FDE 短课 FDE-18
FDE-18
Prompt 工程:结构化输出、few-shot、系统提示
- 入门到进阶
- LLM 应用
- Day 18
场景:「写长一点,它就会听话。」
物业报修助手继续(接 FDE-17)。通道和计费约束谈过了,这周要把三个意图写进提示词:查进度、标准问答、催办短讯草稿。
有人交来一版系统提示,写了很长一段:「你是专业、友善、准确的助手,任何问题都要尽力回答,回复要生动……」下面又贴了二十张旧工单当例子。试跑下来,查进度有时写成一段安慰的话,有时把预约时间编出来;催办短讯把「明天中午前」改成了「尽快」。
问题不在模型「不听话」,而在提示词没有把三件事钉死:系统提示负责角色和硬边界;few-shot 用少量对照例子示范合格输出;要交给系统的结果,得有固定结构,而且格式对不等于值对。 规格、版本和验收的完整写法,见科普篇 提示词工程;结构化输出的三层保证,见 结构化输出。本课先把这三件在报修助手里用起来。
概念
系统提示:站得住的规则,不是性格作文
系统提示(system prompt,有的厂商叫 developer message)是这一类请求里相对固定的指令:你是谁、只做哪一类任务、事实从哪里来、什么绝对不能做、材料不足时怎么说。
它不是「请你专业、友善、准确」这种形容词堆砌。那些话几乎检查不了,也拦不住编造。更有用的是可执行的边界,例如:
- 工单状态、预约时段、时限,只许使用本轮提供的系统字段;没有就说找不到,不要补一个时间。
- 不承诺减免管理费,不替管理处批准开工。
- 查进度、标准问答、催办草稿是不同任务,按本轮标明的意图执行,不要互相串戏。
本轮才变化的内容——这张工单的字段、住户原话——放在用户消息里,不要写进系统提示。系统提示尽量稳定,也方便前缀缓存(见 FDE-17)。用户原文要当数据看,不要和系统规则混在同一层;否则材料里如果夹着「忽略之前的规则」,边界会被冲掉。这一点在 提示注入 里展开,本课先做到:分隔清楚,用户原文不当新指令。
Few-shot:少而对照,不要堆快乐路径
Zero-shot 是只给说明、不给例子,可以先试。Few-shot 是再放几对「输入 → 合格输出」,让模型模仿形状、口径和拒答方式。
例子的价值不在多,而在对照:至少要有一个正常能答的,再加你真正怕的失败——查不到工单、住户没提供单号、手册片段里没有答案、时限必须原样保留。二十张都是「顺利查到进度」的旧单,模型学不到「不知道的时候该怎么说」。
例子会占上下文窗口、每次重送都计费,所以要短、要脱敏(不要把真实住户姓名、电话、单位写进提示词)。坏了再把失败案例加进去,而不是一开始就堆。
结构化输出:给下游一份能校验的形状
查进度的结果往往要写回 App 或工单系统,不能只靠一段自然句再正则去抠。做法是约定字段,例如:ticket_no、status、appointment_slot、answer、needs_human。催办草稿也一样:sms_text 可以略有措辞变化,但 ticket_no 和 deadline 必须从系统字段原样带出。
只在提示词里写「请输出 JSON」,能提高概率,但不保证每次都合法。厂商的 JSON 模式或 schema 约束,管的是格式;字段齐了,值仍可能是编的。原文没有的字段不要设成必填去逼模型硬填,把它设成可空,并留 needs_human 这类出口。生成之后用程序校验:格式不对就有限次重试,值对不上或缺失就转人工,不要直接写进系统。细节见 结构化输出。
flowchart TD
A[组装这一次请求] --> B[系统提示:角色、硬边界、输出字段]
A --> C[Few-shot:少量对照例子,含不会答的]
A --> D[本轮数据与用户原话]
B --> E[模型生成]
C --> E
D --> E
E --> F{格式和必填字段过关?}
F -->|否| G[有限次重试,或转人工]
F -->|是| H{值是否都来自本轮资料?}
H -->|否或资料不足| G
H -->|是| I[交给下游或展示]
香港落地例子
三个意图不要共用一篇「万能助手」长文,按任务拆开(或在同一系统提示里按意图分支,但边界各自写清):
- 查进度(「WO-3184 师傅到了没?」):系统提示写死,状态和时段只来自本轮工单字段;找不到就
needs_human: true,禁止补时间。温度偏低,输出限短。Few-shot 至少两对:一张能查到的单(字段齐全);一张系统返回「无此单」(不编造,说明查不到并转人工)。输出可以是下面这样的形状(教学用的虚构字段,不是任何屋苑的真实工单):
{
"ticket_no": "WO-3184",
"status": "已派工",
"appointment_slot": "2026-11-21 14:00-16:00",
"answer": "师傅已预约明日下午 2 点到 4 点上门。",
"needs_human": false
}
-
