
[example nếu có]”

Ví dụ:

Đọc ghi chú cuộc họp dưới đây và thực hiện đúng 3 việc:
1) tóm tắt mục tiêu cuộc họp,
2) trích danh sách việc cần làm,
3) ghi lại các câu hỏi còn mở.

Bối cảnh:
Đây là cuộc họp nội bộ của team content. Người đọc là trưởng nhóm cần chốt việc ngay trong ngày.

Format trả về:
- Mục tiêu cuộc họp
- Việc cần làm
- Câu hỏi còn mở

Yêu cầu:
Viết ngắn, rõ, ưu tiên hành động. Không diễn giải lan man.

Khi nào nên prompt theo kiểu này?

• Khi bạn cần đầu ra rõ format
• Khi bạn cần câu trả lời cô đọng
• Khi bạn có thể cho 1 đến 2 ví dụ mẫu tốt

Dấu hiệu prompt cho Gemini còn chưa ổn

• phần yêu cầu quá chung như “viết hay hơn”, “tóm tắt chuyên nghiệp hơn”
• không chỉ định format
• có ví dụ nhưng ví dụ không nhất quán với kết quả bạn muốn

Claude thường hợp với kiểu prompt nào?

Claude thường cho kết quả tốt khi bạn viết rõ, trực diện, giàu bối cảnh, và đặc biệt hữu ích hơn khi prompt được chia phần rất rành mạch. Với các tác vụ như:

• xử lý tài liệu dài,
• biên tập theo tone,
• phân tích có cấu trúc,
• biến dữ liệu thô thành tài liệu sạch,
• hoặc các nhiệm vụ cần consistency cao,

Claude thường phản hồi tốt khi bạn:

• nói thẳng điều muốn nó làm,
• giải thích bối cảnh hoặc lý do của task,
• cho examples phù hợp,
• và với prompt phức tạp, dùng các tag hoặc block tách phần rõ ràng.

Prompt style thường hiệu quả với Claude

Bạn không nhất thiết phải viết XML thật phức tạp. Chỉ cần tư duy theo block:

<context>...</context>
<task>...</task>
<criteria>...</criteria>
<output>...</output>

Ví dụ:

<context>
Đây là ghi chú thô từ một quy trình onboarding content intern. Team muốn biến thành SOP dùng thật.
</context>

<task>
Hãy chuyển ghi chú thành SOP đầy đủ cho người mới.
</task>

<criteria>
- Câu ngắn, rõ
- Có mục lỗi thường gặp
- Đánh dấu chỗ còn thiếu là ‘cần xác minh’
- Ưu tiên hành động thay vì giải thích dài
</criteria>

<output>
Trả kết quả theo 8 phần: mục tiêu, phạm vi, người thực hiện, chuẩn bị, các bước, kiểm tra chất lượng, ngoại lệ, đầu ra cuối cùng.
</output>

Khi nào nên prompt theo kiểu này?

• Khi tài liệu đầu vào dài hoặc lộn xộn
• Khi bạn muốn tách context, task, rules và output cho thật sạch
• Khi cần giữ tone hoặc format ổn định qua nhiều lần dùng

Dấu hiệu prompt cho Claude còn chưa ổn

• bạn dồn mọi thứ vào một đoạn văn quá dài mà không chia block
• có nhiều yêu cầu nhưng không phân tầng đâu là task chính, đâu là tiêu chí
• ví dụ và dữ liệu đầu vào bị trộn lẫn, khiến model khó phân biệt

Một bài test rất công bằng: cùng một nhiệm vụ, đổi cách prompt chứ đừng chỉ đổi tool

Hãy lấy cùng một nhiệm vụ: biến ghi chú họp thành email follow-up + danh sách việc cần làm.

Prompt base quá chung

“Hãy đọc ghi chú dưới đây và viết email follow-up cùng danh sách việc cần làm.”

Prompt này có thể chạy được ở cả 3 công cụ, nhưng đầu ra sẽ dao động mạnh vì nó thiếu:

• người nhận,
• giọng điệu,
• độ dài,
• format,
• và tiêu chí rõ ràng.

Phiên bản hợp hơn với ChatGPT

Bạn là trợ lý dự án.  
Nhiệm vụ: đọc ghi chú họp và tạo 2 đầu ra.  
Đầu ra 1: email follow-up gửi cho khách hàng, dài tối đa 140 từ.  
Đầu ra 2: danh sách việc cần làm nội bộ theo dạng bullet.  
Bối cảnh: cuộc họp vừa chốt mốc thời gian và 3 hạng mục cần sửa.  
Tiêu chí: rõ, lịch sự, có bước tiếp theo.

