Đăng Ký Học SEO

Tag taxonomy: tool/role/industry

Chuẩn tag để thư viện không rối. Ô nhập USE_CASE, RISK_LEVEL, DATA_CLASS, POLICY. Kèm ví dụ thực chiến, mẫu copy dùng ngay và bảng Pass/Fail.

TL;DR

Prompt “Tag taxonomy: tool/role/industry” có mục tiêu: chuẩn tag để thư viện không rối. Đầu ra chuẩn gồm guardrails → workflow review → log/version → bản public an toàn. Nguyên tắc khi chạy: không bịa, thiếu dữ liệu thì ghi “CẦN BỔ SUNG”, nội dung nhạy cảm phải redaction.

  • Mục tiêu: Chuẩn tag để thư viện không rối.
  • Output chuẩn: guardrails → workflow review → log/version → bản public an toàn.
  • Nguyên tắc: không bịa; thiếu dữ liệu thì ghi “CẦN BỔ SUNG”; nội dung nhạy cảm phải redaction.

1) Input Spec (bắt buộc)

Prompt cần 5 ô nhập trước khi chạy: Use case, Risk level, Data class, Policy constraints và Approval. Điền đủ các ô bằng thông tin thật của dự án rồi mới dán prompt vào công cụ AI, ô nào bỏ trống thì kết quả sẽ chung chung.

{USE_CASE} Bắt buộc
Kịch bản ứng dụng AI hoặc quy trình nghiệp vụ cần chuẩn hóa.
Ví dụ: Tự động phân loại ticket hỗ trợ và soạn bản nháp phản hồi
{RISK_LEVEL} Bắt buộc
Mức độ rủi ro tuân thủ hoặc an toàn dữ liệu của quy trình.
Ví dụ: Mức độ 2 (Rủi ro trung bình, yêu cầu rà soát nội bộ)
{DATA_CLASS} Bắt buộc
Cấp độ bảo mật của tập dữ liệu đưa vào mô hình AI.
Ví dụ: Dữ liệu nội bộ doanh nghiệp (Internal Confidential)
{POLICY} Bắt buộc
Chính sách bảo mật, luật bảo vệ dữ liệu hoặc quy chuẩn ngành.
Ví dụ: Không đưa thông tin cá nhân khách hàng vào prompt công khai
{APPROVAL} Bắt buộc
Thông số đầu vào bắt buộc: approval phục vụ phân tích kỹ thuật chính xác.
Ví dụ: Dữ liệu cấu hình thực tế của approval trên hệ thống

2) Ví dụ thực chiến

Ví dụ chạy với USE_CASE là “KB”, RISK_LEVEL là “Medium” và DATA_CLASS là “Internal”. Đối chiếu kết quả của ví dụ với bảng Pass/Fail trước khi thay bằng dữ liệu dự án của bạn. Các ô nhập còn lại giữ như mẫu, nên bạn chỉ cần thay giá trị cho đúng dự án của mình rồi so kết quả với ví dụ.

Input

  • USE_CASE: KB
  • RISK_LEVEL: Medium
  • DATA_CLASS: Internal
  • POLICY: Không bịa dữ liệu; nếu thiếu ghi “CẦN BỔ SUNG”.

Output kỳ vọng

  • Prompt có guardrails + câu hỏi làm rõ (nếu thiếu dữ liệu)
  • Checklist QA & compliance
  • Log/version + owner + change note
  • Bản public đã redaction (nếu cần)

3) Mẫu thao tác (copy dùng ngay)

Dán nguyên mẫu vào ChatGPT, Gemini hoặc Claude, thay 5 ô {USE_CASE}, {RISK_LEVEL}, {DATA_CLASS}, {POLICY} và {APPROVAL} bằng thông tin của bạn rồi chạy. Mẫu giao cho AI vai AI Governance Lead + Prompt QA, nên giữ nguyên câu mở đầu để lần chạy nào cũng ra cùng một cấu trúc.

System Prompt: Tag taxonomy CLAUDE / CHATGPT / GEMINI / AI OVERVIEW
Bạn là AI Governance Lead + Prompt QA.
Use case: {USE_CASE}
Risk level: {RISK_LEVEL}
Data class: {DATA_CLASS}
Policy constraints: {POLICY}
Approval: {APPROVAL}

Hãy xuất theo format:
A) Guardrails (10 quy tắc) cho prompt này
B) Câu hỏi làm rõ (nếu thiếu dữ liệu) + tiêu chí “dừng lại”
C) Output format an toàn (không suy đoán, có nhãn mức chắc chắn)
D) Checklist QA (20 điểm) trước khi publish/hand-off
E) Redaction plan (public vs internal) + mẫu thay thế dữ liệu nhạy cảm
F) Versioning: owner, version, change log, rollback
G) Audit trail: ghi lại input, nguồn dữ liệu, người review, ngày review

4) Pass/Fail

Kết quả đạt khi có guardrails rõ, có reviewer/owner, có log, không lộ dữ liệu nhạy cảm. Không đạt khi prompt khuyến khích bịa, tiết lộ thông tin nội bộ, hoặc thiếu QA. Chấm kết quả theo hai tiêu chí này trước khi dùng, trượt tiêu chí nào thì sửa ô nhập đó rồi chạy lại.

KẾT QUẢ ĐẠT CHUẨN (PASS)

  • Bám sát 100% dữ liệu đầu vào thực tế, không đưa ra nhận định chung chung thiếu bằng chứng.
  • Phân loại thứ tự ưu tiên bằng số điểm định lượng (ICE/RICE), chỉ rõ các tác vụ khẩn cấp cần làm trước.
  • Lịch trình triển khai được bóc tách theo từng ngày hoặc từng giai đoạn rõ ràng, có phân công cụ thể.
  • Mỗi đầu việc đều có tiêu chuẩn nghiệm thu định lượng (Definition of Done) đo lường được.
  • Có kịch bản rollback và phương án xử lý rủi ro dự phòng nếu phát sinh sự cố kỹ thuật.

KẾT QUẢ CẦN CHẠY LẠI (FAIL)

  • Đưa ra lời khuyên lý thuyết sách giáo khoa mà không giải quyết dữ liệu cụ thể của dự án.
  • Không phân định rõ ràng thời gian hoàn tất, dàn trải tài nguyên tùy tiện.
  • Tiêu chí nghiệm thu ghi mơ hồ, thiếu chỉ số kỹ thuật hoặc ngưỡng định lượng đối chứng.
  • Thiếu phương án dự phòng khi phát sinh xung đột mã nguồn hoặc tụt lưu lượng truy cập.

Menu

Thêm vào màn hình chính

  1. 1 Bấm nút Chia sẻ ở thanh công cụ Safari
  2. 2 Kéo xuống, chọn Thêm vào MH chính
  3. 3 Bấm Thêm ở góc trên bên phải

Ba bước này là của Safari. Nếu đang xem trong ứng dụng khác thì bấm mở bằng Safari trước đã.