一、Prompt 核心定义
Prompt：指挥大模型（LLM）工作的所有指令、文本、规则的统称，是人与AI交互的核心媒介。
通俗理解：相当于给AI下达的「工作需求文档」，AI的输出效果，完全取决于Prompt的编写质量。
适用场景：AI对话、RAG知识库、代码生成、结构化数据输出等所有AI应用。
二、企业项目标准 Prompt 三大核心分类（必分开编写）
真实开发中必须拆分独立编写、独立传参，禁止混为一大段文本，是行业硬性规范。
1. System Prompt（系统提示词）
核心作用：给AI设定固定人设、全局工作规则、回答边界、输出规范，整轮对话永久生效，优先级最高。
特点：全程固定不变、不会被上下文截断、优先执行规则。
RAG项目必备规则：限制AI幻觉，强制依托知识库作答。
通用示例：
你是专业的知识库答疑助手，只能基于提供的参考资料回答用户问题；
资料中无相关内容时，如实告知用户，禁止编造、虚构信息；
回答通俗易懂，逻辑清晰，不输出无关内容。
2. User Prompt（用户提示词）
核心作用：用户每一轮的实时提问、最新需求，是动态变化的内容。
项目拓展：RAG场景中，会拼接检索到的知识库片段+用户问题，组合成最终用户Prompt。
示例：
参考资料：xxx（向量、pgvector相关文档片段）
用户问题：pgvector的核心作用是什么？
3. Few-shot Prompt（少样本提示词）
核心作用：给AI提供1-5组「输入-输出」示例，强制AI模仿固定格式、固定风格输出结果。
适用场景：需要结构化输出（JSON、表格、固定格式文本）的企业项目。
示例（JSON结构化输出）：
要求：根据输入的技术名词，固定输出JSON格式
示例1：
输入：SSE
输出：{"name":"SSE","desc":"服务端流式推送协议","usage":"实现AI打字流式输出"}
现在输入：pgvector
三、企业真实开发结构（代码标准格式）
所有AI接口请求，统一拆分三部分，适配上下文截断、Token管控、RAG业务：
const messages = [
// 1. 固定系统规则（永久保留，不截断）
{ role: "system", content: "你的角色和工作规则..." },
// 2. 历史对话（动态增减、超限优先截断）
{ role: "user", content: "历史问题" },
{ role: "assistant", content: "历史回答" },
// 3. 当前最新提问+RAG参考资料
{ role: "user", content: "参考资料：xxx \n 用户问题：xxx" }
]
四、为什么企业必须拆分Prompt？（核心 reasons）
规则不丢失：System独立存在，不会因上下文截断被删除，保证AI规则永久生效；
精准管控Token：区分固定内容和动态内容，方便计算、节省接口成本；
可控截断上下文：仅删除历史对话，不删除核心系统规则；
RAG业务刚需：独立拼接知识库资料，精准限制AI作答范围，杜绝幻觉；
代码可维护：结构清晰，便于迭代、修改、复用。
五、今日核心总结（必背）
Prompt工程是AI应用开发基础，直接决定AI输出质量；
企业标准三类核心Prompt：System、User、Few-shot；
开发必须拆分编写，禁止混写，适配多轮对话、上下文截断、RAG知识库场景；
System Prompt 核心价值：约束AI行为，解决AI幻觉问题。
