《Prompt Engineering白皮书》笔记04 System / Context / Role 三种提示工程

一、你有没有发现:同样是提问,AI有时聪明,有时像"智障"?

你有没有遇到过这种情况:

  • 明明说得很清楚,模型却答非所问?

  • 让它"只输出JSON",结果多给你一堆废话?

  • 同一个问题,换个说法,结果完全不一样?

问题不是模型不行,而是------你不会用 Prompt 的三种核心控制方式

今天我用最通俗的方式,教你彻底搞懂:

✅ System Prompt(系统级指令)

✅ Context Prompt(上下文提示)

✅ Role Prompt(角色扮演)

掌握这三种,你写 Prompt 的水平直接超过 90% 开发者。


二、System Prompt:给模型装一套"操作系统"

一句话总结:

System Prompt 决定 AI 的"底层行为规则"。

什么时候用?

你想强行约束模型:

  • 输出格式

  • 输出风格

  • 输出边界

示例(情绪分类任务)

普通人写法:

复制代码
判断这段影评的情感:

高手写法(System Prompt 思路):

复制代码
你必须只输出三个标签之一:POSITIVE / NEGATIVE / NEUTRAL
不允许输出任何其他文字。

这样做的好处:

✅ 几乎不会胡说八道

✅ 方便程序自动解析

一句实战总结:

System Prompt = 给AI设定"最高指令",谁都不能违背。


三、Role Prompt:一秒让AI"变身专家"

Role Prompt 的核心就一句话:

让模型"扮演一个身份",它的回答质量会立刻提升一个档次。

举个最明显的例子:

不加角色:

复制代码
给我推荐旅游景点

加上角色提示:

复制代码
你现在是一名专业旅行顾问,用轻松幽默的风格推荐3个地点

结果差别会非常明显:

  • 语气更自然

  • 内容更专业

  • 风格更稳定

可选风格关键词(非常好用):

  • 幽默(Humorous)

  • 说服(Persuasive)

  • 激励(Inspirational)

  • 随意(Informal)

  • 专业(Formal)

一句硬核总结:

Role Prompt 决定"它像什么样的人在说话"。


四、Context Prompt:让 AI 真正"读懂你的场景"

Context Prompt 的本质:

先交代背景,再给任务。

普通问法:

复制代码
给我写几个文章选题

高质量问法:

复制代码
背景:我在写一个80年代街机游戏的博客
请给我3个选题,并简单描述内容方向

效果提升非常明显:

✅ 内容更贴合场景

✅ 减少答非所问

✅ 逻辑更清晰

一句话总结:

Context Prompt 决定"它理解的世界长什么样"。


五、三种 Prompt 的核心区别(一张表讲透)

类型 决定内容 像什么
System Prompt 输出规则和边界 法律
Role Prompt 说话身份和风格 人设
Context Prompt 当前任务背景 已知信息

一句话理解:

  • System = 这件事绝对不能错

  • Role = 我该像谁一样回答

  • Context = 现在发生了什么事


六、高级技巧:三种提示可以"叠加使用"

最强写法长这样:

复制代码
你是一个专业AI工程师(Role Prompt)
我的博客读者是初级开发者(Context Prompt)
回答必须结构清晰,只输出Markdown(System Prompt)

这就是 Prompt Engineering 真正的核心。


七、说点扎心的真话

现在很多人还在纠结:

"这个模型厉不厉害?"

但实际上:

❌ 不会用 Prompt = 再强的模型也是废铁

✅ 会用 Prompt = 普通模型也能玩出王炸效果

未来的竞争力,很大一部分就在于:

你会不会"指挥 AI 干活"。

相关推荐
uesowys29 分钟前
Apache Spark算法开发指导-Factorization machines classifier
人工智能·算法
人工智能AI技术38 分钟前
预训练+微调:大模型的“九年义务教育+专项补课”
人工智能
aircrushin1 小时前
中国多模态大模型历史性突破:智源Emu3自回归统一范式技术深度解读
人工智能
Lsx_1 小时前
前端视角下认识 AI Agent 和 LangChain
前端·人工智能·agent
aiguangyuan1 小时前
使用LSTM进行情感分类:原理与实现剖析
人工智能·python·nlp
shandianchengzi1 小时前
【小白向】错位排列|图文解释公考常见题目错位排列的递推式Dn=(n-1)(Dn-2+Dn-1)推导方式
笔记·算法·公考·递推·排列·考公
Yeats_Liao1 小时前
评估体系构建:基于自动化指标与人工打分的双重验证
运维·人工智能·深度学习·算法·机器学习·自动化
深圳市恒星物联科技有限公司1 小时前
水质流量监测仪:复合指标监测的管网智能感知设备
大数据·网络·人工智能
浅念-1 小时前
C语言编译与链接全流程:从源码到可执行程序的幕后之旅
c语言·开发语言·数据结构·经验分享·笔记·学习·算法
断眉的派大星1 小时前
均值为0,方差为1:数据的“标准校服”
人工智能·机器学习·均值算法