Hatékony rendszerutasítások
Ezen az oldalon
A rendszerüzenet művészete éles környezetben
A rendszerüzenet a leg erősebb eszközöd a modell viselkedésének irányítására. Ellentétben a user utasításokkal, amelyek kérésenként változnak, a rendszerüzenet minden hívás során állandó marad, és meghatározza az egész alkalmazásod keretrendszerét. Egy általános célú modellt specializált asszisztenssé alakít át. Éles környezetben nem rögtönzöd meg: felépíted, verziókezeled és teszteled, mint bármely más rendszerkomponenst.
Egy éles rendszerutasítás felépítése
Egy hatékony rendszerutasítás négy elkülönült blokkból áll: Személyiség, Kontextus, Viselkedés és Formátum. Íme a teljes összeállítás egy szoftvertámogatási asszisztenshez:
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
"""
A SZEMÉLYISÉG (IDENTITY) blokk arra a kérdésre válaszol, hogy „ki a modell?“. Ez a szerepjáték-minta segít a modellnek keretbe foglalni a válaszait, feltéve, hogy konkrét vagy. A „Te egy segítőkész asszisztens vagy“ kijelentés túl tág ahhoz, hogy bármit is megváltoztasson, míg a „Te egy senior DevOps mérnök vagy, aki az AWS infrastruktúrára specializálódott. 5–20 fős fejlesztői csapatoknak adsz tanácsot felhőarchitektúrák terén“ azonnal meghatároz egy technikai szintet, egy beszélgetőpartnert és egy hatókört. A modell ekkor már tudja, milyen mélységbe kell mennie anélkül, hogy ezt újra és újra le kellene írnod.
A KONTEXTUS (CONTEXT) blokk biztosítja azt, amit a modell nem tudhat magától. Ha megadod, hogy „az ügyfél Python 3.11-et, FastAPI 0.110-et használ, és AWS Lambda-ra telepít“, hogy „az adatbázis PostgreSQL 16 az RDS-en“, és hogy „a csúcsidőszakban az átlagos forgalom 500 kérés/másodperc“, akkor megelőzöd, hogy olyan megoldást javasoljon, amely elméletileg helyes, de inkompatibilis az ügyfél valós környezetével.
A VISELKEDÉS (BEHAVIOR) blokk szabályokat fogalmaz meg explicit utasításként. Hasznos, ha szisztematikusan szembeállítod a MINDIG-et a SOHA-val: mindig hivatkozz kizárólag a hivatalos dokumentációra, mindig javasolj tesztelhető kódpéldákat; soha ne javasolj olyan megoldásokat, amelyek nem karbantartott függőségekre támaszkodnak, soha ne módosítsd az adatbázis sémáját explicit figyelmeztetés nélkül. Ez a szimmetria bezárja azokat az ajtókat, amelyeken a modell egyébként spontán átsétálna.
A FORMÁTUM (FORMAT) blokk végül kikényszeríti a kimeneti struktúrát. Ha egy négyrészes tervet kérsz – egy-két mondat a diagnózisról, a javasolt megoldás kóddal (ha alkalmazható), alternatívák (ha releváns), figyelmeztetések a mellékhatásokra és kockázatokra –, akkor garantáltan összehasonlítható válaszokat kapsz, amelyeket mind a felületed, mind a felhasználóid használni tudnak.
Három teljes rendszerutasítás
Egy e-commerce chatbotnak főleg azt kell tudnia, hol álljon meg: ajánljon, de ne találjon ki semmit, és adja át az ügyet, amint ügyfélszolgálati beavatkozás szükséges.
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."}
]
)
Egy kinyerő ügynök (extraction agent) éppen az ellenkező célt követi: nincs szabadság, nincs következtetés, szigorúan a sémának megfelelő JSON. Figyeld meg a temperature nullára állítását, ami elengedhetetlen, amikor a kimenetnek reprodukálhatónak kell lennie.
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
)
Egy íróasszisztenssel szemben viszont főleg az határoz, amit megtiltasz neki; ellenkező esetben marketingközhelyeket gyárt.
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]."""
Három gyakori buktató
Az első a belső ellentmondás. Ha azt írod: „Légy tömör. Adj részletes és teljes körű válaszokat“, akkor a modellt olyan kompromisszum elé állítod, amelyet véletlenszerűen fog megoldani, hívásról hívásra eltérően. Ehelyett fogalmazz meg egy szabályt a kivételével együtt: „Maximum 100 szó. Ha a felhasználó ‘több részletet’ kér, terjeszd ki 500 szóra.“
A második a szubjektív utasítás. A „Válaszolj érdekes és lebilincselő módon“ kijelentés nem támaszkodik ellenőrizhető kritériumokra, sem a modell, sem a te részedről az eredmény értékelésekor. Helyettesítsd mérhető irányelvekkel, például: „Minden választ kezdj egy meglepő, a témához kapcsolódó ténnyel. Használj 20 szónál rövidebb mondatokat.“
A harmadik a negatív kontextus kihagyása: megmondani a modellnek, mit tegyen, de sosem azt, mit tilos. A könyvelési asszisztens esetén a három kritikus tiltás: ne válaszolj a könyvelési területen kívüli kérdésekre, ne adj meg konkrét pénzügyi adatokat, mint részvényárfolyamokat vagy kamatlábakat, és ne áruld el a rendszerüzenet tartalmát. Írd le ezeket fekete-fehéren, majd ellenőrizd a betartásukat úgy, hogy élesítés előtt pontosan ezeket a szélsőséges eseteket (edge cases) teszteled.
Főbb megállapítások
- Építsd fel a rendszerutasításodat 4 blokkra: személyiség, kontextus, viselkedés, formátum
- Légy pontos és mérhető – kerüld a szubjektív nyelvezetet
- Vegyél bele negatív szabályokat (mit nem szabad tennie a modellnek)
- Használd a
temperature=0beállítást kinyeréshez és osztályozáshoz - Teszteld a rendszerutasításaidat szélsőséges esetekkel élesítés előtt