0.5、提示词中 System、User、Assistant 的基本概念

原创 于 2025-11-05 11:23:41 发布 · 899 阅读 · 29 ·
CC 4.0 BY-SA版权
文章发表1周内为内容优化高峰期，后续会根据认知迭代继续做完善补充。
文章标签：

#大模型 #提示词 #System #User #Assistant

文章目录

1、基本概念

1.1、提示词配置场景

https://console.anthropic.com/dashboard

在这里插入图片描述

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:

    **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：

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:

你是一个高效的办公助手，擅长帮助用户总结工作内容。

• User:

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:

你是一个高效的办公助手，擅长帮助用户总结工作内容。

• User:

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:

    **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：

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

AI大模型编程：提示词的未来
AI天才研究院
12-01 799
AI大模型的发展可以追溯到20世纪50年代，当时神经网络和机器学习的基本概念被提出。然而，由于计算资源的限制，早期的AI模型规模较小，性能有限。在2006年，Geoffrey Hinton等人重新点燃了深度学习的火炬，他们提出了深度信念网络（DBN），这是一种多层的神经网络结构，能够有效进行特征学习和分类。这一突破为AI大模型的发展奠定了基础。随着计算资源的不断提升和算法的改进，2012年，AlexNet在ImageNet竞赛中取得了巨大成功，标志着深度学习在图像识别领域的崛起。
Langchain核心模块与实战[7]：专业级Prompt工程调教LLM[输入输出接口、提示词模板与例子选择器的协同工程]
丨汀、的博客
07-23 754
Langchain核心模块与实战[7]：专业级Prompt工程调教LLM[输入输出接口、提示词模板与例子选择器的协同工程]
效率何止10倍！利用输入法瞬间调用提示词
python12345678_的博客
08-06 1985
过去一直有使用kimi帮我总结文章的习惯（主要在手机），当然，每次都要自己手打，还是很麻烦。自从使用了上面这套方法，几乎每天都会利用微信输入法的“常用语”快速输入提示词，帮我提炼各类文章，以及执行各种任务。整体阅读量和效率提升很大。所以如果你也有频繁的、重复性的、规则清晰的场景，建议自己撰写提示词。或者你还想到什么日常常用的场景？可以提出给我帮你写提示词哦！希望对你有帮助！​。
概念：“系统提示词”和“用户提示词”的区别是什么？
to do , to be .
11-22 6595
在对话型AI应用中，“系统提示词”（System Prompt）与"用户提示词"（User Prompt）有着不同的功能和作用。
提示词user、system、assistant如何正确应用
最新发布
superKusch的博客
10-27 695
介绍了对话系统中的三种核心角色：system（系统角色，定义模型身份和规则）、user（用户角色，提出请求）和assistant（助手角色，生成回答）。通过结构化对话历史，模型会综合这些角色信息生成响应。文章还对比了不同框架中的角色实现方式，并提供了五种实用场景示例，包括基础问答、示例教学、多步推理、多角色对话和格式控制，展示了如何通过角色分工有效引导模型输出。最后强调system指令具有最高优先级，是控制模型行为的关键。
大语言模型中，role为user、assistant、system有什么区别
博客简介
08-26 7723
在大语言模型中，通常涉及到三种角色：用户（user）、助手（assistant）和系统（system）。它们的区别在于其在对话或交互过程中扮演的角色和功能。
大模型提示词设计指南：系统提示词与用户提示词的定义、区别及最佳实践
大模型教程的博客
07-17 1676
大模型提示词设计指南：系统提示词与用户提示词的定义、区别及最佳实践
OpenAI system,user,assistant 角色详解
热门推荐
代码说，代码让世界更美好。
09-12 2万+
OpenAI system user assistant 三个角色详解
系统提示词中的安全约束如何防止被用户提示词绕过？
07-20
