1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

from openai import OpenAI
client = OpenAI()

SYSTEM = """Bạn là senior Python code reviewer tại một công ty fintech.
Nhiệm vụ của bạn:
- Review code về tính đúng đắn, bảo mật và hiệu năng.
- Thẳng thắn và cụ thể. Không khen ngợi trừ khi thực sự xuất sắc.
- Format feedback: [CRITICAL] / [WARNING] / [SUGGESTION]
- Giới hạn: chỉ 5 điểm quan trọng nhất."""

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": SYSTEM},
        {"role": "user", "content": f"Review code này:\n```python\n{code}\n```"}
    ]
)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

FEW_SHOT_PROMPT = """Phân loại phản hồi khách hàng là POSITIVE, NEGATIVE, hoặc NEUTRAL.

Ví dụ:
Phản hồi: "Giao hàng cực nhanh, thích lắm!"
Phân loại: POSITIVE

Phản hồi: "Hàng bị hỏng khi nhận, rất thất vọng."
Phân loại: NEGATIVE

Phản hồi: "Đã nhận hàng."
Phân loại: NEUTRAL

Giờ phân loại:
Phản hồi: "{feedback}"
Phân loại:"""

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# ❌ ZERO-SHOT: Model nhảy thẳng đến câu trả lời (thường sai)
prompt = "17 có phải số nguyên tố không? Trả lời: "

# ✅ CHAIN-OF-THOUGHT: Model suy luận trước
prompt = """17 có phải số nguyên tố không?
Hãy suy nghĩ từng bước:
1. Số nguyên tố không có ước nào ngoài 1 và chính nó.
2. Kiểm tra chia hết: 17/2 = 8.5 (không), 17/3 = 5.67 (không), 17/4 = 4.25 (không)
3. Chỉ cần kiểm tra đến √17 ≈ 4.1
4. Không tìm thấy ước nào.
Kết luận: Có, 17 là số nguyên tố."""

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

from pydantic import BaseModel
from openai import OpenAI

client = OpenAI()

class KetQuaPhanTich(BaseModel):
    cam_xuc: str           # "POSITIVE" | "NEGATIVE" | "NEUTRAL"
    do_tin_cay: float      # 0.0 đến 1.0
    van_de_chinh: list[str]

response = client.beta.chat.completions.parse(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "Bạn là chuyên gia phân tích phản hồi."},
        {"role": "user", "content": f"Phân tích: '{feedback}'"}
    ],
    response_format=KetQuaPhanTich  # JSON hợp lệ đảm bảo
)

ket_qua = response.choices[0].message.parsed
print(ket_qua.cam_xuc)       # "NEGATIVE"
print(ket_qua.do_tin_cay)    # 0.95
print(ket_qua.van_de_chinh)  # ["hàng bị hỏng", "không được hoàn tiền"]

1
2
3
4
5
6

C — Context:   "Bạn đang giúp developer junior debug lỗi Python."
O — Objective: "Xác định nguyên nhân gốc rễ của lỗi."
S — Style:     "Giải thích như cho trẻ 5 tuổi với khái niệm, kỹ thuật với code."
T — Tone:      "Kiên nhẫn, khích lệ, không bao giờ coi thường."
A — Audience:  "Developer có 1 năm kinh nghiệm."
R — Response:  "Format: [Nguyên nhân] → [Giải thích] → [Code sửa]"

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

# prompts/v2/code_reviewer.py
SYSTEM_PROMPT_V2 = """..."""  # Có version, đã test, theo dõi trên Git

def eval_prompt(prompt: str, test_cases: list) -> float:
    correct = sum(
        run_prompt(prompt, tc["input"]) == tc["expected"]
        for tc in test_cases
    )
    return correct / len(test_cases)

score_v1 = eval_prompt(SYSTEM_PROMPT_V1, test_cases)  # 0.72
score_v2 = eval_prompt(SYSTEM_PROMPT_V2, test_cases)  # 0.89

1
2
3
4
5
6
7

System Prompt     → Bản tóm tắt của Đạo diễn. Thiết lập vai trò cố định.
Few-Shot          → Chỉ cho thấy, không kể. 3 ví dụ tốt hơn 3 đoạn giải thích.
Chain-of-Thought  → "Hãy suy nghĩ từng bước." Buộc lý luận trước kết luận.
Structured Output → Schema Pydantic = JSON đảm bảo hợp lệ. Không hack parse.

temperature=0     → Tất định. Cho task thực tế và đánh giá.
temperature=0.7   → Sáng tạo. Cho tạo nội dung.