System Prompt vs User Prompt：一个管「你是谁」，一个管「你要什么」

🦞 一只用 AI Agent 搭副业产线的程序员

上篇我们说了 Prompt 要当代码写。但代码需要架构。

这篇文章给你 Prompt 架构的第一层：System Prompt 和 User Prompt 的分工。很多人混在一起用，结果就是 Prompt 一长就失控。

别混。这两个角色天然不同。

先搞清楚：AI 收到的不是一段话，是两个人

每次调用 API，你传的Messages数组里有一个role字段。可以填三种：

这三者的关系像什么？

System Prompt = 员工手册（入职第一天发的，管所有行为） User Prompt = 任务单（每天变化的，管这一个任务） Assistant = 工作日志（之前干了啥，管上下文连续性）

一个反例：混在一起会怎样

很多人这样写 Prompt：

你是一个优秀的 Go 后端开发，有 10 年经验，擅长写高性能代码。 你的回答要简洁、准确、代码完整可运行。不要写废话。 现在帮我写一个 LRU 缓存。 哦对了，用泛型。要有测试。还有……

这有什么问题？角色定义和具体任务搅在一起。每次新任务，你都要把角色定义再说一遍。想复用角色设定？复制粘贴。想换一个角色？全删了重写。

更糟的是——如果你在一个循环 Agent 里用这种 Prompt，每一轮都要重复发送角色描述。10 轮对话，角色重复了 10 次，全是钱的流失。

正确的分层

// System Prompt —— 一次定义，永久复用systemPrompt:=`你是 Go 后端开发专家。 行为规则： 1. 代码完整可编译，不省略 import 和 package 声明 2. 所有公开函数包含 godoc 注释 3. 不确定的 API 明确说"不确定"，不编造 4. 不要解释代码为什么这样写，除非被问到 输出约束： - 代码块使用 ```go标记-错误处理不要用panic，用 fmt.Errorf 包装-时间相关的逻辑使用 time.Time，不要用字符串`

// User Prompt —— 每次不同，只管任务userPrompt:=`用 Go 泛型实现一个线程安全的 LRU 缓存。 要求： - 支持 Get、Put、Len 方法 - 容量满了淘汰最久未使用的 - 并发安全`

这样分开后，System Prompt 你可以复用 100 次、1000 次。User Prompt 只管这一次的任务。

用 JSON 配置驱动 Prompt 管理

更进一步——把 System Prompt 从代码里抽出来，用配置文件管理：

{"roles":{"go-backend-dev":{"name":"Go 后端开发专家","system":"你是 Go 后端开发专家。代码完整可编译，不确定的 API 明确说不知道。输出简洁精准。","temperature":0.1,"max_tokens":500},"code-reviewer":{"name":"代码审查员","system":"你是代码审查员。只找问题，不表扬。按严重程度排序：高危 > 中危 > 低危。每个问题标注行号。","temperature":0.0,"max_tokens":800},"doc-writer":{"name":"技术文档写手","system":"你是技术文档写手。写中文 godoc 风格注释。准确、简洁、不说废话。","temperature":0.3,"max_tokens":1000},"rubber-duck":{"name":"小黄鸭调试助手","system":"你是小黄鸭调试助手。用户会向你解释代码逻辑。你的任务是通过提问帮他发现思维盲区。不要直接给答案。用苏格拉底式提问。","temperature":0.7,"max_tokens":300}}}

然后在 Go 代码里加载：

packagemainimport("encoding/json""fmt""os")typeRoleConfigstruct{Namestring`json:"name"`Systemstring`json:"system"`Temperaturefloat64`json:"temperature"`MaxTokensint`json:"max_tokens"`}typeConfigstruct{Rolesmap[string]RoleConfig`json:"roles"`}typePromptManagerstruct{config*Config}funcNewPromptManager(configPathstring)(*PromptManager,error){data,err:=os.ReadFile(configPath)iferr!=nil{returnnil,err}varcfg Config json.Unmarshal(data,&cfg)return&PromptManager{config:&cfg},nil}func(pm*PromptManager)BuildMessages(roleKeystring,userPromptstring)([]Message,float64,int,error){role,ok:=pm.config.Roles[roleKey]if!ok{returnnil,0,0,fmt.Errorf("未知角色: %s",roleKey)}messages:=[]Message{{Role:"system",Content:role.System},{Role:"user",Content:userPrompt},}returnmessages,role.Temperature,role.MaxTokens,nil}funcmain(){pm,_:=NewPromptManager("roles.json")// 换角色只需要换一个 keymessages,temp,maxTok,_:=pm.BuildMessages("go-backend-dev","写一个 WebSocket 心跳检测函数")result:=callLLM(messages,temp,maxTok)fmt.Println(result)// 同一个代码库，不同的角色messages2,temp2,maxTok2,_:=pm.BuildMessages("code-reviewer",result)// 把刚生成的代码丢给审查员review:=callLLM(messages2,temp2,maxTok2)fmt.Println(review)}

切换角色现在是一行代码的事。团队里不同的人可以复用同一个角色库。

System Prompt 写什么的 4 层模型

第 1 层是必须的，第 2-4 层根据任务复杂度选配。简单任务可能只需要第 1 层 + 第 3 层。

一个真实的坑：System Prompt 太长

我一开始给 Agent 写的 System Prompt 有 3000 字，规定了各种场景下的行为。结果呢？

AI 经常「忘记」后面的规则。因为 System Prompt 太长，离得远的规则权重降低了。

后来我优化成 200 字以内，只保留最重要的 3-4 条规则。准确率反而提高了。

System Prompt 不是越长越好。是越精越好。

User Prompt 怎么写：三段式模板

[任务] 用 Go 实现一个带过期时间的本地缓存。 [输入] 无 [输出] 完整可编译的 Go 代码，包含： - Set(key, value, ttl) 方法 - Get(key) (value, bool) 方法 - 过期自动清理机制

三段式：任务 + 输入 + 输出。简洁明确，不给 AI 发挥空间。

总结：一张表分清 System 和 User

下一篇我们搞一个实验——同一个任务，用 Few-shot（给示例）和 Zero-shot（不给示例）各跑 50 次，统计准确率差异。告诉你什么时候该给示例，什么时候给了反而坏事。

关注我，别错过。

🦞 一只用 AI Agent 搭副业产线的程序员

全平台同名：虾哥不加班
需要定制 AI 工具？来聊聊 → lob_ai

源码：GitHub - lobster-bujiaban