Thiết kế system prompt, template và guardrail

System prompt là chỗ bạn nói với Claude "bạn là ai, làm việc cho ai, theo luật nào". Viết tốt thì Claude cư xử nhất quán qua hàng nghìn cuộc trò chuyện. Viết ẩu, nhất là có hai câu dặn ngược nhau, thì mỗi lần Claude làm một kiểu.

Bài này giúp bạn trả lời: system prompt nên chứa gì, làm sao để dùng lại nó cho nhiều trường hợp, và đặt guardrail (lớp chặn an toàn) thế nào?

Ví dụ xuyên suốt: trợ lý tư vấn tour của một công ty du lịch

Một công ty du lịch làm trợ lý tư vấn tour trên website. Trợ lý trả lời về lịch trình, giá, điều kiện huỷ tour, dựa trên bộ tài liệu tour của công ty. Công ty có ba chi nhánh (Hà Nội, Đà Nẵng, TP.HCM), mỗi nơi có danh sách tour và chính sách huỷ hơi khác nhau. Họ lo ba chuyện: trợ lý bịa giá, khách dụ trợ lý hứa giảm giá, và đối thủ moi được system prompt.

Bắt đầu bằng vai trò

Docs của Anthropic nói đặt vai trò trong system prompt giúp Claude tập trung đúng hành vi và giọng điệu cho việc của bạn, và chỉ một câu cũng đã tạo khác biệt. System prompt nằm ở tham số system của API, tách khỏi danh sách messages.

Chia nội dung theo chỗ đặt:

Docs về chống jailbreak khuyên đặt nội dung không tin cậy chỉ trong kết quả tool, nói rõ nó là gì và từ đâu tới, và đừng đặt chỉ dẫn của chính bạn vào kết quả tool. Như vậy Claude phân biệt được đâu là lệnh của bạn, đâu là dữ liệu.

Chỉ dẫn cụ thể, có lý do, không mâu thuẫn

Docs khuyên nghĩ về Claude như một nhân viên mới rất giỏi nhưng chưa biết quy trình của bạn. Vì vậy:

• Nói rõ định dạng và giới hạn. Khi thứ tự quan trọng, đánh số các bước.
• Kèm lý do. So sánh hai cách viết:

Bản 1: KHÔNG BAO GIỜ nêu giá tour.
Bản 2: Không tự nêu giá tour, vì giá thay đổi theo ngày khởi hành và chỉ hệ thống đặt chỗ có giá đúng. Khi khách hỏi giá, mời khách chọn ngày để hệ thống báo giá.

Bản 2 tốt hơn: Claude hiểu mục đích nên xử lý đúng cả những tình huống bạn không liệt kê, như khách hỏi "tour này khoảng bao nhiêu tiền". Docs nói Claude khái quát được từ lời giải thích.

• Không để hai chỉ dẫn ngược nhau. Nếu một đoạn dặn "chỉ trả lời theo tài liệu tour" mà đoạn khác dặn "tự tin điền vào chỗ tài liệu còn thiếu", hành vi sẽ không đoán trước được.

Biến prompt thành template

Khi cùng một prompt dùng cho ba chi nhánh và hàng nghìn câu hỏi, hãy tách phần cố định và phần thay đổi. Docs khuyên bọc từng loại nội dung trong thẻ XML riêng, tên thẻ nhất quán và dễ hiểu:

Bạn là chuyên viên tư vấn tour của công ty, đang hỗ trợ khách của chi nhánh {{CHI_NHANH}}.

<chinh_sach_huy>
{{CHINH_SACH_HUY}}
</chinh_sach_huy>

<tai_lieu_tour>
{{TAI_LIEU_TOUR}}
</tai_lieu_tour>

<tinh_huong_mau>
Khách xin giảm giá: cảm ơn, nói rõ trợ lý không duyệt được giảm giá, mời khách để lại số điện thoại cho nhân viên.
</tinh_huong_mau>

Phần cố định (vai trò, luật, tình huống mẫu) viết một lần, kiểm một lần. Phần biến số ({{...}}) do code điền vào. Lợi ích: sửa luật ở một chỗ, so được các phiên bản prompt, và phần cố định đặt ở đầu thì dùng được prompt caching (bài 2.5).

Docs về độ nhất quán còn gợi ý: đưa danh sách tình huống thường gặp kèm cách trả lời mong muốn, và mô tả chính xác định dạng đầu ra (JSON, XML hay một mẫu riêng). Nếu cần JSON luôn đúng schema thì dùng structured outputs. Lưu ý: cách "điền sẵn phần đầu câu trả lời của assistant" (prefill) để ép định dạng không còn được hỗ trợ từ Claude 4.6 trở đi; gửi prefill sẽ bị lỗi 400.

Guardrail theo từng loại rủi ro

Docs của Anthropic có một nhóm trang về tăng cường guardrail. Mỗi rủi ro có cách riêng:

Hai điều docs nhấn mạnh: các kỹ thuật giảm bịa không loại bỏ hoàn toàn việc bịa; và các cách chống lộ prompt bằng câu chữ có thể làm giảm chất lượng, nên chỉ dùng khi thật cần. Với luật bắt buộc (không bao giờ duyệt giảm giá), đừng chỉ dựa vào câu dặn trong prompt: không cấp cho trợ lý tool nào duyệt được giảm giá.