5.8 · Cận cảnh Description — Truyền đạt rõ ràng với AI

Mở đầu: Sự khác biệt giữa "ăn tối" và "công thức"

Bạn nhận: có thể là gì? Bún bò? Pizza? Salad? Có thể bạn dị ứng món họ chọn. Có thể bạn không thích vị họ nấu. Có thể họ nấu món cầu kỳ trong khi bạn đang vội ăn nhanh.

Cách 2: "Mình muốn bữa tối nhẹ — phải có protein, không gluten, ăn trước 7h vì có meeting. Có 30 phút nấu thôi. Mình thích vị Việt — phở chay hoặc gà luộc với rau luộc okay. Còn nguyên liệu trong tủ lạnh đây."

Bạn nhận: bữa tối đúng ý.

Cả hai trường hợp, "người bạn" có cùng năng lực. Sự khác biệt là bạn đã mô tả hay chưa.

AI cũng thế. Nó không đọc tâm trí. Nó pattern-match dựa trên những gì bạn nói. Nói ít → AI fill blank bằng generic. Nói rõ → AI đáp ứng đúng.

Đây là Description.

Description là gì?

Description là năng lực truyền đạt rõ ràng và có chủ đích với AI — không chỉ "viết prompt", mà xây dựng môi trường cộng tác nơi cả bạn và AI đều có thể làm việc tốt nhất.

Description bao gồm:

• Giải thích task
• Đặt câu hỏi
• Cung cấp context
• Steer khi conversation đi sai hướng
• Guide quá trình tư duy của AI
• Build môi trường thinking shared

Cốt lõi: Description là xây cây cầu giữa ý định của bạn và năng lực của AI.

Chất lượng output AI thường phụ thuộc trực tiếp vào chất lượng Description.

"AI không đọc được tâm trí"

Đây là sai lầm sâu nhất của người mới: assume AI biết context của bạn.

┌──────────────────────────────────────────────────────┐
│                                                      │
│  TRONG ĐẦU BẠN:                                      │
│  - Khách hàng A là enterprise, ARR $500K             │
│  - Họ đang upset vì bug tuần trước                   │
│  - CEO của họ là CFO cũ → analytical mindset         │
│  - Tôi muốn email vừa apologize vừa propose retention│
│  - Tone: empathetic + accountable                    │
│  - Length: ngắn (CEO bận)                            │
│                                                      │
│  GÕ CHO AI:                                          │
│  "Viết email cho khách hàng A"                       │
│                                                      │
│  AI NHẬN ĐƯỢC:                                       │
│  ❓❓❓ (rỗng tuếch)                                    │
│                                                      │
│  AI OUTPUT:                                          │
│  Email generic, neutral, không phản ánh anything     │
│  về context thật                                     │
│                                                      │
└──────────────────────────────────────────────────────┘

Lỗi không phải của AI. Lỗi là Description thiếu.

Quy tắc vàng: Mọi context bạn có trong đầu mà không type ra → AI không có. Period.

3 loại Description

                  ┌──────────────────┐
                  │   DESCRIPTION    │
                  └────────┬─────────┘
                           │
         ┌─────────────────┼─────────────────┐
         ▼                 ▼                 ▼
  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐
  │   PRODUCT    │  │   PROCESS    │  │ PERFORMANCE  │
  ├──────────────┤  ├──────────────┤  ├──────────────┤
  │ CÁI gì AI    │  │ CÁCH AI nên  │  │ AI cư xử ra  │
  │ tạo ra?      │  │ tiếp cận?    │  │ sao trong    │
  │              │  │              │  │ cộng tác?    │
  │ - Output     │  │ - Method     │  │ - Concise/   │
  │ - Format     │  │ - Steps      │  │   detailed   │
  │ - Audience   │  │ - Framework  │  │ - Challenge/ │
  │ - Style      │  │ - Examples   │  │   support    │
  │ - Length     │  │ - Reference  │  │ - Ask/answer │
  └──────────────┘  └──────────────┘  └──────────────┘

Loại 1 — Product Description

Definition: Khả năng định nghĩa rõ cái bạn muốn AI tạo ra hoặc cung cấp.

