Skip to main content

​
Prompt 工程

Written: 2026.06
第 11 章跟敲代码：codealong/chapters/ch11_prompt_engineering。 这部分代码是本章跟敲版，用来先跑通核心闭环；完整项目源码仍以本讲后文标注的 qa_core/、scripts/ 等路径为准。
上一讲：RAG Pipeline 主流程深度解析
下一讲：FastAPI 与异步 Web 框架

​
1. 本讲目标

  • 理解 Prompt Profile 的概念和设计动机
  • 掌握 System Prompt 的编写原则(身份、边界、约束)
  • 理解问题类别与 Prompt 模板的映射关系
  • 理解为什么让 LLM 自行判断模板会引入不稳定性

​
2. 前置知识 — Prompt 工程基础

​
2.1 什么是 Prompt 工程

Prompt 工程是设计和优化发送给 LLM 的指令文本的过程。 一个完整的 Chat Prompt 通常由两部分组成： 
System Prompt(系统提示)：
  告诉 LLM "你是谁"、"你的行为边界"、"你应该如何回答"
  → 对整个对话有效，通常不随用户问题改变

User Prompt(用户提示)：
  具体的用户问题 + 上下文资料
  → 每次提问都不同

​
2.2 为什么 System Prompt 很重要

没有 System Prompt 的 LLM 是一个”通用聊天机器人”，它可能会：
  • 用搞笑的口吻回答严肃的企业制度问题
  • 在没有资料的情况下自信地编造答案
  • 忘记自己的专业领域，回答任何问题
有了明确的 System Prompt，LLM 成为一个”有角色的专业助手”。

​
3. Prompt Profile 系统设计

​
3.1 什么是 Prompt Profile

Prompt Profile 是一组预设的 System Prompt + User Prompt 模板，针对不同类型的问题使用不同的回答策略。 当前代码中共有 8 个最终回答档位：faq_answer、knowledge_answer、follow_up、pricing_guard、compliance_guard、troubleshooting_steps、source_bound_summary、default_answer。其中前 3 个按意图兜底选择，后 4 个按问题类别优先选择，default_answer 只用于未知意图或新增意图兜底。 
@dataclass(frozen=True)
class PromptProfile:
    name: str              # 模板名称(用于 trace)
    system_template: str   # System Prompt 模板
    user_template: str     # User Prompt 模板
    reason: str            # 选择此模板的原因

​
3.2 模板注册

# qa_core/prompts/profiles.py

# 默认模板(最宽松)
DEFAULT_PROMPT_PROFILE = PromptProfile(
    name="default",
    system_template=(
        "你是{assistant_name}，专门解答{business_domain}相关问题。\n"
        "请基于提供的参考资料回答用户问题，给出清晰、准确的信息。\n"
        "如果资料不足以回答，请诚实说明。"
    ),
    user_template="参考资料：\n{context}\n\n用户问题：{query}",
    reason="通用知识问答模板",
)

# 按意图选择(兜底)
PROMPT_PROFILES: dict[str, PromptProfile] = {
    "FAQ_QUERY": PromptProfile(
        name="faq_answer",
        system_template=(
            "你是{assistant_name}。以下标准答案来自{business_domain}的官方 FAQ。\n"
            "直接使用标准答案回复用户，可以适当简化但不能改变原意。"
        ),
        user_template="标准答案：{context}\n\n用户问题：{query}",
        reason="FAQ 类问题优先复用标准答案，控制回答长度和业务口径。",
    ),
    "KNOWLEDGE_QUERY": PromptProfile(
        name="knowledge_answer",
        system_template=(
            "你是{assistant_name}，专门解答{business_domain}相关问题。\n"
            "回答要求：\n"
            "1. 严格基于提供的参考资料，不得超出资料范围\n"
            "2. 条理清晰，必要时分点或分步骤说明\n"
            "3. 引用资料中的具体条款或流程\n"
            "4. 如果涉及多份资料，请综合后给出完整答案\n"
            "5. 不确定的信息请明确标注"
        ),
        user_template="参考资料：\n{context}\n\n用户问题：{query}",
        reason="业务知识咨询需要整合文档资料，允许按流程、规则、步骤或说明结构化回答。",
    ),
    "FOLLOW_UP": PromptProfile(
        name="follow_up",
        system_template=(
            "你是{assistant_name}，专门解答{business_domain}相关问题。\n"
            "请结合对话历史回答用户的追问。\n"
            "注意指代消解，但回答焦点仍限定在当前问题。"
        ),
        user_template="对话历史：\n{history}\n\n参考资料：\n{context}\n\n用户问题：{query}",
        reason="追问需要结合历史理解指代，但回答焦点仍限定在当前问题。",
    ),
}

