Flutter - free resource mobile app, desktop, web

Bảo model tạo ảnh vẽ “một cái poster”, bạn sẽ nhận về một tấm ảnh có hình dạng poster: hình ở trên, chữ ở dưới, hai bên tranh nhau sự chú ý, chẳng có gì gắn chúng lại với nhau. Nó nhìn ra ngay là do AI sinh vì bố cục chung chung, chứ không phải vì chất lượng render kém.

Cách sửa không phải là đổi model xịn hơn. Mà là đưa cho model một hệ bố cục thay vì một chủ đề.

Dưới đây là hai hệ cho ra kết quả nhìn như có art director thật. Cả hai đều kèm template điền chỗ trống. Cả hai đều chạy được trên mọi model tạo ảnh hiện tại có nhận prompt dài — Nano Banana, Midjourney, Seedream, GPT Image, Flux.

Vì sao chỉ dẫn bố cục ăn đứt tính từ mô tả phong cách

Đa số prompt làm poster là một đống tính từ: tối giản, thanh lịch, cao cấp, chuyên nghiệp, đoạt giải. Mấy từ đó đẩy model về phía trung bình cộng của tất cả những gì được gắn nhãn như vậy trong dữ liệu huấn luyện. Mà trung bình chính là thứ bạn đang muốn thoát khỏi.

Chỉ dẫn bố cục thì khác. “Vùng thông tin phía dưới chiếm 25–40% chiều cao” là ràng buộc mà model có thể thỏa hoặc không thỏa, và nó ràng buộc phần bố cục chứ không phải phần bề mặt. Nói bốn điều cụ thể về cấu trúc thì bạn nhận được một cấu trúc cụ thể.

Ba đòn bẩy làm được nhiều việc nhất:

Mọi thứ bên dưới đều dựng trên ba cái đó.

Hệ 1 — Bố cục split-level

Hợp với: poster triển lãm, bìa sách, đồ họa sự kiện và văn hóa, bất cứ thứ gì cần cảm giác được tuyển chọn kỹ.

Ý tưởng nghe thì hiển nhiên — chia khung thành phần trên và phần dưới — nhưng phiên bản hiệu quả có một điểm xoay rất cụ thể. Nó không phải “hình trên, chữ dưới”. Nó là hai hoặc ba vùng không đều nhau với vai trò khác nhau, rồi được nối lại bằng những thành phần vượt qua ranh giới.

Cái sự vượt ranh giới đó mới là toàn bộ mẹo. Một cành hoa chạy xuyên qua đường chia, một tiêu đề đủ lớn để cưỡi lên nó, bờ vai của nhân vật phá qua vạch. Không có nó thì bạn có hai hình chữ nhật xếp chồng. Có nó thì bạn có chiều sâu.

Công thức chia vùng

┌─────────────────────────┐
│                         │
│   VÙNG HÌNH CHÍNH       │  50–65%
│   một chủ thể duy nhất  │
│                         │
├─────────────────────────┤
│  DẢI CHUYỂN TIẾP        │  8–15%
├─────────────────────────┤
│  VÙNG THÔNG TIN         │
│  tiêu đề / ngày / nơi   │  25–40%
│  tên đơn vị (rất nhỏ)   │
└─────────────────────────┘

Ba điều khiến nó thật sự hiệu quả chứ không chỉ gọn gàng:

Dải chuyển tiếp không phải để trang trí. Nó là một dải hẹp — một khối màu nhạt, một vạch mảnh, một hàng module thông tin nhỏ — có nhiệm vụ làm thứ thứ ba mà không vùng nào sở hữu. Thiếu nó, hai vùng đọc lên như không liên quan gì tới nhau. Nó tương đương một dấu phẩy trong thị giác.

Một tiếng nói chính, vài tiếng thì thầm. Giữ đúng một chủ thể chính. Sau đó rải vài chi tiết nhẹ ký vào khoảng trống: nét vẽ mảnh, phác thảo dở, một mảnh sơ đồ, chữ dựng đứng, mấy ký hiệu chú thích nhỏ. Chúng làm vùng trống có mật độ mà không cạnh tranh. Đây chính là khác biệt giữa “thoáng” và “trống”.

Tiêu đề tham gia vào bố cục. Không phải một dòng chú thích nằm dưới hình — tiêu đề là một thành phần bố cục. Phóng to nó, dựng đứng nó, đặt lệch có chủ ý, hoặc cho nó chạy xuyên qua ranh giới vùng.

Template

Điền vào các ngoặc vuông rồi dán nguyên cả khối:

[Chủ đề]: ___
[Hình chính]: ___
[Tiêu đề chính]: ___
[Tiêu đề phụ / bản dịch]: ___
[Họa tiết bổ trợ]: ___
[Màu chủ đạo]: ___
[Màu nhấn]: ___
[Ngày và địa điểm]: ___
[Tỷ lệ khung]: 9:16

Thiết kế một poster theo ngôn ngữ editorial cao cấp và triển lãm
văn hóa, dựng trên bố cục split-level.

CẤU TRÚC — không tạo bố cục "hình trên, chữ dưới" thông thường.
Chia khung thành ba vùng ngang không đều nhau:
- vùng hình chính chiếm 50-65% chiều cao
- một dải chuyển tiếp hẹp chiếm 8-15%
- vùng thông tin chiếm 25-40%

VÙNG CHÍNH — chỉ một chủ thể duy nhất: [Hình chính]. Thêm hai tới ba
chi tiết phụ nhẹ ký vào khoảng trống (nét mảnh, phác thảo dở, một sơ
đồ nhỏ, chữ dựng đứng) để vùng trống có mật độ mà không lấn át chủ thể.

DẢI CHUYỂN TIẾP — nối hai vùng bằng một khối màu giảm bão hòa, một
vạch mảnh, hoặc một hàng module thông tin nhỏ. Dải này không thuộc
về vùng nào cả.

CHỮ — tiêu đề chính là một thành phần bố cục, không phải chú thích.
Phóng to, dựng đứng, đặt lệch, hoặc cho nó cắt ngang ranh giới vùng.
Đồng thời cho một phần chủ thể chính vượt qua ranh giới, để tách bạch
tiền cảnh và hậu cảnh.

PHÂN CẤP — bốn cỡ chữ khác biệt rõ ràng: tiêu đề chính cỡ lớn, rồi
tiêu đề phụ và ngày tháng, rồi phụ đề nhỏ, rồi thông tin đơn vị rất
nhỏ. Gom nhóm chữ nhỏ thật sát nhau; tuyệt đối không rải rác.

MÀU — tối đa 5 màu. [Màu chủ đạo] dẫn dắt, [Màu nhấn] chỉ xuất hiện
trên dưới 10% diện tích.

