Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn cung cấp, được trình bày theo cấu trúc yêu cầu sử dụng định dạng HTML và tiếng Việt.
1. Phân tích Cấu trúc Prompt
Prompt template này được thiết kế để yêu cầu LLM (Large Language Model) phân tích xu hướng biến động giá bất động sản. Cấu trúc của prompt bao gồm các yếu tố cố định và các biến số có thể tùy chỉnh, giúp người dùng định hướng rõ ràng nội dung mong muốn. Các yếu tố cố định tạo nên ngữ cảnh (phân tích xu hướng giá bất động sản, tại một khu vực, trong một khoảng thời gian, dựa trên phân khúc diện tích, xác định phân khúc tăng/chậm, và đưa ra lý do). Các biến số được đặt trong cặp ngoặc vuông `[]` là những thông tin cần người dùng điền vào để tạo ra một yêu cầu cụ thể.
[TÊN_KHU_VỰC]: Biến số này dùng để chỉ định khu vực địa lý cụ thể mà người dùng muốn phân tích (ví dụ: “Quận 1, TP. Hồ Chí Minh”, “Thành phố Đà Nẵng”, “Khu vực ven biển Nha Trang”).[KHOẢNG_THỜI_GIAN]: Biến số này xác định khung thời gian cho việc phân tích (ví dụ: “năm 2023”, “3 năm gần đây”, “từ quý 1 năm 2022 đến quý 4 năm 2023”).[DIỆN_TÍCH_1],[DIỆN_TÍCH_2],[DIỆN_TÍCH_3]: Các biến số này đại diện cho các phân khúc diện tích bất động sản. Mặc dù prompt đã gợi ý các ví dụ phân loại phổ biến, người dùng hoàn toàn có thể tùy chỉnh các ngưỡng diện tích này cho phù hợp với mục đích phân tích của mình.
2. Ý nghĩa & Cách hoạt động
Prompt này hoạt động dựa trên nguyên tắc cung cấp đầy đủ ngữ cảnh và yêu cầu cụ thể cho LLM để tạo ra phản hồi chính xác và hữu ích. Khi LLM nhận được prompt này, nó sẽ:
- Hiểu rõ nhiệm vụ chính: Yêu cầu phân tích biến động giá bất động sản.
- Xác định phạm vi: Giới hạn địa lý (
[TÊN_KHU_VỰC]) và thời gian ([KHOẢNG_THỜI_GIAN]). - Phân loại dữ liệu: Chia nhỏ dữ liệu bất động sản theo các phân khúc diện tích đã định (
[DIỆN_TÍCH_1],[DIỆN_TÍCH_2],[DIỆN_TÍCH_3]). - Thực hiện phân tích so sánh: Đánh giá tốc độ tăng/chậm của giá trong từng phân khúc.
- Suy luận và giải thích: Đưa ra các lý do có thể dẫn đến xu hướng đã xác định.
LLM sẽ truy xuất kiến thức nội tại của mình về thị trường bất động sản, các yếu tố kinh tế ảnh hưởng đến giá, cũng như các mô hình phân tích xu hướng. Dựa trên các biến số do người dùng cung cấp, nó sẽ tạo ra một câu trả lời chi tiết, bao gồm số liệu (nếu có) hoặc các nhận định dựa trên thông tin tổng hợp.
3. Ví dụ Minh họa
Dưới đây là hai ví dụ về cách điền prompt template để LMM tạo ra các yêu cầu khác nhau:
Ví dụ 1: Phân tích toàn diện
Prompt đã điền:
Phân tích xu hướng biến động giá bất động sản tại Quận 2, TP. Hồ Chí Minh trong năm 2023 dựa trên các phân khúc diện tích: căn hộ dưới 70m2 (ví dụ: dưới 50m2), căn hộ từ 70m2 đến 120m2 (50-100m2), căn hộ trên 120m2 (trên 100m2). Xác định phân khúc diện tích nào đang có giá tăng nhanh nhất hoặc chậm nhất và đưa ra lý do khả thi.
Ví dụ 2: Tập trung vào phân khúc nhỏ và thời gian gần
Prompt đã điền:
Phân tích xu hướng biến động giá bất động sản tại Thành phố Đà Nẵng trong 6 tháng gần đây (từ tháng 10/2023 đến tháng 3/2024) dựa trên các phân khúc diện tích: căn hộ nhỏ (dưới 50m2), căn hộ vừa (50-90m2), căn hộ lớn (trên 90m2). Xác định phân khúc diện tích nào đang có giá tăng nhanh nhất hoặc chậm nhất và đưa ra lý do khả thi.
👉 Tóm lại
Prompt template này là một công cụ mạnh mẽ và linh hoạt để yêu cầu LLM thực hiện phân tích chi tiết về thị trường bất động sản. Các biến số được định nghĩa rõ ràng cho phép người dùng tùy chỉnh phạm vi và tiêu chí phân tích một cách dễ dàng, từ đó nhận được những kết quả phân tích chính xác, có tính ứng dụng cao dựa trên khu vực, thời gian và các phân khúc diện tích bất động sản cụ thể mà họ quan tâm. Khả năng xác định xu hướng tăng/chậm và cung cấp lý do càng làm tăng giá trị của prompt này trong việc hỗ trợ ra quyết định đầu tư hoặc nghiên cứu thị trường.
“`
