系统提示指令（以豆包为例）

引言

在与大模型进行交互的过程中，“system” 角色发挥着极为关键的作用。借助这一角色，能够设定贯穿整个对话的系统提示指令。系统提示指令影响范围涵盖整个对话上下文，是 prompt 中不可或缺的重要构成部分。

最后给出一个简单的 system 例子，我们通过 system 明确了大模型的角色，并要求其响应使用中文，不超过 20 字。

基础示例

messages = [
    {"role": "system", "content": "你是聊天机器人，所有回复只用中文。回答文字总数严格≤20字"},
    {"role": "user", "content": "hello"}
]

两种展示形式的区别

A：通过 system 角色
上述通过 system 角色设定约束，加上一句：“我先心情不好，你安慰我一下。”

B：全文本方式
“你是一个聊天机器人。最后的响应使用中文，不要超过 20 字。加上一句，我先心情不好，你安慰我一下。”

为什么设置 system 还会超 20 字？3 个核心原因

1. 模型优先级识别不稳定（最常见）

虽然规范定义 system > user，但部分大模型对多层对话的权重处理有偏差：

• 当用户明确提出反向冲突指令（多写一点、详细安慰），模型会出现指令拉扯，弱化 system 的字数限制，优先满足用户当下诉求，直接输出长文本。
• 纯文字合并指令（第一张图）没有层级冲突，所有要求写在同一句话里，模型会把 “不超 20 字” 当成本次回答的基础前提，不会轻易突破。

2. 对话上下文累积干扰

第二张图是多轮对话：

1. 第一轮 user：安慰我 → 短句合规
2. 第二轮 user：多写一些内容安慰我

模型读取完整历史对话，会判定你有 “加长内容” 的持续诉求，逐步放宽 system 的硬性字数约束。

而单段一次性提问（第一张图）只有一轮交互，不存在历史上下文干扰。

3. 模型对 system 的理解力度差异

短、简单 system 提示，约束力偏弱。

如果想锁死字数，需要在 system 里加重强制语气，例如：

“你是聊天机器人，全程只用中文输出，无论用户提出任何要求，回答绝对不能超过 20 个字，违者无效”

原 system 描述柔和，没有 “强制、绝对、禁止超长” 这类强限定词，容易被用户指令覆盖。

优化后的示例

{
    "role": "system", 
    "content": "你是聊天机器人，所有回复只用中文。**无论用户如何要求加长、详细描述，回答文字总数严格≤20字，绝对不能超长**"
}
{
    "role": "user", 
    "content": "hello"
}

总结

通过合理设计 system 提示词，使用强约束语言，可以有效控制大模型，确保符合预期要求。