​
3.3 场景变量注入

注意模板中的 {assistant_name}、{business_domain}、{industry} 等变量。这些变量在运行时从场景配置注入： 
# qa_core/prompts/selector.py
def _scenario_prompt_context(scenario):
    return {
        "assistant_name": scenario.assistant_name,      # "企业知识助手"
        "business_domain": scenario.business_domain,    # "企业内部制度与流程"
        "industry": scenario.industry,                   # "企业服务"
        "support_contact": scenario.support_contact,    # "400-xxx-xxxx"
        "phone": scenario.support_contact,
    }
这样同一套 Prompt 模板可以用于所有 8 个场景，只需配置不同的业务身份。

​
4. 问题类别的严格模板

​
4.1 费用类(Pricing)模板

CATEGORY_PROMPT_PROFILES: dict[str, PromptProfile] = {
    "pricing": PromptProfile(
        name="pricing_guard",
        system_template=(
            "你是{assistant_name}，专门解答{business_domain}中的费用、价格、退款、"
            "支付相关问题。\n\n"
            "⚠ 重要规则：\n"
            "1. 只能基于参考资料中明确写明的金额、费率、退款条件来回答\n"
            "2. 不得估算、猜测或自行承诺任何金额\n"
            "3. 不得做出'应该可以退款'、'大概多少钱'等不确定表述\n"
            "4. 如果资料中没有明确说明，必须回答'资料中没有明确说明该费用/退款条件，"
            "建议联系{phone}确认'\n"
            "5. 金额相关回答必须注明依据的具体条款"
        ),
        user_template="参考资料：\n{context}\n\n用户问题：{query}",
        reason="费用、退款、优惠、发票等强口径问题必须保守回答，并区分已确认/未确认。",
    ),
    "compliance": PromptProfile(
        name="compliance_guard",
        system_template=(
            "你是{assistant_name}，专门解答{business_domain}中的合规、法律、"
            "合同、审计相关问题。\n\n"
            "⚠ 严格规则：\n"
            "1. 只能逐条引用参考资料中的具体规定来回答\n"
            "2. 不得对合规性做任何主观判断(不能说'这是合规的'或'这不违规')\n"
            "3. 只能表述为'根据XX规定，该情况下需要XX'\n"
            "4. 涉及法律责任时，必须注明具体的责任条款编号\n"
            "5. 信息不足时，必须引导用户联系{phone}进行专业合规咨询\n"
            "6. 不得简化或省略合规流程中的任何步骤"
        ),
        user_template="参考资料：\n{context}\n\n用户问题：{query}",
        reason="合规、合同、隐私、审计类问题需要更严格的确认边界和风险提示。",
    ),
    "troubleshooting": PromptProfile(
        name="troubleshooting_steps",
        system_template=(
            "你是{assistant_name}，专门解答{business_domain}中的故障排查、"
            "异常处理相关问题。\n\n"
            "回答要求：\n"
            "1. 严格基于提供的参考资料，按步骤输出排查流程\n"
            "2. 每个步骤说明操作目的和预期结果\n"
            "3. 如果资料中未说明某步骤，不得自行编造\n"
            "4. 区分'确定原因'和'可能原因'"
        ),
        user_template="参考资料：\n{context}\n\n用户问题：{query}",
        reason="故障排查类问题需要步骤化输出，同时不能编造文档外操作。",
    ),
    "summary": PromptProfile(
        name="source_bound_summary",
        system_template=(
            "你是{assistant_name}，专门解答{business_domain}相关问题。\n"
            "请根据提供的参考资料进行总结。\n\n"
            "要求：\n"
            "1. 只能总结资料中已出现的信息\n"
            "2. 整合多份资料时需指出信息来源于哪些资料\n"
            "3. 不得添加资料外的任何额外解读"
        ),
        user_template="参考资料：\n{context}\n\n用户问题：{query}",
        reason="总结类问题需要整合更多上下文，但只能总结资料中已出现的信息。",
    ),
}

