在 RAG 系统中，检索到的文档片段最终要和大模型“对话”，而决定这段对话质量的，往往不是模型本身，而是提示词（prompt）。一个设计良好的提示词，能让模型准确理解任务、严格依据提供的资料作答、输出结构统一的回答；而一个模糊的提示词，则可能让模型放飞自我，把辛苦检索来的事实依据抛在一边，重新回到“即兴创作”的状态。
本节将从实战角度出发，提炼三条最核心的提示词设计规范：指令清晰、约束明确、格式统一。遵循这些规范，可以显著提升 RAG 系统回答的稳定性与可用性。
27.3.1 指令清晰：让模型一次性理解“要做什么”
很多开发者容易在这里犯错，要么指令过于笼统，要么加了一堆冗余的礼貌用语和背景铺垫，反而冲淡了核心要求。清晰的指令应当具备三个特征：
- 任务目标单一：一次只让模型干一件事，比如“回答问题”或“总结材料”，不要将多项任务混在同一个提示中。
- 动作动词明确：使用“回答”“列出”“总结”“判断”“提取”等无歧义的动词。
- 去掉多余内容：所有对完成任务没有直接帮助的文字都是噪音，会增加模型错误理解的概率。
反面示例（过于模糊）：
用户有一些问题想咨询，你看看下面的内容，然后适当给出一些有参考价值的意见。
正面示例（清晰明确）：
根据下面提供的参考资料，回答用户的问题。如果资料不足以回答，请直接回复“根据现有资料无法给出确切答案”。
只有在任务指令足够精确时，模型才能稳定地按照预期行为执行。
27.3.2 约束明确：将“框”画清楚
在 RAG 场景下，最关键的两条约束是：仅基于提供的资料回答和信息不足时的行为定义。此外，还应根据业务需求，明确输出长度、语言风格、知识截止日期等限制条件。
必备约束清单：
- 资料依赖声明
- “仅根据下方【参考资料】中的内容回答问题，不要引入任何外部知识或个人推测。”
- 这是 RAG 提示词中最重要的一条约束，直接决定了能否有效缓解幻觉。
- 缺信息处理规则
- “如果参考资料中不包含足够信息，请回复：'抱歉，当前资料无法回答该问题。'”
- 如果没有这条规则，模型很可能会调用自己的通用知识强行作答，使 RAG 的检索逻辑形同虚设。
- 输出范围控制
- 长度限制：“请将回答控制在 150 字以内。”
- 语言风格：“请使用正式、礼貌的商务口吻。”
- 禁止项：“不要在回答中提及任何公司内部代号或机密信息。”
推荐的约束写法（可复用模板片段）：
约束条件：
- 你必须严格基于【参考资料】提供的信息作答，切勿使用你的预训练知识。
- 如果【参考资料】中未提及相关内容，或不足以形成完整回答，请直接告知用户“该问题在当前资料中暂无明确答案”。
- 回答应简洁，不超过三段，每段不超过三句话。
- 回答中不得出现任何推测性表述，如“可能”“或许”。
清晰的约束像一套“护栏”，既保护了回答的准确性，也保护了产品在合规和用户体验上的底线。
27.3.3 格式统一：为结构化输出提供模板
RAG 经常作为后端服务，为前端或下游系统提供数据。如果每次生成的格式都不一样，解析成本会非常高。即使是对终端用户直接展示，统一的结构也能带来稳定的阅读体验。
格式统一的核心手段是在提示词中直接给出输出模板，并要求模型严格按照模板填写。
典型模板设计原则：
- 使用模型容易理解的占位符（如
{答案}、{来源}）； - 结构简单，层次分明，避免过度嵌套；
- 与约束条件合并，确保模型既按内容约束作答，也按格式约束输出。
综合示例：一个生产级 RAG 提示词模板
角色：你是一个专业的企业内部知识问答助手。
任务：根据用户的问题和提供的参考资料，生成准确、有帮助的回答。
约束条件：
1. 只能基于【参考资料】中的内容回答，不要加入任何外部知识或个人推测。
2. 如果【参考资料】中没有足够信息，请在你的回答中明确告知用户“当前资料无法回答此问题”。
3. 回答应简洁，控制在200字以内。
输出格式：
请严格按照以下JSON结构输出，不要添加任何其他内容：
{
"answer": "这里填写你的回答",
"references": ["如果引用了资料，请在此列出引用的文档标题或片段ID"]
}
用户问题：{user_question}
参考资料：
{retrieved_chunks}这个模板同时做到了指令清晰（任务和角色明确）、约束明确（严格取材、缺信息不硬编）、格式统一（要求输出 JSON，列出 answer 和 references）。在实际部署中，基于这个模板衍生，可以覆盖绝大多数企业问答场景。
27.3.4 真实场景调试技巧
即使遵循了上述规范，提示词在实践中仍需要不断迭代打磨。以下是几条“摸了石头过河”后总结出的经验：
- 先过“边界案例”测试：故意用资料中完全不存在的提问来测试，看模型是否会触发“无法回答”的逻辑，而不是胡编。
- 检查引用幻觉：即使在格式中要求了引用，有时模型仍会编造看似合理的文档标题。需要结合检索返回的实际片段 ID，在生成后做一次后验校验。
- 控制上下文长度：当检索的片段过多时，提示词中的参考材料部分会非常长，模型可能忽略中间的片段，或者输出被截断。务必给每条片段编号，并在生成引用时要求给出编号，以便核对。
- 微调语气词：哪怕是一个“请”字、一句“注意”的强调方式，都会影响模型输出的一致性。用版本管理保存每一次有效迭代的提示词。
提示词设计没有永恒的银弹，但它有一套成熟的“套路”。只要坚持指令只讲任务、约束划定边界、格式给出样板，就能让大模型在 RAG 这个“开卷考场”里，交出一份稳定、可靠、可翻阅原始材料核查的答卷。