Prompt: Các quy định về Tội phạm Kinh tế – Hỗ trợ Tư pháp & Pháp lý – AI Pháp lý & Hành chính

Tuyệt vời! Tôi sẽ phân tích chi tiết prompt template này theo yêu cầu của bạn.

1. Phân tích Cấu trúc Prompt

Prompt template này được thiết kế để thu thập thông tin cụ thể về các quy định của Bộ luật Hình sự liên quan đến tội phạm kinh tế tại một quốc gia và một năm cụ thể. Cấu trúc của nó rất rõ ràng và bao gồm các biến số (placeholders) giúp người dùng cá nhân hóa yêu cầu của mình. Các biến số này được đặt trong ngoặc vuông `[]` để dễ dàng nhận diện:

• [NĂM_LUẬT]: Đại diện cho năm ban hành hoặc áp dụng của Bộ luật Hình sự. Biến này cho phép chỉ định phiên bản cụ thể của luật.
• [QUỐC_GIA]: Đại diện cho tên quốc gia mà Bộ luật Hình sự được áp dụng. Điều này rất quan trọng vì luật pháp có sự khác biệt giữa các quốc gia.
• [TÊN_TỘI_PHẠM_KINH_TẾ_1]: Tên của tội phạm kinh tế đầu tiên cần được phân tích.
• [TÊN_TỘI_PHẠM_KINH_TẾ_2]: Tên của tội phạm kinh tế thứ hai cần được phân tích.

Yêu cầu trong prompt bao gồm việc tóm tắt quy định, liệt kê hành vi cấu thành, mức phạt và các tình tiết tăng nặng/giảm nhẹ. Việc tập trung vào các tội cụ thể được chỉ định bởi hai biến cuối cùng giúp đảm bảo tính chính xác và liên quan của thông tin nhận được.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, prompt template hoạt động như một mẫu nhập liệu cho mô hình xử lý ngôn ngữ tự nhiên (NLP). Khi người dùng cung cấp các giá trị cụ thể cho các biến số, prompt sẽ được “điền” đầy đủ và trở thành một câu lệnh chi tiết, có thể thực thi được. Mô hình NLP sau đó sẽ sử dụng thông tin này để truy xuất, phân tích và tóm tắt dữ liệu luật pháp liên quan.

Cách hoạt động cụ thể:

• Xác định phạm vi: Các biến [NĂM_LUẬT] và [QUỐC_GIA] giúp mô hình giới hạn phạm vi tìm kiếm thông tin vào một hệ thống pháp luật cụ thể. Ví dụ, việc chỉ định “Việt Nam” và “2015” (hoặc một năm khác có liên quan đến Bộ luật Hình sự Việt Nam) sẽ hướng mô hình tìm kiếm trong Bộ luật Hình sự Việt Nam hiện hành hoặc các phiên bản có liên quan.
• Tập trung vào đối tượng: Các biến [TÊN_TỘI_PHẠM_KINH_TẾ_1] và [TÊN_TỘI_PHẠM_KINH_TẾ_2] đảm bảo rằng mô hình sẽ ưu tiên phân tích các điều khoản liên quan trực tiếp đến các tội đó. Điều này giúp tránh việc mô hình đưa ra thông tin lan man hoặc không liên quan.
• Định hình cấu trúc kết quả: Các yêu cầu như “Liệt kê các hành vi cấu thành tội phạm, mức phạt áp dụng và các tình tiết tăng nặng, giảm nhẹ” định hướng cho mô hình về định dạng và nội dung mong muốn của câu trả lời. Mô hình sẽ cố gắng cấu trúc thông tin theo các mục này.

3. Ví dụ Minh họa

Dưới đây là hai ví dụ về cách prompt template này có thể được sử dụng:

Ví dụ 1: Tội phạm kinh tế tại Việt Nam

Giả định người dùng muốn tìm hiểu về các tội tham ô tài sản và nhận hối lộ trong Bộ luật Hình sự Việt Nam năm 2015.

Prompt đã điền:

Tóm tắt các quy định của Bộ luật Hình sự 2015 tại Việt Nam về các tội phạm kinh tế phổ biến. Liệt kê các hành vi cấu thành tội phạm, mức phạt áp dụng và các tình tiết tăng nặng, giảm nhẹ. Tập trung vào các tội như Tham ô tài sản và Nhận hối lộ.

Ví dụ 2: Tội phạm kinh tế tại Pháp

Giả định người dùng muốn tìm hiểu về các tội gian lận thương mại và rửa tiền theo luật pháp Pháp (chúng ta sẽ giả định một năm ban hành luật hoặc luật hiện hành để hoàn chỉnh). Giả sử chúng ta đang tham chiếu đến luật hiện hành.

Prompt đã điền:

Tóm tắt các quy định của Bộ luật Hình sự Pháp gần nhất về các tội phạm kinh tế phổ biến. Liệt kê các hành vi cấu thành tội phạm, mức phạt áp dụng và các tình tiết tăng nặng, giảm nhẹ. Tập trung vào các tội như Gian lận thương mại và Rửa tiền.
(Lưu ý: Đối với luật pháp quốc tế phức tạp, `[NĂM_LUẬT]` có thể cần được làm rõ hơn, ví dụ: “Luật hiện hành” hoặc một năm cụ thể nếu người dùng biết.)

👉 Tóm lại

Prompt template này là một công cụ mạnh mẽ và hiệu quả để cấu trúc các yêu cầu tìm kiếm thông tin pháp lý chi tiết. Bằng cách sử dụng các biến số rõ ràng, nó cho phép người dùng tùy chỉnh phạm vi (quốc gia, năm luật) và đối tượng phân tích (tên tội phạm) một cách linh hoạt. Sự kết hợp giữa việc xác định phạm vi, tập trung vào đối tượng và định hình định dạng kết quả giúp mô hình AI tạo ra các phản hồi chính xác, có cấu trúc và hữu ích, đáp ứng tốt nhu cầu tìm hiểu về luật hình sự kinh tế.