006_prompt

prompt 是什么

提示词的核心价值是标准化大模型的输入指令

• 通过自然语言或结构化语言（如 JSON、XML）告诉模型 “要做什么、输入是什么、输出格式是什么”。
• 例如：“请将以下文本翻译成英文，输入：‘你好世界’，输出格式为纯英文句子”。
• 使用者和大模型只要遵守提示词的约定，就能减少模型的 “幻觉”，得到预期结果。

prompt 提示词类型

提示词消息分成了多种角色。每个消息都被分配了特定的角色。 这些角色负责对信息进行分类，明确提示中每个部分的上下文和目的，供AI模型使用。 这种结构化的方法增强了与AI沟通的细腻度和有效性，因为提示的每个部分在互动中都扮演着独特且明确的角色。

主要职责包括：

• 系统角色：指导AI的行为和响应风格，设定AI如何解释和响应输入的参数或规则。这就像在发起对话前先给AI提供指令。
• 用户角色：代表用户的输入——他们对AI的问题、命令或陈述。这一角色至关重要，因为它构成了人工智能应对的基础。
• 助理角色：AI对用户输入的回应。 这不仅仅是一个回答或反应，更对于保持对话的流畅性至关重要。 通过追踪AI之前的回复（其“助理角色”消息），系统确保互动连贯且符合上下文。 助手消息也可能包含功能工具调用请求信息。 它就像AI中的一个特殊功能，用于执行特定功能，比如计算、获取数据或其他不仅仅是说话的任务。
• 工具/功能角色：工具/功能角色专注于回复工具呼叫助手消息时返回更多信息。

1.SYSTEM（系统角色）

• 核心用途：定义大模型的行为准则、角色定位、能力边界和全局约束，相当于给模型设定 “工作手册”，贯穿整个对话流程。

• 特点：优先级较高，会影响模型后续所有回复的风格、逻辑和范围，通常在对话开头传入，无需频繁修改。

• 示例：

  // 系统消息：定义模型为Java技术助手，指定回答约束 SystemMessage systemMsg = new SystemMessage("你是一名资深Java开发顾问，回答需简洁专业，仅围绕技术问题，不涉及无关内容");

2.USER（用户角色）

• 核心用途：代表用户的输入、问题、指令或需求，是触发模型回复的核心消息类型。

• 特点：在多轮对话中可多次出现，每一条用户消息通常对应一条助手回复，携带用户的具体诉求。

• 示例：

  java

  运行

  // 用户消息：提出具体技术问题 UserMessage userMsg = new UserMessage("请解释Spring AI中PromptTemplate的作用");

3.ASSISTANT（助手角色）

• 核心用途：代表大模型返回的回答、生成结果或反馈，主要用于携带对话上下文，让模型记住之前的交互内容，实现多轮连贯对话。

• 特点：通常由模型生成后存储，在后续对话中随用户新消息一起传入，供模型参考历史交互。

• 示例：

  java

  运行

  // 助手消息：模拟模型之前的回复（作为上下文） AssistantMessage assistantMsg = new AssistantMessage("PromptTemplate用于封装可复用的提示词模板，通过占位符填充参数，提升

4.FUNCTION/TOOL（函数 / 工具角色，两者功能一致，命名略有差异）

• 核心用途：有两个核心场景：

  1. 模型向外部系统发送工具调用请求：携带函数名称、参数等结构化信息，告知应用程序需要调用哪个工具完成任务。
  2. 外部系统向模型返回工具调用结果：将工具执行后的返回数据传递给模型，供模型基于该结果生成最终回复。

• 特点：需要配合结构化参数传递，是实现 “AI + 工具” 能力的关键角色（Spring AI 中常用FunctionMessage实现）。

• 示例：

  // 1. 模型发送工具调用请求（函数角色：指定要调用的天气查询工具及参数） Map<String, Object> funcParams = Map.of("city", "上海", "date", "2025-12-22"); FunctionMessage funcCallMsg = new FunctionMessage("get_weather_info", funcParams); // 2. 外部工具执行后，返回结果给模型（同样用FunctionMessage承载） FunctionMessage funcResultMsg = new FunctionMessage("get_weather_info", Map.of("temperature", "10℃", "weather", "多云"));

补充：TOOL_CALL（工具调用请求）与TOOL_RESULT（工具调用结果）

部分大模型适配场景中，Spring AI 会细分这两个角色，职责更明确：

• TOOL_CALL：仅用于模型发起工具调用请求，不承载结果。
• TOOL_RESULT：仅用于返回工具执行结果，与TOOL_CALL一一对应，结构更清晰。