GPT cho lập trình: Cung cấp ngữ cảnh, kiểm tra cẩn thận

GPT có thể đọc lỗi, viết hàm, giải thích tệp lạ và đề xuất bài kiểm thử. Mô hình chỉ thấy những gì bạn gửi và đôi khi sai một cách rất tự tin. Hướng dẫn này chỉ bạn những gì cần gửi, cách hỏi và những điều cần kiểm tra lại.

8 phút đọcĐã cập nhật

GPT là một trợ thủ đắc lực trong lập trình: nó đọc stack trace không biết mệt mỏi, viết sẵn các phần việc tẻ nhạt của một hàm, giải thích đoạn regex bạn vừa thừa hưởng và gợi ý các trường hợp kiểm thử mà bạn chưa từng nghĩ tới. Dẫu vậy, nó cũng có thể tự bịa ra những hàm không hề tồn tại, bỏ sót các trường hợp biên và viết ra đoạn mã trông rất chuẩn nhưng lại lỗi ngay từ lần chạy thứ hai. Để tận dụng điểm mạnh mà tránh được điểm yếu, bạn cần cung cấp ngữ cảnh rõ ràng và luôn kiểm tra kỹ mọi thứ nhận được. Hướng dẫn này sẽ chỉ cho bạn cách làm cả hai việc đó trong chat GPT miễn phí của chúng tôi.

Điểm mạnh của GPT và những chỗ dễ vấp

Các mô hình ngôn ngữ đã học từ lượng lớn mã nguồn mở và tài liệu lập trình, vì vậy chúng rất thành thạo các cấu trúc phổ biến ở những ngôn ngữ thông dụng. Các trường hợp sử dụng hiệu quả:

  • giải thích chi tiết từng dòng lệnh của một đoạn mã;
  • phân tích thông báo lỗi thành danh sách ngắn các nguyên nhân khả dĩ;
  • viết các hàm độc lập, script nhỏ và câu truy vấn SQL;
  • soạn unit test cho đoạn mã bạn dán vào;
  • chuyển đổi mã giữa các ngôn ngữ hoặc giữa các phiên bản thư viện;
  • đánh giá bản diff để tìm lỗi, xem lại cách đặt tên và độ dễ đọc.

Các hạn chế cũng rất dễ đoán. Mô hình chỉ thấy những gì bạn dán vào, nên nó sẽ phải tự đoán phần còn lại của dự án. Kiến thức của nó dừng lại ở thời điểm ngắt dữ liệu huấn luyện, vì thế các phiên bản thư viện quá mới có thể nằm ngoài hiểu biết của nó. Thêm vào đó, nó không thể chạy thử mã của bạn: trong khung chat của chúng tôi, mô hình không có terminal và không có kết nối internet, nên mọi lời khẳng định "mã này hoạt động tốt" chỉ là phỏng đoán, không phải kết quả kiểm thử thực tế.

Cung cấp ngữ cảnh như khi nhờ đồng nghiệp

Trước khi nhờ gỡ lỗi, hãy chuẩn bị những thông tin mà một người đánh giá mã sẽ muốn thấy:

  1. Ngôn ngữ, framework và phiên bản, ví dụ: "Python 3.12, Django 5".
  2. Đoạn mã ngắn gọn nhất thể hiện được lỗi, không phải toàn bộ repo.
  3. Thông báo lỗi và stack trace chính xác, sao chép nguyên văn chứ không gõ lại.
  4. Kết quả bạn mong muốn, điều thực tế xảy ra và những cách bạn đã thử xử lý.
Chưa tốt:
Code của tôi bị lỗi, sửa giúp tôi.

Tốt:
Node 22, Express 5. Route này cần trả về user dưới dạng JSON
nhưng request bị treo và không phản hồi. Console không có lỗi.
Đây là route và middleware đang dùng:
[dán mã vào đây]
Hãy giải thích nguyên nhân trước, sau đó chỉ hiển thị route đã sửa.

Cách hỏi chi tiết sẽ chỉ rõ cho mô hình biết cần tìm ở đâu, thế nào là "đã sửa" và định dạng câu trả lời ra sao. Việc yêu cầu giải thích trước khi viết mã cũng giúp bạn sớm phát hiện nếu mô hình chẩn đoán sai.

Câu lệnh mẫu cho công việc lập trình hàng ngày

Dưới đây là một số mẫu bạn có thể tùy chỉnh. Thay thế nội dung trong ngoặc vuông bằng thông tin của bạn.

