FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

技能指南 · 指南

撑得过第二个部门的系统提示词

按角色、策略、客户上下文和部门四层拆分,每加一个团队只需多写一个配置块,不必永远维护一份分叉副本。

分享微博

要点速览

  • 每一层用各自的 XML 标签。不同版本的提示词保持标签名不变,内容有层级时嵌套标签。
  • 每条策略都写明理由。模型靠解释来举一反三,而不只是靠指令本身。
  • 部门层存放该部门的角色和输出格式,其余各层由全公司共用。
对比两种做法的示意图。左侧是复制提示词:客服、财务和团队 3 各有一个等高的方块,每块都是完整的提示词副本,每个团队各自维护一个版本。右侧是分层:一个深蓝色大方块包含三个共用层,下方挂着客服、财务和团队 3 三个小配置块;团队 3 的方块为橙色,表示新增团队只需多一个配置块。
新增第三个团队时:如果复制,就多出一份要维护的提示词;如果分层,角色、策略和客户上下文三层保持不变,只需再写一个 department_config 块。

设想这样一个场景:你为客服团队搭建的内部助手已经平稳运行了几周。这时财务主管过来问:“我们部门也能用吗?”

你有两个选择。一是复制提示词,改一改副本,从此永远维护两个独立版本。二是把提示词重组成几层,这样每接入一个新部门,只需多写一个配置块。

前线部署工程师(FDE)在客户项目中很早就会碰到这个问题。等到第三、第四个部门排队接入时,只有第二种做法撑得住。本指南将一步步演示如何搭建这样的提示词。

你只需要一个文本编辑器,外加任意一个聊天界面或 playground 用来测试。示例代码是简化过的普通 Python,不调用任何服务商的 API。原始部署中的提示词使用越南语,下文片段以中文呈现,每段之后附有说明。

要搭建的是什么?

客户是一家虚构的物流公司,两个部门共用一个内部助手:客服部门和财务部门。提示词分为四层。

角色层说明助手是谁。策略层规定它能做什么、不能做什么。客户上下文层描述公司情况,部门配置层则随使用者所在部门而变。

DAIR.AI 的 Prompt Engineering Guide 指出,并非每个提示词都需要所有组成部分,如何组织取决于任务本身。因此,把这四层当作起步框架,任务用不上的层直接去掉。

第 1 步:把角色层当作只有一句话来写

Anthropic 的提示词指南提到,在系统提示词中用一句话指定角色,就足以引导 Claude 的行为和语气。Learn Prompting 将角色组件定义为赋予 AI 一个人设或特定视角。先写最重要的那句话:

<role>
你是一家物流公司的内部助手,帮助员工查询流程、起草回复。
</role>

(意思是:“你是一家物流公司的内部助手,帮助员工查询流程、起草回复。”)

检查: 同一个问题(“订单延误时我们怎么处理?”)问两次,一次带 <role> 标签,一次不带。带角色的回答应该像公司内部人员在说话,而不是泛泛而谈的顾问。

公司层面的角色保持宽泛。各部门的具体角色放到第 4 步。

第 2 步:写策略时带上“因为”

这一步常见的诱惑是写一长串不加解释的“禁止……”规则。Anthropic 建议说明每条指令背后的背景或动机,也就是这种行为为什么重要,让 Claude 理解你真正想达到的目的。

<policies>
  <policy>回答中不要包含客户的银行账号,因为聊天内容可能被转发到公司外部。</policy>
  <policy>对流程没有把握时,明确说明自己不确定,并指出应该去问谁,因为员工会逐字照做。</policy>
</policies>

(两条策略:回答中不要出现客户的银行账号,因为聊天内容可能被转发到公司外部;对流程没有把握时要直说,并指出该问谁,因为员工会逐字照着回答去做。)

检查: 问一个列表没有覆盖的问题,比如客户的私人电话号码。如果模型理解了理由(“可能被转发到外部”),即使你从没为电话号码写过规则,它也会谨慎处理。理由正是让策略举一反三的关键。

第 3 步:客户上下文与指令分开

Anthropic 建议把每类内容放进各自的标签,例如 <instructions>、<context> 和 <input>,以减少模型混淆。客户上下文最容易和指令混在一起。“公司优先服务企业客户”这样一句话,可能只是关于公司的事实,模型却可能把它当成命令。

<customer_context>
  公司有两类客户:个人客户和企业客户。
  内部订单管理系统称为“运单系统”。
</customer_context>

(上下文陈述了两个事实:公司有个人和企业两类客户;内部订单管理系统叫“运单系统”。)

检查: 逐行重读这个标签里的内容。如果某一行读起来像指令,就移到 <policies>。上下文标签里只能有事实。

第 4 步:部门层是唯一会变的部分

这一层存放部门之间所有不同的内容。Anthropic 建议所有提示词使用一致且有描述性的标签名,内容有层级时嵌套标签。

Learn Prompting 指出,不同角色会产出反映各自视角的不同输出;输出格式则是提示词中单独的组件,作用是把回答约束成固定结构。

<department_config>
  <department_role>你帮助财务人员核对运费发票。</department_role>
  <main_instruction>根据上下文中的流程回答对账问题。</main_instruction>
  <output_format>表格,包含:订单号、金额、对账状态、备注。</output_format>
</department_config>

(财务部门:角色是帮助员工核对运费发票;主要指令是根据上下文中的流程回答对账问题;输出格式是包含订单号、金额、对账状态和备注的表格。)