标准问答(「厕所地台渗水,我先可以做什么?」):只依据本轮附上的已审说明回答;片段没有的就说没有,不补「一般可以」。Few-shot 放一对「片段里有答案」和一对「片段没有、应拒答或转管理处」。对住户的短答可以是自然语言,同时给系统一个结构化摘要(主题、是否找到依据、是否转人工)。整本手册不要塞进提示词;按需取片段的做法,后面讲检索增强生成(RAG)时会展开。
-
催办短讯草稿:工单号和「明天中午前」由系统填入,模型只改措辞,可出两三个草稿供客服选。Few-shot 里放一个反例:把时限改写成「尽快」是不合格的。温度可以略高,但输出仍要带上原样保留的字段,方便程序核对。
给主管可以这样讲:提示词不是越长越灵;它是这一任务的规则、对照例子和交件格式。形容词堆不出稳定性,边界、例子和校验可以。
四类雇主的差异(对照即可):
| 雇主类型 | 这件事上的侧重点 |
|---|---|
| AI 原生 / 产品公司 | 系统提示和 schema 当产品配置,要有版本;few-shot 来自真实失败,而不是演示文稿 |
| 大厂云与平台 | 优先用平台的系统消息分层、JSON 模式或约束解码;向客户讲清:开了格式保证,不等于值已经对 |
| 咨询与系统集成 | 把系统提示、输出字段和「资料不足则转人工」写进 SOW;改提示词等于改已签字的行为 |
| 甲方企业内部(如银行、保险、地产) | 系统提示要过评审;few-shot 必须脱敏;对客话术和写入系统的字段分开,方便审计 |
面试怎么说
题目(公开面经里的常见问法类型):「系统提示和用户提示怎么分工?」或「什么时候用 few-shot?怎样让模型稳定输出给程序用的结果?」
答题思路:系统提示放角色、硬边界和输出规格,本轮数据和用户原话放在外面,当数据不当新指令。先 zero-shot 试,说明不够稳或边界案例难用文字说清时,再加少量对照例子,要覆盖「不会答」的情况,不要堆快乐路径。需要交给系统的结果约定字段;格式可以用 JSON 模式或 schema 约束来保证,但值必须校验,缺字段就留空或转人工,不要逼模型硬填。提示词改了要当行为变更来看;知识不在场就去检索,要实时状态就去系统取,不要靠把提示词写得更长来解决。
小练习
用 15 分钟,为「查进度」写一版最小可用的提示词,只含下面四项(尽量短):
- 系统提示:角色、事实来源、至少两条硬边界(含「不要编造预约时间」)
- 两个 few-shot:一个查到单,一个查无此单(输出字段要一致)
- 输出字段名单:哪些必填、哪个可空、何时
needs_human: true - 本轮用户消息里放什么(例如单号 WO-3184),什么不要放进系统提示
写完后对照:系统提示里有没有把这张单的具体字段写死;两个例子是不是同一套字段;「无此单」有没有仍编出一个上门时间。
一句话带走
系统提示写边界,few-shot 示范合格和不合格,结构化输出把交件形状固定下来。格式对不等于值对;值要对,还得靠本轮资料和程序校验。
自测
- 同事建议:把系统提示写成很长一段「专业、准确、生动」的形容词,再贴二十张都成功结单的旧工单当 few-shot,并且在提示词里要求「必须填齐所有字段,不准空」。这样做有什么问题?你会怎么改?
- 你在一家 AI 原生 / 产品公司做 FDE,产品经理想把「查进度」做成对客户开放的 API:每次返回 JSON。和物业报修的内部助手相比,你在系统提示、few-shot 和结构化输出上会怎么坚持?
先用自己的话写两三句,再打开答案。
参考答案
第 1 题:形容词几乎无法验收,也拦不住编造预约时间或改写时限。二十张都是顺利结单的例子,模型学不到「查无此单 / 没有单号」时该拒答,还白白占用窗口、增加费用;若例子里有真实住户资料,还有泄露风险。「必须填齐、不准空」会逼模型在没有依据时硬填,格式看起来很完整,值却是假的。应改成:系统提示写短而可执行的边界(事实只来自本轮字段、不准编时间、资料不足就转人工);few-shot 只留少量对照,必须包含失败或拒答;可空字段加上 needs_human;生成后做格式和业务校验,不合格则重试或转人工,不要直接写进系统。
第 2 题:对客户开放的 API 把输出字段变成了接口合约,比内部助手更不能「偶尔写成一段话」。系统提示和 schema 要进版本库,和模型、温度一起发布、回滚;改一句边界等于改产品行为,要用冻结案例回归,不能只靠演示时试两问。Few-shot 应用真实失败(查无单、缺字段、用户把催办和查进度混在一句话里),并脱敏。结构化输出要用平台的 JSON 模式或约束解码保证格式,但对外仍要在服务端校验:值必须能对上工单系统,缺的字段返回空或明确的错误,而不是让模型编一个状态交差。格式保证要写进文档,免得客户以为「每次都是合法 JSON」就等于「状态一定正确」。
延伸观看
- Prompting 101 | Code w/ Claude(Anthropic Applied AI):用真实任务把一版含糊的提示词迭代到可用规格,覆盖说明、例子和输出格式,适合和本课一起看。
系列:上一篇 · LLM 基础:token、上下文窗口、温度、成本与延迟 · 回到索引