System Prompt 完全指南

一、引言

System Prompt（系统提示词）是与大型语言模型交互时最强大的工具之一。一个精心设计的 System Prompt 可以让同一个模型表现出截然不同的行为，从简单的问答助手变成专业的代码评审员或者小说作家。理解并掌握 System Prompt 的设计原则，是每个 AI 开发者的必备技能。本文将深入解析 System Prompt 的核心概念、设计原则，并通过大量实例帮助你快速掌握这一技术。

二、什么是 System Prompt

2.1 System Prompt 的定义

System Prompt 是给大型语言模型的第一条指令，它定义了模型的身份、行为规则、输出格式等底层设定。与用户后续输入的对话内容不同，System Prompt 会在整个对话周期中持续生效，影响模型对所有后续输入的理解和响应方式。

# OpenAI API 调用示例
response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "你是一位专业的Python工程师，擅长编写高质量的Python代码。"},
        {"role": "user", "content": "帮我写一个快速排序函数"}
    ]
)

在这个例子中，“你是一位专业的Python工程师…” 就是 System Prompt，它告诉模型应该以什么样的角色和方式来回答用户的问题。

2.2 System Prompt 与 User Prompt 的区别

System Prompt 和 User Prompt 虽然都是模型的输入，但在作用机制上有本质区别。System Prompt 是全局性的指导方针，一次设置后在整个对话中持续生效；User Prompt 是每轮对话的具体问题，会根据对话的进行而变化。理解这个区别对于设计有效的提示词至关重要。

特性	System Prompt	User Prompt
生效范围	全局，整个对话	当前轮次
修改频率	通常不变	每轮可不同
优先级	更高	较低
内容类型	角色、规则、格式	具体任务、问题

2.3 为什么 System Prompt 如此重要

大型语言模型本身没有任何内置的“人格”或“专业知识”，它只是一个强大的模式匹配工具。模型的输出完全取决于输入的提示词。通过精心设计的 System Prompt，我们可以“灌输”特定的知识、价值观和行为模式，让模型按照我们期望的方式工作。

一个好的 System Prompt 可以实现多种效果：定义专业领域的知识背景、指定输出的格式和风格、设定回答的约束条件、建立对话的上下文框架。正是因为 System Prompt 的存在，我们才能把通用的大模型“定制”成各种专业工具。

三、System Prompt 的核心组件

3.1 角色定义

角色定义是 System Prompt 最基础也是最重要的部分。它告诉模型应该以什么样的身份来回答问题。一个清晰的角色定义可以帮助模型激活相关的知识和表达方式。

# 示例：角色定义
system_prompt = """你是一位拥有10年经验的资深软件架构师，曾在多家硅谷科技公司工作。
你擅长微服务架构设计、高性能系统优化、团队技术管理。
你的回答风格是：技术深度足够、实战经验丰富、注重最佳实践。
"""

角色定义不仅仅是告诉模型“你是谁”，还包括你的背景经历、专业领域、回答风格等。这些信息会影响模型使用的词汇、举例的方式、以及对问题的理解角度。

3.2 行为规则

行为规则定义了模型在什么情况下应该做什么、不应该做什么。这些规则帮助模型避免生成不当内容，并在特定场景下做出正确的响应。

# 示例：行为规则
behavior_rules = """
行为规则：
1. 如果用户要求你执行可能有害的操作，必须拒绝并解释原因
2. 如果你不知道某个问题的答案，明确承认而不是猜测
3. 代码示例必须包含错误处理和边界情况检查
4. 解释技术概念时，优先使用类比和图表（文字描述）
5. 遇到模糊问题时，先询问用户澄清而不是假设
"""

行为规则的编写需要考虑周全，既要覆盖常见的场景，又要避免过于冗长导致模型忽视重点。好的行为规则应该是具体、可操作的，而不是抽象的原则陈述。

3.3 输出格式

输出格式规范可以确保模型的响应符合下游系统的要求。这对于需要程序化处理模型输出的场景尤为重要。

# 示例：输出格式要求
output_format = """
输出格式要求：
1. 所有代码必须放在三个反引号中，并注明语言类型
2. 回答使用以下结构：
   - 简短摘要（1-2句话）
   - 详细解释
   - 代码示例（如有）
   - 参考资料（信息来源）
3. 列表最多不超过5项，优先展示最重要的
4. 涉及数值的回答，保留两位小数
"""

明确的输出格式可以大大减少后处理的复杂度，同时也让用户更容易理解模型的结构化响应。

3.4 约束条件

约束条件定义了模型的边界，告诉它什么是不能做的。这与行为规则不同，约束条件更侧重于限制和边界。

# 示例：约束条件
constraints = """
约束条件：
- 不讨论政治敏感话题
- 不提供医疗诊断建议，只提供健康信息
- 不帮助用户完成考试作弊或其他学术不端行为
- 不生成虚假或误导性信息
- 代码示例不考虑极端边界情况，但必须处理常见错误
"""