TINH THẦN — mỗi vùng có vai trò riêng, và các vùng được nối lại qua
chủ thể chính cùng phần chữ. Giàu chi tiết nhưng không rối, thoáng
nhưng không trống; đạt độ hoàn thiện của một poster bảo tàng thật
hoặc một catalogue nghệ thuật.

Sửa khi ra chưa đúng

• Không có gì vượt ranh giới. Nói thẳng: “chủ thể chính phải chồng lên ranh giới vùng khoảng 10–15% chiều cao của nó.” Model mặc định chia tách gọn gàng.
• Chữ nhỏ rải khắp nơi. Thêm: “toàn bộ chữ dưới tiêu đề phụ phải nằm trong một khối duy nhất, sát nhau.”
• Quá nhiều màu. Hạ trần xuống 3 và gọi tên từng màu.
• Các vùng ra bằng nhau. Nhắc lại các tỷ lệ phần trăm ở cuối prompt — position bias là có thật, và chỉ dẫn cuối cùng thường sống sót.

Hệ 2 — Ảnh chuyển thành đồ họa trừu tượng

Hợp với: biến một tấm ảnh sẵn có thành tác phẩm kiểu phòng trưng bày. Chân dung, kiến trúc, phong cảnh, ảnh sản phẩm.

Cấu trúc khác, triết lý giống. Khung được chia làm hai nửa: một nửa giữ nguyên ảnh thật, nửa còn lại là bản rút gọn trừu tượng của chính chủ thể đó. Đặt cạnh nhau, cặp đôi này đọc lên có chủ đích theo cách mà từng nửa riêng lẻ không có được.

Quy tắc theo hướng ảnh là thứ khiến nó bền:

Đây là ngoại lệ duy nhất cho nguyên tắc “tránh 50/50”, và nó xứng đáng: hai nửa không cạnh tranh nhau, chúng là cùng một chủ thể ở hai thanh âm khác nhau, nên sự cân bằng đọc lên như một phép so sánh có chủ ý.

Có một skill mã nguồn mở triển khai cách này tại ZzzLc0405/photo-abstract-editorial nếu bạn muốn dùng như một công cụ tái sử dụng thay vì dán prompt mỗi lần.

Nhiệm vụ của từng nửa

Nửa ảnh — giữ nguyên, đừng diễn giải lại. Đây là chỗ đa số thất bại. Model rất muốn stylize, mà ngay khi nó làm vậy thì cặp đôi sụp đổ. Hãy nói thẳng: giữ nguyên hình dáng, tỷ lệ, chất liệu thật, ánh sáng và bóng đổ tự nhiên, màu gốc của chủ thể. Chỉ chỉnh màu — nhẹ nhàng theo kiểu nhiếp ảnh nghệ thuật đương đại, không hơn. Nếu cần mở rộng khung cho vừa, chỉ mở rộng bầu trời, mặt đất hoặc môi trường xung quanh, tuyệt đối không đụng vào chủ thể.

Nửa đồ họa — rút về đường bao. Lấy đường viền dễ nhận ra nhất của chủ thể rồi dựng lại bằng hình học sạch, mảng màu phẳng, nét mảnh và khoảng trống rộng rãi. Không minh họa tả thực, không chi tiết vụn. Đích đến là trừu tượng nhưng nhận ra ngay lập tức.

Lấy bảng màu từ chính tấm ảnh. Đây là chỉ dẫn buộc hai nửa lại với nhau, và cũng là cái mọi người hay quên. Màu được lấy mẫu từ ảnh gốc mới là thứ khiến hai nửa nhìn như một tấm poster chứ không phải hai file ghép lại.

Template

Tạo một poster editorial tối giản cao cấp từ tấm ảnh được tải lên.
Khung dọc tỷ lệ 3:4.

CÁCH CHIA — nếu ảnh gốc nằm ngang, chia khung theo chiều ngang thành
hai nửa xấp xỉ bằng nhau (ảnh ở trên, đồ họa ở dưới). Nếu ảnh gốc
dựng đứng, chia theo chiều dọc thành hai nửa xấp xỉ bằng nhau (ảnh
một bên, đồ họa bên còn lại).

NỬA ẢNH — giữ nguyên ảnh gốc một cách trung thực: hình dáng, tỷ lệ,
chất liệu thật, ánh sáng và bóng đổ tự nhiên, cùng màu sắc gốc của
chủ thể. Chỉ áp dụng chỉnh màu chuyên nghiệp ở mức tiết chế, theo
đúng thanh âm của nhiếp ảnh nghệ thuật đương đại. Nếu buộc phải mở
rộng khung, chỉ mở rộng bầu trời, mặt đất hoặc môi trường xung quanh.
Không bóp méo, không đổi phong cách, không thay đổi chủ thể.

NỬA ĐỒ HỌA — diễn giải lại đường bao và cấu trúc dễ nhận ra nhất của
chủ thể thành một bố cục trừu tượng đơn giản: hình học sạch, mảng màu
phẳng, nét mảnh, khoảng trống rộng rãi. Không minh họa tả thực, không
chi tiết rườm rà. Kết quả phải trừu tượng nhưng vẫn nhận ra ngay đó
là cùng một chủ thể. Lấy toàn bộ bảng màu từ các màu có trong ảnh gốc.

NỀN — nền trung tính sáng (màu xương, ngà, xám ấm), lề rộng rãi và
bố cục cân bằng quanh trục giữa.

CHỮ — tối thiểu hoặc không có. Nhiều nhất là một tiêu đề ngắn và một
năm, đặt cỡ nhỏ.

ĐỊNH HƯỚNG — thiết kế editorial tối giản cao cấp, poster triển lãm
nghệ thuật đương đại, ngôn ngữ đồ họa kiến trúc, sang trọng tiết chế,
art direction chuẩn bảo tàng, khoảng trống rộng rãi.

TRÁNH — bố cục kiểu template, thiết kế thương mại rẻ tiền, phong cách
hoạt hình, render 3D, trang trí rườm rà, gradient, hiệu ứng neon,
minh họa rối rắm, và mọi hình thức bóp méo chủ thể trong ảnh.

Sửa khi ra chưa đúng

• Chọn ảnh có đường bao rõ ràng. Muốn rút gọn thì phải có thứ để rút gọn. Cảnh rối rắm không có hình khối chủ đạo sẽ ra một mớ nhòe.
• Nửa trừu tượng nhìn như đồ lại vụng về. Đẩy mạnh phần rút gọn: “không quá 5 hình khối riêng biệt.”
• Nửa ảnh bị stylize mất. Dời mệnh đề giữ nguyên xuống cuối prompt và thêm: “phần ảnh phải giữ nguyên chất nhiếp ảnh.”
• Hai nửa nhìn không liên quan. Nhắc lại chỉ dẫn về bảng màu, và gọi tên hai ba màu bạn nhìn thấy trong ảnh gốc.

