Hoàn thành bài "Chương 6 – Bài 3: Triển khai Open WebUI, AnythingLLM và tích hợp OpenRouter API" trước để mở khoá bài này.Đến bài trước

Giới thiệu

Trong chương này, bạn sẽ xây dựng hai ứng dụng thực tế: một chatbot chăm sóc khách hàng (CSKH) tự động và một agent bán hàng có khả năng tư vấn sản phẩm theo ngữ cảnh. Hai hệ thống này khác nhau ở mục tiêu — chatbot CSKH tập trung vào giải quyết vấn đề và trả lời câu hỏi thường gặp, còn agent bán hàng cần chủ động dẫn dắt hội thoại, hiểu nhu cầu khách hàng và đề xuất sản phẩm phù hợp.

Cả hai đều được xây dựng trên nền OpenAI API với kỹ thuật system prompt có cấu trúc, kết hợp lưu trữ lịch sử hội thoại để duy trì ngữ cảnh qua nhiều lượt trao đổi.

sơ đồ so sánh 2 luồng hội thoại: Chatbot CSKH xử lý khiếu nại và Agent bán hàng tư vấn sản phẩm

Thiết kế System Prompt có cấu trúc

System prompt là nơi bạn định hình toàn bộ hành vi của bot. Một system prompt tốt cần trả lời được ba câu hỏi: Bot này là ai? Bot được phép làm gì? Bot phản hồi theo phong cách nào?

Dưới đây là system prompt cho chatbot CSKH của một cửa hàng điện tử:

python
CSKH_SYSTEM_PROMPT = """
Bạn là trợ lý chăm sóc khách hàng của TechShop — cửa hàng điện tử trực tuyến.
Nhiệm vụ của bạn:
- Giải đáp thắc mắc về đơn hàng, chính sách đổi trả, bảo hành
- Hướng dẫn khách hàng thực hiện các thao tác trên website
- Ghi nhận khiếu nại và hướng dẫn quy trình xử lý
Quy tắc:
- Luôn xưng hô lịch sự, gọi khách là "anh/chị"
- Nếu không biết câu trả lời, nói rõ và đề nghị chuyển sang nhân viên thật
- KHÔNG tự ý hứa hẹn hoàn tiền hay đổi hàng mà chưa có xác nhận từ hệ thống
- Giới hạn câu trả lời trong 3-4 câu, trừ khi cần hướng dẫn từng bước
Thông tin cửa hàng:
- Chính sách đổi trả: 30 ngày kể từ ngày mua
- Bảo hành: 12 tháng tại cửa hàng
- Hotline: 1800-xxxx (8:00-22:00)
"""

System prompt cho agent bán hàng cần có thêm thông tin sản phẩm và kỹ thuật dẫn dắt hội thoại:

python
SALES_SYSTEM_PROMPT = """
Bạn là tư vấn viên bán hàng của TechShop, chuyên mảng laptop và phụ kiện.
Mục tiêu: Giúp khách hàng tìm được sản phẩm phù hợp nhất với nhu cầu và ngân sách.
Cách tiếp cận:
1. Hỏi để hiểu nhu cầu: mục đích sử dụng, ngân sách, yêu cầu kỹ thuật
2. Đề xuất 2-3 sản phẩm phù hợp với lý do cụ thể
3. So sánh ưu/nhược điểm nếu khách hàng phân vân
4. Không ép mua — nếu không có sản phẩm phù hợp, nói thật
Danh mục hiện có:
- Laptop văn phòng: 10-20 triệu
- Laptop đồ họa/gaming: 20-40 triệu
- Phụ kiện: chuột, bàn phím, màn hình
"""

Xây dựng lớp quản lý hội thoại

Cả hai bot đều cần lưu lịch sử để hiểu ngữ cảnh. Bạn sẽ tạo một class ChatSession dùng chung, chỉ khác nhau ở system prompt đầu vào.

python
from openai import OpenAI
from typing import Optional
client = OpenAI() # Đọc OPENAI_API_KEY từ biến môi trường
class ChatSession:
def __init__(self, system_prompt: str, model: str = "gpt-4o-mini"):
self.model = model
self.messages = [
{"role": "system", "content": system_prompt}
]
def chat(self, user_message: str) -> str:
self.messages.append({
"role": "user",
"content": user_message
})
response = client.chat.completions.create(
model=self.model,
messages=self.messages,
temperature=0.7,
max_tokens=500
)
assistant_message = response.choices[0].message.content
self.messages.append({
"role": "assistant",
"content": assistant_message
})
return assistant_message
def reset(self):
# Giữ lại system prompt, xóa toàn bộ lịch sử hội thoại
self.messages = [self.messages[0]]

Sử dụng class này để khởi tạo từng bot:

python
# Khởi tạo chatbot CSKH
cskh_bot = ChatSession(system_prompt=CSKH_SYSTEM_PROMPT)
# Khởi tạo agent bán hàng
sales_agent = ChatSession(system_prompt=SALES_SYSTEM_PROMPT)
# Ví dụ hội thoại với agent bán hàng
print(sales_agent.chat("Tôi cần mua laptop để làm đồ họa, ngân sách khoảng 25 triệu"))
print(sales_agent.chat("Laptop đó có chạy được Photoshop và Premiere không?"))

Lưu ý: messages thứ hai vẫn hiểu "laptop đó" vì lịch sử được giữ nguyên trong self.messages.

sơ đồ luồng xử lý tin nhắn trong ChatSession: User input → append to messages → gọi API → append response → trả về output

Kiểm soát chất lượng phản hồi

Bot có thể trả lời sai hoặc vượt phạm vi. Có hai điểm kiểm soát cơ bản bạn nên thêm ngay từ đầu.

Đầu tiên là giới hạn độ dài lịch sử để tránh vượt context window và tốn token:

python
def chat_with_trim(self, user_message: str, max_history: int = 20) -> str:
# Giữ system prompt (index 0) + tối đa max_history tin nhắn gần nhất
if len(self.messages) > max_history + 1:
self.messages = [self.messages[0]] + self.messages[-(max_history):]
return self.chat(user_message)

Thứ hai là phát hiện câu hỏi ngoài phạm vi bằng cách thêm chỉ dẫn trong system prompt — cách này hiệu quả hơn là viết code filter thủ công:

python
# Thêm vào cuối CSKH_SYSTEM_PROMPT
PHAM_VI = """
Nếu khách hàng hỏi về chủ đề không liên quan đến TechShop (ví dụ: thời tiết, nấu ăn,
chính trị), hãy lịch sự từ chối và nhắc lại bạn chỉ hỗ trợ về sản phẩm và dịch vụ
của cửa hàng.
"""

Tổng kết

Bạn vừa xây dựng nền tảng cho hai loại bot khác nhau về mục tiêu nhưng dùng chung kiến trúc: một class ChatSession quản lý lịch sử hội thoại và system prompt đặc thù cho từng vai trò. Điểm mấu chốt là đầu tư vào system prompt — đây là nơi quyết định 80% chất lượng của bot, không phải code. Bài tiếp theo sẽ tích hợp thêm công cụ bên ngoài (function calling) để agent bán hàng có thể tra cứu tồn kho và đặt hàng thật sự.

Luyện tập sau buổi học

Bài kiểm tra cuối bài

Ôn lại kiến thức, thử sức và nhận góp ý cho bài làm.

0/1
Đã trả lời · 0/1