prompt kiến thức tổng quát là một kỹ thuật prompt gồm hai bước, trong đó LLM trước tiên tạo ra kiến thức liên quan trước khi trả lời một câu hỏi, sau đó đưa ra câu trả lời cuối cùng dựa trên kiến thức đó.
prompt kiến thức tổng quát là một kỹ thuật gồm hai bước, trong đó mô hình tạo ra một số sự kiện hoặc kiến thức nền tảng liên quan đến một câu hỏi trước khi trực tiếp trả lời câu hỏi, sau đó sử dụng kiến thức được tạo ra đó để hình thành câu trả lời cuối cùng. Mục đích là để giảm bớt những khẳng định vô căn cứ và cải thiện độ chính xác bằng cách xen kẽ việc tạo ra kiến thức với các câu hỏi liên quan đến lý luận thông thường, các con số và các sự kiện hiện tại. Tuy nhiên, trong hoạt động thực tế tính đến năm 2026, người ta đã chỉ ra rằng kiến thức được tạo ra trong giai đoạn đầu tiên có khả năng bị trộn lẫn với các sai sót hoặc thông tin cũ, dẫn đến “ảo tưởng kép”, và có những cạm bẫy trong đó câu trả lời có thể tỏ ra tự tin ngay cả khi cơ sở không chính xác. Về cách sử dụng RAG trong thực địa, nếu có thể tìm kiếm kiến thức bên ngoài trong RAG thì nên ưu tiên cho điều đó và hạn chế sử dụng cho các nhiệm vụ định hướng lý luận/lý luận chung mà mục tiêu tìm kiếm khan hiếm. Số lượng lệnh gọi API sẽ tăng gần gấp đôi, vì vậy về mặt chi phí, phương pháp lựa chọn cơ bản là thu hẹp việc triển khai ở những lĩnh vực có thể mong đợi cải thiện độ chính xác.