Αποτελεσματικά System Prompts
Σε αυτήν τη σελίδα
Η Τέχνη του System Message στην Παραγωγή
Το system message είναι ο πιο ισχυρός μοχλός σας για τον έλεγχο της συμπεριφοράς του μοντέλου. Σε αντίθεση με τις οδηγίες user, οι οποίες αλλάζουν με κάθε αίτημα, το system message παραμένει σταθερό σε όλες τις κλήσεις και ορίζει το πλαίσιο για ολόκληρη την εφαρμογή σας. Μετατρέπει ένα μοντέλο γενικής χρήσης σε έναν εξειδικευμένο βοηθό. Στην παραγωγή, δεν το αυτοσχεδιάζετε: το δομείτε, το εκδίδετε σε νέες εκδόσεις (versioning) και το δοκιμάζετε όπως κάθε άλλο στοιχείο του συστήματος.
Ανατομία ενός System Prompt Παραγωγής
Ένα αποτελεσματικό system prompt αποτελείται από τέσσερα διακριτά μπλοκ: Ταυτότητα (Identity), Πλαίσιο (Context), Συμπεριφορά (Behavior) και Μορφή (Format). Ακολουθεί η πλήρης σύνθεση για έναν βοηθό τεχνικής υποστήριξης λογισμικού:
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
"""
Το μπλοκ IDENTITY απαντά στο ερώτημα «ποιος είναι ο ρόλος του μοντέλου;». Αυτό το μοτίβο ρόλων βοηθά το μοντέλο να πλαισιώσει τις απαντήσεις του, αρκεί να είστε συγκεκριμένοι. Η φράση «Είσαι ένας χρήσιμος βοηθός» παραμένει πολύ ασαφής για να αλλάξει κάτι, whereas «Είσαι ένας ανώτερος μηχανικός DevOps ειδικευμένος στην υποδομή AWS. Συμβουλεύεις ομάδες 5 έως 20 προγραμματιστών για αρχιτεκτονικές cloud» ορίζει αμέσως ένα τεχνικό επίπεδο, έναν συνομιλητή και ένα πεδίο εφαρμογής. Το μοντέλο γνωρίζει τότε πόσο βαθιά να αναλυθεί χωρίς να χρειάζεται να το επαναλάβετε.
Το μπλοκ CONTEXT παρέχει ό,τι το μοντέλο δεν μπορεί να μαντέψει. Ο καθορισμός ότι «ο πελάτης χρησιμοποιεί Python 3.11, FastAPI 0.110 και κάνει deployment σε AWS Lambda», ότι «η βάση δεδομένων είναι PostgreSQL 16 στο RDS» και ότι «η μέση κίνηση είναι 500 αιτήματα/δευτερόλεπτο κατά τις ώρες αιχμής» αποτρέπει την πρόταση μιας λύσης που είναι θεωρητικά σωστή αλλά ασυμβίβαστη με το πραγματικό περιβάλλον του πελάτη.
Το μπλοκ BEHAVIOR διατυπώνει κανόνες ως ρητές οδηγίες. Ωφελείται από τη συστηματική αντιπαράθεση του ΠΑΝΤΟΤΕ (ALWAYS) με το ΠΟΤΕ (NEVER): πάντα να αναφέρετε πηγές περιορισμένες στην επίσημη τεκμηρίωση, πάντα να προτείνετε παραδείγματα κώδικα που μπορούν να ελεγχθούν· ποτέ να μην προτείνετε λύσεις που βασίζονται σε μη συντηρούμενες εξαρτήσεις, ποτέ να μην τροποποιείτε το σχήμα της βάσης δεδομένων χωρίς ρητή προειδοποίηση. Αυτή η συμμετρία κλείνει πόρτες που το μοντέλο θα μπορούσε διαφορετικά να διαβεί αυθόρμητα.
Το μπλοκ FORMAT, τέλος, επιβάλλει τη δομή εξόδου. Η απαίτηση για ένα σχέδιο τεσσάρων μερών—μία ή δύο προτάσεις για τη διάγνωση, προτεινόμενη λύση με κώδικα αν ισχύει, εναλλακτικές αν υπάρχουν, προειδοποιήσεις για παρενέργειες και κινδύνους—εγγυάται συγκρίσιμες απαντήσεις, καθιστώντας τες αξιοποιήσιμες τόσο από τη διεπαφή σας όσο και από τους χρήστες σας.
Τρία Πλήρη System Prompts
Ένα chatbot ηλεκτρονικού εμπορίου χρειάζεται κυρίως να γνωρίζει πού να σταματήσει: να προτείνει, αλλά να μην εφευρίσκει τίποτα, και να παραδίδει τη συνομιλία μόλις εμπλακεί η εξυπηρέτηση πελατών.
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."}
]
)
Ένας πράκτορας εξαγωγής δεδομένων επιδιώκει τον αντίθετο στόχο: καμία ελευθερία, καμία παραγωγή συμπερασμάτων, αυστηρά JSON συμβατό με το σχήμα. Σημειώστε το temperature ορισμένο στο μηδέν, το οποίο είναι απαραίτητο όποτε η έξοδος πρέπει να είναι αναπαραγώγιμη.
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
)
Ένας βοηθός συγγραφής, αντιθέτως, καθοδηγείται κυρίως από ό,τι του απαγορεύετε να κάνει· διαφορετικά, παράγει marketing φλυαρία.
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]."""
Τρία Συχνά Λάθη
Το πρώτο είναι η εσωτερική αντίφαση. Η συγγραφή «Να είστε συνοπτικοί. Παρέχετε λεπτομερείς και πλήρεις απαντήσεις» θέτει το μοντέλο μπροστά σε έναν συμβιβασμό που θα επιλύσει τυχαία, διαφορετικά από τη μία κλήση στην άλλη. Αντ’ αυτού, διατυπώστε έναν κανόνα με την εξαίρεσή του: «Μέγιστο 100 λέξεις. Εάν ο χρήστης ζητήσει ‘περισσότερες λεπτομέρειες’, επεκταθείτε στις 500 λέξεις».
Το δεύτερο είναι η υποκειμενική οδηγία. Η φράση «Απαντήστε με ενδιαφέροντα και ελκυστικό τρόπο» δεν βασίζεται σε κανένα επαληθεύσιμο κριτήριο, ούτε για το μοντέλο ούτε για εσάς κατά την αξιολόγηση του αποτελέσματος. Αντικαταστήστε την με μετρήσιμες οδηγίες όπως «Ξεκινήστε κάθε απάντηση με ένα εκπληκτικό γεγονός σχετικό με το θέμα. Χρησιμοποιήστε προτάσεις κάτω από 20 λέξεις».
Το τρίτο είναι η παράλειψη του αρνητικού πλαισίου: να λέτε στο μοντέλο τι να κάνει, αλλά ποτέ τι να απαγορεύσει. Για τον βοηθό λογιστικής, οι τρεις κρίσιμες απαγορεύσεις είναι: μην απαντάτε σε ερωτήσεις εκτός του λογιστικού πεδίου, μην παρέχετε συγκεκριμένα οικονομικά δεδομένα όπως τιμές μετοχών ή συναλλαγματικές ισοτιμίες και μην αποκαλύπτετε το περιεχόμενο του system message. Καταγράψτε τα αυτά μαύρο σε άσπρο και στη συνέχεια επαληθεύστε ότι ισχύουν υποβάλλοντας ακριβώς αυτές τις οριακές περιπτώσεις πριν την ανάπτυξη.
Βασικά σημεία
- Δομήστε το system prompt σας σε 4 μπλοκ: ταυτότητα, πλαίσιο, συμπεριφορά, μορφή
- Να είστε ακριβείς και μετρήσιμοι—αποφύγετε την υποκειμενική γλώσσα
- Συμπεριλάβετε αρνητικούς κανόνες (τι δεν πρέπει να κάνει το μοντέλο)
- Χρησιμοποιήστε
temperature=0για εξαγωγή και ταξινόμηση - Δοκιμάστε τα system prompts σας με οριακές περιπτώσεις πριν την ανάπτυξη