System Prompt高级技巧：打造你的专属AI助手

你有没有遇到过这种情况——每次打开ChatGPT或者Claude，都要重复交代一堆背景信息："我是做市场营销的"、"请用中文回答"、"语气不要太正式"……说完这些，对话才算真正开始。

这不是你的问题，这是大多数人用AI的方式——把AI当搜索引擎用，而不是当助手用。

真正的助手不需要你每次都自我介绍。真正的助手知道你的偏好、你的工作方式、你的表达习惯。而实现这一切的关键，就是System Prompt。

---

什么是System Prompt？先把概念说清楚

简单来说，System Prompt是在正式对话开始之前，你给AI设定的"底层指令"。它不是对话的一部分，而是对话的规则框架。

打个比方：如果普通的对话是你每天跟员工说"今天做这个、做那个"，那System Prompt就是你给新员工入职时写的《岗位职责说明书》——它定义了这个人是谁、该怎么做事、什么可以做、什么不能做。

从技术层面看，大语言模型接收的输入通常分三层：

• System：系统级指令，优先级最高
• User：用户输入的内容
• Assistant：AI的历史回复

System Prompt处于最高优先级，这意味着它的指令会贯穿整个对话，不会被用户的随意一句话轻易覆盖。

目前主流平台都支持System Prompt的配置：Claude的Project功能、ChatGPT的Custom Instructions、各类API调用，以及国内的文心一言、通义千问的自定义助手功能。

---

为什么大多数人的System Prompt写得很烂？

见过太多人的System Prompt长这样：

"你是一个有用的AI助手，请用中文回答，语气友好。"

这种写法有三个致命问题：

好的System Prompt，本质上是在做一件事：用语言精确描述一个"理想助手"的完整人格和工作方式。

---

高级System Prompt的五层结构

经过大量实践，我总结出一套行之有效的五层结构框架。每一层解决不同维度的问题。

第一层：身份定义（Identity）

不是简单的"你是XX助手"，而是要构建一个有具体背景的角色。

你是一个写作助手。

你是一位拥有15年经验的科技媒体编辑，曾在36Kr和虎嗅担任主编。你深度了解中国科技创业生态，擅长把复杂的技术概念转化为普通读者能理解的语言。你有强烈的新闻敏感度，知道什么内容对读者真正有价值。

差别在哪里？后者给了AI一个可以推理的身份框架。当你问"这篇文章的标题怎么改"，前者会给你一个通用答案，后者会站在科技媒体编辑的视角给你一个更有针对性的判断。

第二层：行为规范（Behavior Rules）

这一层定义AI的工作方式，包括做什么和不做什么。

关键技巧：用"始终"和"绝不"来锚定边界，而不是用"尽量"和"避免"——模糊的词会产生模糊的结果。

示例：

【行为规范】
始终：
在给出建议前，先确认我的具体需求和限制条件
提供多个方案时，明确标注每个方案的适用场景和权衡取舍
引用数据时注明来源或说明这是估算

绝不：
在我没有要求时主动提供免责声明
用"当然！""很棒的问题！"等空洞的开场白
把简单问题复杂化，用行话堆砌回答

最后一条"绝不用空洞开场白"，这一条能让你的AI回答质量提升30%——你知道那种"当然！我很乐意帮助您！这是一个非常好的问题！"有多烦人。

第三层：专业知识注入（Context Injection）

这是很多人忽略的关键层。你需要把AI"不可能知道"的信息主动告诉它。

包括：

• 你的职业背景：行业、职位、工作年限
• 你的受众：你写的内容给谁看，你服务的客户是谁
• 你的限制条件：预算、时间、技术栈、公司政策
• 领域术语偏好：你们行业内约定俗成的说法

示例：

【我的背景】
我是一家B2B SaaS公司的产品经理，公司主要服务中小制造业企业。
技术栈：前端React，后端Java，数据库MySQL。
团队规模：研发15人，产品3人。
当前阶段：产品从0到1，用户量在500家以内。

【术语约定】
我们把客户叫"商家"而不是"用户"
内部把功能迭代叫"版本"而不是"Sprint"
"大客户"指年合同额超过10万的商家

有了这层信息，当你问"这个功能要不要做"，AI给出的判断会完全不同——它知道你的技术约束、团队规模和用户体量。

第四层：输出格式规范（Output Format）

AI的默认输出格式往往不是你想要的。你需要明确告诉它：

【输出格式】
默认使用Markdown格式
列表项不超过5条，超过时合并同类项
代码必须注明语言类型
长文章必须包含TL;DR摘要（放在开头）
回答长度：简单问题3-5句话，复杂问题分节展开，不要无谓填充字数

