Bài viết
Ngôn ngữ của Prompt quyết định bạn đang nói chuyện với dữ liệu huấn luyện của vũ trụ song song nào
Đừng dịch Prompt sang tiếng Anh chỉ để tiết kiệm Token nữa! Vì sao càng dịch sang tiếng Anh, AI càng hay trả lời bằng "給到" và "質量"? Bài viết kết hợp nghiên cứu mô hình ngôn ngữ của ACL với kinh nghiệm thực chiến để giải thích vì sao "giữ nguyên thuật ngữ chuyên ngành + mô tả bằng tiếng mẹ đẻ + neo khu vực rõ ràng" là cách tốt nhất để giảm chi phí sửa đi sửa lại.
· 10 phút đọc
Đừng dịch Prompt sang tiếng Anh nữa: vì sao càng muốn tiết kiệm Token, AI càng hay trả lời bằng "給到" và "質量"?
TL;DR (kết luận cốt lõi)
Công thức tốt nhất khi viết Prompt là: "giữ nguyên thuật ngữ chuyên ngành bằng tiếng Anh + viết Context của nhu cầu bằng tiếng mẹ đẻ của đối tượng đọc + gắn neo rõ ràng về khu vực và đối tượng". Cách này không đảm bảo lần nào cũng ra văn bản tự nhiên nhất 100%, nhưng tăng đáng kể khả năng trúng ngay từ lần đầu, đỡ tốn công sửa đi sửa lại giọng văn và cách dùng từ.
Rất nhiều kỹ sư và người dùng AI nặng đô có một thói quen: để tiết kiệm chút Token, hoặc vì nghe nói "hỏi AI bằng tiếng Anh thì logic tốt hơn", trước khi gửi Prompt họ dùng công cụ dịch để dịch nhu cầu sang tiếng Anh, rồi thêm một câu ở cuối: Please reply in Traditional Chinese.
Kết quả thì sao? Bạn tiết kiệm được vài đồng tiền Token, nhưng đổi lại là cả bài đầy những câu như "giải pháp này có thể 給到 bạn trải nghiệm rất tốt", "làm thế nào để 優化 質量 代碼". Cuối cùng bạn vẫn phải mất 10 phút tự tay sửa các từ đó về cách dùng quen thuộc của người Đài Loan.
Bạn hỏi bằng ngôn ngữ nào sẽ quyết định AI tìm câu trả lời trong kho ngữ liệu của nhóm người nào.
Một. Một trường hợp vấp phải thật: vì sao AI cứ viết "給到"?#
Cách đây không lâu tôi nhờ AI tổng hợp một bản tóm tắt thông tin, yêu cầu xuất ra bằng tiếng Trung phồn thể. Nội dung AI viết ra logic không có vấn đề, nhưng lại xuất hiện cấu trúc câu kiểu "給到…".
"給到" là cách nói điển hình ở môi trường công sở Trung Quốc đại lục, người Đài Loan gần như không nói như vậy trong giao tiếp hằng ngày.
Vấn đề không nằm ở chỗ AI không hiểu tiếng Trung, mà là "ngôn ngữ không bằng khu vực, tiếng Trung phồn thể cũng không bằng Đài Loan".
Trong ngữ liệu huấn luyện của các mô hình ngôn ngữ lớn (LLM), lượng dữ liệu tiếng Trung giản thể lớn hơn tiếng Trung phồn thể rất nhiều; khi bạn chỉ ra lệnh bằng tiếng Anh và yêu cầu Traditional Chinese, mô hình rất dễ dùng lại cách nói tiếng Trung có nhiều dữ liệu nhất (phần lớn đến từ Trung Quốc đại lục), chỉ là xuất ra bằng chữ phồn thể.
Viết Prompt bằng tiếng mẹ đẻ chỉ giúp AI nghiêng về hướng bản địa hóa; nói rõ "khu vực" và "đối tượng đọc" mới lấp được khoảng hở ngữ cảnh cuối cùng.
Hai. Vì sao ngôn ngữ đặt câu hỏi lại trực tiếp thay đổi câu trả lời của AI?#
Đây không phải chuyện huyền bí, mà là hệ quả tất yếu từ cách mô hình ngôn ngữ vận hành ở tầng nền. Nhìn từ góc độ kỹ thuật và nghiên cứu, có ba nguyên nhân cốt lõi:
1. Nền tảng của AI là "xác suất có điều kiện và dự đoán từ tiếp theo"#
Cùng một việc, những người ở các cộng đồng ngôn ngữ khác nhau vốn có điểm tiếp cận, thành ngữ và giá trị quan hoàn toàn khác nhau. Tất cả những khác biệt này đã bị nén vào trọng số của dữ liệu huấn luyện. Khi bạn hỏi bằng tiếng Anh, mô hình sẽ nối tiếp theo ngữ liệu của thế giới nói tiếng Anh; khi bạn hỏi bằng từ vựng tiếng Trung phồn thể theo thói quen của Đài Loan, nó mới dễ nối vào phân phối xác suất của ngữ cảnh Đài Loan hơn.
