[控场AI]
概念系统提示 / 系统提示词

System Prompt

大语言模型对话中由平台或开发者在用户输入前预置的指令文本,用于设定AI的角色、行为边界和任务背景,对用户不可见但优先于用户输入生效

核心事实

时间轴 (近 90 天)

10月29日

在Agentic Loop中,system prompt应设定全局约束,如允许操作的目录、遇到何种错误必须停止询问、禁止修改的文件等。

待验证50%
10月29日

如果system prompt规则模糊,AI代理可能在错误方向上反复循环,浪费token和时间。

待验证50%
10月20日

System Prompt写在Message数组最顶部,权限最高,用于设定AI的行为准则和角色风格。

待验证50%
10月15日

系统提示词是当前约束 AI 编程代理行为最主要的手段,其约束力会随对话轮次增加而衰减,且是全局的、静态的,无法针对不同阶段给出差异化约束。

待验证50%
10月13日

精简 Supervisor 的 System Prompt,将每个 Agent 的完整描述压缩为不超过 50 字的能力摘要,只保留'什么情况下调用谁'的核心信息,是一种优化策略。

待验证50%
10月13日

Supervisor 的 System Prompt 通常比单个 Agent 更长,因为需要描述所有 Agent 的能力边界、调用条件和输出格式;8 个 Agent 的职责说明可能占据 1000-2000 Token。

待验证50%
10月12日

在医疗场景中系统提示词通常需明确限定模型仅回答健康相关问题、不替代专业医疗诊断等边界,以规避法律风险

待验证50%
10月11日

系统提示(System Prompt)用于告知模型自身的角色定位、回复风格以及哪些情况应当拒绝作答

待验证50%
10月11日

Claude的自定义指令在技术架构上相当于系统提示词的用户端版本,会在每次对话开始前被自动插入到对话上下文的最前端

待验证50%
10月11日

Skill 在一些平台中通过系统提示词(System Prompt)注入,在另一些平台中以独立的工具定义或函数调用形式存在

待验证50%

还有 32 条时间轴事件

全部知识事实 (20)

已验证

在大语言模型的对话架构中,System Prompt具有最高优先级,能够持续影响模型在整个会话中的行为边界

80%
已验证

系统提示词是由厂商预设、对用户不可见的指令层,在用户对话开始前注入模型上下文,用于塑造模型行为边界、回答风格和安全策略

70%
已验证

对话记忆以记忆摘要形式存储会随对话增多产生偏差,而全局个性化指令硬编码进每次请求的系统提示词,不受记忆衰减影响

65%
已验证

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

系统提示词(System Prompt)可以将大模型行为约束为特定角色、风格和输出格式

65%
已验证

全局AI指令本质上是注入到每次AI交互中的系统提示词(System Prompt),可包含编码风格要求、技术栈约束和输出格式规范

65%
待验证

System Prompt与用户输入本质上都是模型的输入token,模型并不存在独立的规则执行引擎来强制保证指令被遵守

90%
待验证

CLAUDE.md 本质上是一种结构化的系统提示(System Prompt)实践,在整个会话周期内始终生效

85%
待验证

不同大模型对System Prompt和Skill指令之间的优先级处理方式各不相同,有些严格遵循System Prompt,有些更容易被后出现的Skill指令覆盖

80%
待验证

当系统提示词因多任务而变得复杂时,不同任务的指令之间会产生语义冲突,稀释注意力机制对关键信息的聚焦能力

80%
待验证

System Prompt、Few-shot示例、思维链(Chain-of-Thought)等技术手段共同构成了Agent行为的软件层

80%
待验证

Claude MD文件的内容会被注入到每次对话的上下文窗口最前端,属于系统提示词的持久化形式

80%
待验证

全局上下文文件(如global_rules.md)本质上是系统提示词(System Prompt)的工程化落地

80%
待验证

该AI补环境方案的核心竞争力在于精心编写的System Prompt,而非具体使用哪个AI模型

75%
待验证

生产环境中Agent的System Prompt长度可能从几百Token膨胀至数千Token,导致每次调用的基础成本大幅抬升

75%
待验证

技能的自然语言描述通常被注入到 System Prompt 中,与 Agent 的角色设定、行为规则共同构成完整的提示上下文

60%
待验证

防范提示词注入需要在输入清洗、来源隔离(区分可信指令与不可信数据)和人工复核多个层面采取措施

60%
待验证

如果system prompt规则模糊,AI代理可能在错误方向上反复循环,浪费token和时间。

50%
待验证

在Agentic Loop中,system prompt应设定全局约束,如允许操作的目录、遇到何种错误必须停止询问、禁止修改的文件等。

50%
待验证

System Prompt写在Message数组最顶部,权限最高,用于设定AI的行为准则和角色风格。

50%

来源文章