系统提示词
在用户对话开始前注入给大语言模型的隐藏指令，用于设定模型的行为边界、语气和内容政策，但并非硬性代码约束，而是优先级别较高的自然语言文本
核心事实
时间轴 (近 90 天)
系统提示词过长会挤占上下文窗口，影响模型对用户输入的理解。
Coze的提示词分为系统提示词和用户提示词：系统提示词定义角色、技能、限制和输出模式，用户提示词是实际输入的问题或指令。
“记住你是一个乐于助人、友好且专业的助手……”这一段占 97 个 token（八十一个单词），而每个现代模型默认就会这样做
作者虚构的电子产品商店支持机器人提示词共 946 个 token，其中政策占 234 个，示例占 192 个，回答格式占 127 个
API 是无状态的，不会在调用之间记住系统提示词，因此每次请求都需要重新发送并重新付费
在提示注入尚无完美防御的当下，权限隔离是少数可以确定性交付的安全控制。
AgentCore 的记忆检索发生在模型调用之前，检索到的长期记录被拼接进系统提示词，而不是作为模型可选择调用的工具。
将检索前置到系统提示词会增加每次调用的输入 token 数量，从而增加成本，但提升了记忆使用的确定性。
原文在系统提示词中规定：会话开始时读取项目记忆和用户记忆；只追加简洁、有用且在未来会话中可能仍然成立的事实；绝不存储密钥、凭据或临时任务细节。
修复方向是将决策从提示词移到代码：模型仍扮演角色（如说'正在将您转接至挽留团队'），但资格校验、折扣码生成和发放记录应由后端代码完成，包括检查账号是否符合条件、生成一次性折扣码并记录获得者。
还有 40 条时间轴事件
全部知识事实 (20)
系统提示词（system prompt）是大语言模型对话架构中优先级最高的指令层，在用户消息之前注入并影响模型对所有后续输入的处理方式
65%已验证在没有人类引导时，即使配置强烈的系统提示词，AI智能体行为也会走向快速极化或礼貌性共识循环两个极端
65%待验证商业AI产品的系统提示词长度从几百token到数万token不等
80%待验证生产级系统提示词长度可达数千甚至上万token
80%待验证在企业级应用中，一个生产可用的系统提示词往往需要经过数十次迭代，涵盖角色定义、行为边界、异常处理、输出格式等多个维度
75%部分验证Prompt（提示词）是用户或系统向大模型输入的指令文本，决定模型理解任务的方式与输出质量。
65%待验证仅靠系统提示词中的约束在面对足够狡猾的攻击时往往形同虚设
60%待验证系统提示词的大量篇幅通常用于设定安全护栏，包括拒绝生成有害内容、避免危险操作指南、保护隐私、防止越狱攻击
60%待验证系统提示词过长会挤占上下文窗口，影响模型对用户输入的理解。
50%待验证Coze的提示词分为系统提示词和用户提示词：系统提示词定义角色、技能、限制和输出模式，用户提示词是实际输入的问题或指令。
50%待验证API 是无状态的，不会在调用之间记住系统提示词，因此每次请求都需要重新发送并重新付费
50%待验证作者虚构的电子产品商店支持机器人提示词共 946 个 token，其中政策占 234 个，示例占 192 个，回答格式占 127 个
50%待验证“记住你是一个乐于助人、友好且专业的助手……”这一段占 97 个 token（八十一个单词），而每个现代模型默认就会这样做
50%待验证在提示注入尚无完美防御的当下，权限隔离是少数可以确定性交付的安全控制。
50%待验证AgentCore 的记忆检索发生在模型调用之前，检索到的长期记录被拼接进系统提示词，而不是作为模型可选择调用的工具。
50%待验证将检索前置到系统提示词会增加每次调用的输入 token 数量，从而增加成本，但提升了记忆使用的确定性。
50%待验证原文在系统提示词中规定：会话开始时读取项目记忆和用户记忆；只追加简洁、有用且在未来会话中可能仍然成立的事实；绝不存储密钥、凭据或临时任务细节。
50%待验证指令塑造行为，但不能授予或保护任何东西；把敏感资源的访问控制寄托在提示词上，等于把门锁的钥匙写在门上。
50%待验证修复方向是将决策从提示词移到代码：模型仍扮演角色（如说'正在将您转接至挽留团队'），但资格校验、折扣码生成和发放记录应由后端代码完成，包括检查账号是否符合条件、生成一次性折扣码并记录获得者。
50%待验证作者建议把系统提示词当作会被公开发布的内容来写，因为其中一部分注定会被读到；这不意味着放弃防御性指令，而是不要依赖它们承担安全职责。
50%