Phần chuyển được sang mọi prompt poster khác

Bóc cả hai hệ ra thì bên dưới vẫn là bốn nước đi giống nhau:

Nêu cấu trúc trước phong cách. Phần trăm, số vùng, số lượng — những thứ này ràng buộc model theo cách tính từ không làm được. “25–40% chiều cao” là kiểm được; “cân đối” thì không.

Đặt trần cho bảng màu. Nếu chỉ đổi được một điều trong cách viết prompt tạo ảnh, hãy đổi cái này. Ba tới năm màu, nêu ra bằng một con số, là chỉ dẫn có đòn bẩy cao nhất trong cả prompt.

Gọi tên phân cấp một cách rõ ràng. Model mặc định làm phẳng phân cấp, vì dữ liệu huấn luyện lấy trung bình thì phẳng. Liệt kê bốn cỡ chữ khác biệt sẽ ép nó tách bạch ra.

Cho các thành phần vượt khỏi khung của chúng. Chiều sâu trong bố cục đến từ những thứ không chịu nằm yên trong ô của mình. Đây là chỉ dẫn hay bị thiếu nhất trong những prompt cho ra kết quả phẳng lì.

Câu hỏi thường gặp

Dùng được với model tạo ảnh nào? Bất kỳ model nào nhận prompt dài có cấu trúc — Nano Banana, Midjourney, Seedream, GPT Image, Flux. Model render chữ tốt sẽ xử lý phần phân cấp typography khá hơn; với model yếu chữ thì cứ tạo bố cục rồi tự đặt chữ vào sau.

Dùng thương mại được không? Bản thân hệ bố cục là quy ước thiết kế, không phải tài sản của ai — split-level có từ trước AI hàng chục năm. Hãy kiểm tra điều khoản thương mại của chính model bạn dùng, và kiểm tra giấy phép của bất kỳ đoạn code hay skill nào bạn sử dụng.

Làm sao để chữ trong poster đọc được? Viết ngắn, ghi rõ chuỗi chữ trong dấu ngoặc kép, và chuẩn bị tinh thần phải sửa. Với những thứ đưa cho khách hàng, hãy tạo bố cục bằng AI rồi dựng chữ thật bằng công cụ thiết kế đè lên trên.

Bìa sách thì dùng hệ nào? Split-level. Vùng thông tin ánh xạ rất tự nhiên sang tên sách, tác giả và nhà xuất bản.

Sao ở hệ 2 lại đảo ngược nguyên tắc 50/50? Vì hai nửa không tranh nhau sự chú ý — chúng là cùng một chủ thể được trình bày hai lần. Sự cân bằng ở đây đọc lên như một phép so sánh, chứ không phải sự do dự.

Khung split-level trong bài được phóng tác từ một phân tích bố cục ghi nguồn Larus Canus, còn cách ảnh-chuyển-trừu-tượng từ một bài ghi nguồn VibeEverything, cả hai đang lan truyền trong cộng đồng thiết kế AI Việt Nam. Các template prompt phía trên được mình viết lại bằng ngôn từ của mình kèm phần giải thích lý do; skill mã nguồn mở triển khai hệ thứ hai đã được dẫn link ở phần nguồn.

Bài viết gốc đăng tại FlutterCook. Bản trên đó là bản được cập nhật mới nhất.

Gần đây có một bài tóm tắt “khoa học đằng sau prompt engineering” được chia sẻ rất nhiều, dựa trên năm kết quả nghiên cứu. Danh sách ý tưởng thì hay. Nhưng mấy con số đi kèm lại thuộc kiểu được copy từ bài này sang bài khác mà không ai mở paper gốc ra coi. Nên mình mở ra coi.

Hai trong năm tuyên bố là đúng. Ba cái còn lại thì không — ít nhất là không đúng theo cách đang được lan truyền. Có một trường hợp nghiên cứu thật còn cho kết quả ngược lại với lời khuyên.

Không phải vì vậy mà vứt cả danh sách đi. Phần lời khuyên nền tảng phần lớn vẫn hợp lý. Nhưng nếu bạn định thay đổi cách làm việc dựa trên một nghiên cứu, thì nên biết đó là nghiên cứu nào và nó thật sự đo cái gì.

Dưới đây là từng tuyên bố, phần nào mình kiểm chứng được, và mình sẽ làm gì với nó.

Tóm tắt nhanh

1. Đừng hỏi “…đúng không?” — cái này đúng

Tuyên bố: một nghiên cứu của Cornell Tech thử 45 model, chỉ đổi vài từ trong câu hỏi, và thấy rằng cách hỏi kiểu “X là lựa chọn tốt hơn, đúng không?” kéo câu trả lời về phía X.

Kết luận: đúng. Paper là Tag Questions and the Generational Reversal of Sycophancy Across 45 Language Models. “Tag question” chính là cái đuôi …, đúng không? hay …, phải không?. Nghiên cứu giữ nguyên nội dung câu hỏi, chỉ đổi phần đuôi, chạy trên 45 model và đo mức độ đồng ý dịch chuyển bao nhiêu.

Chi tiết thú vị mà bản tóm tắt phổ biến bỏ mất: hiệu ứng này không đồng đều giữa các thế hệ model. Model mới không đơn giản là “ngoan hơn” — ở một số chỗ xu hướng còn đảo ngược. Nên “model mới ít nịnh hơn” cũng không phải giả định an toàn.

Nên làm gì. Bóc câu trả lời ra khỏi câu hỏi. Khác biệt không hề nhỏ:

❌ Thuê nhà là lựa chọn khôn ngoan hơn với tình hình của tôi, đúng không?
✅ So sánh mua và thuê nhà cho tình huống của tôi: 32 tuổi, thu nhập
   freelance trung bình 25 triệu/tháng nhưng dao động 30%, đã tiết kiệm
   được 1,5 tỷ, dự định ở lại thành phố này ít nhất 3 năm nữa.
   Nêu rõ giả định nào ảnh hưởng nhiều nhất tới kết luận.

Bản thứ hai dài hơn nhưng ít chỉ thị hơn. Đó mới là điểm chính — bạn đưa dữ kiện để nó suy luận, chứ không đưa kết luận để nó gật đầu.

Chuyện này đúng xa hơn phạm vi lời khuyên đời sống. Cách tổ chức API này ổn đúng không? là mời model đồng ý. Phản biện cách tổ chức API này so với các phương án khác mà bạn sẽ cân nhắc là mời model làm việc.

2. “Think step by step” so với role ngắn — tuyên bố này không đứng vững

Tuyên bố: IBM chạy hơn 430.000 lượt đánh giá trên 8 kiểu prompt, thấy “think step by step” thua cách hỏi thường, và kiểu thắng là câu hỏi cộng một vai trò ngắn như “với góc nhìn của một kỹ sư độ tin cậy.”