<main_instruction> 标签不是摆设。Learn Prompting 提醒,缺少清晰的指令,AI 往往会给出泛泛或跑题的回答。对客服部门,三个子标签名保持不变,只改内容。比如它的输出格式会是一段简短、礼貌的客户回复。

下表列出了两个部门仅有的不同之处:

子标签 财务 客服
department_role 协助核对发票 协助起草客户回复
main_instruction 回答对账问题 起草投诉回复
output_format 四列表格 面向客户的简短段落

上面三层对两个部门完全相同。要加第三个部门,只需再写一个 <department_config> 块。

第 5 步:加入示例和部门策略,再用代码组装

Anthropic 建议示例要贴近任务、足够多样,并用 <example> 标签包裹(多个示例时放进 <examples>),让 Claude 能区分示例和指令。示例放在 <department_config> 里,因为财务的标准答案对客服毫无用处。

只适用于某一个部门的策略也放在这里,用 <department_policies> 这样的子标签,并像第 2 步一样带上“因为”。下面的代码是简化版,只演示如何把某个部门的内容组装到共用部分上:

# 示意用的简化代码:把共用层与某个部门的配置合并
SHARED = "<role>...</role>\n<policies>...</policies>\n<customer_context>...</customer_context>"

DEPTS = {
    "accounting": {
        "department_role": "你帮助财务人员核对运费发票。",
        "main_instruction": "根据上下文中的流程回答对账问题。",
        "output_format": "表格,包含:订单号、金额、对账状态、备注。",
        "department_policies": [
            "运单系统尚无状态时,不要写“已对账”,因为财务会根据回答记账。"
        ],
        "examples": [
            "问:订单 VD-0001 对账了吗?答:| VD-0001 | ... | 已对账 | |"
        ],
    },
}

def build_prompt(dept: str) -> str:
    c = DEPTS[dept]
    policies = "\n".join(f"    <policy>{p}</policy>" for p in c["department_policies"])
    examples = "\n".join(f"    <example>{e}</example>" for e in c["examples"])
    return f"""{SHARED}
<department_config>
  <department_role>{c['department_role']}</department_role>
  <main_instruction>{c['main_instruction']}</main_instruction>
  <output_format>{c['output_format']}</output_format>
  <department_policies>
{policies}
  </department_policies>
  <examples>
{examples}
  </examples>
</department_config>"""

(accounting 即财务部门。它的部门策略是:运单系统尚无状态时,不要写“已对账”,因为财务会根据回答记账。)

检查: 运行 print(build_prompt("accounting")) 并通读输出。每个开始标签都要有对应的结束标签,财务部门自己的策略也不能混进共用的 <policies> 块。

再看看输出效果。假设一位财务人员问:“订单 VD-1023 对账了吗?”如果提示词只有三个共用层,一个假设的回答可能是这样一段泛泛之谈:

要确认订单是否已对账,可以在系统中查询,
或联系相关部门。

(大意是:“要确认订单是否已对账,可以在系统中查询,或联系相关部门。”)

加上财务部门的配置块后,同一个问题(仍是假设的示例)得到的正是该部门需要的四列表格:

| 订单号  | 金额 | 对账状态 | 备注                                 |
| VD-1023 | —    | 未确定   | 运单系统尚无状态,请询问负责对账的同事 |

值得注意的是“对账状态”这一格。模型写的是“未确定”,而不是为了填满表格写上“已对账”,因为财务部门自己的策略禁止这样做。金额一格留空,没有编造数字。“备注”列写着运单系统尚无状态、请询问负责对账的同事,这来自“没有把握时要直说”那条共用策略。

进一步检查: 如果回答开始几乎逐字照搬某个示例,说明示例之间太相似。换掉其中一个,改成完全不同的情形。

第 6 步:同事测试

Anthropic 给出了一条“黄金法则”:把提示词交给一位几乎不了解该任务的同事,请对方照着执行。如果对方感到困惑,Claude 也会。

请一位不在项目里的人通读整份提示词,然后扮演财务部门的助手。对方每问一次“这是什么意思?”,你就找到了一行需要重写的内容。

常见错误

第一个错误是在版本之间改标签名,比如今天写 <context>,下周改成 <background>。这样就抵消了 Anthropic 所建议的一致性。

第二个错误是把某个部门的策略放进共用的 <policies>,而不是 <department_policies>,结果另一个部门背上了对它毫无意义的约束。第三个错误是部门角色写得太长,盖过了全公司的角色。

这类需求在客户那里是什么样子?

在客户那里,没人会把它叫作“分层提示词”。他们会说:“我们部门想让助手回答得稍微不一样一点。”

先和这个部门坐下来,问三个问题:他们需要助手扮演什么角色;回答必须遵循什么格式;有什么话绝对不能说,以及为什么。

这三个问题的答案就填满了 <department_config> 块,包括 <department_policies>。

写简历时,不要只写“编写提示词”。要写明你设计了一份多个部门共用的提示词,新增一个部门只需多写一个配置块。

一旦第二个部门开始使用助手,难点就不再是把句子写好,而是判断哪些内容属于全公司,哪些只属于某个部门。

这篇文章对你有帮助吗?

4 个信源
路线图上的下一篇 · 阶段 3: AI 应用温度参数逐渐被锁定,调参却没有过时max tokens、停止序列和惩罚参数仍决定输出能否用,每类任务都要单独配置。