2. Nghiên cứu học thuật xác nhận: ngôn ngữ đặt câu hỏi kích hoạt sự căn chỉnh văn hóa (Cultural Alignment) tương ứng#
Một nghiên cứu công bố tại ACL năm 2024 (AlKhamissi et al., 2024, arXiv:2402.13231) đã mô phỏng các cuộc khảo sát xã hội của Ai Cập và Hoa Kỳ. Nhóm nghiên cứu phát hiện: khi đặt câu hỏi bằng ngôn ngữ chính của một nền văn hóa, phân phối câu trả lời của LLM tiến gần hơn đáng kể đến kết quả khảo sát người thật tại địa phương. Nghiên cứu cũng phát hiện nhóm cộng đồng càng ít được đại diện và vấn đề càng nhạy cảm thì độ lệch của mô hình càng lớn.
3. Ngôn ngữ và cách dùng từ là manh mối chính để AI phán đoán "bạn là ai"#
AI không biết bạn. Khi chưa nạp bộ nhớ cá nhân phức tạp (Memory), ngôn ngữ bạn dùng, các thuật ngữ chuyên ngành xen vào, thậm chí thói quen dùng dấu câu đều là những manh mối ngầm để mô hình suy ra "bối cảnh người hỏi" và "mức đầu ra kỳ vọng".
Ba. Không chỉ ngôn ngữ, "giọng điệu" cũng là một phần của Prompt#
Ngoài việc chọn đúng ngôn ngữ, "mức độ lịch sự" bạn thể hiện bằng tiếng mẹ đẻ cũng ảnh hưởng đến hiệu quả của mô hình.
Một nghiên cứu đa ngôn ngữ khác về Prompt tiếng Anh, tiếng Trung và tiếng Nhật (Yin et al., 2024, arXiv:2402.14531) chỉ ra rằng: quá thô lỗ hoặc bất lịch sự với AI thường làm chất lượng đầu ra giảm; nhưng quá khách sáo, vòng vo cũng không đảm bảo hiệu quả tốt hơn. Quan trọng hơn, mỗi ngôn ngữ đều có "mức lịch sự tối ưu (Sweet Spot)" riêng, tức điểm cân bằng vàng vừa vặn nhất, và điểm này khác nhau theo từng ngôn ngữ.
Viết bằng tiếng mẹ đẻ quen thuộc nhất, bạn mới nắm chính xác được mức độ giọng điệu (ví dụ: "giọng điệu thẳng, đừng văn marketing sáo rỗng"), tránh mất khả năng kiểm soát giọng điệu và phong cách trong bản dịch tiếng Anh cứng nhắc.
Bốn. Ma trận quyết định Prompt tiếng Trung vs. tiếng Anh (khi nào nên dùng tiếng Anh?)#
Nhấn mạnh tầm quan trọng của tiếng mẹ đẻ không có nghĩa là bạn phải bỏ hẳn tiếng Anh.
Trong thời đại Input Token cực rẻ như hiện nay, "tiết kiệm Token" từ lâu đã là một vấn đề giả, chi phí thật là "chi phí ma sát của việc trao đổi qua lại và chỉnh sửa thủ công". Điểm mấu chốt không nằm ở tiếng Trung hay tiếng Anh, mà ở chỗ lúc này bạn đang theo đuổi "ngữ cảnh bản địa" hay "sự chính xác thuần túy về kỹ thuật".