Kết luận: mình không tìm được nghiên cứu này. Tìm theo mọi hướng đều không ra thứ gì khớp với mô tả hay con số đó. Nếu nó tồn tại thì không nằm ở chỗ các bài tóm tắt nói.

Quan trọng hơn, nghiên cứu được ghi nhận rõ ràng nhất gần với chủ đề này lại cho kết quả ngược lại ở phần persona. When “A Helpful Assistant” Is Not Really Helpful (Findings of EMNLP 2024) thử persona trong system prompt một cách có hệ thống, qua nhiều vai trò và nhiều bộ câu hỏi kiến thức, và thấy persona không cải thiện độ chính xác một cách đáng tin cậy — ở khá nhiều trường hợp, điểm khi có persona còn thấp hơn baseline không persona. Các nghiên cứu sau đó lặp lại cùng một hình dạng kết quả: nói với model rằng nó là chuyên gia không làm nó trả lời đúng hơn ở những câu có đáp án kiểm chứng được.

Vậy nên lời khuyên đang lan truyền — “bỏ step-by-step, thêm role vào” — theo bằng chứng hiện tại thì một nửa không có cơ sở, một nửa còn ngược.

Phần trực giác đằng sau vẫn đúng. Nửa đầu của tuyên bố có chạm vào cái gì đó thật. Câu “take a deep breath and work through this step by step” đến từ Large Language Models as Optimizers, và bản tóm tắt gốc nói đúng: nó được tìm ra trên PaLM 2-L năm 2023. Đó là thời model sẽ không tự chia nhỏ bài toán nếu bạn không yêu cầu. Model reasoning bây giờ tự chia nhỏ mặc định, gắn thêm câu đó lên trên chẳng thêm được gì.

Nên làm gì:

• Đừng thêm “think step by step” vào model reasoning. Nó làm sẵn rồi.
• Vẫn nên dùng với model nhỏ/nhanh, hoặc khi bạn cần thấy các bước trung gian để kiểm tra.
• Coi persona là công cụ điều chỉnh giọng văn và đối tượng, không phải công cụ tăng độ chính xác. “Giải thích như một kỹ sư độ tin cậy đang báo cáo cho ban giám đốc” là chỉ dẫn hợp lệ về văn phong và cách đóng khung. Nó không làm model biết thêm điều gì.

Phân biệt cuối cùng đó mới là phần dùng được. Persona định hình cách câu trả lời đọc lên như thế nào. Nó không định hình việc câu trả lời có đúng hay không.

3. Tự tin ≠ chính xác — kết luận đúng, con số sai

Tuyên bố: Microsoft kiểm 2,6 triệu nguồn tham khảo và thấy khoảng 1/4 paper NeurIPS 2025 được kiểm có ít nhất một trích dẫn do AI bịa.

Kết luận: hiện tượng được ghi nhận rất kỹ; nhưng con số thì không. Cuộc kiểm tra mà mọi người đang nhắc tới thật ra là của GPTZero, không phải Microsoft. Nó quét 4.841 trong khoảng 5.290 paper được nhận tại NeurIPS 2025 và xác nhận hơn 100 trích dẫn bịa nằm rải trong 51 paper.

Con số đó gần 1% hơn là 25%. Rất khác nhau — và vẫn đáng báo động, vì mỗi paper trong số đó đã qua phản biện với ít nhất ba reviewer.

Paper phân loại đi sau, Compound Deception in Elite Peer Review, mới là bài đáng đọc hơn. Nó phân loại 100 trích dẫn bịa đó, và phân bố cho bạn biết cần cảnh giác với cái gì:

Nên làm gì. Để ý: 27% + 4% = 31% số trích dẫn bịa có dính tới một paper thật, tìm được. Đó mới là loại nguy hiểm. Một lần search trả về một cái gì đó tạo cảm giác đã kiểm chứng, nhưng thật ra chưa.

Nên quy trình kiểm phải cụ thể:

1. Paper có tồn tại không? (Search đúng tiêu đề.)
2. Tác giả và năm có đúng không? Một phần ba lỗi nằm ở đây.
3. Paper có thật sự nói điều nó đang được trích cho không? Mở ra và tìm đúng câu đó.

Bước 3 là bước mọi người hay bỏ, và cũng chính là lý do bài viết này tồn tại — mấy tuyên bố mình đang kiểm chứng đều nghe như đã có nguồn.

4. Đừng nhét mười điều luật vào một prompt — hiệu ứng có thật, nguồn thì không

Tuyên bố: Meta thử 15 model với prompt có từ 1 đến 12 yêu cầu. Ở mức 8 yêu cầu, model làm đúng từng yêu cầu khoảng 41%, đúng cả 8 cùng lúc chỉ khoảng 5,7%, và 12/15 model mất ổn định khi vượt quá 3 yêu cầu.

Kết luận: mình không tìm được nghiên cứu cụ thể đó, nhưng hiện tượng mà nó mô tả lại là một trong những kiểu lỗi được đo đạc kỹ nhất hiện nay. Nhiều benchmark 2025–2026 đo thẳng vào chuyện này:

• Instruction Stacking Collapse xếp chồng 24 chỉ thị có verifier, áp từ 1 tới 20 chỉ thị mỗi lần, trên các model production. Tỷ lệ tuân thủ giảm phi tuyến khi chồng dày lên — mức giảm tăng tốc chứ không dốc đều.
• When Instructions Multiply đo và ước lượng năng lực khi số chỉ thị tăng dần.
• SEQUOR cho thấy đúng kiểu suy giảm đó trong hội thoại nhiều lượt, và thấy nó tệ hơn đáng kể khi các ràng buộc xuất hiện dần theo thời gian thay vì đưa hết một lần — tức đúng như cách hội thoại thật diễn ra.
• Order Matters tìm thấy position bias trong prompt nhiều ràng buộc: vị trí của ràng buộc trong prompt ảnh hưởng tới việc nó có sống sót hay không.

Nên là: đừng trích “41% và 5,7%”. Nhưng hãy hành động theo kết luận, vì chiều của hiệu ứng thì không ai tranh cãi, và kết quả từ SEQUOR nghĩa là nó áp dụng cho các cuộc chat kéo dài của bạn chứ không chỉ prompt một phát.

Nên làm gì. Tách phần tạo nội dung khỏi phần kiểm ràng buộc:

Lượt 1 — tạo:
  Viết bài hướng dẫn migration. Hai yêu cầu bắt buộc: tách riêng
  Android và iOS, và mọi code block phải chạy được nguyên trạng.

Lượt 2 — kiểm (tin nhắn mới, đính kèm bản nháp):
  Đối chiếu bản nháp này với từng mục dưới đây. Mỗi mục trả lời
  PASS hay FAIL kèm một câu trích từ bản nháp làm bằng chứng.
  Chưa sửa gì cả.
  1. Dưới 1.500 từ
  2. Không dùng dấu gạch ngang dài
  3. Mọi khẳng định từ nguồn ngoài đều có link
  4. Xưng hô nhất quán "bạn" xuyên suốt
  5. Kết bằng một checklist

Lượt 3 — sửa:
  Chỉ sửa những mục bị đánh FAIL. Giữ nguyên phần còn lại.

Kiểm dễ hơn vừa-tạo-vừa-kiểm. Và yêu cầu “trích bằng chứng” rất quan trọng: không có nó, model sẽ tự tin đánh PASS cho những mục rõ ràng đã fail — tức là lặp lại đúng vấn đề ở mục #3.

Thêm một thói quen nữa, xuất phát từ kết quả position bias: đặt ràng buộc quan trọng nhất ở cuối prompt, gần chỗ model bắt đầu sinh nội dung.

5. Mục tiêu quan trọng hơn ví dụ — không kiểm chứng được

Tuyên bố: nghiên cứu từ EPFL, Apple và Mistral AI cho thấy prompt có ví dụ đạt 74%, còn bỏ ví dụ và nói rõ mục tiêu thì đạt 83,8%.

Kết luận: không kiểm chứng được. Mình không tìm được paper nào khớp với tổ hợp ba tổ chức đó cùng những con số đó. Có nghiên cứu hợp lệ cho thấy few-shot có thể gây hại trong một số bối cảnh cụ thể — code synthesis là một trường hợp được ghi nhận — nhưng “ví dụ thua mục tiêu, 74% so với 83,8%” thì không phải kết quả mình chỉ ra được cho bạn.

Phần còn lại sau khi bỏ con số đi. Lời khuyên vẫn hợp lý, vì một lý do rất cơ học: ví dụ thì thiếu xác định. Đưa model ba bản newsletter rồi nói “viết giống vậy”, nó phải tự đoán bạn đang muốn giống ở điểm nào. Độ dài? Giọng văn? Câu đùa ở đoạn hai? Rất thường nó sẽ chọn đặc điểm chung bề mặt nhất — mà đặc điểm bề mặt lại đúng là thứ khiến văn AI đọc lên biết ngay là văn AI.

So sánh:

❌ Đây là 3 bản newsletter của tôi. Viết bản thứ 4 giống mấy bản này.

✅ Tỷ lệ mở newsletter của tôi giảm từ 34% xuống 21% trong 3 tháng.
   Vẫn gửi thứ Ba 9h sáng, vẫn format cũ, danh sách không đổi,
   kiểu đặt tiêu đề cũng không đổi. Trước khi kết luận gì, hãy nói
   cho tôi biết bạn cần thêm dữ liệu nào để phân biệt được vấn đề
   deliverability với chuyện người đọc chán nội dung.

Bản thứ hai đưa cho model một bài toán để giải thay vì một cái vỏ để bắt chước. Nó cũng kết thúc bằng việc hỏi model chưa biết gì — làm lộ giả định trước khi giả định đó bị nướng vào câu trả lời.

Giữ ví dụ lại cho những việc thuần cơ học: định dạng output, cấu trúc JSON, nhãn phân loại, style guide có luật rõ ràng. Bỏ ví dụ đi khi bạn cần model phán đoán.

Cái gì thật sự khái quát được

Bỏ hết mấy con số không kiểm chứng được ra, còn lại một bức tranh khá nhất quán:

Nêu mục tiêu và ràng buộc, đừng nêu đáp án và khuôn mẫu. Tuyên bố 1 và tuyên bố 5 thật ra là cùng một phát hiện nhìn từ hai phía. Câu hỏi mớm thì trao sẵn kết luận; một đống ví dụ thì trao sẵn khuôn. Cả hai đều thay thế phần suy luận của model bằng phỏng đoán của bạn về output.

Kiểm tra tách khỏi tạo nội dung. Tuyên bố 3 và 4 đi cùng nhau. Model vừa không đáng tin khi phải thỏa nhiều ràng buộc một lúc, vừa không đáng tin khi tự báo cáo độ chính xác của chính nó. Cả hai đều tốt lên khi việc kiểm là một lượt riêng và bắt buộc có bằng chứng.

Mẹo prompt có hạn sử dụng. “Take a deep breath” là thật, được đo, được công bố — và được đo trên PaLM 2-L năm 2023. Nó hết hạn. Mọi thứ bạn đọc hôm nay, kể cả bài này, đều có hạn dùng gắn với một thế hệ model.

Và kiểm nguồn trước khi chia sẻ lại. Ba trong năm tuyên bố của một bản tóm tắt được chia sẻ rộng rãi, viết rất chắc nịch, đã không sống sót qua một lần mở nguồn ra coi. Đó mới là bài học thật, và nó áp dụng cho cả output của AI lẫn bài viết của con người.

Câu hỏi thường gặp

Có nên bỏ hẳn câu “think step by step” không? Với model reasoning hiện tại thì có, nó thừa. Vẫn giữ lại cho model nhỏ/nhanh, hoặc khi bạn cần soi các bước trung gian.

Persona có gây hại không? Bằng chứng cho thấy nó không giúp tăng độ chính xác một cách đáng tin cậy, và đôi khi còn làm giảm ở các câu hỏi kiến thức. Nhưng vẫn dùng tốt — và hữu ích — để điều chỉnh giọng văn, đối tượng và cách đóng khung.

Một prompt nhét được bao nhiêu ràng buộc thì an toàn? Các benchmark đã công bố cho thấy chất lượng bắt đầu giảm khá sớm và giảm phi tuyến. Hai tới ba yêu cầu cứng mỗi lượt, phần còn lại kiểm riêng — đó là quy tắc làm việc có cơ sở.

Chain-of-thought chết rồi à? Không. Nó được tích hợp sẵn rồi. Câu prompt thì thừa, kỹ thuật thì không.

Kiểm nhanh một trích dẫn do AI đưa ra bằng cách nào? Search đúng tiêu đề, rồi đối chiếu tác giả và năm, rồi mở ra tìm câu chứng minh cho khẳng định. Khoảng một phần ba trích dẫn bịa vẫn trỏ tới paper có thật, nên “nó tồn tại” là chưa đủ.

Năm tuyên bố được xem xét trong bài đến từ một bản tóm tắt tiếng Việt được chia sẻ rộng rãi, dựa trên bài viết của Ruben Hassid về khoa học đằng sau prompt engineering. Các ý tưởng trong đó đáng để đào sâu, nên chúng xứng đáng được kiểm chứng thay vì chép lại. Mọi paper được nhắc tới đều có link ở trên; chỗ nào mình không tìm được nguồn, mình nói thẳng là không tìm được thay vì chuyển tiếp con số đi.

Bài viết gốc đăng tại FlutterCook. Bản trên đó là bản được cập nhật mới nhất.

Ask an image model for “a poster” and you get a poster-shaped image: picture on top, text at the bottom, both fighting for the same attention, nothing holding them together. It reads as generated because the composition is generic, not because the rendering is bad.

The fix isn’t a better model. It’s giving the model a layout system instead of a subject.

Below are two systems that reliably produce work that looks art-directed. Both come with fill-in templates. Both work in any current image model that accepts long prompts — Nano Banana, Midjourney, Seedream, GPT Image, Flux.

Why layout instructions beat style adjectives

Most poster prompts are a pile of adjectives: minimalist, elegant, high-end, professional, award-winning. Those words push the model toward the average of everything tagged that way in training. Average is exactly what you’re trying to escape.

Layout instructions are different. “The bottom information zone occupies 25–40% of the height” is a constraint the model can actually satisfy or fail, and it constrains the composition rather than the surface. Say four specific things about structure and you get a specific structure.

The three levers that do the most work:

Everything below is built on those three.

System 1 — Split-level composition

Good for: exhibition posters, book covers, cultural and event graphics, anything that needs to feel curated.

The idea sounds obvious — divide the canvas into an upper and lower region — but the version that works has a specific twist. It isn’t “image on top, text below.” It’s two or three unequal zones with different jobs, reconnected by elements that cross the boundary.

That crossing is the whole trick. A flower stem running through the divide, a title set large enough to straddle it, the subject’s shoulder breaking past the line. Without it you have two stacked rectangles. With it you have depth.

The zone recipe

┌─────────────────────────┐
│                         │
│   MAIN VISUAL ZONE      │  50–65%
│   one hero subject      │
│                         │
├─────────────────────────┤
│  TRANSITIONAL BAND      │  8–15%
├─────────────────────────┤
│  INFORMATION ZONE       │
│  title / date / venue   │  25–40%
│  institution (tiny)     │
└─────────────────────────┘

Three things make this work rather than just look tidy:

The transitional band is not decoration. It’s a narrow strip — a desaturated colour block, a thin band, a row of small info modules — whose job is to be a third thing that neither zone owns. Without it, the two zones read as unrelated. It’s the visual equivalent of a comma.

One hero, several whispers. Keep exactly one primary subject. Then scatter a few low-weight details into the negative space: line drawings, partial sketches, a diagram fragment, vertical text, small annotation marks. These give the empty areas density without competing. This is the difference between “spacious” and “empty.”

The title participates in the composition. Not a caption sitting under the image — the title is a compositional element. Scale it up, set it vertically, misalign it deliberately, or run it across the zone boundary.

Template

Fill the brackets, delete the rest of this sentence, paste the whole thing:

[Subject]: ___
[Hero visual]: ___
[Primary title]: ___
[Secondary title / translation]: ___
[Supporting motifs]: ___
[Dominant colour]: ___
[Accent colour]: ___
[Date and venue]: ___
[Aspect ratio]: 9:16

Design a poster in a high-end editorial and cultural-exhibition
idiom, built on a split-level composition.

STRUCTURE — do not produce a plain "image above, text below" layout.
Divide the canvas into three unequal horizontal zones:
- a main visual zone occupying 50-65% of the height
- a narrow transitional band of 8-15%
- an information zone of 25-40%

MAIN ZONE — one hero subject only: [Hero visual]. Add two or three
low-weight secondary marks in the negative space (fine line work, a
partial sketch, a small diagram, vertical lettering) so the empty
areas carry density without competing with the hero.

TRANSITIONAL BAND — connect the two zones using a desaturated colour
block, a thin rule, or a row of small information modules. This band
must belong to neither zone.

TYPE — the primary title is a compositional element, not a caption.
Scale it up, set it vertically, offset it, or let it cross the zone
boundary. Allow part of the hero subject to break past the boundary
as well, so foreground and background separate.

HIERARCHY — four clearly distinct text sizes: large primary title,
then secondary title and date, then a small subtitle, then very small
institutional text. Group the small text tightly; never scatter it.

COLOUR — no more than 5 colours total. [Dominant colour] leads,
[Accent colour] appears in under 10% of the area.

INTENT — each zone has a distinct role, and the zones are reconnected
through the hero subject and the typography. Rich but not cluttered,
open but not empty; the finish of a real museum poster or art catalogue.

Getting it right

• Nothing crosses the boundary. Say so explicitly: “the hero subject must overlap the zone boundary by 10–15% of its height.” Models default to tidy separation.
• Small text scattered everywhere. Add: “all text below the secondary title must sit in a single tight block.”
• Too many colours. Lower the cap to 3 and name them.
• Zones came out equal. Restate the percentages at the end of the prompt — position bias is real, and the last instruction tends to survive.

System 2 — Photo to abstract editorial

Good for: turning an existing photo into a gallery-style piece. Portraits, architecture, landscape, product shots.

Different structure, same philosophy. The canvas is split into two halves: one keeps the real photograph, the other holds an abstract reduction of the same subject. Side by side, the pairing reads as intentional in a way either half alone doesn’t.

The orientation rule is what makes it robust:

This one exception to “avoid 50/50” earns itself: the halves aren’t competing, they’re the same subject in two registers, so equality reads as a deliberate comparison.

There’s an open-source skill implementing this approach at ZzzLc0405/photo-abstract-editorial if you’d rather have it as a reusable tool than a pasted prompt.

What each half must do

The photo half — preserve, don’t reinterpret. This is where most attempts fail. The model wants to stylise, and the moment it does, the pairing collapses. Be blunt: keep the subject’s form, proportions, real textures, natural light and shadow, original colour. Grading only — the light touch of contemporary art photography, nothing more. If the frame needs extending to fit, extend only sky, ground or surrounding environment, never the subject.

The graphic half — reduce to silhouette. Take the subject’s most recognisable outline and rebuild it from clean geometry, flat colour fields, fine lines and generous empty space. No realistic illustration, no fussy detail. The target is abstract but instantly recognisable.

Pull the palette from the photo. This is the instruction that ties the halves together, and it’s the one people forget. Colours sampled from the original image are what make the two halves look like one poster instead of two files.

Template

Create a high-end minimalist editorial poster from the uploaded photo.
Vertical 3:4 format.

SPLIT — if the source photo is landscape, divide the canvas
horizontally into two roughly equal halves (photo above, graphic
below). If it is portrait, divide vertically into two roughly equal
halves (photo one side, graphic the other).

PHOTO HALF — preserve the original image faithfully: the subject's
form, proportions, real textures, natural lighting and shadow, and
original colours. Apply only restrained professional colour grading,
in the register of contemporary art photography. If the frame must be
extended, extend only sky, ground or surrounding environment. Do not
distort, restyle or alter the subject in any way.

GRAPHIC HALF — reinterpret the subject's most recognisable silhouette
and structure as a simplified abstract composition: clean geometric
forms, flat colour fields, fine lines, generous negative space. No
realistic illustration, no intricate detail. The result must read as
abstract yet remain instantly recognisable as the same subject. Draw
the entire palette from colours sampled in the original photograph.

GROUND — a light neutral background (bone, ivory, warm grey), with
generous margins and a balanced central composition.

TYPE — minimal or none. At most a short title and a year, set small.

DIRECTION — high-end minimalist editorial design, contemporary art
exhibition poster, architectural graphic language, understated luxury,
museum-quality art direction, generous negative space.

AVOID — template layouts, stock-commercial design, cartoon styling,
3D rendering, heavy ornament, gradients, neon, busy illustration, and
any distortion of the photographed subject.

Getting it right

• Feed it a photo with a clear silhouette. Reduction needs something to reduce. Busy scenes with no dominant shape produce mush.
• The abstract half looks like a bad tracing. Push harder on reduction: “no more than 5 distinct shapes.”
• The photo half got stylised. Move the preservation clause to the end of the prompt and add: “the photograph must remain photographic.”
• The halves look unrelated. Restate the palette instruction, and name two or three colours you can see in the source.

What transfers to any poster prompt

Strip both systems down and the same four moves are underneath:

Specify structure before style. Percentages, zones and counts constrain the model in ways adjectives can’t. “25–40% of the height” is checkable; “balanced” is not.

Cap the palette. If you change one thing about how you write image prompts, make it this. Three to five colours, stated as a number, is the highest-leverage instruction in the whole prompt.

Name the hierarchy explicitly. Models flatten hierarchy by default because averaged training data is flat. Listing four distinct type sizes forces separation.

Make elements cross their boundaries. Depth in a layout comes from things that refuse to stay in their box. It’s the single instruction most likely to be missing from a prompt that produced something flat.

FAQ

Which image models do these work with? Any model that accepts long structured prompts — Nano Banana, Midjourney, Seedream, GPT Image, Flux. Models with stronger text rendering handle the typography hierarchy better; for weaker ones, generate the layout and set the type yourself afterwards.

Can I use these commercially? The layout systems are design conventions, not property — split-level composition predates AI by decades. Check your model’s own commercial terms, and check the licence on any code or skill you use.

How do I get readable text in the poster? Keep the wording short, specify the exact string in quotes, and expect to fix it. For anything client-facing, generate the composition and typeset the real text in a design tool over the top.

Which system for a book cover? Split-level. The information zone maps naturally onto title, author and imprint.

Why does the 50/50 rule flip for system 2? Because the halves aren’t competing for attention — they’re the same subject shown twice. Equality reads as comparison rather than indecision.

The split-level framework here is adapted from a composition breakdown credited to Larus Canus, and the photo-to-abstract approach from one credited to VibeEverything, both circulating in Vietnamese AI design communities. The prompt templates above are rewritten in my own words with the reasoning added; the open-source skill implementing the second system is linked in the sources.

Originally published on FlutterCook. Read the latest version there — that copy is the one kept up to date.

A summary of “the science behind prompt engineering” has been going around, built on five research findings. It is a good list of ideas. But the numbers attached to them are the kind that get copied from post to post without anyone opening the paper, so I opened the papers.

Two of the five claims check out. Three do not — at least not in the form they are being repeated. In one case the real research points in the opposite direction from the advice.

That is not a reason to throw the list away. The underlying advice is mostly sound. But if you are going to change how you work based on a study, it is worth knowing which study, and what it actually measured.

Here is each claim, what I could verify, and what I would actually do about it.

Quick summary

1. Don’t ask “…right?” — this one is real

The claim: a Cornell Tech study tested 45 models, changed only a few words of the question, and found that phrasing like “X is the better choice, right?” drags the answer toward X.

Verdict: confirmed. The paper is Tag Questions and the Generational Reversal of Sycophancy Across 45 Language Models. A “tag question” is exactly that trailing …, right? or …, isn't it?. The study holds the substance of the question fixed and varies only the tag, across 45 models, and measures how much the agreement rate moves.

The interesting wrinkle the popular summary drops: the effect is not uniform across model generations. Newer models do not simply behave better — the pattern reverses in places. So “modern models are less sycophantic” is not a safe assumption either.

What to do about it. Strip the answer out of your question. The difference is not subtle:

❌ Renting is the smarter move for someone in my situation, right?
✅ Compare buying vs renting for my situation: 32, freelance income
   averaging $4k/month with 30% variance, $60k saved, planning to
   stay in this city 3+ years. State which assumptions drive
   your answer most.

The second version has more words but fewer instructions. That is the point — you gave it facts to reason over, not a conclusion to ratify.

This applies far beyond life advice. Is this the right way to structure this API? invites agreement. Critique this API structure against the alternatives you'd consider invites work.

2. “Think step by step” vs a short role — the claim doesn’t hold up

The claim: IBM ran 430,000+ evaluations over 8 prompt styles, found that “think step by step” underperformed a plain question, and that the winner was a question plus a short role like “from the perspective of a reliability engineer.”

Verdict: I could not find this study. Searching for it turns up nothing matching the description or the evaluation count. If it exists, it is not where the summaries say it is.

More importantly, the closest well-documented research points the other way on the persona half. When “A Helpful Assistant” Is Not Really Helpful (Findings of EMNLP 2024) tested persona system prompts systematically across many roles and factual QA tasks, and found they do not reliably improve accuracy — in several settings the persona-prompted score came in below the plain baseline. Follow-up work has repeatedly reproduced the same shape: telling a model it is an expert does not make it more accurate on questions with verifiable answers.

So the popular advice — “drop step-by-step, add a role” — is, on current evidence, half unsupported and half backwards.

Where the underlying instinct is still right. The first half of the claim gestures at something real. The famous “take a deep breath and work through this step by step” line comes from Large Language Models as Optimizers, and the original summary is correct that it was discovered on PaLM 2-L in 2023. That was an era where the model would not decompose a problem unless you asked. Current reasoning models decompose by default, and bolting the phrase on top adds nothing.

What to do about it:

• Don’t add “think step by step” to a reasoning model. It already does.
• Do use it with small/fast models, or when you specifically need the intermediate steps visible so you can check them.
• Treat personas as tone and audience control, not accuracy control. “Explain this like a reliability engineer briefing an exec” is a legitimate instruction about register and framing. It is not a way to make the model know more.

