提示工程不只是简单撰写指令本质是调动大模型内部已学习到的各类模式。一旦弄懂这一点整套工作就会变得趣味十足。调用模型接口API时交互消息并非单纯的纯文本每条消息都会附带一个身份角色标识一共分为三类角色system系统角色面向开发者使用用来设定模型的行为准则、输出规范与人设风格user用户角色存放使用者真实提出的问题与需求assistant助手角色存储模型生成的回复内容。一、核心底层逻辑提示工程的本质很多人误以为提示工程只是 “写清楚提问话术”这是表层认知真正内核是 大模型预训练阶段吸收了海量文本里的语法、逻辑、知识、写作范式、对话模式、任务模板等隐性模式提示词的作用就是用结构化信息引导模型精准激活、匹配、调用它内部存储的对应知识与行为模式。 不是模型从零计算答案而是你给出的指令充当 “检索索引”唤醒模型学到的对应能力理解这个底层逻辑后无论是写简单提问、复杂 Agent 系统提示、多轮对话约束都能有清晰设计思路不再靠试错碰运气。二、API 对话三层角色完整解析主流大模型 APIOpenAI、通义千问、文心一言、DeepSeek 等均采用system/user/assistant三段式消息数组结构每条消息是独立对象携带role角色标识 content文本内容各司其职、互不混淆1. system 系统角色全局规则层使用主体开发者、平台调用方普通用户无法直接修改核心作用定义模型底层永久约束优先级高于用户提问可配置内容基础人设身份、性格、说话语气、专业领域定位输出强制规范格式Markdown / 表格 / JSON、字数、语言、禁止用语、逻辑要求行为边界不能做的事、拒绝话术、安全准则、思考逻辑任务底层规则解题步骤、思考链、输出结构、专业标准特点一轮对话全程生效除非覆盖 / 重置每一轮用户提问都会遵循 system 设定2. user 用户角色需求输入层使用主体终端使用者核心作用传递单次真实业务需求、问题、材料、待处理文本使用场景单次提问、上传参考资料、补充条件、修正需求特点仅代表当前用户诉求不会留存长期规则模型仅针对本条内容作答3. assistant 助手角色历史记忆层使用主体模型自动生成开发者可手动填充历史回复构建多轮上下文核心作用存储历史对话输出搭建完整多轮上下文链路关键价值实现连续对话记忆让模型看懂前后对话逻辑 高级提示技巧中可手动写入 assistant 示例Few-shot 少样本提示给模型示范标准回答格式大幅提升输出一致性。三、三者协作示例API 标准消息数组[ { role: system, content: 你是专业数据分析顾问所有答案必须用表格输出简洁客观不冗余解释。 }, { role: user, content: 对比提示工程传统写法与结构化系统提示的区别 }, { role: assistant, content: |维度|简单提问提示|结构化system提示|\n|----|----|----|\n|可控性|低输出不稳定|高固定输出格式|\n|复用性|单次有效|全局多轮生效|\n|上手难度|简单|需掌握角色分层逻辑| } ]四、延伸实用提示工程思路分层设计提示复杂任务全部把约束放 system需求放 user历史对话存入 assistant分离规则与需求便于维护少样本优化在对话数组插入多组userassistant标准问答示例引导模型复刻输出模式角色优先级system 历史 assistant 对话 当前 user 提问冲突时以系统设定为准区分普通提问与 API 调用网页端聊天框大多隐藏 system 层仅展示 user/assistant只有接口开发才能完整利用三层角色做精细化控制。