Câu hỏi cần trả lời:

• Output cụ thể là gì? (email, slide, code, doc...)
• Format thế nào? (markdown, bullet, table, prose)
• Audience là ai? (technical, executive, customer, beginner)
• Style/tone? (formal, conversational, urgent, friendly)
• Length? (50 từ, 1 trang, 10 slide)
• Constraint khác? (no emoji, in English, with citation, anonymized)

Ví dụ tốt:

Tôi cần email phản hồi khách hàng A. Format: lời chào → acknowledge issue → giải pháp đề xuất → next step → ký tên. Mỗi block 2-3 câu. Audience: CEO của khách hàng — analytical mindset, prefer data trên cảm xúc. Tone: empathetic + accountable + confident (không apologetic quá mức). Length: 150-180 từ, không bullet point. Constraint: không hứa specific timeline nếu chưa rõ.

Ví dụ tệ:

Email cho khách hàng A.

Loại 2 — Process Description

Definition: Khả năng guide cách AI tiếp cận task — đôi khi quan trọng bằng hoặc hơn cả việc spec end goal.

Câu hỏi cần trả lời:

• Methodology nào nên dùng?
• Step nào trước, step nào sau?
• Có framework cụ thể không? (RICE, ICE, SWOT, OKR...)
• Reference data/file nào?
• Có order processing nào ưu tiên?
• Có example bạn muốn AI follow style?

3 cách điển hình để guide process:

A. GENERAL GUIDANCE (như manual)
   "Khi viết email khách hàng, hãy follow framework
    'Empathize - Apologize - Propose - Commit'."

B. STEP-BY-STEP (như cookbook)
   "Bước 1: Đọc 5 email gần nhất với KH này.
    Bước 2: Identify ngữ điệu họ thường dùng.
    Bước 3: Draft email match ngữ điệu đó.
    Bước 4: Highlight phần tôi nên customize."

C. EXAMPLE-BASED (như demonstration)
   "Đây là 3 email thành công với enterprise customer:
    [Example 1]
    [Example 2]
    [Example 3]
    Áp dụng style này cho email mới."

Ví dụ tốt:

Approach task này theo cách: 1. Đầu tiên, đọc 3 email gần nhất tôi đính kèm để hiểu lịch sử với khách hàng A. 2. Identify 2-3 phrase/word họ thường dùng (đó là ngữ điệu họ comfortable). 3. Draft email mới match ngữ điệu đó. 4. Reference cụ thể issue tuần trước (mention bug ID nếu có trong context). 5. Highlight bằng [BRACKETS] những chỗ tôi nên customize trước khi gửi.

Ví dụ tệ:

Cứ viết, tôi sẽ edit sau.

Loại 3 — Performance Description

Definition: Khả năng định nghĩa cách AI cư xử trong cộng tác — đặc biệt quan trọng khi conversation kéo dài nhiều turn.

Câu hỏi cần trả lời:

• Bạn cần AI là loại thinking partner nào?
• Narrowing toward 1 answer hay exploring multiple option?
• Challenge assumption hay follow lead bạn?
• Cung cấp detail hay keep concise?
• Explain reasoning hay chỉ đưa kết luận?
• Hỏi clarifying khi nào, đoán khi nào?

Đây là khía cạnh thường bị bỏ qua nhất.

Ai cũng nói Product. Người tốt nói Process. Người fluent nói cả Performance.

Ví dụ tốt:

Performance expectations: - Trước khi draft, hỏi tôi 2-3 clarifying question nếu thiếu context quan trọng — đừng tự suy diễn. - Khi đưa ra option, đề xuất 2-3 phương án với trade-off rõ ràng (cost, time, risk), không tự decide cho tôi. - Concise mặc định — chỉ verbose khi tôi ask 'explain more'. - Challenge tôi nếu thấy logic của tôi có hole — đừng diplomatic, nói thẳng. - Khi rewrite/edit, highlight những thay đổi major (không liệt kê typo).

Ví dụ tệ:

(Không nói gì về performance

chỉ Product + Process. AI default sang behavior generic.)

