​​

想象你雇佣了一位专家，却从不告诉他你需要什么。最好的结果是得到一些随机建议，最坏的情况则是一团糟。在 AI 的世界里，“系统提示词（System Prompt）”就像是这份“职位描述”——它是每条用户指令之上的元指令，定义 AI 的人格、范围、规则和风格，在 AI “听”到用户之前就已设定好。

• 用户提示词（User Prompt） ：处理即时请求，如“翻译这段”、“讲个笑话”、“修复我的 SQL”。
• 系统提示词（System Prompt） ：设定舞台，确保 AI 在数百或数千次交互中，始终行为一致、安全，并符合你的产品或品牌要求。

一个优秀的系统提示词能带来连贯性、上下文感知和信任感；而糟糕的提示词则容易导致偏离主题、AI 胡编乱造，甚至出现合规风险。

2. 有效系统提示词的构成

每个系统提示词可以像模块一样构建，以下这些是你可以调节的“旋钮”，用于微调 AI 行为：

1. 角色 / 人设（Role / Persona）

示例：“你是 Acme Widgets 的客服代表。”

定义 AI 的知识重点、用词风格、礼貌程度等。

2. 任务 / 目标（Task / Objective）

示例：“回答客户关于账单的问题。如无法解答，请提供提交客服工单的链接。”

为 AI 指明任务和成功标准。

3. 约束与规则（Constraints & Guardrails）

示例：“请勿请求用户提供个人信息如密码；回答控制在 150 字以内。”

确保 AI 行为安全、合规、有重点。

4. 语气与风格（Tone & Style）

示例：“语气亲切、富有同理心，但避免使用俚语。”

与品牌声音或用户期望对齐。

5. 输出格式（Output Format）

示例：“以编号列表形式输出步骤，代码段请使用三重反引号包裹。”

确保输出结构清晰、易于解析与展示。

6. 上下文与示例（Context & Examples）

示例：“知识库片段：…” 后跟 2–3 个范例。

将 AI 锚定在你期望的风格或专业词汇中。

3. 如何构建清晰结构的提示词

结构组织会直接影响模型理解效果：

• 前置关键信息：模型通常会优先关注开头几行内容。
• 结尾重复重点：长提示词可在结尾加一句“记住：…” 重新强调关键限制。
• 使用清晰分隔符：

markdown ### 指令 ### <role>…</role> """上下文""" * 善用 Markdown 或 XML：

xml <task>总结为一段文字。</task> <instructions>…</instructions>

4. 编写可靠提示词的核心原则

1. 明确 & 具体

• ❌ 不推荐：“简洁一点。”
• ✅ 推荐：“请用三句话总结这篇文章。”

2. 简洁

仅包含直接影响 AI 输出的信息，冗余内容可能干扰模型焦点。

3. 上下文相关性

• 上下文不足：输出泛泛而谈。
• 上下文过多：模型困惑或浪费 token。

4. 小样本示例

只说不如示范。3 个精选范例就能大幅提升一致性。

5. 积极引导

“要做 X”比“不要做 Y”更有效。如果需要禁止某事，记得补充该怎么做。

5. 为你常用的模型量身调校

​​

模型在不断更新！请时常查阅最新官方文档，并进行小范围测试验证。

6. 现实场景中的实际案例

🚀 创意写作教练

<role>你是一名科幻故事构建者。</role>
<task>头脑风暴五种有文化特点的外星物种。</task>
<tone>富有想象力、生动简洁。</tone>
<format>使用项目符号：名称 — 一句话描述。</format>
<constraints>禁止使用老套设定（如“绿色皮肤”）。</constraints>

🛠 技术支持助手

### 系统指令 ###
**角色**：你是‘TechGuard’，SafeHome 摄像头的礼貌技术支持机器人。  
**目标**：排查连接问题，如连续三次尝试失败则提供支持链接。  
**约束**：禁止收集个人信息；每条回复不超过 120 字。  
**输出格式**：使用编号列表。

📋 JSON 摘要助手

你是一名专业摘要员。  
将以下文本总结为一个 JSON 对象，包含字段：  
- “summary”（字符串）  
- “key_points”（字符串数组）  
最多使用 80 个词，中性语气。  
文本如下：  
"""  
{input_text}  
"""

7. 常见陷阱及规避方式

​​

8. 从草稿到完美：测试与优化流程

✅ 手动检查

运行几个典型提示词，观察风格、准确性、语气等。

✅ 黄金数据集 + 单元测试

准备 20–50 个已知理想输出的样例，自动比对输出差异。

✅ A/B 测试 & 小批量发布（Canary）

对用户发布两个版本，追踪满意度、完成度等指标。

✅ 自动评估工具

集成工具如 Promptfoo、OpenAI Evals、Langfuse，检测回归或异常。

✅ 关键评估指标

• 一致性（格式、长度）
• 准确性（F1 / ROUGE / 语义相似度）
• 延迟与成本（token 消耗、响应时间）
• 安全性（毒性、偏见检测）
• 用户满意度（点赞 / 点踩）

✅ 快速迭代

一次调整一个组件，衡量影响后再继续优化。

9. 结语：下一步怎么走？

系统提示词设计既是科学（结构 + 指标），也是艺术（语气 + 人设）。请将其视为一段持续优化的旅程：

• 多试不同人设与格式
• 持续衡量，不靠运气
• 模型在变，用户预期也在变——你也要不断进化

“一个优秀的系统提示词就像舞台剧的开场白：它设定气氛、指挥演员、并在第一句之前就吸引住观众。”

🎯 现在就开始原型设计，不断优化，见证你的 AI 从“通用型”成长为“专业级”！

觉得这篇指南有用？欢迎分享、收藏，留言继续交流：你最常用的系统提示词长啥样？