系统提示词设计最佳实践

可视化演示

系统提示词概述

老李的餐馆开张那天，他做的第一件事不是让主厨颠勺，而是把《后厨工作守则》钉在墙上。守则不写具体菜谱，只回答三个问题：你是谁、这里有什么规矩、什么绝对不能做。这套“先定规矩再开工”的打法，正是系统提示词在AI产品中扮演的角色。没有守则的厨房，主厨再厉害，今天做川菜明天做粤菜，客人永远得不到一致的体验。

把这个场景搬到大模型应用开发里，系统提示词（System Prompt）就是那条“墙上钉着的守则”。它是一段在用户对话开始前就植入模型的系统级指令，用来定义AI的角色、任务和边界。它与用户消息是分离的——用户每次输入都在变，而系统提示词保持不变。换句话说，用户是来“点菜”的，系统提示词是决定“后厨怎么运转”的。

从技术上看，系统提示词通常通过API的system字段传入。它存在于整个会话上下文中，模型每次生成时都会“看到”它。这就意味着，你写在系统提示词里的每一条规则，都会像后厨守则一样持续地约束AI的每个动作。最终模型的输出，是系统提示词与用户提示词共同作用的结果：

回到守则的比喻：一本写得好的后厨守则，能让任何一位临时顶班的大厨都做出味道一致的菜。同理，一套设计良好的系统提示词，能让AI在不同用户、不同请求下，始终保持产品方想要的那个“人设”和“标准”。守则在，风格就在。

行为准则定义

守则的第一章永远是“纪律红线”：不许徒手抓菜、炸油超过三次必须倒掉、食材不过夜。这些条目有一个共同点——它们不是抽象的“要好好做菜”，而是明确的“什么能碰、什么不能碰”。AI的行为准则也一样，写得越具体，AI就越不会“自由发挥”。

定义AI的行为准则，需要三个层次。第一是角色设定：告诉AI“你是谁”。就像守则第一行写“本店主厨姓王，擅长川菜”，你要让AI知道自己是“资深技术文档工程师”还是“贴心的客服专员”，这决定了它整体说话和思考的基调。第二是规则边界：明确能做什么、不能做什么。比如“禁止使用未经解释的专业术语”“不要替用户做决定”。第三是约束条件：那些硬性的、可验证的底线，例如“如果信息不足，必须明确说不知道，而不是编造”。

写行为准则时，最容易踩的坑是写得太“虚”。好的准则应该像守则条款一样可执行、可验证。一套行为准则，本质上就是一组带条件的规则集合：

用守则的话说：好的纪律条款不是“好好干活”这种空话，而是“看到客人催菜，先安抚再确认时间”这种明确的触发条件。AI的行为准则同理：每一条规则都应该是“当……时，就……”的条件句，这样模型才不会在模糊地带自行发挥。

输出规范设计

守则里的“菜品标准”章节，写得比纪律红线还细：回锅肉必须用白瓷盘装，酱汁要收浓挂在肉片上，上桌温度不得低于60度。没人规定回锅肉能不能吃得开心，但摆盘、温度、酱汁这三点定了，客人拿到的每一份出品都有基本的下限。AI的输出也需要这样的“出品标准”。

输出规范由三要素构成。其一是格式要求：规定输出长什么样。比如“先给结论，再列三个理由”“用Markdown二级标题分节”“每条建议不超过50字”。格式是AI最容易服从、也最容易检验的规范。其二是风格控制：规定说话的语气和调性。比如“使用口语化表达，像朋友聊天一样”“禁止使用感叹号”“文字必须客观中立”。其三是质量标准：规定内容的下限。比如“回答必须包含至少一个数据支撑”“不遗漏问题的任何子问题”“引用资料时必须标注来源”。三要素各司其职，构成一份完整的“出品验收单”：

后厨的出品标准为什么管用？因为它把“做得好吃”这种主观感受，拆成了“温度不低于60度”“酱汁必须收浓”这种可量化的验收项。输出规范设计也是同理——与其写“回答要有用”，不如写“每条回答以'一句话结论'开头，然后分三点展开”。规范越可检验，AI的出品就越稳定。

人机分工职责

守则定规矩，顾客负责点菜。大厨不会因为顾客说“多放辣”就把整个菜单改成湘菜，也不会因为顾客说“随便”就真的端上来一碗白米饭。聪明的后厨，一边用守则保证出品下限，一边灵活响应顾客的个性化要求。系统提示词和用户提示词的分工，正是这套逻辑。

系统级职责是提供“稳定底座”：定义AI的角色、行为边界、输出规范，这些在整段对话中保持不变，管的是“这家店是什么店”。用户级职责是表达“灵活需求”：用户每次输入的具体问题、偏好、上下文信息，管的是“这一桌客人想吃什么”。两者协作的边界在于：系统提示词管方法，用户提示词管目标；系统规定“怎么写”，用户规定“写什么”。

当两者冲突时，一般以系统提示词为优先——因为它是产品方精心设计的底线，不应该被用户的偶然输入轻易击穿。但从分工设计上，好的系统提示词会主动为合理的用户请求留出弹性出口。两者的协作关系可以表达为：