​
4.2 合规类(Compliance)模板

# CATEGORY_PROMPT_PROFILES(完整定义见 3.1 节)中的合规档位：
"compliance": PromptProfile(
    name="compliance_guard",
    system_template=(
        "你是{assistant_name}，专门解答{business_domain}中的合规、法律、"
        "合同、审计相关问题。\n\n"
        "⚠ 严格规则：\n"
        "1. 只能逐条引用参考资料中的具体规定来回答\n"
        "2. 不得对合规性做任何主观判断(不能说'这是合规的'或'这不违规')\n"
        "3. 只能表述为'根据XX规定，该情况下需要XX'\n"
        "4. 涉及法律责任时，必须注明具体的责任条款编号\n"
        "5. 信息不足时，必须引导用户联系{phone}进行专业合规咨询\n"
        "6. 不得简化或省略合规流程中的任何步骤"
    ),
    user_template="参考资料：\n{context}\n\n用户问题：{query}",
    reason="合规、合同、隐私、审计类问题需要更严格的确认边界和风险提示。",
),

​
4.3 问题类别与模板的映射

# qa_core/prompts/profiles.py

# 按问题类别选择(优先级更高)—— 每个档位在字典中内联定义
CATEGORY_PROMPT_PROFILES: dict[str, PromptProfile] = {
    "pricing": PromptProfile(
        name="pricing_guard", ...),       # 费用/价格类严格模板
    "compliance": PromptProfile(
        name="compliance_guard", ...),    # 合规/法律类最严格模板
    "troubleshooting": PromptProfile(
        name="troubleshooting_steps", ...), # 故障排查步骤化模板
    "summary": PromptProfile(
        name="source_bound_summary", ...), # 总结归纳模板
}

# 按意图选择(兜底)—— 每个档位在字典中内联定义
PROMPT_PROFILES: dict[str, PromptProfile] = {
    "FAQ_QUERY": PromptProfile(
        name="faq_answer", ...),           # FAQ 标准答案模板
    "KNOWLEDGE_QUERY": PromptProfile(
        name="knowledge_answer", ...),     # 知识咨询综合回答模板
    "FOLLOW_UP": PromptProfile(
        name="follow_up", ...),            # 追问结合历史模板
}

​
4.4 选择优先级

def build_answer_prompt_profile(intent, scenario, query):
    question_category = infer_question_category(query or "")

    # 1. 问题类别优先(pricing/compliance 等高风险类别)
    profile = CATEGORY_PROMPT_PROFILES.get(question_category)

    # 2. 再按意图选择
    if profile is None:
        profile = PROMPT_PROFILES.get(intent)

    # 3. 都不命中用默认模板
    if profile is None:
        profile = DEFAULT_PROMPT_PROFILE

    # 注入场景上下文变量
    context = _scenario_prompt_context(scenario)
    return PromptProfile(
        name=profile.name,
        system_template=profile.system_template.format(**context),
        user_template=profile.user_template,
        reason=profile.reason,
    )

