Prompt: Tìm kiếm Án lệ Tương tự về Mức án/Bồi thường – Hỗ trợ Tư pháp & Pháp lý – AI Pháp lý & Hành chính

Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn cung cấp, được trình bày theo yêu cầu và định dạng HTML:

1. Phân tích Cấu trúc Prompt

Prompt template này được thiết kế để yêu cầu mô hình ngôn ngữ tìm kiếm và tóm tắt các án lệ (precedents) dựa trên hai yếu tố chính: tình tiết tương tự của một vụ án cụ thể và mức án/bồi thường dự kiến tương tự. Cấu trúc prompt bao gồm các biến số đóng vai trò là các placeholder, cho phép người dùng tùy chỉnh yêu cầu đầu vào.

• [TÊN_VỤ_ÁN]: Biến này đại diện cho tên hoặc mô tả ngắn gọn về vụ án mà người dùng muốn tìm án lệ tương tự. Đây là điểm neo chính để xác định bối cảnh và các đặc điểm tình tiết ban đầu.
• [MỨC_ÁN_HOẶC_SỐ_TIỀN_BỒI_THƯỜNG_DỰ_KIẾN]: Biến này chỉ định một kết quả mong muốn về mức án (ví dụ: tù giam bao nhiêu năm, cảnh cáo) hoặc số tiền bồi thường cụ thể. Điều này giúp thu hẹp phạm vi tìm kiếm các án lệ có kết quả tương đồng với dự kiến của người dùng.

Mệnh đề cuối cùng “Trình bày tóm tắt kết quả của các án lệ này.” là phần chỉ dẫn hành động, yêu cầu mô hình không chỉ tìm kiếm mà còn phải *tóm tắt* thông tin quan trọng từ các án lệ tìm được.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, prompt này hoạt động bằng cách cung cấp cho mô hình ngôn ngữ một nhiệm vụ có cấu trúc rõ ràng. Khi người dùng điền thông tin vào các placeholder, prompt sẽ biến thành một câu lệnh cụ thể và giàu ngữ cảnh, cho phép mô hình:

• Hiểu ngữ cảnh pháp lý: Các thuật ngữ “án lệ”, “tình tiết”, “phán quyết”, “mức án”, “bồi thường” định hướng mô hình tập trung vào nguồn dữ liệu pháp lý và cách diễn giải các vụ án.
• Xác định tiêu chí tìm kiếm:
  • [TÊN_VỤ_ÁN]: Mô hình sẽ cố gắng phân tích các tình tiết pháp lý quan trọng của vụ án này từ cơ sở dữ liệu tri thức của nó (nếu có thông tin về vụ án đó) hoặc sử dụng nó làm keywords để tìm kiếm các vụ án có đặc điểm tương đồng.
  • [MỨC_ÁN_HOẶC_SỐ_TIỀN_BỒI_THƯỜNG_DỰ_KIẾN]: Mô hình sẽ đặt điểm này làm một ngưỡng hoặc mục tiêu để so sánh và lọc kết quả. Nó sẽ tìm kiếm các án lệ mà kết quả cuối cùng (phán quyết, mức án, số tiền) gần giống hoặc tương đương với giá trị được cung cấp.
• Thực hiện truy vấn và tổng hợp thông tin: Dựa trên các tiêu chí đã phân tích, mô hình sẽ tiến hành truy vấn trong kho kiến thức của mình (hoặc cơ sở dữ liệu được huấn luyện) để tìm các án lệ phù hợp.
• Tạo ra đầu ra theo yêu cầu: Sau khi tìm thấy các án lệ liên quan, mô hình sẽ rút trích thông tin cốt lõi và trình bày dưới dạng tóm tắt.

Sự kết hợp giữa việc mô tả vụ án gốc và đưa ra một kết quả mong muốn giúp mô hình hiểu được “tính tương tự” không chỉ ở khía cạnh tình tiết mà còn ở khía cạnh kết quả pháp lý, điều này rất quan trọng trong việc tìm kiếm án lệ.

3. Ví dụ Minh họa

Dưới đây là một vài ví dụ về prompt đã được điền thông tin:

Ví dụ 1:

Prompt ban đầu:

Tìm kiếm các án lệ tương tự vụ án [TÊN_VỤ_ÁN] về mặt tình tiết và có phán quyết về mức án/bồi thường tương tự như [MỨC_ÁN_HOẶC_SỐ_TIỀN_BỒI_THƯỜNG_DỰ_KIẾN]. Trình bày tóm tắt kết quả của các án lệ này.

Prompt đã điền thông tin:

Tìm kiếm các án lệ tương tự vụ án "trộm cắp tài sản của công ty ABC" về mặt tình tiết và có phán quyết về mức án/bồi thường tương tự như "tù giam 3-5 năm". Trình bày tóm tắt kết quả của các án lệ này.

Ví dụ 2:

Prompt đã điền thông tin:

Tìm kiếm các án lệ tương tự vụ án "tai nạn giao thông gây chết người, xe máy va chạm xe tải" về mặt tình tiết và có phán quyết về mức án/bồi thường tương tự như "bồi thường 500 triệu đồng". Trình bày tóm tắt kết quả của các án lệ này.

👉 Tóm lại

Prompt template này là một công cụ hiệu quả để yêu cầu mô hình ngôn ngữ thực hiện nhiệm vụ tra cứu và tổng hợp thông tin pháp lý, cụ thể là các án lệ. Bằng cách sử dụng các biến `[TÊN_VỤ_ÁN]` và `[MỨC_ÁN_HOẶC_SỐ_TIỀN_BỒI_THƯỜNG_DỰ_KIẾN]`, người dùng có thể định hình yêu cầu một cách linh hoạt, giúp mô hình hiểu rõ ngữ cảnh và mục tiêu tìm kiếm. Tính năng “Trình bày tóm tắt kết quả” đảm bảo đầu ra được cung cấp một cách cô đọng và hữu ích. Đây là một ví dụ điển hình về cách cấu trúc prompt để tương tác hiệu quả với các AI chuyên về kiến thức.