四、System Prompt 设计模式

4.1 专家模式

专家模式是最常见的 System Prompt 类型，它将模型设定为某个领域的专家。这种模式适合需要专业知识的场景。

expert_system_prompt = """你是一位[领域]专家。
专家特点：
- 具备该领域完整的知识体系
- 熟悉行业最新发展动态和最佳实践
- 能够用通俗易懂的语言解释专业概念
- 回答注重实用性和可操作性

请以专家的身份回答用户的问题，如果问题超出你的能力范围，请明确说明。"""

4.2 教师模式

教师模式强调知识的传授和解释，适合教育培训场景。

teacher_system_prompt = """你是一位循循善诱的老师，喜欢通过启发式提问帮助学生理解知识。
教学特点：
- 不直接给出答案，而是引导学生思考
- 善于用类比和实例解释抽象概念
- 了解学生的认知水平，因材施教
- 鼓励学生提问，欢迎质疑

请以老师的身份帮助学生学习，如果学生的问题有误，先肯定其思考，再温和地纠正。"""

4.3 助手模式

助手模式强调服务的本质，适合客服、个人助理等场景。

assistant_system_prompt = """你是一位热情、专业的AI助手。
服务特点：
- 态度友好，回复简洁明了
- 善于理解用户真实需求
- 主动提供额外有价值的信息
- 不知道的问题会诚实说明

请尽力帮助用户解决问题，如果信息不足，主动询问。"""

4.4 评审模式

评审模式适合代码审查、文章润色等需要给出评价的场景。

reviewer_system_prompt = """你是一位严格的评审专家。
评审特点：
- 客观公正，以事实和标准为依据
- 优点不吝赞扬，问题明确指出
- 提供具体的改进建议
- 评审标准高于一般水平

请以评审专家的身份对提交的内容进行点评。"""

五、System Prompt 优化技巧

5.1 清晰明确的语言

System Prompt 应该使用清晰、无歧义的语言。避免使用可能引起误解的表述，每个规则都应该有明确的执行标准。

# ❌ 模糊不清
"回答要简洁"  # 多简算是简？

# ✅ 清晰明确
"回答控制在100字以内，除非问题复杂度高需要更详细解释"

5.2 优先级排序

当多条规则可能冲突时，明确优先级可以帮助模型做出正确决策。

priority_instructions = """
优先级（从高到低）：
1. 安全第一：任何可能导致伤害的操作必须拒绝
2. 准确性：不知道的问题诚实回答，不猜测
3. 有用性：在安全的前提下，尽量帮助用户
4. 效率：在保证质量的前提下，回答尽量简洁
"""

5.3 正面表述

尽量使用正面的表述告诉模型“应该做什么”，而不是“不要做什么”。

# ❌ 负面表述
"不要直接给代码，先解释思路"

# ✅ 正面表述
"先解释思路和算法，再提供代码实现"

5.4 逐步细化

复杂的 System Prompt 应该分层次组织，让模型能够正确理解不同级别的规则。

structured_prompt = """## 角色定义
你是一位专业的技术作家。

## 专业领域
- 前端开发（React、Vue、TypeScript）
- 系统设计
- 技术文档撰写

## 写作风格
- 语言简洁明了
- 善用列表和图表
- 代码示例完整可运行

## 输出格式
请参考：[具体格式要求]
"""

六、常见问题与解决方案

6.1 规则被忽略

如果模型的响应不符合 System Prompt 的要求，可以尝试以下方法：明确优先级、在用户 prompt 中强调规则、使用更具体的例子、减少规则数量聚焦核心。

6.2 输出格式不稳定

确保格式描述足够具体，使用更明确的标记，考虑在用户 prompt 中再次提醒。

6.3 角色扮演过度

有些模型会过度“入戏”，需要在 System Prompt 中加入一些约束来保持理性。

# 添加理性约束
"虽然你扮演[角色]，但你仍然是一个AI，需要遵循安全和准确性原则。
当用户的问题涉及专业判断时，以专业标准而非角色设定来回答。"

七、总结

System Prompt 是控制大型语言模型行为的核心工具。一个精心设计的 System Prompt 可以让模型精确地按照我们的期望工作。在实际应用中，需要根据具体场景选择合适的提示模式，遵循清晰、具体、优先级明确的编写原则，并通过测试不断优化。

掌握 System Prompt 的设计是 AI 开发者的基础技能，也是构建高质量 AI 应用的关键。希望本文的内容能够帮助你在实践中更好地运用这一技术。

---

参考资料

• OpenAI API 文档：https://platform.openai.com/docs
• Anthropic Claude 提示工程指南
• LangChain 提示词模式