AI System提示词工程入门指南：从零构建高效对话系统的核心方法

1次阅读

共计 1776 个字符，预计需要花费 5 分钟才能阅读完成。

刚接触 AI 对话系统时，我曾用这样模糊的提示词：” 帮我回答天气问题 ”，结果出现两种典型问题：

答非所问：用户问 ” 明天上海温度 ”，AI 回复 ” 温度是物质分子运动的宏观表现 ” 这种物理课本内容
过度发散：简单天气查询演变成讨论全球变暖的万字论文

这些崩溃场景说明：没有精准的 system 提示词，AI 就像没剧本的演员，容易即兴发挥出错。

用第一人称明确身份，例如：

你是一个专注于提供实时天气数据的专业助手，所有回答必须基于可信气象数据源。

需要规定：

知识边界（” 不回答气象学理论问题 ”）
行为禁忌（” 不预测超过 7 天的天气 ”）
响应时效（” 数据截止到昨天 ”）

包括：

结构化模板（” 城市：{城市名}\n 日期：{日期}\n 温度：{温度范围}”）
长度限制（” 不超过 100 字 ”）
特殊标记（” 用 emoji 表示天气现象 ”）

import openai
import logging
from typing import Dict

# 日志配置
logging.basicConfig(level=logging.INFO)

class WeatherBot:
    def __init__(self, api_key: str):
        self.messages = [
            {
                "role": "system",
                "content": """ 你是一个严谨的天气预报助手，遵守以下规则：1. 只回答中国城市未来 3 天内的天气查询
2. 温度精确到小数点后 1 位
3. 格式：城市 | 日期 | 白天天气 | 夜间天气 | 温度范围
4. 不知道时回答 '超出查询范围'"""
            }
        ]
        self.api_key = api_key

    def chat(self, user_input: str) -> Dict:
        try:
            self.messages.append({"role": "user", "content": user_input})

            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=self.messages,
                max_tokens=100,  # 控制输出长度
                temperature=0.3,  # 降低随机性
                request_timeout=15  # 超时设置
            )

            ai_reply = response.choices[0].message.content
            self.messages.append({"role": "assistant", "content": ai_reply})

            # 敏感词过滤（示例）banned_words = ["暴力", "政治"]
            if any(word in ai_reply for word in banned_words):
                ai_reply = "回复内容包含受限词汇"

            return {"status": "success", "data": ai_reply}

        except Exception as e:
            logging.error(f"API 调用失败: {str(e)}")
            return {"status": "error", "data": "系统繁忙请重试"}

# 使用示例
bot = WeatherBot("your_api_key")
print(bot.chat("明天北京天气怎么样？"))

建议采用双层校验：