Bạn có thể tham khảo ngay bảng quyết định này:
| Tình huống công việc |
Ngôn ngữ nên viết |
Lý do cốt lõi và chiến lược |
| Tạo nội dung bản địa (blog, nội dung marketing, nội dung UI sản phẩm, thư gửi khách hàng) |
Mô tả bằng tiếng mẹ đẻ + thuật ngữ tiếng Anh + neo khu vực |
Tránh giọng văn dịch và cách dùng không phải của Đài Loan (như: 「視頻」「質量」「給到」), đi thẳng vào ngữ cảnh người đọc Đài Loan. |
| Dịch đa ngôn ngữ xuyên quốc gia (ví dụ: dịch Trung sang Thái, website đa ngôn ngữ bản địa hóa) |
Ra lệnh bằng tiếng mẹ đẻ + chỉ định rõ khu vực đích và vai trò |
Tránh dùng tiếng Anh làm ngôn ngữ trung gian (Pivot Language) gây hao hụt ngữ nghĩa hai lần. |
| Sinh code thuần túy và Debug (kiến trúc hệ thống, thuật toán, gỡ lỗi) |
Trung hay Anh đều được (khuyến nghị: logic bằng tiếng mẹ đẻ + thuật ngữ tiếng Anh và Error Log) |
Từ khóa kỹ thuật (API, PR, Deployment) và tài liệu chính thức vốn bằng tiếng Anh, giữ nguyên bản sẽ khớp với trọng số kỹ thuật chính xác nhất. |
| Tra cứu tài liệu kỹ thuật nước ngoài mới nhất / bài báo học thuật |
Chủ yếu tiếng Anh |
Dữ liệu gốc phần lớn bằng tiếng Anh, dùng thẳng từ khóa tiếng Anh để truy xuất (RAG / Search) cho tỷ lệ recall cao nhất. |
Năm. Checklist thực chiến: 5 điểm kiểm tra để có câu trả lời chính xác ngay lần đầu#
Lần tới khi viết Prompt cần đầu ra tiếng Trung chất lượng cao, đừng mở phần mềm dịch nữa. Cứ áp dụng danh sách này:
So sánh Prompt mẫu thực chiến#
❌ Ví dụ sai (mê tín tiếng Anh + điều kiện mơ hồ):
Write a blog post about prompt language selection in Traditional Chinese. Make it professional.
✅ Ví dụ đúng (ngữ cảnh bằng tiếng mẹ đẻ + giữ nguyên thuật ngữ + neo khu vực và đối tượng):
Hãy dùng tiếng Trung phồn thể theo thói quen của Đài Loan, viết một bài quan điểm kỹ thuật cho kỹ sư Đài Loan đọc, chủ đề là "Chọn ngôn ngữ đặt câu hỏi cho Prompt".
Yêu cầu:
1. Thuật ngữ chuyên ngành (như Token, Prompt, Context, API) giữ nguyên tiếng Anh, không cố ý dịch.
2. Giọng điệu thẳng, khách quan, đưa thẳng kết luận và danh sách có thể làm theo, không dùng giọng sách giáo khoa hay lời marketing rỗng tuếch.
3. Dùng nghiêm ngặt cách nói bản địa của Đài Loan, tránh xuất hiện các từ như "給到、質量、視頻、代碼".
Câu hỏi thường gặp (FAQ)#
Q1: Viết Prompt bằng tiếng Trung có tốn nhiều Token hơn và chậm hơn không?#
Cùng một nội dung, viết bằng tiếng Trung thì số Token thường nhiều hơn tiếng Anh một chút, nhưng giá của Input Token rất thấp. So với khoản Token ít ỏi tiết kiệm được, thời gian lãng phí vào việc "tạo lại" hoặc sửa bài thủ công do sai ngữ cảnh mới là khoản chi phí ẩn đắt nhất.
Q2: Vì sao tôi đã yêu cầu AI dùng "tiếng Trung phồn thể (Traditional Chinese)" mà nó vẫn dùng từ của Trung Quốc đại lục?#
Vì với mô hình, Traditional Chinese thường chỉ đại diện cho "mã hóa ký tự và dạng chữ (Script)", chứ không đại diện cho "văn hóa khu vực (Locale)". Ngữ liệu của Hồng Kông - Macao, Đài Loan và ngữ liệu chuyển từ giản thể sang phồn thể đều thuộc tiếng Trung phồn thể. Phải chỉ định rõ "cách dùng từ của Đài Loan (zh-TW)" và "đối tượng đọc mục tiêu (như: kỹ sư Đài Loan)" thì mới thu hẹp đúng việc chọn từ của mô hình.
Muốn câu trả lời bản địa, hãy hỏi bằng ngôn ngữ bản địa, rồi nói rõ khu vực.
Logic này không chỉ áp dụng cho hỏi đáp hằng ngày, mà còn là nền tảng cốt lõi của việc bản địa hóa sản phẩm xuyên quốc gia. Bài tiếp theo, chúng ta sẽ đưa khái niệm này thẳng vào kỹ thuật thực chiến: "Khi website hỗ trợ 22 locale, làm sao để AI tự động dịch ra bản dịch bản địa thật sự?"