Prompt engineering cho content dài không phải “viết prompt dài hơn” — mà là viết spec rõ hơn. Nghiên cứu từ Anthropic cho thấy prompt tốt nhất đạt mục tiêu với cấu trúc tối thiểu cần thiết, không phải bản dài nhất hay phức tạp nhất. Bài này chia sẻ 5 kỹ thuật mình đang dùng thật để Claude và ChatGPT viết bài 2.000–3.000 từ chất lượng cho hoangtrongthuat.com mỗi ngày.
TL;DR
- AI hay lặp và nhạt dần sau 800–1.000 từ vì context window bị “quên” phần đầu — khắc phục bằng sectional prompting (viết từng khối H2)
- Prompt dạng “viết bài 2.000 từ về X” gần như luôn ra bài rỗng — thay bằng prompt dạng brief có role, audience, format, constraint
- Claude xử lý prompt có XML tags (
- Chống lặp hiệu quả nhất: đưa anti-repetition rules trực tiếp vào prompt + dùng editorial review loop để AI tự sửa
- Prompt 150–300 từ là sweet spot — nghiên cứu của Levy, Jacoby & Goldberg (2024) cho thấy hiệu suất suy giảm từ ~3.000 token trở lên
AI viết bài dài bị lặp và nhạt — vì sao?
AI không “viết” như người — nó dự đoán token tiếp theo dựa trên xác suất. Khi bài dài quá 800–1.000 từ, mô hình bắt đầu “quên” những gì đã viết ở đầu bài, dẫn đến lặp ý và mất mạch lạc.
Theo Altagic (2026), GPT-4 thường dừng ở 1.000–1.500 từ mỗi response, trong khi Claude 3.5 Sonnet có thể đạt 3.000–5.000 từ. Nhưng dài hơn không có nghĩa là tốt hơn — vấn đề cốt lõi nằm ở cách bạn ra lệnh, không phải model nào bạn dùng.
Ba nguyên nhân chính khiến bài dài bị nhạt:
| Nguyên nhân | Biểu hiện | Cách khắc phục |
|---|---|---|
| Prompt quá chung chung | “Viết bài 2.000 từ về prompt engineering” → AI viết dàn trải, không có chiều sâu | Dùng prompt dạng brief có constraint cụ thể |
| Không chia khối | AI cố viết liền 2.000 từ → lặp ý từ đoạn 3 trở đi | Sectional prompting: viết từng H2 riêng |
| Thiếu “giọng” tham chiếu | AI dùng giọng mặc định — lịch sự, an toàn, vô vị | Paste 300–500 từ mẫu giọng bạn vào prompt |
Kỹ thuật 1: Prompt dạng brief thay vì prompt dạng câu lệnh
Hãy viết prompt như bạn viết brief giao việc cho freelancer — không phải như gõ lệnh vào terminal. Anthropic khuyến nghị: “Tell the model exactly what you want to see. If you want comprehensive output, ask for it.”
Prompt kém:
Viết bài 2.000 từ về cách dùng AI viết content SEO.
Prompt tốt (dạng brief):
<role>Bạn là content strategist chuyên SEO cho thị trường Việt Nam,
có 5 năm kinh nghiệm viết bài cho blog về AI và automation.</role>
<task>Viết bài blog 2.000–2.500 từ với tiêu đề: "Cách dùng AI viết
content SEO mà Google vẫn rank"</task>
<audience>Creator Việt Nam, 25–40 tuổi, biết dùng ChatGPT/Claude cơ bản,
muốn dùng AI viết bài cho blog/website kiếm tiền.</audience>
<constraints>
- Giọng: anh em, xưng mình/bạn, không hàn lâm
- Mỗi H2 mở đầu bằng 1–2 câu trả lời trực tiếp
- Có ít nhất 1 bảng so sánh và 1 quy trình từng bước
- Mọi số liệu phải kèm tên nguồn + năm
- KHÔNG dùng: "trong thời đại 4.0", "không thể phủ nhận", "một cách toàn diện"
</constraints>
<format>Markdown. H1 → H2 → H3. FAQ 5 câu cuối bài.</format>
Sự khác biệt: prompt thứ hai có 6 biến rõ ràng (role, task, audience, constraints, format, anti-pattern) — AI biết chính xác phải làm gì thay vì đoán.
Kỹ thuật 2: Sectional prompting — viết từng khối, không viết cả bài một lần
Thay vì bảo AI viết 2.000 từ liền, chia bài thành 6–8 khối H2 và viết từng khối riêng. Đây là kỹ thuật mà Altagic gọi là “content segmentation” — mỗi khối 250–400 từ, AI giữ được mạch lạc tốt hơn.
Quy trình 4 bước mình đang dùng:
- Bước 1 — Tạo outline: Bảo AI liệt kê 8–12 câu hỏi con mà người đọc sẽ hỏi quanh topic. Mỗi câu hỏi = 1 H2.