​
5. 为什么不用 LLM 选择模板

这是一个值得讨论的设计决策。 方案 A(不使用)：让 LLM 每次自己判断该用哪个模板。 
问题：LLM 判断 → "这是合规类问题，用严格模板" → 生成答案
方案 B(本项目采用)：确定性规则选择。 
问题 → 意图识别(规则/LLM)→ 问题类别推断(规则)→ 确定模板
选择方案 B 的原因：
  1. 检索策略和 Prompt 模板必须一致：如果检索时判断为 FAQ_QUERY(FAQ 优先)，但 Prompt 时 LLM 判断为 knowledge_answer(综合分析)，就会出现”只召回了 FAQ 但要求综合分析”的不匹配。
  2. 减少一次 LLM 调用：每次生成答案前再让 LLM 选一次模板，增加延迟和成本。
  3. 确定性 > 灵活性：在高风险场景(费用、合规)，我们希望模板选择是 100% 确定的，不能依赖 LLM 的”判断”。LLM 可能在一次调用中正确选择了合规模板，下一次却用了默认模板。

​
6. System Prompt 编写原则

从本项目的 Prompt 设计中可以总结出几个原则：

​
6.1 身份明确

✅ "你是企业知识助手，专门解答企业内部制度与流程相关问题。"
❌ "你是一个 AI 助手。"

​
6.2 行为边界清晰

✅ "严格基于提供的参考资料。不得超出资料范围。"
❌ "尽量基于参考资料回答。"("尽量"给了模型太多自由)

​
6.3 对高风险场景做显式约束

✅ "涉及合规、金额、法律责任时，必须注明依据的具体条款。"
✅ "不得估算、猜测或自行承诺任何金额。"

​
6.4 提供失败兜底行为

✅ "如果资料不足，必须回答'信息不足，请联系 XXX'"
❌ (不写兜底，模型可能即兴发挥)

​
7. 本讲实践闭环

项目内容
本讲类型项目实现
实践产物prompts/profiles.py、prompts/selector.py 和场景化 Prompt Profile
是否进入最终项目是
验收方式不同问题类别命中不同模板，高风险问题进入安全约束模板
后续落点第 10 讲生成阶段使用，第 17/19 讲观察答案质量和 trace
通过标准：Prompt 选择有明确优先级，模板变量能从场景配置注入，回答边界可控。

​
7.1 本讲从 0 到 1 实现闭环

这一讲要完成的是“Prompt 可治理”，不是写一个越来越长的大提示词。实现顺序如下：
  1. 先把回答模板抽象成 PromptProfile，每个 profile 说明适用场景和选择原因。
  2. 再把 FAQ、知识问答、追问、高风险费用/合规问题拆成不同 profile。
  3. 然后实现确定性的选择器：先看问题类别，再看意图，最后才用默认模板。
  4. 最后把场景配置中的助手名称、业务领域、兜底话术注入模板。
实现完成后，相关代码结构应该是下面这张图： 来源：真实代码逻辑压缩版，对应 qa_core/prompts/profiles.py。 
@dataclass(frozen=True)
class PromptProfile:
    name: str
    system_template: str
    user_template: str
    reason: str

PROMPT_PROFILES = {
    "FAQ_QUERY": PromptProfile(name="faq_answer", ...),
    "KNOWLEDGE_QUERY": PromptProfile(name="knowledge_answer", ...),
    "FOLLOW_UP": PromptProfile(name="follow_up", ...),
}

CATEGORY_PROMPT_PROFILES = {
    "pricing": PromptProfile(name="pricing_guard", ...),
    "compliance": PromptProfile(name="compliance_guard", ...),
    "troubleshooting": PromptProfile(name="troubleshooting_steps", ...),
    "summary": PromptProfile(name="source_bound_summary", ...),
}