  • Giải thích: "Giải thích hàm [ngôn ngữ] này cho một người biết lập trình cơ bản nhưng chưa dùng thư viện này bao giờ. Chỉ ra những điểm cần lưu ý đặc biệt."
  • Kiểm thử: "Viết unit test bằng [framework] cho hàm này. Bao quát trường hợp đầu vào bình thường, đầu vào rỗng, dữ liệu cực lớn và sai kiểu dữ liệu. Không sửa hàm gốc."
  • Tối ưu mã: "Refactor để mã dễ đọc hơn mà không làm thay đổi hành vi. Giữ nguyên tên các hàm public. Liệt kê từng thay đổi bạn đã thực hiện."
  • Đánh giá mã: "Đánh giá bản diff này như một senior developer khó tính. Báo cáo lỗi trước, sau đó đến các cấu trúc tiềm ẩn rủi ro, cuối cùng là phong cách viết mã. Trích dẫn số dòng cho từng nhận xét."
  • Regex: "Viết biểu thức chính quy khớp với [khớp chuỗi này] nhưng không khớp với [trừ chuỗi này]. Cho năm ví dụ chuỗi khớp và năm ví dụ chuỗi bị từ chối."

Thử ngay: yêu cầu viết một hàm kèm test case. Trang coding prompts còn rất nhiều mẫu khác, và mục assistants cũng có sẵn các trợ lý lập trình chuyên dụng.

Nên chọn Luna hay Terra để lập trình?

Khung chat của chúng tôi có hai mô hình. GPT-6 Luna, lựa chọn mặc định, phản hồi nhanh và phù hợp để giải thích mã, viết hàm nhỏ, tạo mã mẫu (boilerplate) và sửa lỗi một dòng. Với những tác vụ cần phân tích logic cẩn thận, hãy bật Think: tính năng này sẽ kích hoạt GPT-6.1 Terra, mô hình có khả năng suy luận ngắn trước khi trả lời. OpenAI đánh giá Terra là bước tiến đáng kể so với bản tiền nhiệm trong mảng kỹ thuật phần mềm, đồng thời cũng lưu ý rằng với các bài toán lập trình phức tạp nhất, các mô hình lớn hơn như GPT-6.1 Sol và GPT-6 Astra vẫn là lựa chọn vượt trội. Những bản đó không có trên gpt.me; GPT-6 Sol hiện có trong ứng dụng AI Chat của chúng tôi với gói thuê bao Pro.

Phân chia thực tế khi sử dụng:

  • Luna: hỏi "đoạn này làm gì", câu hỏi về cú pháp, chuyển đổi đoạn mã ngắn, viết docstring.
  • Terra: lỗi off-by-one, xử lý đồng thời (concurrency), thiết kế thuật toán, đánh giá logic trong một hàm dài.

Bài so sánh Luna và Terra sẽ phân tích chi tiết hơn về sự khác biệt này.

Quy trình làm việc: Kiểm tra trước, chạy thử sau

Hãy xem mỗi câu trả lời như một pull request từ một lập trình viên junior làm việc rất nhanh nhưng không bao giờ chạy thử test.

  1. Đọc phần giải thích. Nếu nguyên nhân mô hình nêu không khớp với hiện tượng bạn gặp, hãy báo lại ngay trước khi đọc mã.
  2. Đọc bản diff, đừng chỉ nhìn kết quả cuối. Hãy yêu cầu "chỉ hiển thị những dòng bạn đã sửa" nếu câu trả lời viết lại toàn bộ mã.
  3. Chạy thử trên máy của bạn với bộ test riêng, bao gồm cả những dữ liệu đầu vào từng gây lỗi.
  4. Phản hồi lại kết quả. Dán lỗi mới hoặc bài test bị trượt vào chat. Vòng lặp phản hồi này chính là lúc công cụ phát huy giá trị nhất.

Hai tính năng trong chat sẽ hỗ trợ bạn rất tốt: mã được hiển thị trong khối rõ ràng kèm nút sao chép để tránh dán nhầm ký tự lạ; và khi bạn tạo lại câu trả lời, các bản trả lời trước đó vẫn được lưu lại dưới dạng phiên bản, giúp bạn dễ dàng so sánh hai cách giải quyết cho cùng một lỗi và chọn ra phương án tối ưu.

