System prompt 是什么？给 AI 设角色的关键

一句话说清 System prompt 是什么

System prompt（系统提示词）是你「在对话开始之前」就给 AI 设好的一段总指令，告诉它「你是谁、按什么规则回答」。

普通的聊天框输入叫 user prompt，是用户每次说的话。System prompt 是「上帝视角的旁白」——它在每一轮对话之前默默对 AI 说一句「你是儿科医生，请用通俗中文回答，遇到不确定的就让用户去医院」，然后用户才开始问问题。

最直观的感受：给同一个 AI 加不同的 system prompt，它就像变成了不同的人。一会儿是严肃的法律顾问，一会儿是耐心的数学老师，一会儿是会写段子的小红书博主。背后的模型一样，但回答风格、口吻、约束完全不同。

用一个生活场景理解

把 AI 想象成一个新来的实习生。

没有 system prompt：你每次叫他干活都得从头讲——「我们公司是做母婴电商的，客户问什么你要客气，不能承诺退款，要打专业感」。一天讲 10 遍，他还可能漏。
有 system prompt：你第一天就给他一本《岗位手册》，里面写清「身份、风格、禁区、上报机制」。之后每次客户来，他打开手册先看一眼，再回话。说什么都不跑偏。

System prompt 就是这本「岗位手册」。设一次，整段对话受用。AI 的每一次回复，都会先「读一遍」system prompt，再处理你当前的问题。

System prompt 和 user prompt 的 3 个区别

维度	System prompt	User prompt
出现位置	对话最开始，看不见	每轮对话框里的输入
作用范围	整段对话	只影响这一轮回答
谁能写	应用搭建者、API 调用者	用户每次输入
典型内容	角色、风格、约束、知识	具体问题、任务、上下文

如果你在用 ChatGPT、Claude、Kimi 网页版，看不到 system prompt 输入框，但它其实存在——OpenAI、Anthropic 都给它们的 chat 界面预设了一段不公开的 system prompt（比如「你是 ChatGPT，由 OpenAI 训练，请遵守安全准则」）。你能修改 system prompt 的场景一般是 3 种：

API 调用（programming 写代码调 AI）
平台搭建工具（OpenAI 的 GPTs、Claude 的 Projects、Coze、Dify、扣子、智谱清言智能体）
本地部署模型（Ollama、LM Studio）

普通聊天用户接触不到 system prompt 的设置，但理解它的原理之后，你写 user prompt 时也能学到不少。

System prompt 为什么这么重要

Anthropic 官方文档点出 3 个最直接的收益：

收益 1：稳定输出风格

不靠每次提醒，AI 就知道用什么口吻。客服 bot 始终礼貌，技术助手始终精确，编辑助手始终犀利。一致性是产品体验的命门——你不希望客户上午问问题被回得很专业，下午问就突然开始讲段子。

收益 2：约束 AI 不乱来

可以在 system prompt 里设「红线」：

不许编造价格
不许承诺退款
不许讨论竞品
涉及医疗法律必须建议找专业人士
不许输出色情、暴力、政治敏感内容

写在 system prompt 里，模型每次回答都会先校验一遍，比每次用户问完再说「请你不要…」可靠得多。

收益 3：注入「业务知识」

可以把公司常见 FAQ、产品价目、政策摘要塞进 system prompt（注意控制长度），AI 就有了「先天知识」。用户问起来不用临时搜索，直接调用。

5 个能直接抄的 system prompt 模板

下面 5 段都来自 Anthropic Prompt Library 的真实样板，可以直接复制到 Claude Projects、GPTs、Coze 智能体等任意支持 system prompt 的工具里。

模板 1：客服助理

📋 Prompt 模板

你是 [公司名] 的客服助理，专门帮老用户解决产品使用问题。

回答规则：

语气：礼貌、简洁、不绕弯
长度：每次回复不超过 150 字
涉及价格、退款、优惠：必须建议用户联系人工客服，不要自行承诺
涉及竞品：不评价、不对比，引导回我们的产品
不确定的问题：直说「这个我帮你转人工客服跟进」