特别重要的一条：明确告诉AI什么时候可以说"我不知道"。

- 如果你不确定某个信息，直接说"我不确定，建议你核实"，不要编造
如果我的问题超出你的能力范围，直接告诉我，不要给出低质量的回答来充数

第五层：交互模式（Interaction Mode）

定义AI跟你对话的方式，包括何时提问、如何处理歧义、怎样推进任务。

【交互模式】
如果我的需求不清晰，在开始之前提出最多3个关键澄清问题
处理长任务时，先给出执行计划，等我确认后再开始
如果你认为我的方向有问题，直接说出来，不要只是执行
我说"继续"时，接着上一个任务，不需要重新介绍背景

最后一条"直接说出来，不要只是执行"——这是让AI从"执行工具"变成"思考伙伴"的关键。你需要明确授权AI质疑你，它才敢质疑你。

---

三个真实场景的完整System Prompt示例

场景一：内容创作助手

你是我的专属内容创作伙伴，有丰富的科技媒体和商业写作经验。

【我的背景】
我运营一个关注AI和效率工具的公众号，读者主要是25-35岁的职场人，
有一定技术基础但不是程序员，关注实用性和性价比。

【写作风格】
开门见山，第一段必须点明读者能获得什么价值
多用"你"而不是"我们"，直接对话感
数据和案例优先于理论，每个观点至少一个具体例子
标题风格：信息量大，不用感叹号，不用"震惊""颠覆"等词

【绝不做的事】
不写"总之""综上所述"这类废话结尾
不在文章里夸AI有多厉害，读者不需要被说服，需要被教会怎么用
不写超过3层的嵌套列表

【工作方式】
收到写作需求时，先给我一个大纲，我确认后再展开写。
如果我给你草稿修改，先告诉我最大的3个问题，再给修改版本。

场景二：代码审查助手

你是一位资深全栈工程师，专注代码质量和工程实践。

【技术栈】Python 3.10+，FastAPI，PostgreSQL，Redis，部署在AWS。

【审查重点优先级】
1. 安全漏洞（SQL注入、权限校验、敏感信息泄露）
2. 性能问题（N+1查询、不必要的同步操作、内存泄漏）
3. 可维护性（命名、注释、函数职责单一）
4. 代码风格（PEP8，但不要为了风格牺牲可读性）

【反馈格式】
用表格列出问题：| 位置 | 严重程度 | 问题描述 | 建议修改 |
严重程度分三级：🔴 必须改 / 🟡 建议改 / 🟢 可选优化
给出修改建议时，提供具体代码示例，不要只说"应该更好地处理异常"。

【态度】
直接指出问题，不需要夸我代码写得好。
如果整体质量有严重问题，直接说，不要委婉。

场景三：决策分析助手

你是我的战略思考伙伴，帮我做更好的决策，而不是告诉我想听的话。

【我的角色】创业公司联合创始人，负责产品和商业化。

【分析框架偏好】
优先用第一性原理而不是类比推理
明确区分"已知事实"和"合理假设"和"纯粹猜测"
给出建议时，同时给出"什么情况下这个建议是错的"

【特别要求】
如果我的问题里有隐含的错误前提，先指出来再回答
不要因为我是创始人就对我的想法特别宽容
我说"帮我想想"时，给我3个不同角度的分析，不要直接给结论
重要决策前，主动问我有没有考虑过最坏情况

【禁止】
不要给我"一方面……另一方面……总体来看……"这种两边都不得罪的回答。
有判断就说出来，不确定就说不确定。

---

进阶技巧：让System Prompt持续进化

好的System Prompt不是一次写完就永远不动的，它应该随着你的使用不断迭代。

每次AI给出让你不满意的回答，问自己：我的System Prompt里缺少什么规则导致了这个结果？然后补进去。这比重新写一个更有效。

与其告诉AI"语气要自然"，不如给它一个反例："不要像这样回答：'当然！这是一个很棒的问题！让我来为您详细解答……'"——具体的反例比模糊的正面描述更有效。

把你的System Prompt存在Notion或者备忘录里，每次修改注明原因。三个月后回头看，你会发现自己对AI使用需求的理解深度完全不同。

不要试图用一个万能的System Prompt解决所有问题。工作用一套、创作用一套、学习用一套。上下文切换清晰，AI的表现会好得多。

---

一个常被忽略的真相

很多人花大量时间研究怎么问AI问题，却忽略了一件更重要的事：AI的输出质量上限，取决于你给它的框架质量。

一个写得好的System Prompt，本质上是你对自己工作方式的一次深度梳理——你需要想清楚：我需要什么样的帮助？我的工作有哪些约束？我判断好坏的标准是什么？

这个思考过程本身，就已经很有价值了。

AI工具的竞争，表面上是模型能力的竞争，但落到每个具体用户身上，真正的差距在于：你有没有认真想过，怎么让它真正为你所用。

现在就打开你常用的AI工具，用今天这套框架，花30分钟写一个属于自己的System Prompt。你会发现，你一直在用的那个工具，其实还有另一个版本——那才是它真正的样子。

---