- Bước 2 — Duyệt outline: Bạn chọn 6–8 câu hỏi hay nhất, sắp xếp thứ tự logic.
- Bước 3 — Viết từng H2: Gửi prompt cho từng H2 riêng, kèm context của bài (tiêu đề, audience, giọng).
- Bước 4 — Ghép và review: Paste tất cả lại, bảo AI review toàn bài: kiểm tra lặp, kiểm tra mạch lạc, bổ sung transition giữa các phần.
Ví dụ prompt cho Bước 1:
Topic: "Cách chọn ngách YouTube CPM cao"
Audience: Creator Việt muốn làm kênh YouTube faceless
Liệt kê 10 câu hỏi cụ thể mà người đọc sẽ search trên Google
hoặc hỏi AI về topic này. Mỗi câu hỏi phải là dạng tự nhiên
(người thật sẽ gõ thế), không phải heading SEO sáo rỗng.
Ví dụ thật: khi viết bài trụ về AI cho creator trên hoangtrongthuat.com, mình dùng outline dạng câu hỏi — mỗi H2 là một câu người đọc thật sự gõ vào Google. Bài đó lên top 5 sau khoảng 3 tuần và giữ chân đọc tốt hơn hẳn mấy bài mình viết theo dàn ý tự nghĩ trước đây.
Kỹ thuật 3: Anti-repetition rules — bảo AI những gì KHÔNG được làm
Phần lớn “giọng AI” còn sót lại đến từ thói quen ở cấp câu: lặp transition, mở đầu giống nhau, tính từ chung chung, giọng lịch sự quá mức (Louis Bouchard, 2026). Cách hiệu quả nhất là đưa anti-rules trực tiếp vào prompt.
Template anti-repetition rules (copy-paste được):
<anti-rules>
- KHÔNG mở đầu 2 đoạn liên tiếp bằng cùng 1 cấu trúc câu
- KHÔNG dùng "Ngoài ra", "Hơn nữa", "Bên cạnh đó" quá 1 lần trong toàn bài
- KHÔNG kết thúc đoạn bằng "...là điều không thể thiếu" hoặc "...đóng vai trò quan trọng"
- KHÔNG dùng các cụm: "trong bối cảnh hiện nay", "không thể phủ nhận",
"một cách hiệu quả", "đáng chú ý là"
- Mỗi đoạn văn ≤ 3 câu. Xen kẽ câu ngắn (5–8 từ) với câu dài.
- Ưu tiên động từ mạnh hơn tính từ: "tăng 40%" thay vì "tăng đáng kể"
</anti-rules>
Promptessor (2026) gọi đây là constraint-based prompting — một trong 8 kỹ thuật cốt lõi năm 2026. Nguyên tắc: “150 từ, không hashtag, kết thúc bằng câu hỏi” hiệu quả hơn “viết hay và hấp dẫn”.
Kỹ thuật 4: Reference voice — paste giọng mẫu thay vì mô tả giọng
AI bắt chước giọng tốt hơn nhiều so với phát minh ra giọng. Thay vì viết “giọng thân thiện, chuyên nghiệp nhưng không hàn lâm”, paste 300–500 từ từ bài viết tốt nhất của bạn vào prompt.
<reference-voice>
[Paste 300–500 từ từ bài viết bạn thích nhất trên website của bạn]
</reference-voice>
Viết bài mới với giọng văn giống reference-voice ở trên.
Giữ nhịp câu, cách xưng hô, và mức độ chi tiết tương tự.
Anthropic xác nhận: “The model matches style better than it invents it.” Đây là cách nhanh nhất để thoát khỏi “giọng AI mặc định” mà không cần chỉnh sửa nhiều sau khi viết.
So sánh: Mô tả giọng vs Reference voice
| Phương pháp | Ưu điểm | Nhược điểm | Khi nào dùng |
|---|---|---|---|
| Mô tả bằng từ (“thân thiện, chuyên nghiệp”) | Nhanh, không cần mẫu | AI hiểu khác nhau mỗi lần, giọng không ổn định | Bài đầu tiên, chưa có mẫu |
| Reference voice (paste mẫu) | Giọng ổn định, gần giống người viết | Cần có sẵn bài mẫu tốt | Mọi bài sau bài đầu tiên |
| Style guide chi tiết | Kiểm soát tốt nhất | Mất thời gian soạn | Đội nhóm nhiều người viết |
Kỹ thuật 5: Editorial review loop — bảo AI tự sửa bài của chính nó
Đừng publish draft đầu tiên. Bảo AI đọc lại và sửa. Louis Bouchard (2026) gọi đây là “editorial review loop”: đóng băng draft, đánh giá theo tiêu chí, rồi sửa những chỗ yếu.