DEFAULT_PROMPT_PROFILE = PromptProfile(name="default_answer", ...)
选择逻辑必须是确定性的。费用、合规、合同风险这类高风险类别不能交给 LLM 自己判断，否则一次误判就可能造成错误承诺。 来源：真实代码节选，见 qa_core/prompts/selector.py::build_answer_prompt_profile()。 
def build_answer_prompt_profile(
    intent: str,
    scenario: ScenarioDefinition | None = None,
    query: str | None = None,
) -> PromptProfile:
    question_category = infer_question_category(query or "")
    profile = (
        CATEGORY_PROMPT_PROFILES.get(question_category)
        or PROMPT_PROFILES.get(intent, DEFAULT_PROMPT_PROFILE)
    )
    context = _scenario_prompt_context(scenario)
    return PromptProfile(
        name=profile.name,
        system_template=profile.system_template.format(**context),
        user_template=profile.user_template,
        reason=profile.reason,
    )
场景变量不要写死在 Prompt 里。8 个业务场景共用一套模板，只把 assistant_name、business_domain、fallback_contact 等配置注入进去。 来源：真实代码逻辑压缩版，对应 qa_core/prompts/selector.py::_scenario_prompt_context()。 
def _scenario_prompt_context(scenario=None) -> dict[str, str]:
    settings = get_settings()
    return {
        "assistant_name": scenario.assistant_name if scenario else "知识助手",
        "business_domain": scenario.business_domain if scenario else "业务知识库",
        "industry": scenario.industry if scenario else "通用知识问答",
        "support_contact": scenario.support_contact if scenario else settings.customer_service_phone,
        "phone": scenario.support_contact if scenario else settings.customer_service_phone,
    }
验收时不要只看“能回答”，还要验证不同类别是否命中正确 profile。 来源：命令行验收，对应 tests/test_retrieval_and_prompt.py。 
python -m pytest tests/test_retrieval_and_prompt.py -q
闭环验证重点：
验证项输入条件期望结果
FAQ 模板intent=FAQ_QUERY命中 FAQ 直出模板
知识问答模板intent=KNOWLEDGE_QUERY命中知识回答模板
追问模板intent=FOLLOW_UP命中追问上下文模板
费用类保护category=pricing命中费用安全模板
合规类保护category=compliance命中合规安全模板
场景变量切换业务场景assistant/domain 等变量正确注入
默认兜底新增未知 intent使用 DEFAULT_PROMPT_PROFILE
模板脱敏调试信息as_dict() 只返回 name/reason，不暴露完整 prompt
验收重点：Prompt 是一组可选择、可解释、可测试的业务回答策略，不是散落在代码里的长字符串。

​
8. 重点掌握

优先级内容原因
★★★ 必会Prompt Profile 的概念和结构：name + system_template + user_template + reason，8 个最终回答档位本项目的提示词管理方式
★★★ 必会Profile 选择优先级：问题类别(pricing/compliance/troubleshooting/summary)> 意图(FAQ_QUERY/KNOWLEDGE_QUERY/FOLLOW_UP)> 默认模板确定性的选择策略，面试常问
★★★ 必会高风险问题类别的特殊模板：费用类(不得估算金额)、合规类(不得主观判断合规性)高风险场景的 Prompt 安全约束
★★ 理解确定性选择 > LLM 判断的原因：检索策略和 Prompt 模板必须一致、减少一次 LLM 调用、高风险场景必须 100% 确定重要的设计决策依据
★★ 理解场景变量注入(_scenario_prompt_context)：assistant_name、business_domain 等从 TOML 注入同一套模板跨 8 个场景复用的机制
★★ 理解build_answer_prompt_profile() 的完整选择逻辑Profile 选择的代码实现
★ 了解System Prompt 编写原则：身份明确、行为边界清晰、高风险显式约束、提供失败兜底Prompt 工程通用技巧
★ 了解CATEGORY_PROMPT_PROFILES 和 PROMPT_PROFILES 两个字典的注册方式了解模板组织方式

​
9. 本讲小结

  • Prompt Profile 是预设的 System/User Prompt 模板集合，针对不同问题类别使用不同策略
  • 选择优先级：问题类别(费用/合规等)> 意图(FAQ/知识咨询)> 默认模板
  • 场景变量注入使同一套模板可以跨 8 个场景复用
  • 确定性选择 > LLM 判断：高风险模板(费用、合规)的选择必须是 100% 确定的
  • 关键在于让 LLM 知道”能做什么”比”不能做什么”更难，所以约束性指令要明确
下一讲：FastAPI 与异步 Web 框架 — async/await、WebSocket、FastAPI 路由设计