ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Bắt đầu với AI

AI Foundation

Chuỗi suy luận từng bước

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Kỹ thuật nhắc AI trình bày suy nghĩ theo từng bước trước khi chốt đáp án — giúp dân văn phòng có câu trả lời chắc tay hơn ở những việc nhiều bước.

lesson24 minBắt đầu với AIAI Foundation

Giới thiệu

Cửa hàng dán bảng 'giảm 20%, thêm 10% tại quầy thanh toán'. Tổng cộng bạn được giảm bao nhiêu phần trăm so với giá gốc?

Predict first

Cửa hàng giảm 20%, rồi giảm thêm 10% tại quầy. Tổng cộng bạn được giảm bao nhiêu?

Câu chuyện về phần trăm giảm kép cũng chính là câu chuyện của tất cả những việc nhiều bước ở văn phòng: lương, thuế, thưởng, so sánh nhà cung cấp. Cùng xem vì sao một câu “Hãy suy nghĩ từng bước” lại thay đổi hoàn toàn cuộc chơi.

Hãy nhớ thời đi học: cô giáo luôn dặn “trình bày bài giải, đừng chỉ viết mỗi đáp án”. Em nào nhảy thẳng đến kết quả cuối rất hay sai ở bài nhiều bước, còn em nào chịu khó viết từng dòng lại thường đúng, dù chưa phải giỏi nhất. Chain-of-Thought làm đúng việc đó với AI: yêu cầu AI viết nháp trước khi kết luận.

Một cách so sánh khác: khi luật sư tranh luận trước toà, họ không nhảy thẳng đến câu “thân chủ tôi vô tội”. Họ dẫn dắt từng mắt xích — chứng cứ A, nhân chứng B, tình tiết C — rồi mới chốt. Nhờ đó toà (và cả chính họ) có cơ hội phát hiện chỗ lỏng lẻo trước khi quyết định. AI cũng vậy: càng đi qua nhiều mắt xích đúng, xác suất đáp án cuối đúng càng cao.

Trong công việc văn phòng, “nhiều mắt xích” xuất hiện ở khắp nơi: tính công nợ qua nhiều kỳ, so sánh 3 hợp đồng, viết báo cáo nhiều đề mục, lên lịch họp có ràng buộc. Bạn càng ép AI trình bày nháp, mức kiểm soát của bạn càng cao — và sai sót giảm rõ rệt.

Demo 1 — Nhanh vs. nháp kỹ

So sánh hai cách trả lời cùng một câu hỏi: trả lời ngay, và nháp từng bước trước khi chốt.

Câu trả lời trực tiếp

  • Sai AI trả lời trong 1 nhịp

Suy nghĩ từng bước

  • Đúng AI nháp từng bước trước khi chốt

Khi có thời gian để nháp, AI tự kiểm từng bước trước khi chốt.

Khi nào nên bật “nháp từng bước”?

Demo 2 — Bạn tự xếp các bước

Tình huống: bạn được sếp giao so sánh ba nhà cung cấp A, B, C rồi đề xuất chọn một bên. Dưới đây là chuỗi suy luận lành mạnh, theo đúng thứ tự.

Chuỗi suy luận

1 / 5
  1. 1. Thu thập

    Gom thông tin giá, thời hạn và điều kiện của ba nhà cung cấp.

Demo 3 — Hai mẫu prompt

Cùng một câu hỏi tính phụ cấp. Chỉ cần thêm một câu dặn “hãy liệt kê từng khoản rồi cộng lại”, câu trả lời của AI đã kiểm được rõ ràng và bạn có thể đối chiếu với Excel trong 5 giây.

Prompt kiểu cũ

  • “Nhân viên thử việc có lương cứng 8 triệu, phụ cấp ăn trưa 730.000, phụ cấp điện thoại 300.000. Tính tổng thu nhập.”
  • AI: “Tổng thu nhập khoảng 9 triệu.”
  • Tròn số, không thấy rõ AI tính gì — bạn không kiểm được.

Prompt theo chuỗi suy luận

  • “Nhân viên thử việc có lương cứng 8 triệu, phụ cấp ăn trưa 730.000, phụ cấp điện thoại 300.000. **Hãy liệt kê từng khoản rồi cộng lại, cuối cùng mới ghi tổng.**”
  • AI nháp: 1. Lương cứng: 8.000.000 · 2. Phụ cấp ăn trưa: 730.000 · 3. Phụ cấp điện thoại: 300.000
  • Kết quả: Tổng: 9.030.000 đồng
  • Có nháp rõ ràng — bạn kiểm tra từng dòng trong 5 giây.

Chỉ thêm một câu dặn “hãy liệt kê từng khoản rồi cộng lại”.

Cùng một câu hỏi về phụ cấp — chỉ thay đổi vài câu trong prompt, chất lượng câu trả lời đã rất khác.

Chain-of-Thought không làm AI thông minh hơn — nó cho AI thời gian để suy nghĩ. Khi bạn bắt AI viết nháp từng bước, mỗi bước trung gian trở thành gợi ý cho bước tiếp theo. Cũng một mô hình đó, nhưng được phép trình bày lời giải, tỉ lệ đúng tăng rõ rệt — đặc biệt ở những việc văn phòng có nhiều mắt xích.

Công việc nào SAU ĐÂY sẽ hưởng lợi NHIỀU NHẤT khi bạn thêm 'Hãy suy nghĩ từng bước' vào prompt?