Quy trình 3 bước:
- Draft: AI viết bài theo brief (kỹ thuật 1–4 ở trên)
- Review: Gửi prompt review:
Đọc lại bài viết trên và đánh giá theo 5 tiêu chí:
1. Có đoạn nào lặp ý với đoạn khác không?
2. Có chỗ nào dùng tính từ chung chung thay vì số liệu cụ thể không?
3. Mỗi H2 có mở đầu bằng câu trả lời trực tiếp không?
4. Giọng có nhất quán xuyên suốt không?
5. Có transition tự nhiên giữa các phần không?
Liệt kê chính xác những chỗ cần sửa, kèm gợi ý sửa cụ thể.
- Rewrite: AI sửa theo danh sách lỗi vừa tìm được
Kết quả: bài viết sau review loop thường tốt hơn 30–50% so với draft đầu tiên — đặc biệt về mạch lạc và giảm lặp.
Kinh nghiệm thực chiến của Thuật
Mình chạy content engine cho hoangtrongthuat.com từ tháng 7/2026, ra trung bình 5–7 bài mỗi tuần — tổng cộng hơn 40 bài trong 6 tuần đầu. Những gì mình rút ra sau hơn 2.000 video YouTube và hàng trăm bài blog:
Sai lầm lớn nhất: Ban đầu mình dùng 1 prompt duy nhất bảo Claude “viết bài 2.500 từ” — kết quả là bài nào cũng bắt đầu bằng “Trong thời đại AI phát triển nhanh chóng…” và lặp 3 ý chính ở 4 vị trí khác nhau. Mất 30–45 phút duyệt và sửa mỗi bài.
Cách sửa: Chuyển sang quy trình 3 prompt:
- Prompt 1: Tạo outline (8–12 câu hỏi con)
- Prompt 2: Viết bài theo outline, kèm anti-rules + reference voice
- Prompt 3: Review loop — AI tự sửa
Kết quả: Thời gian duyệt mỗi bài giảm từ 30–45 phút xuống còn 5–10 phút. Tỷ lệ bài cần viết lại hoàn toàn giảm từ khoảng 40% xuống dưới 5%.
Mẹo nhỏ: Mình lưu anti-rules và reference voice vào Claude Projects — mỗi lần viết bài mới chỉ cần gửi topic + outline, không phải gõ lại constraint. Tiết kiệm khoảng 10 phút setup mỗi bài, nhân lên 5–7 bài/tuần là gần 1 tiếng mỗi tuần.
FAQ
Prompt dài bao nhiêu từ là đủ?
Nghiên cứu của Levy, Jacoby & Goldberg (2024) cho thấy hiệu suất LLM bắt đầu giảm từ khoảng 3.000 token. Sweet spot thực tế: 150–300 từ cho prompt — đủ rõ ràng mà không gây nhiễu.
Claude hay ChatGPT viết bài dài tốt hơn?
Claude xử lý prompt có XML tags chính xác hơn và viết dài hơn mỗi response (3.000–5.000 từ vs 1.000–1.500 từ của GPT-4). Nhưng chất lượng phụ thuộc vào prompt, không phải model.
Có nên bảo AI viết nhiều hơn rồi cắt bớt?
Có — đây là kỹ thuật “over-asking”. Yêu cầu 3.000–4.000 từ nếu bạn cần 2.000 từ. AI có xu hướng viết ngắn hơn yêu cầu, nên nhân hệ số 1.5–2x.
Làm sao biết bài AI viết có bị trùng với bài cũ?
Giữ 1 content log liệt kê tất cả bài đã viết + góc nhìn đã dùng. Trước khi viết bài mới, bảo AI đọc log này và xác nhận topic + angle chưa bị trùng.
Reference voice có cần cập nhật không?
Nên cập nhật mỗi 2–3 tháng hoặc khi giọng viết của bạn thay đổi. Paste đoạn văn từ bài gần nhất mà bạn hài lòng nhất.
Có template prompt nào copy-paste được ngay không?
Có — xem mục “Anti-repetition rules” và “Prompt dạng brief” ở trên. Copy nguyên block code, thay topic + audience là dùng được.
Kết luận: Prompt chất lượng là quy trình, không phải may mắn
Promptessor (2026) nói đúng: “Prompts chất lượng cao là kết quả của quy trình có cấu trúc, không phải may mắn.” Năm kỹ thuật trên — brief, sectional, anti-rules, reference voice, review loop — không phải mẹo vặt. Đây là quy trình sản xuất content mà bạn chạy lặp lại mỗi ngày.
Nếu bạn mới bắt đầu, thử áp dụng kỹ thuật 1 (prompt dạng brief) + kỹ thuật 3 (anti-repetition rules) trước. Hai cái này cải thiện chất lượng rõ nhất với ít effort nhất.
Đọc thêm:
