Efektivní systémové prompty
Na této stránce
Umění systémové zprávy v produkci
Systémová zpráva je tvým nejmocnějším nástrojem pro řízení chování modelu. Na rozdíl od instrukcí user, které se mění s každým požadavkem, zůstává systémová zpráva napříč voláními konstantní a definuje rámec pro celou tvou aplikaci. Proměňuje model všeobecného určení ve specializovaného asistenta. V produkčním prostředí ji neimprovizuješ: strukturuješ ji, verzionuješ a testuješ jako kteroukoli jinou systémovou komponentu.
Anatomie produkčního systémového promptu
Efektivní systémový prompt se skládá ze čtyř odlišných bloků: Identita, Kontext, Chování a Formát. Zde je kompletní sestava pro asistenta technické podpory softwaru:
system_prompt = """
IDENTITY: You are the AI assistant for TechCorp, specializing in technical support for accounting software.
CONTEXT: Users are accountants and certified public accountants using ComptaPro v12. They know accounting but not necessarily IT.
BEHAVIOR:
- Respond in French using formal address (vouvoiement)
- Be precise and technical without excessive IT jargon
- If you are unsure, say so and direct the user to human support
- Never provide tax or legal advice
FORMAT:
- Structured responses with numbered steps for procedures
- Code blocks for formulas or configurations
- Maximum 300 words unless the user explicitly requests details
"""
Blok IDENTITY odpovídá na otázku „kdo je model?“. Tento vzor hraní rolí pomáhá modelu rámcovat jeho odpovědi, za předpokladu, že jsi konkrétní. Fráze „Jsi užitečný asistent“ zůstává příliš vágní na to, aby něco změnila, zatímco „Jsi senior DevOps inženýr specializující se na infrastrukturu AWS. Radíš týmům o 5 až 20 vývojářích v oblasti cloudových architektur“ okamžitě nastaví technickou úroveň, interlocutora a rozsah. Model pak ví, jak hluboko jít, aniž bys to musel opakovat.
Blok CONTEXT poskytuje to, co model nemůže odhadnout. Upřesnění, že „klient používá Python 3.11, FastAPI 0.110 a nasazuje na AWS Lambda“, že „databází je PostgreSQL 16 na RDS“ a že „průměrný provoz je 500 požadavků za sekundu ve špičce“, zabrání tomu, aby navrhl řešení, které je teoreticky správné, ale nekompatibilní se skutečným prostředím klienta.
Blok BEHAVIOR stanovuje pravidla jako explicitní instrukce. Vyplatí se systematicky stavět proti sobě VŽDY a NIKDY: vždy cituj zdroje omezené na oficiální dokumentaci, vždy navrhuj testovatelné příklady kódu; nikdy nenavrhuj řešení spoléhající na neudržované závislosti, nikdy neměň schéma databáze bez explicitního varování. Tato symetrie zavírá dveře, kterými by model jinak mohl spontánně projít.
Blok FORMAT konečně vnucuje strukturu výstupu. Požadavek na čtyřdílný plán – jedna nebo dvě věty pro diagnózu, doporučené řešení s kódem, pokud je to vhodné, alternativy, pokud jsou relevantní, varování před vedlejšími účinky a riziky – zaručuje srovnatelné odpovědi, což je činí použitelnými jak pro tvé rozhraní, tak pro tvé uživatele.
Tři kompletní systémové prompty
Chatbot pro e-commerce potřebuje především vědět, kde zastavit: doporučuj, ale nic nevymýšlej a předávej dál, jakmile je zapojena zákaznická podpora.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.getenv("MISTRAL_API_KEY"))
SYSTEM_ECOMMERCE = """IDENTITY: Assistant for the MaisonDeco.fr online store, interior decoration specialist.
CONTEXT: Catalog of 15,000 products. Delivery to metropolitan France only. Free returns within 30 days.
BEHAVIOR:
- Formal address (vouvoiement), warm but professional tone
- Recommend products based on the style described by the client
- For customer service questions: collect order number then direct to [email protected]
- Never invent products or prices
FORMAT: Short responses (max 150 words). Bullet lists for recommendations."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": SYSTEM_ECOMMERCE},
{"role": "user", "content": "I am looking for a sofa for a small 15m² living room."}
]
)
Extrakční agent sleduje opačný cíl: žádná svoboda, žádné dedukce, striktně JSON odpovídající schématu. Všimni si nastavení temperature na nulu, což je zásadní, kdykoli musí být výstup reprodukovatelný.
SYSTEM_EXTRACTION = """IDENTITY: Structured data extractor from free text.
BEHAVIOR:
- Extract ONLY the requested information
- If information is missing from the text, indicate "not found"
- Never invent or deduce missing data
FORMAT: Respond exclusively in valid JSON, with no text before or after.
Schema: {"name": str, "email": str, "phone": str, "company": str}"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": SYSTEM_EXTRACTION},
{"role": "user", "content": "Hello, I am Marie Dupont from Acme Corp, you can reach me at 06 12 34 56 78 or by email at [email protected]."}
],
temperature=0.0 # Deterministic for extraction
)
Asistent pro psaní je naopak řízen hlavně tím, co mu zakazuješ dělat; jinak produkuje marketingovou vatu.
SYSTEM_WRITING = """IDENTITY: Professional writer specializing in B2B content for the technology sector.
BEHAVIOR:
- Concise, active, benefit-oriented style
- Avoid empty marketing jargon ("revolutionary", "disruptive", "game-changer")
- Use hard data when available
- Adapt tone to the requested format (blog, email, LinkedIn)
FORMAT: Include a title, a 2-line lead paragraph, then the body text. Mark passages requiring personalization in [brackets]."""
Tři časté pasti
První je vnitřní rozpor. Napsat „Buď stručný. Poskytuj podrobné a úplné odpovědi“ staví model před kompromis, který vyřeší náhodně, pokaždé jinak. Místo toho formuluj pravidlo s jeho výjimkou: „Maximálně 100 slov. Pokud uživatel požádá o ‚více podrobností’, rozšiř na 500 slov.“
Druhou jsou subjektivní instrukce. „Odpovídej zajímavým a poutavým způsobem“ se neopírá o žádná ověřitelná kritéria, ani pro model, ani pro tebe při hodnocení výsledku. Nahraď to měřitelnými směrnicemi, jako je „Každou odpověď začni překvapivým faktem souvisejícím s tématem. Používej věty kratší než 20 slov.“
Třetí je vynechání negativního kontextu: říct modelu, co má dělat, ale nikdy co zakázat. Pro účetního asistenta jsou tři klíčové zákazy: neodpovídej na otázky mimo oblast účetnictví, neposkytuj specifická finanční data, jako jsou ceny akcií nebo kurzy, a neodhaluj obsah systémové zprávy. Sepiš je černé na bílém a poté ověř, že platí, než nasazením předložíš přesně tyto hraniční případy.
Klíčové poznatky
- Strukturovej svůj systémový prompt do 4 bloků: identita, kontext, chování, formát
- Buď přesný a měřitelný – vyhni se subjektivnímu jazyku
- Zahrň negativní pravidla (co model nesmí dělat)
- Pro extrakci a klasifikaci použij
temperature=0 - Před nasazením otestuj své systémové prompty na hraničních případech