Trong những năm gần đây, người dùng đã học cách tối ưu hóa kết quả từ các mô hình ngôn ngữ lớn (LLM) thông qua việc xây dựng prompt rõ ràng hơn: bổ sung ngữ cảnh, định hình vai trò, đưa ra ví dụ, chỉ định định dạng đầu ra và tinh chỉnh liên tục. Những kỹ thuật này vẫn giữ được giá trị thực tiễn. Tuy nhiên, khi hệ thống trí tuệ nhân tạo dần chuyển đổi từ chatbot đơn thuần sang các coding agent, trợ lý nghiên cứu chuyên sâu, công cụ khoa học dữ liệu và quy trình tự động hóa phức tạp, việc chỉ dựa vào prompt tốt là chưa đủ để đáp ứng yêu cầu.
Kỹ năng mới nổi lên để giải quyết bài toán này chính là Specification Engineering (kỹ thuật xây dựng đặc tả). Đây là năng lực xác định tường minh các mục tiêu, ràng buộc, đầu ra dự kiến, trường hợp biên, phương pháp kiểm thử, tiêu chuẩn thành công cùng những kịch bản có thể dẫn đến thất bại trong một tác vụ tích hợp AI. Nói một cách ngắn gọn, nếu như prompt engineering đóng vai trò là phương pháp đặt câu hỏi, thì specification engineering lại định nghĩa rõ ràng thế nào là hoàn thành công việc một cách chính xác tuyệt đối.
Vì sao prompt engineering không còn đáp ứng đủ nhu cầu thực tế?
Một câu lệnh prompt hoàn toàn có thể tạo ra một phản hồi mang lại cảm giác thuyết phục. Dẫu vậy, chỉ có một bản đặc tả chi tiết mới xác định chính xác liệu phản hồi đó có thực sự đạt chuẩn hay không.
Sự khác biệt này mang ý nghĩa ngày càng trọng yếu bởi các hệ thống AI hiện đại không chỉ dừng lại ở việc tạo ra các đoạn văn bản đơn thuần. Chúng có khả năng biên soạn câu lệnh truy vấn cơ sở dữ liệu, tối ưu mã nguồn, xử lý bảng tính, sinh dữ liệu JSON theo cấu trúc, phát triển phần mềm và thực thi chuỗi quyết định đa tầng. Do đó, bài toán đặt ra không chỉ xoay quanh việc liệu mô hình có đưa ra câu trả lời hay không, mà còn đòi hỏi kết quả phải tuân thủ nghiêm ngặt các ràng buộc, xử lý trọn vẹn trường hợp ngoại lệ, đảm bảo khả năng kiểm thử và tích hợp liền mạch với hệ thống khác.
Hiện tượng specification gaming là minh chứng rõ nét cho vấn đề này, nơi AI hoàn thành đúng mục tiêu được định nghĩa bằng văn bản nhưng lại bỏ qua kỳ vọng thực tế của con người. Thách thức này tương tự như việc yêu cầu một coding agent sửa lỗi và nhận lại một bản vá vượt qua bài kiểm thử bề mặt nhưng lại phá vỡ cấu trúc ngầm của hệ thống, hoặc yêu cầu tóm tắt báo cáo nhưng vô tình bỏ qua chỉ số cốt lõi mà ban lãnh đạo quan tâm.
Bản chất thực sự của specification engineering
Specification engineering là tiến trình chuyển đổi một nhiệm vụ mang tính định tính thành tập hợp các hướng dẫn có thể thực thi, kiểm chứng và đánh giá một cách minh bạch.
Một bản đặc tả tiêu chuẩn thường bao gồm tám thành phần cấu trúc:
- Mục tiêu: Kết quả cụ thể mà mô hình cần đạt được.
- Ngữ cảnh: Toàn bộ thông tin nền tảng AI cần nắm bắt.
- Đầu vào: Nguồn dữ liệu, tệp tin, công cụ hoặc giả định được phép khai thác.
- Định dạng đầu ra: Quy chuẩn trình bày kết quả cuối cùng.
- Ràng buộc: Những giới hạn và điều kiện AI bắt buộc phải tránh.
- Tiêu chí đánh giá: Hệ thống tiêu chuẩn để xác định độ chính xác của kết quả.
- Trường hợp ngoại lệ: Các tình huống có tiềm năng khiến hệ thống vận hành sai lệch.
- Các bước xác minh: Quy trình kiểm thử hoặc kiểm tra chéo cần thực thi.
Phương pháp này có nhiều điểm tương đồng với quản lý sản phẩm, kiểm thử phần mềm và thiết kế nghiên cứu. Các xu hướng công nghệ hiện đại như tính năng cấu trúc đầu ra Structured Outputs của OpenAI, tài liệu Model Spec hay nguyên tắc Constitutional AI của Anthropic đều thể hiện sự dịch chuyển tất yếu từ prompt sang định nghĩa đặc tả kỹ thuật.
Sự chuyển dịch từ vibe coding sang spec-driven coding
Sự khác biệt giữa hai phương pháp tiếp cận thể hiện rất rõ nét trong lĩnh vực phát triển phần mềm ứng dụng trí tuệ nhân tạo.
Thay vì sử dụng các câu lệnh chung chung, cách tiếp cận dựa trên đặc tả đòi hỏi việc định nghĩa rõ ràng cấu trúc tệp tin, công nghệ sử dụng, điều kiện ràng buộc dữ liệu, yêu cầu viết mã kiểm thử đơn vị và các bước triển khai chi tiết. Điều này giúp giảm thiểu tối đa không gian để mô hình tự ý đưa ra các quyết định có thể phát sinh rủi ro hệ thống.
Nhận định từ chuyên gia kỹ thuật của TTC Việt Nam: "Trong môi trường hạ tầng mạng và viễn thông doanh nghiệp, việc ứng dụng AI đòi hỏi độ chính xác tuyệt đối. Specification engineering giúp các kỹ sư kiểm soát chặt chẽ hành vi của hệ thống tự động, đảm bảo mọi giải pháp triển khai đều tuân thủ các tiêu chuẩn bảo mật và vận hành khắt khe nhất."
Các nghiên cứu và báo cáo công nghệ lớn như khảo sát DORA của Google cũng chỉ ra rằng AI đóng vai trò là bộ khuếch đại năng lực tổ chức. Nền tảng kỹ thuật và quy trình chuẩn hóa chính là chìa khóa để khai thác tối đa giá trị từ công nghệ mới.
Prompt engineering chưa hề biến mất mà đang hòa mình vào một khung kỹ năng toàn diện hơn. Trong giai đoạn phát triển tiếp theo của công nghệ, năng lực thiết kế các quy trình AI đáng tin cậy cùng hệ thống yêu cầu rõ ràng sẽ trở thành lợi thế cạnh tranh cốt lõi cho mọi tổ chức.
Để được tư vấn các giải pháp hạ tầng mạng, viễn thông và ứng dụng công nghệ tối ưu cho doanh nghiệp, vui lòng liên hệ ngay với TTC Việt Nam (ttcvn.net) để nhận hỗ trợ chuyên sâu từ đội ngũ chuyên gia hàng đầu.
