Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn cung cấp, được trình bày bằng tiếng Việt và định dạng HTML theo yêu cầu:
1. Phân tích Cấu trúc Prompt
Prompt template này được thiết kế để yêu cầu thông tin về các giao dịch bất động sản một cách có cấu trúc và cụ thể. Nó sử dụng các biến đặt trong ngoặc vuông để cho phép người dùng tùy chỉnh yêu cầu của mình. Cấu trúc bao gồm:
- Yêu cầu chính: “Liệt kê tất cả các giao dịch” – Đặt ra hành động mong muốn là thu thập và hiển thị dữ liệu.
- Tham số Bất động sản:
[LOẠI_HÌNH_BẤT_ĐỘNG_SẢN]– Biến này cho phép người dùng chỉ định loại hình bất động sản quan tâm (ví dụ: “căn hộ”, “nhà phố”, “đất nền”, “văn phòng cho thuê”). - Tham số Địa lý:
[KHU_VỰC_ĐỊA_LÝ]– Biến này cho phép người dùng xác định khu vực địa lý cụ thể (ví dụ: “Quận 1, TP. Hồ Chí Minh”, “Thành phố Đà Nẵng”, “Miền Bắc Việt Nam”). - Tần suất và Thời gian: “hàng quý, bắt đầu từ năm
[NĂM_BẮT_ĐẦU]đến[NĂM_KẾT_THÚC]” – Xác định rõ khung thời gian và tần suất thu thập dữ liệu, giúp định hướng phạm vi phân tích. - Dữ liệu Cần thu thập: “Tập trung thu thập dữ liệu về
giá giao dịch,diện tíchvàngày giao dịch” – Chỉ rõ các trường dữ liệu (fields) quan trọng cần trích xuất từ mỗi giao dịch. - Mục đích phân tích: “để phân tích xu hướng giá” – Nêu bật mục tiêu cuối cùng của việc thu thập dữ liệu, giúp mô hình hiểu rõ ngữ cảnh và có thể cung cấp thông tin phù hợp hơn.
2. Ý nghĩa & Cách hoạt động
Prompt template này hoạt động bằng cách định hướng một mô hình ngôn ngữ lớn (LLM) hoặc một hệ thống truy vấn dữ liệu để thực hiện các nhiệm vụ sau:
- Xác định Phạm vi Tìm kiếm: Mô hình sẽ sử dụng
[LOẠI_HÌNH_BẤT_ĐỘNG_SẢN]và[KHU_VỰC_ĐỊA_LÝ]để lọc các nguồn dữ liệu liên quan. - Lọc Theo Thời Gian: Các biến
[NĂM_BẮT_ĐẦU]và[NĂM_KẾT_THÚC]sẽ được dùng để giới hạn kết quả trong khoảng thời gian cụ thể, với giả định dữ liệu có thể được chia theo quý. - Trích xuất Thông tin Cụ thể: Mô hình sẽ cố gắng tìm và trích xuất các trường dữ liệu được chỉ định: giá giao dịch, diện tích và ngày giao dịch.
- Định dạng Đầu ra (Ngụ ý): Mặc dù không được nêu rõ, yêu cầu “liệt kê” ngụ ý rằng kết quả nên được trình bày dưới dạng danh sách các giao dịch hoặc một bảng tóm tắt. Mục đích “phân tích xu hướng giá” cho thấy mô hình có thể cần chuẩn bị dữ liệu để tiến hành phân tích đó (ví dụ: nhóm theo quý, tính trung bình giá).
- Xử lý Ngôn ngữ Tự nhiên: LLM sẽ hiểu các thuật ngữ như “hàng quý”, “giao dịch”, “bất động sản”, “xu hướng giá” và áp dụng kiến thức của mình để tìm kiếm thông tin phù hợp trong kho dữ liệu huấn luyện hoặc thông qua các công cụ truy vấn (nếu được tích hợp).
3. Ví dụ Minh họa
Dưới đây là hai ví dụ minh họa về cách prompt template này có thể được sử dụng để tạo ra các yêu cầu cụ thể:
Ví dụ 1:
"Liệt kê tất cả các giao dịch của căn hộ tại Quận 2, TP. Hồ Chí Minh hàng quý, bắt đầu từ năm 2022 đến 2023. Tập trung thu thập dữ liệu về giá giao dịch, diện tích và ngày giao dịch để phân tích xu hướng giá."
Dữ liệu mong đợi từ Ví dụ 1:
- Loại Bất động sản: Căn hộ
- Khu vực: Quận 2, TP. Hồ Chí Minh
- Thời gian: Quý 1/2022 – Quý 4/2023
- Trường dữ liệu: Giá giao dịch, diện tích, ngày giao dịch
- Mục tiêu: Phân tích xu hướng giá
Ví dụ 2:
"Liệt kê tất cả các giao dịch của đất nền tại Thành phố Đà Nẵng hàng quý, bắt đầu từ năm 2020 đến 2024. Tập trung thu thập dữ liệu về giá giao dịch, diện tích và ngày giao dịch để phân tích xu hướng giá."
Dữ liệu mong đợi từ Ví dụ 2:
- Loại Bất động sản: Đất nền
- Khu vực: Thành phố Đà Nẵng
- Thời gian: Quý 1/2020 – Quý 4/2024
- Trường dữ liệu: Giá giao dịch, diện tích, ngày giao dịch
- Mục tiêu: Phân tích xu hướng giá
👉 Tóm lại
Prompt template này là một công cụ hiệu quả để yêu cầu thông tin chi tiết về giao dịch bất động sản. Bằng cách sử dụng các biến rõ ràng như [LOẠI_HÌNH_BẤT_ĐỘNG_SẢN], [KHU_VỰC_ĐỊA_LÝ], [NĂM_BẮT_ĐẦU] và [NĂM_KẾT_THÚC], người dùng có thể chỉ định phạm vi và loại dữ liệu cần thiết cho việc phân tích, đặc biệt là xu hướng giá. Cấu trúc này giúp đảm bảo rằng mô hình hiểu chính xác yêu cầu, từ đó cung cấp kết quả có liên quan và hữu ích cho mục đích phân tích.