回答前先确认用户的问题类型（使用、付费、退换、其他），再针对性回答。

模板 2：写作教练

📋 Prompt 模板

你是一位有 15 年经验的中文图书编辑，擅长把生硬的文字改得有人味儿。

工作风格：

直接给修改建议，不绕弯子
每条建议必须带「为什么这么改」的理由
优先改：空话套话、长句、AI 翻译腔、专业术语
保留作者本人的语气和观点

回答格式：

先用一句话总结这段文字的核心问题
给出修改后的版本
列出 3-5 处主要改动和理由

如果原文已经很好，直接说「这段不用改」，不要硬找问题。

模板 3：技术答疑（程序员向）

📋 Prompt 模板

你是一位资深全栈工程师，10 年经验，擅长把复杂概念讲清楚。

回答规则：

默认使用提问者熟悉的技术栈
代码必须可直接运行，标注语言和版本
关键代码加注释
涉及多种解法时，先给最常用的那种，再说有什么替代方案
涉及安全、性能问题主动提醒

风格：

不要客套，不要「希望对你有帮助」之类的结尾
复杂问题先给一句话结论，再展开细节

模板 4：儿童家庭作业辅导员

📋 Prompt 模板

你是一位耐心的小学辅导老师，面对的是小学 1-6 年级的孩子。

辅导规则：

不要直接给答案，先用 2-3 个引导性问题让孩子自己想
用孩子熟悉的事物打比方（小动物、玩具、零食）
一段话不超过 50 字
如果孩子答错，先肯定他在思考，再温和地指方向
涉及汉字、计算的，必须把步骤写清楚

语气：

像一个温柔的姐姐，不要居高临下
多用「我们一起想想」「你已经想到了…」

模板 5：小红书爆款标题生成器

📋 Prompt 模板

你是一位有 5 年经验的小红书运营，擅长写爆款标题，账号粉丝量级 50 万+。

任务：根据用户给的主题，生成 10 个不同风格的标题。

要求：

每条 15-25 字
至少包含一个数字或具体场景（如「30 岁」「试了 12 家」）
风格混合：5 条情绪型、3 条干货型、2 条反差型
每条标题后面用括号注明类型和适合的人群

禁止：

不要用「真香」「绝绝子」这种已经烂大街的词
不要标题党到完全跟内容无关
不要用 emoji（用户会自己加）

把上面任何一段塞进 Claude Projects、ChatGPT 的「定制 GPT」、豆包智能体、Kimi 智能体、Coze 工作流，AI 就立刻有了「岗位」。

System prompt 写作的 4 个铁律

铁律 1：越具体越好

「你是个老师」太空。「你是一位带过 200 个 6 年级学生的奥数辅导老师，擅长把抽象数学讲成生活故事」就具体了。越具体的人设，AI 调用越对的训练语料，回答的「行业气味」立刻就出来。

铁律 2：把约束写在前面

System prompt 越靠前的内容，模型遵守得越严。重要的红线（不能编价格、不许讨论 X 话题）写在最前面，比塞在末尾管用得多。

铁律 3：不要超过 500 字

System prompt 越长，模型抓不到重点的风险越大。能用 200 字说清的事，不要硬撑到 1000 字。如果有大量业务知识要喂，可以拆成 RAG（知识库检索）或 Claude Projects 这种带文档存储的工具。

铁律 4：测两轮再上线

写完之后，至少跑 10 个真实问题验证一下：

角色稳不稳定（会不会突然出戏）
红线守不守得住（故意挑衅它会怎么答）
风格对不对（口吻是否符合预期）

发现哪里不对，改一处再测一遍，不要一次改 5 处。这就是 prompt 工程的工作方式。

想再深入一步

读完这篇，建议接着看：

想看 prompt 的 4 个基本要素 → Prompt 是什么
想理解工程化 prompt 的流程 → Prompt 工程是什么
想看官方 5 大写作原则 → 怎么写好 prompt
想让 AI 处理复杂推理 → 思维链 CoT 是什么
想拿 62 个 Claude 官方模板 → Anthropic Prompt Library 中文版

要实操 system prompt，Claude 的 Projects 是最顺手的——一个 project 设一套 system prompt + 知识库；ChatGPT 的定制 GPT 也支持；国内推荐豆包智能体和 Coze 平台。

常见问题

普通用户在 ChatGPT/Claude 聊天框能写 system prompt 吗？

不能直接写。但有 3 个变通办法：

ChatGPT 的「定制说明」（Custom Instructions）：在设置里写「你希望 AI 怎么回答你」，效果接近 system prompt
Claude 的「styles」和 Projects：可以为每个 project 配独立的 system prompt
第一句话开门见山：在对话的第一条消息里写一段「请扮演 [角色]，遵守 [规则]，记住这些直到我说停」，效果略弱于真 system prompt，但通用

System prompt 会被用户「越狱」吗？

会。所谓越狱（jailbreak）是用户用各种话术绕开 system prompt 里的红线。纯靠 prompt 不能 100% 防越狱，需要配合应用层的输入过滤、输出审查、人工兜底。但写得好的 system prompt 能挡住 80% 以上的常见绕过尝试。

System prompt 和 fine-tuning（微调）有什么区别？

System prompt 是「告诉」模型怎么做，每次对话都临时生效，改起来零成本。Fine-tuning 是「训练」模型成为这样，把行为烧进模型里，改起来要重新训练。90% 的场景做 system prompt 就够，微调成本高、慢、还要专业知识。

国产模型支持 system prompt 吗？

全部支持。豆包、Kimi、DeepSeek、文心一言、通义千问的 API 都有 system 字段。智能体平台（Coze、扣子、智谱清言）也都把 system prompt 作为第一栏让用户填。写法跟海外模型完全一致，模板可以直接套。