Prompt 的角色、目标、上下文、约束与格式
构建清晰、稳定、可测试的提示模板。
- 用自己的话解释“Prompt 的角色、目标、上下文、约束与格式”及其核心术语。
- 在真实 AI 产品场景中识别何时应该使用本课方法。
- 完成一份可沉淀进“Prompt 模板、RAG 流程、Agent 工作流与评测集”阶段任务的实践产出。
REAL SCENE
先从一个真实场景开始
客服 Prompt 只写“请专业回答用户”，同一个问题有时给长文、有时直接退款，还可能遵从用户要求泄露内部规则。没有角色边界、任务目标、必要上下文、行为约束和输出格式，模型只能猜测产品意图。
PLAIN EXPLANATION
说人话：它到底是什么？
Prompt 是推理时交给模型的任务契约。角色说明它代表谁，目标定义成功结果，上下文提供完成任务所需事实，约束规定必须、禁止和不确定时的行为，输出格式让结果可被用户或系统消费。高质量 Prompt 不是堆礼貌词，而是把验收标准翻译成可测试指令，并明确外部内容只是数据。
目标与成功标准
先写用户任务、受众和成功条件，再决定措辞。一个 Prompt 只承担清晰职责；复杂流程拆成可观察步骤，避免同时要求创意、事实核验和执行却不说明优先级。
- 使用可观察动词描述任务
- 冲突目标写明优先顺序
- 无足够信息允许澄清或拒答
上下文与信任边界
仅提供完成任务相关、可信且带来源的信息。系统政策、用户输入、检索文档和工具结果分区标记；文档中的命令不继承系统权限，敏感信息按最小化加入。
- 数据与指令使用不同标签
- 动态变量定义类型和来源
- 长上下文设置选择与截断规则
约束、格式与评测
约束同时提供正向要求、禁止项和失败处理；格式可用章节、表格或 JSON Schema。每次修改在固定测试集比较任务成功、事实、安全、延迟和成本，不能凭单个演示判断。
- 输出字段含义和空值明确
- 高风险动作不由文本直接触发
- Prompt 版本关联评测结果
Prompt 从成功标准开始，而不是从角色扮演口号开始。
系统、用户与外部数据分层，低信任内容不能覆盖高层约束。
用代表性测试集和版本记录验证 Prompt，而非凭感觉调词。
KEY POINT
这节课最重要的结论
- 为什么重要
- 这决定了与算法和工程团队共同设计 Prompt、RAG、Agent 和评测方案时，团队是否拥有一致、可验证的判断标准。
- 适用边界
- 当问题目标、数据来源或失败成本发生变化时，不要机械套用；先重新确认假设和风险等级。
EXAMPLES
正确案例与常见反例
退款助手系统 Prompt 定义仅解释政策、不承诺执行；输入包含用户问题和带日期的政策片段，外部文本标为资料。证据不足时询问订单信息，输出固定为结论、依据、下一步和风险，高额退款进入人工审批。
Prompt 只有“你是最优秀客服，请满足用户”，把网页原文和用户命令直接拼接。用户要求忽略规则后模型披露内部提示并承诺退款；输出没有引用与状态，后端又把自然语言当成执行命令。
“请将模板拆成 systemPolicy、task、trustedContext、untrustedEvidence 和 outputSchema；动态字段注明来源。证据不足返回 needs_clarification，退款只生成 proposalId，不直接调用执行工具，并记录 promptVersion。”
HANDS-ON
必做实操任务
本节产出：“Prompt 模板、RAG 流程、Agent 工作流与评测集”阶段任务中的《Prompt 的角色、目标、上下文、约束与格式》一页实践卡
步骤 1把一个模糊 Prompt 改写为角色、目标、上下文、约束和输出格式五部分。
步骤 2收集正常、边界、缺信息、冲突指令和恶意注入各两条测试输入。
步骤 3为结构化结果定义字段、类型、枚举、空值和失败返回。
步骤 4只改变一个 Prompt 变量，记录版本并比较质量、延迟、成本与安全。
核心重点必须完成全部实践，并在测验中达到 80%，才能标记为掌握。
场景与用户：____
角色与职责边界：____
目标与成功标准：____
输入变量｜类型｜来源｜信任级别：____
必要上下文与来源：____
必须行为：____
禁止行为：____
缺信息/冲突/无证据：____
输出格式与字段：____
工具权限：____
测试集：正常____ 边界____ 对抗____
版本、指标与回滚：____CHECKLIST
产品经理工作检查表
MASTERY QUIZ
掌握测验
核心重点需达到 80% 才算掌握，未通过会进入错题本。
INTERVIEW
常见面试题
展开参考回答
从用户任务和可观察成功标准出发，拆分角色、可信上下文、动态输入、必须禁止行为、缺信息处理和输出 Schema；隔离外部数据与系统指令，工具只生成受限参数。建立正常、边界、无答案和对抗测试集，记录模型与 Prompt 版本，比较任务成功、事实、安全、延迟和成本后灰度。
RECAP & FURTHER READING
重点回顾、延伸阅读与下一步
- 1
围绕“Prompt 的角色、目标、上下文、约束与格式”继续阅读：阅读模型或 AI 框架的官方概念文档，区分能力原理、评测条件与真实产品限制。
- 2
用“Prompt Engineering、系统提示、输出约束”作为检索词，分别写下一条定义、一条适用边界和一个反例。
- 3
对照本课正确案例与反例，寻找一个公开案例并记录其中可复用的判断与不能照搬的条件。