守则与点单的默契在于：守则不干涉“辣不辣”这种个性化选择，但会坚持“食材不过夜”这种底线。好的人机分工设计也一样——系统提示词避免过度约束细节，把口味选择权留给用户；但一旦用户的要求触及行为红线，守则会毫不犹豫地站出来说“这道菜，本店做不了”。

设计模板框架

守则写得多了，老李发现每本守则都有相似的骨架：先是主厨身份，再是纪律红线，然后是菜品标准，最后附几个参考案例。新店开张时，只要把老店的守则拿出来改个名字、换几条特色菜规定，半天就能定稿。系统提示词的设计，同样可以用一套模板来提速。

一个可复用的设计模板包含四个核心要素。角色（Role）：定义AI的身份和专长，这是守则的第一行。行为规则（Behavior）：列明必须做的和禁止做的，这是纪律红线章节。输出格式（Format）：规定答案的结构与风格，这是菜品标准。示例（Example）：附上2-3个期望的输入输出范例，这是“参考菜品”——AI看到范例，才知道抽象的规范在实际中长什么样。四要素按固定顺序排列，构成模板的骨架：

模板的意义在于“复用”与“迭代”。老李开第二家店，不会从零开始写守则，而是把老守则改一改；你做一个新AI应用，也不必每次从白纸开始，把上次好用的角色设定、输出格式抄过来，替换规则和示例，就能快速出稿。同时，记得给守则编号——v1、v2、v3，让每一次优化都有清晰的历史记录，出了问题才知道该回退到哪个版本。

实践应用落地

守则写好了，不代表一劳永逸。老李发现夏天客人爱点凉菜、冬天爱点炖菜，于是每季度都要修订守则：新增当季特色菜标准，删掉过季的规矩。系统提示词也一样，必须随业务场景变化持续迭代，并在真实使用中验证效果。

场景适配是第一步：不同的业务场景需要不同的守则——客服机器人守则要强调耐心与情绪安抚，内容生成工具要强调原创性与风格统一，代码审查助手则要强调安全与规范。把模板套进场景后，进入迭代优化：准备一批覆盖典型用户问题的测试用例，用A/B测试对比不同版本系统提示词的输出质量，增量修改，避免“一次推翻重写”。最后是效果评估：用一套可打分的标准衡量守则的实际表现，例如输出对格式规范的遵守率、对行为准则的违反次数，把主观感受变成数字：

老李的守则之所以越用越顺手，是因为他每一次修订都基于真实反馈：客人投诉咸了，就加一条“盐分减半”；传菜慢了，就加一条“备菜时间不得超过15分钟”。系统提示词的迭代也是同样的逻辑——让规则跟随数据与反馈进化。记住：好的守则不是写出来的，是改出来的。

AI 应用场景

Python 演示

class SystemPromptBuilder:    """系统提示词模板构建工具——模拟"后厨守则"的四要素组装流程"""     def __init__(self):        self._role = ""        self._rules = []        self._output_format = ""        self._examples = []        self._build_count = 0     def set_role(self, role_text: str):        """设置角色设定（要素一：R）"""        self._role = role_text        return self     def add_rule(self, rule_text: str):        """添加一条行为规则（要素二：B）"""        self._rules.append(rule_text)        return self     def set_output_format(self, format_text: str):        """设置输出格式（要素三：F）"""        self._output_format = format_text        return self     def add_example(self, example_text: str):        """添加一条示例（要素四：E）"""        self._examples.append(example_text)        return self     def build(self) -> str:        """组装完整的系统提示词文本"""        self._build_count += 1        lines = ["# 角色"]        lines.append(self._role)        lines.append("")        if self._rules:            lines.append("# 行为准则")            for i, rule in enumerate(self._rules, 1):                lines.append(f"{i}. {rule}")            lines.append("")        if self._output_format:            lines.append("# 输出格式")            lines.append(self._output_format)            lines.append("")        if self._examples:            lines.append("# 示例")            lines.extend(self._examples)        return "\n".join(lines)  def main():    prompt = (SystemPromptBuilder()              .set_role("你是一位资深技术文档工程师，擅长把复杂概念讲得通俗易懂。")              .add_rule("禁止使用未经解释的专业术语")              .add_rule("每条回答必须包含一个生活化比喻")              .add_rule("如果信息不足，明确指出缺失信息")              .set_output_format("输出分三段：先用比喻引入，再展开技术细节，最后总结核心要点。")              .add_example("例如：系统提示词就像餐厅的后厨守则...")              .build())    print(prompt)    print(f"---\n已构建 {len(prompt.splitlines())} 行系统提示词")  if __name__ == "__main__":    main()

1. class SystemPromptBuilder:定义一个提示词构建器，相当于“守则模板编辑工具”。
2. self._role = ""用下划线前缀表示私有属性，存储角色设定（要素R）。
3. def set_role(self, role_text: str):链式方法，设置AI角色，返回self以支持连续调用。
4. .add_rule("禁止使用未经解释的专业术语")添加一条行为规则，对应“纪律红线”。
5. .set_output_format(...)设置输出格式，对应“菜品标准”。
6. .add_example(...)添加参考示例，让AI理解抽象的规范。
7. def build(self) -> str:把四个要素拼接成完整提示词文本，就像打印守则定稿。
8. return self链式调用模式，让构建过程像填表一样清晰。

常见误区

面试题