Tính công tác phí là việc nhiều bước: đổi tỉ giá, cộng từng ngày, cộng thuế — rất dễ sai. Ba việc còn lại chỉ một bước, CoT chỉ tốn thêm token chứ không cải thiện gì.

Chain-of-Thought là một kỹ thuật viết prompt — KHÔNG phải là một tính năng của AI. Bạn có thể áp dụng ngay với ChatGPT, Claude, Gemini hay bất cứ trợ lý AI nào bạn đang dùng mà không cần cài thêm gì. Chỉ là cách đặt câu hỏi khác đi một chút.

Ý tưởng cốt lõi rất gọn: thay vì hỏi “Đáp án là gì?”, bạn yêu cầu AI viết nháp từng bước trước khi ra đáp án. Khi các bước trung gian hiện ra, bạn có thể đọc qua, phát hiện chỗ AI nhầm, và yêu cầu sửa — giống như đọc bài làm của một nhân viên thực tập.

Khi nào dùng CoT, khi nào không

Khi nào dùng CoT, khi nào không

Tình huốngNên dùng CoT?Vì sao
Tính lương thưởng nhiều khoảnNênNhiều bước — rất dễ sai nếu cộng gộp.
Lên lịch 5 cuộc họp trong 1 ngàyNênCó ràng buộc thời gian và người — cần nháp.
So sánh 3 nhà cung cấpNênCần chấm điểm từng tiêu chí.
Viết một lời chào emailKhông cầnMột câu đơn giản — thêm chuỗi suy luận chỉ tốn thời gian.
Hỏi thủ đô nước PhápKhông cầnCâu hỏi tra cứu — AI chỉ cần nhớ, không cần suy luận.
Dịch 1 câu tiếng AnhKhông cầnViệc 1 bước — đừng bắt AI nháp dài dòng.

Ba mẫu prompt

Mẫu prompt cho báo cáo tài chính (copy rồi đổi số liệu của bạn vào).

Hai biến thể

Hai biến thể bạn nên biết. Trong tài liệu AI tiếng Anh, người ta phân biệt hai cách dùng CoT phổ biến:

Zero-shot CoT — không ví dụ mẫu

  • Chỉ cần thêm một câu thần chú vào cuối prompt. Đơn giản nhất, phù hợp cho 90% tình huống hàng ngày của dân văn phòng.
  • “…[câu hỏi của bạn]. **Hãy suy nghĩ từng bước trước khi trả lời.**”

Few-shot CoT — kèm 1–2 ví dụ mẫu

  • Bạn cho AI thấy trước một bài mẫu đã trình bày theo đúng style bạn muốn. Dùng khi bạn cần định dạng cố định (bảng, form, mẫu email).
  • “Ví dụ: câu hỏi X → nháp 3 bước → đáp án Y.
  • Bây giờ đến câu của tôi: [câu hỏi thật]. Hãy làm theo đúng mẫu trên.”

Zero-shot đủ cho đa số việc hằng ngày. Few-shot khi bạn cần format cố định.

Mức cải thiện cụ thể ra sao? Thí nghiệm công khai trên nhiều mô hình lớn (GPT, Claude, Gemini) đều cho thấy cùng một pattern: chỉ cần đổi cách hỏi, độ chính xác trên bài nhiều bước có thể tăng từ khoảng một phần ba lên hơn hai phần ba.

Cách hỏiTheo bài
Hỏi thẳng, không gợi suy luậnAI đoán cảm tính, dễ lạc đề ở bài nhiều bước.
Zero-shot CoT — thêm câu 'suy nghĩ từng bước'Chỉ đổi vài chữ trong prompt đã tăng gần gấp đôi độ đúng.
Few-shot CoT — có ví dụ mẫu đã trình bàyĐỉnh nhất khi bạn cần format cố định (bảng, email mẫu, báo cáo).

Các nhận định trên dựa trên thí nghiệm công khai trên bài toán nhiều bước. Với tác vụ văn phòng, hiệu quả thực tế phụ thuộc vào prompt của bạn.

  • Chain-of-Thought

  • Zero-shot CoT

  • Few-shot CoT

  • Trả lời trực tiếp

Trong thực tế. Một số công cụ AI đã tự bật chuỗi suy luận bên trong mà không cần bạn nhắc — ví dụ GPT-o1 và chế độ “Extended Thinking” của Claude . Với các mô hình thường, bạn vẫn cần tự chủ động nhắc. Dù ở trường hợp nào, hiểu Chain-of-Thought giúp bạn biết lúc nào nên chờ AI “nháp kỹ” và lúc nào nên bảo AI “ngắn gọn thôi”.

Ghi nhớ 5 điều về Chain-of-Thought

  • Chain-of-Thought là cách ĐẶT CÂU HỎI — bắt AI viết nháp từng bước thay vì nhảy thẳng tới đáp án.
  • Dùng khi việc có nhiều bước: lương thưởng, thuế, so sánh lựa chọn, lên lịch, báo cáo nhiều đề mục.
  • Không dùng cho câu hỏi một bước như chào hỏi, tra cứu, dịch câu ngắn — sẽ tốn thời gian vô ích.
  • Zero-shot CoT: thêm câu 'Hãy suy nghĩ từng bước'. Few-shot CoT: kèm 1–2 ví dụ mẫu theo đúng format bạn muốn.
  • Đánh đổi: câu trả lời dài hơn, tốn token hơn, đợi lâu hơn — nhưng đúng hơn ở những việc nhiều mắt xích.

Continue the path

Lesson 9 of 106