第一章 1.3：System Prompt 定义模型角色 —— 告诉 AI“你是谁“

第一章 1.3：System Prompt 定义模型角色 ------ 告诉 AI"你是谁"

课程：《AI 全栈应用开发》

章节：第一章把模型变成能力

小节：1.3 Prompt 控制

适合人群 ：所有人

前置知识： $第一章 1.1-1.2：基础模型调用与 TypeScript 入门$ (./01-1.1-1.2 基础模型调用与 TypeScript 入门.md)

本篇知识点

什么是 System Prompt
System Prompt 的三个要素
同一个模型，不同的角色
生产环境中的 System Prompt
Autix 的做法（结构化能力表）
测试用例（3 个场景）

1. 什么是 System Prompt？

想象一下，你招聘了一个新员工。他能力很强，但不知道：

他在公司是什么职位？
他应该用什么语气和客户说话？
他遇到什么问题应该上报？

你会怎么做？给他一份岗位说明书。

System Prompt 就是 AI 的"岗位说明书"。它告诉模型：

你是谁（角色）
你应该怎么做（行为）
你不能做什么（边界）

2. 第一个例子：AI 客服

没有 System Prompt

typescript 复制代码

const response = await callModel({
  messages: [
    { role: 'user', content: '我买的商品什么时候能发货？' },
  ],
});

// 模型回答（可能是）：
// "一般情况下，商品会在下单后 48 小时内发货。"

问题：模型的回答太通用了，不像一个专业客服。

有 System Prompt

typescript 复制代码

const response = await callModel({
  system: '你是某电商平台的智能客服，语气要友好专业，回答要简洁，遇到无法解决的问题要引导用户联系人工客服。',
  messages: [
    { role: 'user', content: '我买的商品什么时候能发货？' },
  ],
  temperature: 0.3, // 客服场景需要稳定、确定的回答
});

// 模型回答：
// "您好！一般情况下，商品会在下单后 48 小时内为您安排发货。
//  您可以前往"我的订单"页面查看具体的预计发货时间。
//  如需查询特定订单的发货进度，请提供您的订单号，
//  或直接点击"联系人工客服"由专属客服为您核实。祝您生活愉快！"

区别：

用了"您好"、"为您"等客服用语
提供了具体的操作指引（"我的订单"页面）
引导用户联系人工客服（符合 system prompt 的要求）

3. 同一个模型，不同的角色

这是"把模型变成能力"的核心：模型是通用的，prompt 让它专业化。

场景 A：AI 客服

typescript 复制代码

const response = await callModel({
  system: '你是某电商平台的智能客服，语气要友好专业，回答要简洁。',
  messages: [
    { role: 'user', content: '我买的商品什么时候能发货？' },
  ],
  temperature: 0.3,
});

场景 B：代码审查助手

typescript 复制代码

const response = await callModel({
  system: '你是资深 Java 工程师，负责代码审查。指出代码中的潜在问题，给出改进建议，语气要专业但友好。',
  messages: [
    { role: 'user', content: '请审查这段代码：\n```java\npublic void process(List<String> items) {\n  for (int i = 0; i < items.size(); i++) {\n    System.out.println(items.get(i));\n  }\n}\n```' },
  ],
  temperature: 0.2,
});

// 模型回答（节选）：
// "你好！这段代码非常简洁直观，能够完成基本的遍历功能。
//  不过，从生产环境的标准和 Java 最佳实践来看，还有几个可以优化和需要注意的细节。
//  
//  ### 1. 潜在的空指针异常 (NullPointerException)
//  如果调用方传入的 `items` 为 `null`，在执行 `items.size()` 时会直接抛出 `NullPointerException`。
//  ..."

对比

维度	AI 客服	代码审查
System Prompt	"你是智能客服..."	"你是资深 Java 工程师..."
Temperature	0.3（稳定）	0.2（严谨）
输出风格	友好、简洁、有服务用语	专业、详细、有代码示例
目标	解决用户问题	发现代码问题

关键洞察：我们用的是同一个模型（qwen3.7-plus），但通过不同的 system prompt，它变成了完全不同的"人"。

4. System Prompt 的三个要素

一个好的 system prompt 应该包含：

4.1 角色定义

复制代码

你是 [什么身份]

示例：

"你是某电商平台的智能客服"
"你是资深 Java 工程师"
"你是数据分析师"
"你是广告文案策划师"

4.2 行为约束

复制代码

[你应该怎么做]

示例：

"语气要友好专业，回答要简洁"
"指出代码中的潜在问题，给出改进建议"
"回答要基于事实，不要猜测"
"擅长写出有创意的 slogan"

4.3 边界限制

复制代码

[你不能做什么 / 遇到什么情况应该怎么做]

示例：

"遇到无法解决的问题要引导用户联系人工客服"
"不要自行补充业务规则"
"如果信息不足，请在 questions 中提出"

5. 生产环境中的 System Prompt

5.1 不要硬编码

在实际项目中，system prompt 通常从配置文件或数据库读取：

typescript 复制代码

// ❌ 不好：硬编码
const response = await callModel({
  system: '你是某电商平台的智能客服...',
  messages: [...],
});

// ✅ 好：从配置读取
const config = await loadSystemPrompt('customer-service');
const response = await callModel({
  system: config.prompt,
  messages: [...],
});

5.2 不同场景不同 Prompt

typescript 复制代码

// prompts.ts
export const SYSTEM_PROMPTS = {
  'customer-service': '你是某电商平台的智能客服...',
  'code-review': '你是资深 Java 工程师...',
  'data-analyst': '你是数据分析师...',
  'copywriter': '你是广告文案策划师...',
};