Cách 3 loại tương tác trong 1 prompt

Một prompt fluent thường tích hợp cả 3:

┌──────────────────────────────────────────────────────────┐
│                                                          │
│  PROMPT INTEGRATED                                       │
│  ──────────────────                                      │
│                                                          │
│  [PRODUCT — first]                                       │
│  "Tôi cần X (cụ thể: format, audience, length)"          │
│                                                          │
│  [PROCESS — middle]                                      │
│  "Cách tiếp cận: bước A, B, C. Reference file Y.        │
│   Dùng framework Z."                                     │
│                                                          │
│  [PERFORMANCE — wrap]                                    │
│  "Hành xử thế nào: hỏi clarifying nếu cần, đề xuất 2    │
│   option, concise mặc định, challenge logic của tôi."    │
│                                                          │
└──────────────────────────────────────────────────────────┘

Trước/sau: Bad Prompt → Good Prompt

Ví dụ 1 — Email khách hàng

Before (vague):

Viết email cho khách hàng phàn nàn

After (3D Description):

[Product] Email phản hồi khách hàng A vừa raise ticket về bug X tuần trước. Length 150-180 từ. Format: opening → acknowledge → action → next step. Tone: empathetic + accountable, không over-apologetic. [Process] Đọc thread email đính kèm. Match ngữ điệu khách (họ formal). Reference bug ID (BUG-1234). Đề xuất concrete next step (specific date, specific person). [Performance] Hỏi tôi 1-2 clarifying nếu bạn nghĩ thiếu context quan trọng. Sau khi draft, list 2-3 thay đổi tôi nên consider trước khi gửi.

Ví dụ 2 — Code review

Before:

Review code này

After:

[Product] Code review cho file src/payment.py. Output: list issue theo priority (P0/P1/P2), mỗi issue có (1) location line number, (2) explanation, (3) suggested fix. [Process] Focus theo thứ tự: security → correctness → performance → readability. Skip style nit (linter sẽ catch). Reference Python best practice 2026. [Performance] Concise. Không giải thích basic concept (giả sử reviewer là senior). Nếu unsure về 1 issue, flag là "needs human verification" thay vì assert.

Ví dụ 3 — Research synthesis

Before:

Tóm tắt mấy paper này

After:

[Product] Synthesis 12 paper trong folder /research/, output: 1500-word literature review structured: Intro (200) → 3 themes (350 each) → Gaps (300) → Future direction (250). Citation format APA. [Process] Phase 1: Catalog mỗi paper (author, year, methodology, key claim). Phase 2: Cluster theo theme. Phase 3: Identify agreement/disagreement. Phase 4: Write narrative synthesis. Reference table trong file taxonomy.md nếu có. [Performance] Trước khi write synthesis, share outline 3-themes với me — tôi approve trước khi expand. Flag mọi paper bạn không tự tin về methodology (tôi sẽ verify). Không bịa citation

nếu thiếu thông tin, mark [VERIFY] thay vì invent.

Sự khác biệt là vực thẳm. Cùng AI. Khác Description.

Ví dụ theo ngành

Sales — Account research

Bad: "Research về Acme Corp"

Good:

[P] 1-page briefing trước call meeting với CFO Acme Corp ngày mai. Format: company snapshot, recent news (3 tháng), pain point inferred từ news, 3 talking point. [P] Source: web search + LinkedIn của CFO + 10-K filing 2025. Cross-check số liệu giữa các source. [P] Concise format. Highlight 3 question để tôi chuẩn bị answer (CFO có thể hỏi). Không speculation về internal politics.

Marketing — Campaign brief

Bad: "Brief cho campaign Tết"

Good:

[P] Campaign brief cho Tết 2026 cho sản phẩm Y. Audience: gia đình trẻ thu nhập trung-cao Việt Nam. Output: brief 2 trang theo template attached. [P] Reference brand guideline (file đính kèm). Pull insight từ 3 campaign Tết thành công của competitor (search). Apply RACE framework (Reach-Act-Convert-Engage). [P] Đề xuất 3 concept tagline với trade-off (emotional vs. practical vs. humorous). Hỏi tôi voice preference trước khi develop tagline cuối.

Finance — Quarterly variance analysis

Bad: "Phân tích variance Q3"

Good:

[P] Variance report Q3 vs. budget cho 12 business unit. Format: Excel với 1 sheet executive summary, 1 sheet per BU. Highlight variance > $50K hoặc > 10%. [P] Pull data từ ERP export (file đính kèm). Compare actuals vs. budget vs. forecast. Apply variance categorization framework: volume, price, mix, FX. [P] Trước khi mass-process, do BU đầu tiên (USA Sales), share output cho tôi review framework. Sau khi tôi approve, parallel cho 11 BU còn lại.

