✅派聪明 RAG 知识库的Prompt设计

一、Prompt是什么？

Prompt，也就是提示词，可以理解为 “给大模型制定的一个指令”，把我们希望模型扮演的角色、使用的资料、遵循的规则、回答的任务一次性告诉它。

常见元素有：

• system (系统指令) 
• user (本轮问题) 
• assistant (历史回复) 
• 额外上下文（检索结果、函数签名等）

我们都知道，AI 很强大。但是，如何让 AI 理解我们的需求，给出符合我们预期的回答呢？这就需要用到 prompt。

举一个最简单的例子，很多同学在第一次使用 AI 时，习惯问一句“你是谁”，这个你是谁，其实就是一个提示词。

但提示词越符合 AI 的习惯，我们就越容易得到最想要的回复。

右侧的提示词的可能会比左侧的提示词，更能从 AI 那里得到我们预期的回答。

那针对派聪明的提示词，我们主要用到了这些：

① 角色设定，比如说：

{ 
  "role": "system",
  "content": "你是一位严谨的图书编辑，所有回答必须使用正式中文并引用页码。" 
}

再比如说：

{ 
  "role": "system",
  "content": "以下是年份与销量数据表，请在回答时引用表内数字：\n\n| 年份 | 销量 |\n| 2020 | 2.1M |\n| 2021 | 3.4M |" 
}

那派聪明的系统级提示词主要是从配置文件中 prompt 动态拼接的。

我们会把规则、引用的知识库添加到到 system 中。

② 历史对话：

{ 
  "role": "assistant", "content": "您好，我可以帮助您查询产品信息。" 
}

派聪明会把用户在聊天助手中的历史记录动态拼接进来。

代码主要是在 buildMessages 的方法中。

③ 完整的 RAG Prompt

[
  { "role": "system", "content": "你是企业知识库助手…" },
  { "role": "system", "content": "<>\n[1] …检索片段…\n<>" },
  { "role": "user", "content": "请解释合同中不可抗力条款" }
]

简单讲，Prompt 就是把人物设定 + 资料 + 任务打包发给模型的“提纲”。

二、Prompt 为什么能决定 RAG 的成败？

RAG 的核心是“用检索到的外部知识束缚模型”。Prompt 如果在参数上失控，就会直接削弱 RAG 的价值。

01、派聪明 prompt 的关键参数