Negative prompting là gì? Đây là kỹ thuật prompt phủ định giúp bạn chỉ rõ những yếu tố không mong muốn mà AI phải tránh, mang lại output sạch hơn, tập trung hơn cho text và hình ảnh.
Negative Prompting là gì
Negative prompting là kỹ thuật chỉ định rõ ràng những gì AI không được tạo ra trong output, sử dụng các từ như “do not”, “avoid”, “exclude” hoặc “filter” để loại bỏ yếu tố không mong muốn. Thay vì chỉ tập trung vào mô tả tích cực (positive prompt), negative prompting bổ sung lớp kiểm soát phủ định, giúp AI tránh lỗi lặp lại, sáo rỗng hoặc lệch hướng. Kỹ thuật này phổ biến trong text generation, chain-of-thought prompting và đặc biệt hiệu quả với diffusion models cho hình ảnh, nơi nó hoạt động như một “veto” để loại bỏ anti-patterns.
Khi nào dùng Negative Prompting cho text
Negative prompting đặc biệt hữu ích khi bạn đã nhận diện rõ vấn đề cụ thể trong output ban đầu, như nội dung thừa, phong cách sai hoặc yếu tố không liên quan.
Dưới đây là các tình huống lý tưởng để áp dụng:
- Khi output thường chứa lặp lại vô ích hoặc cụm từ sáo rỗng: Thêm “avoid repetition, do not use filler phrases”.
- Để loại bỏ góc nhìn lệch lạc trong phân tích: “Exclude biased opinions, do not speculate without evidence”.
- Trong sáng tạo nội dung: “Avoid clichés, filter out generic examples”.
- Kết hợp few-shot: Đưa ví dụ negative để minh họa sai lầm, giúp AI học cách tránh.
Ví dụ prompt yếu vs tốt hơn
Prompt yếu (chỉ positive): “Viết bài về lợi ích cà phê.” Output có thể lẫn lộn: “Cà phê ngon, nhưng đôi khi gây nghiện, giống trà…
Prompt tốt với negative: “Viết bài về lợi ích cà phê. Avoid mentioning trà, do not discuss nghiện, exclude so sánh với đồ uống khác.” Output sạch hơn: Tập trung đúng lợi ích sức khỏe, không lạc đề.
Ví dụ cụ thể về “không được làm gì”
Negative prompt text thường dùng danh sách ngắn gọn các yếu tố cần loại bỏ, giúp AI tinh chỉnh mà không bị ràng buộc quá mức.
Dưới đây là các ví dụ thực tế cho text generation:
- Tránh chất lượng kém: “Do not use blurry logic, avoid low-effort examples, exclude vague statements”.
- Loại bỏ nội dung không mong muốn: “Filter out violence, exclude political bias, avoid sensitive topics.
- Kiểm soát phong cách: “Do not write in formal tone, avoid academic jargon, exclude lists if not needed”.
- Cho nội dung sáng tạo: “Negative prompt: no happy endings forced, avoid predictable plots”.
Những ví dụ này giúp output sạch hơn, ít sáo rỗng hơn, đặc biệt khi bạn biết rõ output sai ở đâu từ lần thử trước.
Lỗi thường gặp: Nhồi quá nhiều phủ định
Sử dụng quá nhiều negative prompts có thể làm AI quá thận trọng, dẫn đến output generic, thiếu sáng tạo hoặc bị kẹt.
Các lỗi phổ biến bao gồm:
- Danh sách dài dòng: “Do not do this, avoid that, exclude everything…” khiến model bối rối, giảm chất lượng tổng thể.
- Phủ định mơ hồ: “Avoid bad stuff” thay vì cụ thể như “no deformed logic”.
- Quên cân bằng: Chỉ negative mà thiếu positive dẫn đến output trống rỗng.
- Overuse ở mọi prompt: Không phải lúc nào cũng cần; chỉ dùng khi xác định rõ vấn đề.
Để tránh, hãy bắt đầu với 3-5 phủ định cụ thể nhất, test iteratively và thư giãn nếu output trở nên hạn chế.
Kết luận
Negative prompting là công cụ mạnh mẽ để loại bỏ yếu tố không mong muốn, giúp output text sạch sẽ và chính xác hơn khi bạn biết rõ vấn đề cụ thể. Kỹ thuật này giải quyết vấn đề output lệch lạc hoặc thừa thãi, nhưng chỉ hiệu quả khi dùng tiết kiệm và kết hợp positive prompt. Tránh nhồi nhét quá nhiều để không làm AI mất sáng tạo. Thêm negative rules vào prompt khi bạn biết rõ output sai ở đâu để kiểm soát tốt hơn ngay hôm nay.
Các câu hỏi thường gặp (FAQs)
Negative Prompting khác Constraint-based prompting thế nào?
Negative prompting tập trung vào loại bỏ cụ thể (như “avoid blurry”) qua từ phủ định, trong khi constraint-based dùng quy tắc cứng (như “output phải dưới 100 từ”) để giới hạn cấu trúc. Negative linh hoạt hơn cho sáng tạo, còn constraint kiểm soát định dạng chính xác hơn – dùng negative khi cần tránh nội dung xấu, constraint cho khuôn mẫu.
Có nên dùng Negative Prompting cho mọi prompt không?
Không, chỉ dùng khi output ban đầu có vấn đề rõ ràng cần loại bỏ, như lặp lại hoặc lệch đề. Dùng mọi lúc sẽ làm prompt dài dòng, output generic. Ưu tiên positive trước, bổ sung negative sau khi test.
Dùng tiếng Việt hay tiếng Anh cho negative prompt tốt hơn?
Tiếng Anh thường hiệu quả hơn vì hầu hết model huấn luyện chủ yếu trên dữ liệu Anh ngữ, nhận diện từ như “blurry, deformed” chính xác cao. Dùng tiếng Việt nếu model hỗ trợ tốt (như Việt hóa), nhưng kết hợp Anh-Việt để an toàn: “avoid lặp lại, no blurry”.
Negative prompting có làm chậm quá trình generation không?
Thường không đáng kể ở text models, nhưng ở diffusion/image gen, nó tăng nhẹ thời gian do model phải “trừ” hướng negative. Lợi ích chất lượng vượt trội hơn, đặc biệt với danh sách ngắn.