That last distinction is the practical one. Personas shape how the answer reads. They do not shape whether it is true.

3. Confident ≠ correct — right conclusion, wrong numbers

The claim: Microsoft audited 2.6 million references and found roughly 1 in 4 audited NeurIPS 2025 papers contained at least one AI-fabricated citation.

Verdict: the phenomenon is thoroughly documented; those figures are not. The audit everyone is actually referring to is GPTZero’s, not Microsoft’s. It scanned 4,841 of the ~5,290 papers accepted at NeurIPS 2025 and confirmed 100+ hallucinated citations across 51 papers.

That is closer to 1% of papers than 25%. Which is a very different number — and still alarming, because every one of those papers cleared peer review with at least three reviewers.

The follow-up taxonomy paper, Compound Deception in Elite Peer Review, is the more useful read. It classifies the 100 fabrications and the distribution tells you what to watch for:

What to do about it. Note that 27% + 4% = 31% of fabrications involve a real, findable paper. Those are the dangerous ones. A search that returns something feels like verification and isn’t.

So the check has to be specific:

1. Does the paper exist? (Search the exact title.)
2. Are the authors and year right? This is where a third of the errors live.
3. Does the paper actually say the thing it is cited for? Open it and find the sentence.

Step 3 is the one people skip, and it is the reason this very article exists — the claims I am fact-checking all sounded like they had sources.

4. Don’t stack ten rules into one prompt — real effect, unverified source

The claim: Meta tested 15 models with 1–12 requirements per prompt. At 8 requirements, per-requirement compliance was ~41%, all-8-at-once was ~5.7%, and 12 of 15 models became unstable past 3 requirements.

Verdict: I could not find that specific study, but the effect it describes is one of the better-documented failure modes in current LLM research. Several 2025–2026 benchmarks measure it directly:

• Instruction Stacking Collapse stacks 24 verifier-checked instructions, applying 1 to 20 at a time, across production models. Follow rate degrades non-linearly as the stack grows — the drop accelerates rather than sloping gently.
• When Instructions Multiply measures and estimates capability as instruction count rises.
• SEQUOR shows the same degradation across long multi-turn conversations, and finds it gets substantially worse when constraints arrive sequentially over time rather than all at once — which is exactly how real conversations work.
• Order Matters finds position bias within multi-constraint prompts: where a constraint sits in your prompt affects whether it survives.

So: don’t quote “41% and 5.7%.” But absolutely act on the finding, because the direction is not in dispute, and the SEQUOR result means it applies to your ongoing chats, not just your one-shot prompts.

What to do about it. Split generation from compliance-checking:

Pass 1 — generate:
  Write the migration guide. Two hard requirements: cover Android
  and iOS separately, and every code block must be runnable as-is.

Pass 2 — audit (fresh message, draft attached):
  Check this draft against each item below. For each, answer
  PASS or FAIL with a quote from the draft as evidence.
  Do not rewrite anything yet.
  1. Under 1,500 words
  2. No em dashes
  3. Every external claim linked
  4. Second person throughout
  5. Ends with a checklist

Pass 3 — fix:
  Fix only the items marked FAIL. Leave everything else untouched.

Checking is easier than generating-while-checking. And “quote the evidence” matters: without it the model will confidently mark items PASS that plainly failed — which is claim #3 all over again.

Given the position-bias finding, one more habit: put your non-negotiable constraint at the end of the prompt, closest to where generation begins.

5. Goals beat examples — could not verify

The claim: a study from EPFL, Apple and Mistral AI found that adding examples to a prompt scored 74%, and removing them in favour of a clearly stated goal scored 83.8%.

Verdict: could not verify. I found no paper matching that combination of institutions and figures. There is legitimate research showing few-shot examples can hurt in specific settings — code synthesis is a documented case — but “examples are worse than goals, 74% vs 83.8%” is not a result I can point you to.

What survives without the number. The advice is still reasonable, for a mundane mechanical reason: examples are underspecified. Give the model three newsletters and say “like these,” and it has to guess which property you meant. Length? Tone? The joke in paragraph two? It will often pick the most superficial shared feature — and superficial features are exactly what makes AI writing read as AI writing.

Compare:

❌ Here are 3 of my newsletters. Write #4 like these.

✅ My newsletter open rate fell from 34% to 21% over three months.
   Same Tuesday 9am send, same format, same list size, no change
   in subject-line style. Before you conclude anything, tell me
   what data you'd need to distinguish deliverability problems
   from content fatigue.

The second gives the model a problem to solve instead of a texture to imitate. It also ends by asking what it doesn’t know — which surfaces the model’s assumptions before they get baked into an answer.

Keep examples for genuinely mechanical work: output formats, JSON shapes, classification labels, a house style guide with explicit rules. Drop them when you want judgment.

What actually generalises

Strip out the unverified numbers and a consistent picture is left:

State the goal and the constraints, not the answer and the format. Claim 1 and claim 5 are the same finding from opposite sides. A leading question hands over a conclusion; a pile of examples hands over a template. Both replace the model’s reasoning with your guess about the output.

Verify separately from generating. Claims 3 and 4 pair up. Models are unreliable at satisfying many constraints at once, and unreliable at reporting their own accuracy. Both get better when checking is a distinct pass with evidence required.

Prompt advice expires. “Take a deep breath” was real, measured, published — and it was measured on PaLM 2-L in 2023. It aged out. Anything you read today, including this, has a shelf life tied to a model generation.

And check the source before you repeat it. Three of five claims in a widely-shared, confidently-written summary did not survive a look at the citations. That is the actual lesson, and it applies to AI output and human posts equally.

FAQ

Should I stop writing “think step by step”? On current reasoning models, yes — it is redundant. Keep it for smaller or faster models, or when you need to inspect the intermediate steps.

Do personas hurt? Evidence says they do not reliably help accuracy, and sometimes hurt it on factual tasks. They are still fine — and useful — for controlling tone, audience and framing.

How many constraints can I safely put in one prompt? Published benchmarks show degradation starting early and worsening non-linearly. Two or three hard requirements per pass, then audit the rest separately, is a defensible working rule.

Is chain-of-thought dead? No. It is built in now. The prompt phrase is redundant; the technique is not.

How do I check an AI-supplied citation quickly? Search the exact title, then verify authors and year, then open it and find the sentence supporting the claim. About a third of fabrications point at a real paper, so “it exists” is not enough.

The five claims examined here come from a widely-shared Vietnamese summary of a post by Ruben Hassid on the science behind prompt engineering. The ideas are worth engaging with, which is why they deserved checking rather than repeating. Every paper referenced above is linked; where I could not find a source, I have said so rather than passing the number along.

Originally published on FlutterCook. Read the latest version there — that copy is the one kept up to date.