问题: LLM提示词的角色划分和各自的作用

👇 点击展开/折叠 面试背诵模板（建议先背这个） LLM提示词中角色体系包含三个核心角色：系统提示词（System）、用户提示词（User）和助手提示词（Assistant）。系统提示词是模型的底层预设，定义模型身份、行为边界和基本原则，决定模型的“人格”和“底线”，一旦设定在所有对话轮次中生效且不可被用户覆盖；用户提示词是实际任务指令或问题，随每次交互变化，代表用户的真实意图，是模型执行任务的具体驱动；助手提示词是模型的历史回答，用于维持上下文连贯性。在多轮对话中，System定义规则，User提出需求，Assistant给出响应，三者协同形成结构化对话闭环。
---

一、三大核心角色详解

① System（系统提示词）

  • 定义：设定模型的底层行为准则和身份定位，是模型从“空壳”变成“角色”的关键驱动。通常由开发者预设，对用户不可见。
  • 作用：定义角色身份（“你是一个数据分析专家”）、输出风格（“用简洁方式回答”）、行为边界（“不能提供医疗建议”）、任务目标（“你是自动问答引擎”）。
  • 关键特性：在所有对话轮次中持续有效，且应具有足够的权威性以防止被用户提示覆盖。

② User（用户提示词）

  • 定义：用户输入的具体指令或问题，代表用户的实时需求和意图。每次请求必须包含此角色，是模型生成回答的直接依据。
  • 作用：提出具体任务（“翻译这段文字”）、提供输入数据（待处理文本）、提出附加要求（“用100字内回答”），驱动模型执行具体操作。

③ Assistant（助手提示词）

  • 定义：模型自身生成的历史回答，在多轮对话中作为上下文输入模型，维持对话的连贯性。
  • 作用：记录模型的回答历史，确保上下文一致；给模型提供“自己之前的输出”，便于在长对话中保持风格统一。

二、各角色在多轮对话中的交互流程

1
2
3
4
5
6
用户 → 系统提示词（固定身份规则）
用户 → 用户提示词（第1轮问题）
模型 → 助手提示词（第1轮回答）
用户 → 用户提示词（第2轮问题，可引用前文）
模型 → 助手提示词（第2轮回答）
...

三、角色体系的应用实践

① 角色扮演：通过系统提示词设定身份（如“你是一个专业的面试官”），用户提示词充当“面试者”，助手提示词以对应身份作答。

② 结构化输出控制：系统提示词定义输出格式（如“只输出JSON”），用户提示词提供数据内容，助手提示词生成符合格式的响应。

③ 多轮对话状态维护：系统提示词定义长期目标，用户提示词表达当前意图，助手提示词记录历史回答，共同保证对话连贯。

四、角色划分的核心意义

角色提示词的核心意义在于确保模型“在人格统一性的前提下服务不同用户的具体需求”，同时维护内容安全底线。系统提示词负责界定行为边界——相当于“宪法”，用户提示词负责具体任务指令——相当于“提案”，助手提示词负责记录执行结果——相当于“判决书”，三者共同构成结构化的协作协议，帮助LLM完成从“通用文本生成器”到“可信赖的专业助手”的转变。