什么是 提示词？
提示词是一次生成式 AI 推理中提供给模型的完整输入上下文，由适用指令、用户数据、对话状态、示例、工具定义和输出要求共同组成。
快速了解
| 全称 | AI 提示词 |
|---|---|
| 创建时间 | 概念随 GPT-3（2020）出现，随 ChatGPT（2022）正式形成 |
| 规范文档 | 官方规范 |
工作原理
提示词、消息、模板与系统提示词
消息是对话中带角色的一段输入；提示词模板是含运行时变量的可复用源文本；系统提示词是在支持该角色的 API 中具有较高权限的一层指令。有效提示词则是模型最终接收的整体请求，可能同时包含上述内容、历史消息、检索片段、图片、工具 schema 和生成参数。区分这些概念有助于复现故障：错误可能来自模板、插入数据、检索、角色顺序或模型配置，而不只是用户消息。
把请求写成明确契约
生产提示词应明确目标、必要上下文、约束、输出契约，以及信息缺失或互相冲突时的处理方式。任务标签或格式规则细微时，可以加入少样本示例，但示例不能与文字规则矛盾。分隔符能帮助模型区分指令和数据，却不会让不可信数据自动变安全。若一次请求包含多个彼此独立的判断，应拆成阶段，让每一步都有清晰输入和验收条件。
先评估，再调整措辞
提示工程是测试驱动的迭代过程，不是寻找所谓万能咒语。先准备代表真实流量和失败案例的任务集，定义评分器，并记录提示词版本、模型、参数、检索上下文与输出，再把候选版本和基线做配对比较。schema、权限与策略不变量适合确定性检查，开放质量可用评分准则或成对比较，高风险结果还要人工复核。单次看起来不错的回答不能证明可靠性。
安全与能力边界
提示词能影响行为，但不能补充模型未知事实、保证真实性或执行授权。直接和间接提示注入会让不可信内容与应用指令竞争。工程上应把模型输出视为不可信输入，在代码中执行工具权限、业务规则和数据最小化，对结构化结果继续校验，并为高风险动作设置人工审批。也不必要求模型暴露隐藏推理过程，应请求简洁依据、假设或可验证的中间结果。
主要特点
- 表示一次请求的完整模型输入，而不只是最新用户消息
- 可组合角色指令、上下文、示例、工具和输出约束
- 影响概率生成过程，但不保证唯一且确定的回答
- 生产使用时必须定义缺失数据和冲突指令的处理方式
- 应与模型、参数、检索状态和评估结果共同版本化
- 不能替代授权、校验、来源核实或其他代码强制控制
常见用途
- 按照受控标签集和升级策略分类客服请求
- 从文档中提取类型化字段并明确缺失值处理
- 基于检索证据回答问题并返回来源标识
- 依据仓库约束和输出要求生成或审查代码
- 在受限工具、状态和完成条件下驱动 Agent 步骤
示例
Loading code...常见问题
提示词等同于用户消息吗？
不一定。用户消息只是带 user 角色的一段输入。有效提示词还可能包含系统或开发者指令、对话历史、检索文档、示例、工具 schema、图片以及供应商注入的格式说明。因此，只检查界面上可见的用户文字，可能找不到真实故障来源。
生产级提示词应该包含哪些内容？
至少应包含明确目标、完成目标所需的上下文、可执行约束、输出契约，以及缺失或冲突数据的处理规则。复杂标签和边界场景可用示例说明。还要记录模板版本、模型、参数和检索上下文，保证请求可复现、可评估。
要求模型一步一步思考总能提高准确率吗？
不能保证。效果取决于模型和任务，当前推理模型有时在不规定内部推理方式时表现更好，应在代表性评估集上验证。生产输出更适合要求简洁解释、引用依据或可校验中间值，而不是把模型展示的推理文字当作正确性证明。
分隔符或系统提示词能防止提示注入吗？
不能。分隔符有助于表达结构，高权限指令能减少意外冲突，但不可信文本仍可能影响模型行为。应限制工具权限、隔离外部内容、校验输出、在代码中执行授权，并要求高影响操作经过人工确认。
如何判断一次提示词修改是否更好？
在同一组代表性任务上分别运行基线和候选版本，输出有波动时进行重复试验。把确定性要求与语义质量分开评分，比较整体和关键切片的结果，同时检查延迟、成本与新增失败，只有达到预先定义的发布门槛才上线。