Clinical — Document drafting (Gaia-style)

Bad: "Draft NDA Module 5"

Good:

[P] NDA Module 5 (Clinical Study Reports) cho drug X. Section: 5.2 Tabular listings, 5.3 CSR for Study A, 5.4 CSR for Study B. Compliance ICH E3 guideline. [P] Pull data từ clinical trial database (CDISC SDTM). Cross-reference với protocol document. Use template từ Module 5 của drug Y submitted last year (folder /templates/). [P] Flag mọi section cần expert medical writer review (don't auto-fill safety analysis sections). After draft, generate review checklist cho regulatory team.

Anti-patterns

"AI sẽ figure out"

Hiểu hiện

"Viết email" — không spec gì. Mong AI tự biết.

Fix

AI không đọc tâm trí. Investment 2-3 phút spec chi tiết → save 20 phút iterate.

Wall of text Description

Hiểu hiện

1000 word prompt với mọi thứ jumble lên. AI bị overwhelm, focus sai.

Fix

Cấu trúc rõ. Dùng heading [Product] [Process] [Performance]. Bullet point khi list option.

Chỉ Product, bỏ Process + Performance

Hiểu hiện

Spec output rất chi tiết (length, format, tone) nhưng không guide cách AI tiếp cận hoặc cư xử. AI làm đúng output nhưng wrong way.

Fix

Một fluent prompt có cả 3 — kể cả prompt ngắn. "Be concise" là Performance. "Step by step" là Process.

Conflicting instructions

Hiểu hiện

"Viết professional email casual style ngắn gọn detailed."

Fix

Re-read prompt trước khi gửi. Conflict → pick một.

Assume "model mới sẽ tự handle"

Hiểu hiện

"Claude Opus mới ra, không cần Description chi tiết nữa."

Fix

Model giỏi hơn = leverage Description giỏi hơn nữa. Không phải replace Description.

Mẹo nâng cao

Mẹo 1: Build "prompt template" cho task lặp lại

Mỗi task lặp (weekly report, code review, customer email...), tạo template với 3D pre-filled. Khi cần, bạn chỉ thay variable. Tiết kiệm 80% thời gian + consistency cao.

Mẹo 2: Ask AI improve prompt của bạn

Meta-prompt:

Đây là prompt tôi định gửi: [...]. Bạn nhận xét gì? Có Product/Process/Performance dimension nào tôi miss?

AI là good prompt critic.

Mẹo 3: Reference example > describe abstractly

"Tone professional friendly" — ambiguous. "Tone như email này [paste example]" — concrete.

Few-shot beats verbose description.

Mẹo 4: Performance Description thay đổi với conversation length

Conversation 1 turn: focus Product + Process. Conversation 5+ turn: Performance crucial — define collaboration rule once, save time mỗi turn sau.

Mẹo 5: Test "describe to a new colleague"

Trước khi gửi prompt, test: "Nếu tôi gửi prompt này cho colleague mới chưa biết context, họ làm được task không?". Nếu không → prompt thiếu Description.

Áp dụng ngay

Bài tập 1: Bad Prompt Makeover (15 phút)

Bước 1: Mở Claude. Gõ:

Hãy challenge tôi với 5 prompt được viết tệ về [chủ đề bạn quan tâm

marketing, code, research...]. Tôi sẽ improve từng cái."

Bước 2: Cho mỗi prompt tệ, bạn rewrite áp dụng 3D Description:

• [Product] cụ thể
• [Process] cách tiếp cận
• [Performance] hành xử

Bước 3

Chat với Claude về before/after. Hỏi feedback: "Nếu nhận prompt sau, bạn sẽ output thế nào khác so với prompt trước?"

Bước 4 (switch role)

Gửi prompt tệ cho Claude fix. Notice Claude add information gì + tổ chức ra sao. Học từ pattern Claude dùng.

Bài tập 2: Refine 1 prompt từ project cá nhân (10 phút)

Lấy 1 prompt bạn dùng tuần trước (cho project bài 5.7 hoặc work khác). Rewrite với 3D framework.

So sánh output trước/sau. Note khác biệt.

Bài tập 3: Reflection (5 phút)

• Component nào của Description (Product/Process/Performance) bạn thường overlook?
• 1 tương tác AI gần đây không meet expectation — better Description sẽ improve outcome thế nào?
• Pattern Description nào bạn muốn build thành habit tuần này?

Tóm tắt bài học

Tài liệu tham khảo

• Description summary slide (8.5x11)
• Description summary slide (16x9)
• Bài 5.6 — Delegation (foundation cho Description)
• Bài 5.9 (tiếp theo) — 6 kỹ thuật prompting