// 使用
const response = await callModel({
  system: SYSTEM_PROMPTS['customer-service'],
  messages: [...],
});

5.3 Autix 的做法

在 Autix 项目中，system prompt 的概念被抽象成了 ImageModelCapability（模型能力声明）：

typescript 复制代码

// Autix 的 capabilities.ts
export const IMAGE_MODEL_CAPABILITIES: Record<ImageModelKind, ImageModelCapability> = {
  'gpt-image': {
    sizes: ['1024x1024', '1792x1024'],
    qualities: ['low', 'medium', 'high'],
    maxCount: 1,
    supportsNegativePrompt: 'prompt-injected',
    showAdvancedSliders: false,
  },
  // ...
};

区别：

我们的例子：system prompt 是自然语言（"你是客服..."）
Autix 的做法：system prompt 是结构化数据（能力表）

为什么？ 因为 Autix 是图像生成场景，需要精确控制模型"能做什么、不能做什么"，自然语言不够精确。

6. 测试用例

我们的测试用例覆盖了三种场景：

用例 1.1：AI 客服

typescript 复制代码

it('场景 1.1：AI 客服 ------ system prompt 定义服务角色', async () => {
  const response = await callModel({
    system: '你是某电商平台的智能客服，语气要友好专业，回答要简洁，遇到无法解决的问题要引导用户联系人工客服。',
    messages: [
      { role: 'user', content: '我买的商品什么时候能发货？' },
    ],
    temperature: 0.3,
  });

  expect(response.content).toBeDefined();
  expect(response.content.length).toBeGreaterThan(0);
  
  // 博客说明点：
  // - 观察模型是否使用了客服语气（如"亲"、"您好"等）
  // - 观察模型是否遵循了"简洁"的约束
  // - 对比：如果不加 system prompt，模型的回答会是什么风格？
}, 60000);

用例 1.2：代码审查

typescript 复制代码

it('场景 1.2：代码审查 ------ system prompt 定义技术角色', async () => {
  const response = await callModel({
    system: '你是资深 Java 工程师，负责代码审查。指出代码中的潜在问题，给出改进建议，语气要专业但友好。',
    messages: [
      { role: 'user', content: '请审查这段代码：\n```java\npublic void process(List<String> items) {\n  for (int i = 0; i < items.size(); i++) {\n    System.out.println(items.get(i));\n  }\n}\n```' },
    ],
    temperature: 0.2,
  });

  expect(response.content).toBeDefined();
  expect(response.content.length).toBeGreaterThan(0);
  
  // 博客说明点：
  // - 对比场景 1.1：同样的模型，不同的 system prompt，完全不同的输出风格
  // - 这就是"模型调用不是智能体开发之前的准备动作，而是智能体开发本身的起点"
}, 60000);

用例 1.3：无 System Prompt

typescript 复制代码

it('场景 1.3：无 system prompt ------ 模型使用默认行为', async () => {
  const response = await callModel({
    messages: [
      { role: 'user', content: '把"Hello World"翻译成中文' },
    ],
  });

  expect(response.content).toBeDefined();
  expect(response.content).toContain('你好');
  
  // 博客说明点：
  // - 简单任务可以省略 system prompt
  // - 但复杂任务（客服、分析、创作）必须有 system prompt 约束
}, 60000);

7. 运行测试

bash 复制代码

# 只运行知识点 1 的测试
npm test -- -t "知识点 1"

# 运行单个用例
npm test -- -t "场景 1.1"

8. 关键知识点总结

知识点	说明
System Prompt 是什么	AI 的"岗位说明书"，定义角色、行为、边界
为什么需要 System Prompt	让通用模型变成专业化的"人"
System Prompt 三要素	角色定义 + 行为约束 + 边界限制
生产环境怎么做	从配置/数据库读取，不要硬编码
Autix 的做法	用结构化数据（能力表）替代自然语言

9. 与 Java 的类比

如果把 AI 模型比作 Java 的 interface：

java 复制代码

// AI 模型是一个通用接口
public interface AIModel {
    String chat(String message);
}

// System Prompt 是具体的实现类
public class CustomerServiceAI implements AIModel {
    private String systemPrompt = "你是智能客服...";
  
    @Override
    public String chat(String message) {
        // 用 system prompt 约束输出
    }
}

public class CodeReviewAI implements AIModel {
    private String systemPrompt = "你是资深 Java 工程师...";
  
    @Override
    public String chat(String message) {
        // 用 system prompt 约束输出
    }
}

区别：

Java：需要写多个实现类
TypeScript + AI：只需要改 system prompt 字符串

这就是 AI 的灵活性：同一个模型，不同的 prompt = 不同的能力。

下一篇预告

第一章 1.4：Temperature 控制输出稳定性

下一篇我们会学习 Temperature 如何控制输出的"创造性"。你会看到：

为什么客服场景用 temperature=0.3，创意文案用 temperature=1.2
?? 和 || 的经典区别（这是 TypeScript 的常见陷阱）
如何写"防回归测试"

系列文章导航

上一篇： $第一章 1.1-1.2：基础模型调用与 TypeScript 入门$ (./01-1.1-1.2 基础模型调用与 TypeScript 入门.md)
下一篇： $第一章 1.4：Temperature 控制输出稳定性$ (./03-1.4-Temperature 控制输出稳定性.md)
回到索引 ：第一章博客索引