Thói quen an toàn khi dùng mã do AI viết

  • Tuyệt đối không dán thông tin bảo mật. Hãy thay thế API key, mật khẩu, token và chuỗi kết nối bằng văn bản giữ chỗ như YOUR_KEY trước khi gửi.
  • Kiểm tra sự tồn tại của các package. Mô hình đôi khi nhắc đến tên thư viện hoặc hàm nghe rất hợp lý nhưng thực tế không có. Hãy tra cứu trên kho package chính thức trước khi cài đặt.
  • Cẩn trọng với lệnh shell. Đọc kỹ bất kỳ lệnh nào có thao tác xóa, di chuyển hoặc đổi quyền tệp trước khi chạy, và tuyệt đối không chạy bằng quyền quản trị (admin/root) chỉ vì được gợi ý trong chat.
  • Chú ý các vấn đề bảo mật cơ bản. Chủ động hỏi về SQL injection, xác thực dữ liệu đầu vào và xử lý lỗi; bản nháp đầu tiên thường hay bỏ quên các yếu tố này.
  • Tuân thủ giấy phép phần mềm và quy định của công ty về việc chia sẻ mã nội bộ với các dịch vụ bên ngoài.
Rút gọn trước khi dán: việc cô đọng lỗi thành ví dụ nhỏ nhất có thể tái hiện chỉ mất vài phút, nhưng đôi khi chính thao tác đó đã giúp bạn nhận ra nguyên nhân. Nếu chưa tìm ra, mô hình cũng sẽ nhận được một bài toán rõ ràng thay vì một khối mã khổng lồ.

Khi nào khung chat không phải công cụ phù hợp?

Cửa sổ chat xử lý dựa trên những gì bạn dán vào. Các cuộc trò chuyện quá dài sẽ bị cắt bớt để mô hình chỉ tập trung vào phần hội thoại gần nhất, đồng nghĩa với việc nó có thể quên mất tệp bạn đã gửi từ một tiếng trước. Với những thay đổi trải rộng trên nhiều tệp, một trình biên tập tích hợp sẵn AI hoặc một coding agent có khả năng đọc toàn bộ dự án và chạy test sẽ hiệu quả hơn nhiều. Còn với một hàm đơn lẻ, một thông báo lỗi hay việc đánh giá nhanh đoạn mã, khung chat thường là giải pháp nhanh nhất. Lập trình viên cũng có thể tham khảo thêm trang dành cho nhà phát triển và công cụ trợ lý lập trình.

Câu hỏi thường gặp

GPT có thể chạy thử mã của tôi trong khung chat không?

Không. Khung chat không có môi trường thực thi mã và không có internet. Mô hình chỉ đọc mã và dự đoán kết quả hoạt động, vì vậy bạn hãy luôn tự chạy và kiểm thử kết quả trên máy của mình.

Mô hình hỗ trợ những ngôn ngữ lập trình nào?

Tất cả các ngôn ngữ thông dụng, bao gồm Python, JavaScript, TypeScript, Java, C#, C, C++, Go, Rust, PHP, Ruby, Swift, Kotlin và SQL. Chất lượng sẽ giảm đối với các ngôn ngữ hiếm gặp hoặc các phiên bản thư viện mới ra mắt.

Dán mã nguồn của công ty vào đây có an toàn không?

Bạn hãy kiểm tra chính sách của công ty trước. Tin nhắn được chuyển qua máy chủ của chúng tôi và cổng AI tới các mô hình của OpenAI; chúng tôi không lưu lại nội dung văn bản, nhưng bạn vẫn nên chủ động xóa các thông tin bảo mật và dữ liệu nội bộ. Xem thêm tại chính sách quyền riêng tư.

Tại sao câu trả lời lại dùng một hàm không hề tồn tại?

Mô hình đưa ra kết quả dựa trên việc dự đoán đoạn mã có khả năng xuất hiện cao nhất, nên đôi khi nó tạo ra một cái tên nghe rất quen tai dù thư viện không hề có hàm đó. Bạn hãy dán phần tài liệu hướng dẫn liên quan vào và yêu cầu mô hình chỉ sử dụng những gì được liệt kê trong đó.

Có câu hỏi? Hỏi ngay lúc này

Không cần tài khoản, không cần tải về. Mở khung chat, nhập điều bạn đang thắc mắc và câu trả lời sẽ xuất hiện chỉ sau một hai giây.

Bắt đầu chat