Prompt: Sửa lỗi chống đẩy tiêu chuẩn – Huấn luyện cá nhân hóa – AI Fitness

Tuyệt vời! Tôi sẽ đi sâu vào phân tích prompt template bạn đã cung cấp như một chuyên gia kỹ thuật prompt. Dưới đây là phân tích chi tiết bằng tiếng Việt, sử dụng định dạng HTML theo yêu cầu của bạn:

1. Phân tích Cấu trúc Prompt

Prompt template này được xây dựng để yêu cầu một LLM phân tích và đưa ra lời khuyên cải thiện kỹ thuật chống đẩy, dựa trên việc xử lý thông tin đầu vào từ người dùng (video/mô tả) và kiến thức chung về bài tập này. Cấu trúc của prompt bao gồm các phần chính sau:

• Mục tiêu rõ ràng: “Tôi muốn cải thiện kỹ thuật chống đẩy.” Đây là câu mở đầu xác định mục đích chính của người dùng.
• Phương thức cung cấp thông tin: “Hãy phân tích video/mô tả của tôi…” Phần này cho biết LLM sẽ nhận thông tin đầu vào (dù là tự động phân tích video nếu nó có khả năng, hoặc dịch ra từ mô tả chi tiết).
• Các tiêu chí phân tích cụ thể: Một danh sách có đánh số yêu cầu LLM tập trung vào 5 khía cạnh quan trọng của kỹ thuật chống đẩy:
  • 1. Sự thẳng hàng của cơ thể (từ đầu đến gót chân).
  • 2. Độ sâu của lần hạ người.
  • 3. Góc khuỷu tay.
  • 4. Sự tham gia của cơ core.
  • 5. Tần suất/tốc độ thực hiện.
• Yêu cầu bổ sung về lỗi và sửa lỗi: “Các lỗi phổ biến trong chống đẩy là gì và làm thế nào để sửa chúng…” Phần này mở rộng yêu cầu, mong muốn LLM cung cấp kiến thức chung về các sai lầm thường gặp và cách khắc phục.
• Placeholder cho ví dụ cụ thể: “…ví dụ như [Lỗi cụ thể ví dụ]?” Dấu ngoặc vuông `[Lỗi cụ thể ví dụ]` là một biến số (placeholder) cần được người dùng điền vào để hướng dẫn LLM tập trung vào một lỗi cụ thể nếu họ muốn.

Về mặt biến số, prompt có một biến số tiềm năng là [Lỗi cụ thể ví dụ]. Nếu người dùng điền vào mục này, nó sẽ giúp cá nhân hóa yêu cầu. Tuy nhiên, ngay cả khi không điền, prompt vẫn hoạt động tốt để yêu cầu phân tích chung.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, prompt này hoạt động bằng cách:

• Thiết lập bối cảnh và vai trò: Bằng cách nêu rõ mục tiêu “cải thiện kỹ thuật chống đẩy”, prompt định hướng LLM hoạt động như một huấn luyện viên cá nhân hoặc chuyên gia thể hình.
• Xác định nguồn dữ liệu đầu vào: “Phân tích video/mô tả” cho LLM biết nó cần xử lý thông tin thị giác (nếu có tích hợp) hoặc thông tin văn bản mô tả chi tiết về động tác của người dùng. LLM sẽ cố gắng trích xuất các đặc điểm của động tác dựa trên mô tả đó.
• Định nghĩa các tiêu chí đánh giá: Việc liệt kê 5 điểm cụ thể (thẳng hàng cơ thể, độ sâu, góc khuỷu tay, cơ core, tốc độ) giúp LLM cấu trúc quá trình “phân tích” theo một khuôn khổ rõ ràng. LLM sẽ tìm kiếm các đặc điểm liên quan đến từng tiêu chí trong dữ liệu đầu vào. Ví dụ:
  • Thẳng hàng cơ thể: LLM sẽ tìm kiếm các dấu hiệu cho thấy lưng cong, hông chùng xuống hoặc nhô cao so với vai và gót chân.
  • Độ sâu: LLM sẽ cố gắng ước lượng xem ngực có chạm hoặc gần chạm sàn không, hoặc có đủ độ sâu so với vai không.
  • Góc khuỷu tay: LLM sẽ đánh giá liệu khuỷu tay có xòe ra hai bên (không tốt) hay khép gần vào thân (tốt hơn cho vai).
  • Cơ core: LLM sẽ tìm kiếm các tín hiệu của sự mất ổn định, ví dụ như lưng cong khi hạ người sâu.
  • Tần suất/tốc độ: LLM có thể đánh giá dựa trên mô tả về số lần thực hiện trong một khoảng thời gian nhất định hoặc các từ ngữ mô tả tốc độ (nhanh, chậm, đều).
• Yêu cầu kiến thức chuyên môn bổ sung: Phần yêu cầu về “lỗi phổ biến và cách sửa” kích hoạt khả năng truy xuất kiến thức của LLM về các sai lầm thường gặp trong chống đẩy (ví dụ: lưng võng, hông chùng, đầu rũ xuống, khuỷu tay quá xòe).
• Khả năng cá nhân hóa (tùy chọn): Placeholder [Lỗi cụ thể ví dụ] cho phép người dùng tinh chỉnh yêu cầu. Nếu người dùng nhập “lưng võng”, LLM sẽ ưu tiên phân tích và giải thích về lỗi lưng võng, cũng như cách khắc phục nó.

