0.5、提示词中 System、User、Assistant 的基本概念

文章目录

1、基本概念

1.1、提示词配置场景

https://console.anthropic.com/dashboard

上图展示了一个标准的多轮对话构建界面。

这三个角色各司其职,共同构成一个完整的对话单元(Message Pair)

1.2、具体概念

System 和 User 一般是语义级的告诉 AI 如何思考,而Assistant 是直接给出模版,让 AI 套用结构。

System Prompt(系统提示词)

System Prompt(系统提示词):AI 的"人设"与"基本法"。它定义了 AI 的固定角色、行为准则和回答风格,在整个对话过程中持续生效。它通常是固定的。

User(用户提示词)

User(用户提示词):模拟用户向 AI 提出的具体问题或指令。它代表了每次交互的起点和具体任务。

Assistant(助理提示词)

Assistant(助理提示词):用于定义 AI 在回应特定 User 问题时的理想回答格式或内容样板 。它不是 AI 的实际回复,而是一个"示范答案",用于约束和引导 AI 的输出。

直观举例:

Assistant:

复制代码
    **本周工作摘要:**
    - **已完成工作:**
        1. [项目A] 需求评审
        2. [模块B] 代码编写
        3. 修复历史Bug:3个
    - **下周计划:**
        [待填写]

AI 将会参考模板生成的格式化回复:

复制代码
本周工作摘要:

- 已完成工作:

    1. [项目A] 需求评审

    2. [模块B] 代码编写

    3. 修复历史Bug:3个

- 下周计划:

    制定项目A的详细开发计划

1.3、总结特点

• System 一般是固定的:它是应用的基石,一旦设定,在对话过程中不会改变。

• User 可以使用模板+变量对用户输入内容适配:User 字段可以设计成包含变量的模板,例如 总结今天关于 [项目名称] 的工作,从而灵活适配用户的具体输入。

• Assistant 不是必须的,一旦出现,习惯上和 User 一起出现:因为 Assistant 提供的"输出约束"是针对特定输入场景的。User 定义了具体的输入场景和用户变量,而 Assistant 则定义了该场景下特定的输出结构。两者成对出现,构成一个完整的"问题-示范答案"对,用于精确地训练或引导 AI。

2、Assistant 作为回答模版的具体用法

通过提供带有规范格式的 assistant 消息,"少样本学习"(Few-shot Learning)可以引导 AI,使其在后续回答同类问题时,能模仿提供的格式。

2.1、例子一:Assistant 为空的例子

当 Assistant 字段为空(或内容为 ZZZ) 时,意味着您对 AI 的输出格式没有硬性要求,允许 AI 自由发挥。这适用于更看重内容创造性而非格式规范性的场景。

• System Prompt:

复制代码
你是一个高效的办公助手,擅长帮助用户总结工作内容。

• User:

复制代码
我这周完成了项目A的需求评审,编写了模块B的代码,还修复了3个旧bug。

AI 可能生成的自由格式回复:

好的,已为您总结。本周您主要进展包括:成功完成了项目A的需求评审会议,推进了模块B的代码开发工作,并修复了3个历史遗留的缺陷,整体效率很高。

特点:回答自然,但格式不固定,每次生成可能都略有不同。

2.2、例子二:Assistant 指定回答模板的例子

当您在 Assistant 字段填写内容时,就是在明确地"教导"AI:"当用户提出这类问题时,请严格按照我提供的这个格式来回答"。

• System Prompt:

复制代码
你是一个高效的办公助手,擅长帮助用户总结工作内容。

• User:

复制代码
我这周完成了项目A的需求评审,编写了模块B的代码,还修复了3个旧bug。

• Assistant:

复制代码
    **本周工作摘要:**
    - **已完成工作:**
        1. [项目A] 需求评审
        2. [模块B] 代码编写
        3. 修复历史Bug:3个
    - **下周计划:**
        [待填写]

AI 将会参考模板生成的格式化回复:

复制代码
本周工作摘要:

- 已完成工作:

    1. [项目A] 需求评审

    2. [模块B] 代码编写

    3. 修复历史Bug:3个

- 下周计划:

    制定项目A的详细开发计划

特点:输出格式规范、统一,非常适合需要集成到其他系统(如OA、邮件)的场景。

3、实际例子:以日报总结为例

3.1、Dify 的例子

在 Dify 这类低代码平台上,您正是在图片所示的界面中进行操作:

  1. System Prompt 中写入固定的角色设定。
  2. 点击 "Add message pair" 按钮,新增一个对话对。
  3. 在 User 字段中,写入示例用户问题,如 总结今天的工作:完成了客户汇报,并测试了新功能。
  4. 在 Assistant 字段中,写入您期望的日报格式模板(如上面例子二的模板)。
  5. 发布应用后,当真实用户输入他们的工作时,AI 就会自动参考您设定的格式来生成日报。

3.2、Claude 的例子

在 Claude 的 API 或系统提示词设计中,原理相通。您会在请求体中构建一个类似的对话结构(Message Array):

• {"role": "system", "content": "固定的人设"}

• {"role": "user", "content": "具体问题"}

• {"role": "assistant", "content": "示范回答格式"}

4、Claude 官方提示词样例

4.1、 提示词构造和模版

4.2、更多

相关推荐
north_eagle7 小时前
RAG 同 Prompt Engineering
大模型·prompt·rag
KG_LLM图谱增强大模型8 小时前
[经典之作]大语言模型与知识图谱的融合:通往智能未来的路线图
人工智能·大模型·知识图谱·graphrag·本体论·图谱增强大模型
九年义务漏网鲨鱼17 小时前
【大模型学习】现代大模型架构(二):旋转位置编码和SwiGLU
深度学习·学习·大模型·智能体
GPUStack1 天前
GPUStack v2:推理加速释放算力潜能,开源重塑大模型推理下半场
大模型·vllm·ai网关·sglang·高性能推理
WWZZ20251 天前
快速上手大模型:深度学习13(文本预处理、语言模型、RNN、GRU、LSTM、seq2seq)
人工智能·深度学习·算法·语言模型·自然语言处理·大模型·具身智能
core5121 天前
不借助框架实现Text2SQL
sql·mysql·ai·大模型·qwen·text2sql
有点不太正常2 天前
《ShadowCoT: Cognitive Hijacking for Stealthy Reasoning Backdoors in LLMs》——论文阅读
论文阅读·大模型·agent安全
爬点儿啥2 天前
[Ai Agent] 09 LangGraph 进阶:构建可控、可协作的多智能体系统
人工智能·ai·langchain·大模型·agent·langgraph
WWZZ20253 天前
快速上手大模型:深度学习11(数据增强、微调、目标检测)
人工智能·深度学习·算法·目标检测·计算机视觉·大模型·具身智能
许泽宇的技术分享3 天前
从零到一,开源大模型的“民主化“之路:一份让AI触手可及的实战宝典
人工智能·开源·大模型