在大模型的 API 调用中，System Prompt、User Prompt 和 Assistant Promp...

知识点图片

在大模型（如 OpenAI 的 GPT-4、Anthropic 的 Claude 等）的 API 调用中，目前的标准交互格式是基于角色（Role-based）的消息列表。

为了让大模型更好地理解对话的语境，API 将输入划分为了三种不同的角色提示词：System Prompt（系统提示词）、User Prompt（用户提示词） 和 Assistant Prompt（助手提示词）。

它们的核心区别在于作用、权重和代表的身份。以下是详细的解析：

1. System Prompt（系统提示词）

身份：全局设定者 / 导演。
作用：用于设定 AI 的人设、背景、核心规则、语气以及输出格式。它是整个对话的基调，通常放在消息列表的第一位。
模型权重：通常拥有最高的指令权重。模型会优先遵循 System Prompt 中的规则，即使后面的 User Prompt 试图引导它违背这些规则（防越狱）。
生活类比：就像电影开拍前，导演对演员说：“你现在扮演一个脾气暴躁的资深程序员，不管别人问什么，你都要先用嘲讽的语气反问，然后再给出专业的 Python 代码，绝对不能说废话。”
常见用法：
- 设定角色：“你是一个资深的法律顾问...”
- 规定格式：“所有的回答必须以 JSON 格式输出...”
- 设定边界：“禁止回答任何涉及医疗诊断的问题...”

2. User Prompt（用户提示词）

身份：最终用户 / 提问者。
作用：代表人类用户向 AI 提出的具体问题、任务指令或提供的输入文本。这是推动对话前进的核心动力。
模型权重：代表当前需要解决的即时任务。模型会根据 System 设定的规则，来处理 User 提供的内容。
生活类比：就像电影中与演员（AI）对戏的另一个人，他提出具体的台词或动作：“请帮我看看这段代码哪里报错了？”
常见用法：
- 提问：“量子力学是什么？”
- 下达具体任务：“帮我把下面这段英文翻译成中文：[文本]”

3. Assistant Prompt（助手提示词）

身份：大模型自己 / AI 助手。
作用：代表 AI 过去的回答。主要用于构建历史对话上下文（Memory），或者用于提供示例（Few-Shot Prompting）以引导 AI 接下来的输出。
模型权重：它让模型知道“我之前是怎么回答的”。模型会为了保持前后一致性，模仿 Assistant Prompt 里的语气和逻辑继续回答。
生活类比：演员（AI）回忆自己前几场戏是怎么演的，以确保现在的表演在情绪和逻辑上是连贯的。
常见用法：
- 携带多轮对话历史：让 AI 记住上下文，比如上一轮用户问“北京天气”，这轮问“那上海呢？”，AI 根据历史知道你在问上海的天气。
- 少样本提示（Few-Shot）：人为地伪造一段对话历史，教 AI 如何回答。

💡 API 调用代码示例（以 OpenAI 为例）

通过下面这个 JSON 消息列表（Message Array），可以清晰看到三者的协作配合：

python

messages = [
    # 1. System: 设定整体规则
    {"role": "system", "content": "你是一个只懂用文言文回答问题的历史学者。"},
    
    # --- 下面是 Few-Shot（少样本提示）的用法 ---
    {"role": "user", "content": "苹果是什么？"},
    {"role": "assistant", "content": "此乃西洋之果，甘甜多汁，红如朱砂。"}, # 伪造的AI回答，作为示范
    
    # --- 下面是真实的当前请求 ---
    {"role": "user", "content": "手机是什么？"} # 2. User: 提出当前问题
]

# 3. 最终大模型生成的回答（也是 Assistant 角色）：
# "此乃千里传音之奇物，方寸之间，可连通四海。"

总结对比表

维度	System Prompt (系统)	User Prompt (用户)	Assistant Prompt (助手)
API Role 参数	`"role": "system"`	`"role": "user"`	`"role": "assistant"`
核心功能	设定全局角色、规则、约束和格式。	提出具体的任务、问题或输入内容。	提供上下文记忆，或作为回答的模板/示例。
出现位置	通常只在对话列表的最开始出现一次。	在对话中频繁出现，通常是最后一条消息。	在多轮对话中与 User 交替出现。
决定了什么	AI “是谁” 以及 “怎么做”。	AI “现在需要做什么”。	AI “之前做了什么” 以及 “保持什么风格”。

高级技巧（Prefilling）：
在某些大模型 API（如 Anthropic Claude）中，你可以通过在最后人为传入一个未完成的 Assistant Prompt 来强制规定输出的开头。
例如，用户问了问题后，你加一条 {"role": "assistant", "content": "{\n \"result\":"}，模型就会被强制顺着这个开头，直接输出纯净的 JSON 格式，而不会带上“好的，这是你的JSON”等废话。

播面