Phiên bản hợp hơn với Gemini

Đọc ghi chú họp dưới đây và thực hiện đúng 2 việc:
1) viết email follow-up cho khách hàng,
2) tạo danh sách việc cần làm nội bộ.

Format:
- Email follow-up
- Việc cần làm

Yêu cầu:
- Email tối đa 140 từ
- Giọng điệu lịch sự, gọn
- Việc cần làm phải có deadline nếu dữ liệu có sẵn
- Nếu thiếu deadline, ghi ‘chưa xác định’

Phiên bản hợp hơn với Claude

<context>
Đây là ghi chú của một cuộc họp với khách hàng. Tôi cần một bản follow-up đủ chuyên nghiệp để gửi ngay và một task list nội bộ để giao việc.
</context>

<task>
Tạo 2 phần đầu ra từ ghi chú dưới đây.
</task>

<criteria>
- Email ngắn, lịch sự, đi thẳng vào phần đã thống nhất
- Task list rõ từng hạng mục
- Nếu thông tin chưa đủ chắc, không tự bịa
</criteria>

<output>
Phần 1: email follow-up  
Phần 2: task list nội bộ
</output>

Điều quan trọng ở đây không phải “tool nào thắng”. Điều quan trọng là bạn đã điều chỉnh cách giao việc cho hợp hơn với từng style phản hồi.

Có cần viết 3 prompt khác nhau cho mọi task không?

Không.

Trong đa số công việc hằng ngày, bạn có thể dùng một prompt gốc rồi tinh chỉnh nhẹ cho từng công cụ.

Cách làm thực tế nhất là:

1. Tạo một master brief gồm mục tiêu, bối cảnh, input, ràng buộc, output.  
2. Test trên 3 công cụ.  
3. Ghi lại xem công cụ nào cần:

• thêm examples,
• thêm format,
• chia block rõ hơn,
• hay rút gọn bớt.

Sau 3 đến 5 lần test, bạn sẽ có một thư viện prompt “cùng một task nhưng có 3 biến thể nhẹ”.

Đó là cách tiết kiệm hơn nhiều so với mỗi lần lại prompt từ đầu.

5 nguyên tắc giúp so sánh prompt công bằng hơn

1. So sánh cùng một bài toán

Đừng test mỗi tool một yêu cầu khác nhau.

2. Giữ cùng dữ liệu đầu vào

Nếu input khác nhau, so sánh mất ý nghĩa.

3. Chấm theo cùng một rubric

Ví dụ: đúng ý, rõ cấu trúc, ít phải sửa, dùng được nhanh.

4. Đừng đánh giá chỉ ở lần trả lời đầu

Nhiều task mạnh ở vòng refinement chứ không chỉ ở first draft.

5. Phân biệt “tệ do tool” với “tệ do brief”

Rất nhiều kết quả trung bình thực ra bắt nguồn từ brief mơ hồ.

6 sai lầm phổ biến khi điều chỉnh prompt theo từng model

1. Tin vào mẹo truyền miệng như luật cứng

Ví dụ: “Claude bắt buộc XML”, “Gemini chỉ prompt ngắn”, “ChatGPT phải viết dài”. Đây đều là cách hiểu quá mức.

2. Làm prompt phức tạp hơn nhu cầu thật

Một việc đơn giản như tóm tắt email không cần framework nặng.

3. Không đưa ví dụ khi cần consistency cao

Nếu bạn muốn cùng một tone, cùng một format, ví dụ thường giúp hơn nhiều.

4. Không tách nhiệm vụ chính và tiêu chí đánh giá

Model dễ trả lời lan man khi không biết cái gì là trọng tâm.

5. Không lưu lại prompt đã chạy tốt

Prompt hiệu quả nên trở thành template.

6. Không retest khi model cập nhật

Hành vi model có thể thay đổi theo thời gian, nên prompt tốt năm nay chưa chắc tối ưu y hệt vài tháng sau.

Kết luận

Khác biệt lớn nhất giữa ChatGPT, Gemini và Claude không nằm ở việc một công cụ “biết nhiều hơn” theo cách đơn giản. Khác biệt thực dụng hơn nằm ở cách bạn nên đóng gói yêu cầu để mỗi công cụ hiểu việc nhanh và đúng hơn.

Bạn không cần 3 bộ prompt hoàn toàn khác nhau cho mọi thứ. Nhưng bạn nên biết:

• khi nào cần chia brief thành section rõ,
• khi nào cần đưa ví dụ,
• khi nào nên dùng block hoặc tag để tách context với task,
• và khi nào một prompt ngắn, rõ đã là đủ.

Khi hiểu điểm này, bạn sẽ bớt tranh luận kiểu “tool nào hay nhất” và bắt đầu làm điều quan trọng hơn: xây prompt nào giúp công việc chạy tốt nhất.