嗯，用户提出了一个关于系统提示词安全防护的核心问题，结合之前讨论的模糊指令标准化框架，现在需要重点解决安全约束被绕过的问题。用户引用的四篇文献很有价值，特别是引用[3]提到的防御协议框架，这将是设计解决...
Spring AI ——在springboot应用中实现基本聊天功能（ChatClient）
专注写bug
06-27 979
AI 技术越来越火爆，作为Java开发人员也不能拖了后腿。前段时间使用也写了一些技术博客，实现了比如一些基础对话功能流式输出功能多轮对话等。但在尝试进行MCP操作的时候，总感觉MCP Server部分不能很好的独立出来，就像一个一样，很别扭。尝试使用了Spring AI，效果还行。本篇博客依旧从最基本的Springboot 项目整合 Spring AI实现简单对话，流式输出开始，逐步说明怎么去玩 Spring AI。
大模型提示词-模型三（Gemma与GPT4 ZeroShot提示格式引导） -（专题6）
03-28 120
最近，OpenAI发布了GPT-4，这是一款大型多模态模型，能够接受图像和文本输入，并生成文本输出。它在各种专业和学术基准测试中达到了人类水平的表现。以下是关于一系列考试的详细结果：下面是关于学术基准测试的详细结果：GPT-4 在模拟律师考试中取得了一个分数，使其位于考试者的前 10% 左右。它在许多困难的基准测试中也取得了令人印象深刻的成绩，如 MMLU 和 HellaSwag。
user、assistant、system三大角色在大语言模型中的作用（通俗解释）
nangonghen的博客
02-09 3426
user、assistant、system三大角色在大模型中的作用，通俗易懂
OpenAI API 中的 system、user 和 assistant 参数解释
锴笑口常开的博客
04-05 3751
有两个功能，要么存储先前的回复以继续对话，要么设置为指令，以提供所需的行为示例。By the way，由于模型没有任何关于历史请求的"记忆"，因此存储先前的消息对于给出对话上下文和提供所有相关信息是必要的。帮助设置助手的行为，比如说指定模型的行为、角色和背景。常常用于开始对话，给出一个对话的大致方向，或者设置对话的语气和风格。即可由应用程序的用户生成，也可以作为指令设置----（就是给模型举例子，Prompt工程里面的一个技巧，增强模型是思维链）。这三个术语通常用于描述对话系统中的不同角色和组件。
openai开放gpt3.5-turbo模型api，使用python即可写一个基于gpt的智能问答机器人
刘先生倒了u的博客
04-01 9978
调用的费用如下，可以看到每1000个token是0.002美元关于token，官方也给出了说法原意就是1000个token大概是750个单词，而上面这段话有35个token。所以，不用过于担心这个费用的问题。
大型模型Transformer提示词类型
星辰火之梦
01-08 1003
系统提示词定义了模型的整体行为和输出风格，是模型运行的基础。用户提示词是用户提出的具体问题或请求，直接决定了模型此次交互的主题。助理提示词则是模型依据前两者生成的回答，体现了模型的理解能力和表达能力。通过合理配置这三类提示词，可以有效地指导大型语言模型产生更加准确、有用且符合预期的结果。在实际应用中，系统提示词往往由开发团队精心设计，而用户提示词则来自终端用户的即时输入，助理提示词则是模型基于这些输入自动生成的输出。
RAG 提示工程系列（一）
zphyix的博客
04-05 4477
如此看来，想要让模型进一步降低幻觉，不仅仅要靠结构化提示词和强悍的模型，基于外部的准确知识片段同样重要。即使在上下文中存在知识片段但确是错误知识的情况下，模型仍然没有直接回答问题，这可能是因为模型在生成回答时，会考虑到多种因素，包括但不限于上下文的准确性、问题的合理性以及模型内部的约束机制。微调可以提高非微调模型的性能，并使交互更加频繁有效率的它特别适合强调基础模型中的现有知识，修改或自定义模型的输出，并向提供复杂的指令模型然而，微调不适合合并模型中的新知识或需要的情况新用例的快速迭代。
系统、用户与助手：DIFY 大模型交互中的角色与提示词解析
zyx_bx的博客
04-07 2590
系统、用户和助手在人工智能交互中各司其职。系统提示词为模型设定了全局性的规则和框架；用户提示词则将具体需求传递给模型；而助手提示词则通过示例引导模型优化输出。三者协同作用，使得模型能够更好地满足用户需求，同时保持高效和稳定的表现。希望本文对您理解系统、用户和助手的角色与功能有所帮助。如果您有任何疑问或建议，欢迎在评论区留言交流！
chatgpt API接口中文说明介绍（二）
asplh的专栏
04-12 1万+
上一篇介绍了chatgpt的 接口和使用方法。其中用到了2个参数 model和messages，实际上官方提供的参数不止这2个，本文介绍一下其他的参数。这两篇介绍了一下chatgpt的参数以及基本的使用方法，后面会介绍更多的chatgpt在实际中的应用，已经其他一些开源模型的搭建以及微调等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值