Tóm lại, prompt này là một khung hướng dẫn chi tiết, yêu cầu LLM thực hiện một nhiệm vụ phân tích phức tạp, kết hợp xử lý dữ liệu đầu vào với kiến thức chuyên môn về một chủ đề cụ thể (kỹ thuật chống đẩy) và có khả năng tùy chỉnh theo nhu cầu người dùng.

3. Ví dụ Minh họa

Dưới đây là 2 ví dụ về cách prompt này có thể được sử dụng, tạo ra các yêu cầu cụ thể cho LLM.

Ví dụ 1: Yêu cầu phân tích chung mà không có lỗi cụ thể

Trong trường hợp này, người dùng cung cấp một mô tả về buổi tập của họ.

Prompt đầu vào bởi người dùng:

Tôi muốn cải thiện kỹ thuật chống đẩy. Hãy phân tích video/mô tả của tôi và chỉ ra:
1. Sự thẳng hàng của cơ thể (từ đầu đến gót chân).
2. Độ sâu của lần hạ người.
3. Góc khuỷu tay.
4. Sự tham gia của cơ core.
5. Tần suất/tốc độ thực hiện.
Các lỗi phổ biến trong chống đẩy là gì và làm thế nào để sửa chúng, ví dụ như [Lỗi cụ thể ví dụ]?
Mô tả của tôi: Tôi đã thực hiện 3 hiệp, mỗi hiệp 10 lần. Khi hạ người, tôi cảm thấy lưng dưới hơi cong xuống một chút và khuỷu tay hơi xòe ra ngoài thay vì khép vào. Tôi cố gắng giữ thẳng người nhưng đôi khi không chắc liệu hông có bị chùng không. Tốc độ thực hiện khá đều.

Prompt được gửi đến LLM (sau khi xử lý):

Phân tích kỹ thuật chống đẩy của người dùng dựa trên mô tả sau. Tập trung vào các điểm sau:
1. **Thẳng hàng cơ thể:** Đánh giá mức độ thẳng hàng từ đầu đến gót chân, đặc biệt chú ý đến tình trạng lưng dưới cong và khả năng hông chùng.
2. **Độ sâu:** Ghi nhận thông tin về độ sâu (dù không có mô tả cụ thể về độ sâu).
3. **Góc khuỷu tay:** Xác định khuỷu tay có xòe ra ngoài hay khép vào.
4. **Cơ core:** Đánh giá sự tham gia của cơ core, liên quan đến tình trạng cong lưng dưới.
5. **Tần suất/tốc độ:** Nhận xét về tốc độ thực hiện đều đặn.

Bên cạnh đó, hãy liệt kê các lỗi phổ biến trong chống đẩy và đưa ra hướng dẫn sửa lỗi, đặc biệt giải thích về lỗi lưng cong và khuỷu tay xòe.

Ví dụ 2: Yêu cầu phân tích tập trung vào một lỗi cụ thể

Người dùng đã xác định được một lỗi mà họ nghi ngờ mình mắc phải.

Prompt đầu vào bởi người dùng:

Tôi muốn cải thiện kỹ thuật chống đẩy. Hãy phân tích video/mô tả của tôi và chỉ ra:
1. Sự thẳng hàng của cơ thể (từ đầu đến gót chân).
2. Độ sâu của lần hạ người.
3. Góc khuỷu tay.
4. Sự tham gia của cơ core.
5. Tần suất/tốc độ thực hiện.
Các lỗi phổ biến trong chống đẩy là gì và làm thế nào để sửa chúng, ví dụ như [Lỗi cụ thể ví dụ]?
[Lỗi cụ thể ví dụ] là lỗi khiến hông chùng xuống, tôi muốn biết cách phòng tránh lỗi này.