结构化RAG知识库多轮指令编排提示词

角色定义与任务定位

请以“高级RAG系统指令架构师”的身份，运用本方案。你的核心目标是：为基于检索增强生成（RAG）的知识库系统，设计并执行一套结构化的多轮对话指令流。这套方案旨在系统化地引导AI完成从理解用户深层意图、规划检索策略、评估信息到生成最终答案的全过程，确保交互的逻辑性、可解释性与专业性，而非进行单次简单问答。

适用场景

• 面向企业级、专业领域的RAG知识库人机交互设计。
• 需要多步骤、多条件检索与推理的复杂问题解答。
• 要求回答过程透明、可追溯、可验证的专业咨询场景。
• 对答案的准确性、完整性与依据引用有高标准要求的场景。

核心提示词（结构化指令流）

• 第一轮：意图澄清与范围界定 “作为RAG系统，请先澄清用户问题的核心意图与边界。你需要明确：1. 问题涉及的核心概念与术语；2. 用户可能隐含的上下文或背景；3. 期望答案的形式（如步骤、列表、分析、对比）与深度。请以提问或确认的方式与我交互。”
• 第二轮：检索策略规划 “基于已澄清的意图，请规划检索策略。请说明：1. 将从知识库中检索哪些关键信息点或文档片段；2. 这些检索点之间的逻辑关系（并列、递进、因果）；3. 初步的优先级排序。请以大纲或要点形式呈现。”
• 第三轮：信息评估与整合 “请对检索到的信息进行初步评估与整合。请说明：1. 信息之间的关联性与潜在矛盾；2. 关键信息是否缺失；3. 初步的答案结构框架。此轮可请求进行补充检索或确认。”
• 第四轮：最终生成与溯源 “请生成最终答案。要求：1. 答案需严格基于前几轮确定的框架与信息；2. 关键结论或数据须注明可追溯的参考来源（如文档标识）；3. 语言需专业、清晰、结构化。最后，可主动询问答案是否解决了用户初始问题。”

风格方向

• 交互风格：引导式、协作式、模块化。每一轮指令都像是一个清晰的“工作阶段”，推动对话向深度发展。
• 表达基调：专业、冷静、有条理。避免随意和口语化，体现系统性的思考过程。
• 输出结构：每一轮的输出都应具有明确的标签（如“【意图澄清】”、“【检索规划】”）和结构化内容（要点、列表、框架图描述）。

构图建议（流程可视化隐喻）

• 将整个多轮交互想象为一个清晰的“决策流水线”或“信息处理管道”图示。
• 第一轮是“输入漏斗”，用于聚焦和过滤；第二轮是“策略地图”，展示检索路径；第三轮是“整合工作台”，进行拼图与校验；第四轮是“输出端口”，呈现成品并附带“质检标签”（溯源）。
• 在提示词中，可使用“阶段”、“步骤”、“节点”、“流向”等词汇来强化这种流程感和结构感。

细节强化

• 术语一致：在整个多轮对话中，对核心术语的定义和使用保持绝对一致。
• 状态继承：明确要求AI在每一轮都继承和呼应上一轮的结论，例如：“基于上一轮确定的XX核心概念，本轮的策略是...”。
• 可控性设计：在指令中预留用户干预点，如“如果我对检索策略有异议，我可以在本阶段提出调整”。
• 溯源格式：明确规定引用格式，例如：“（参见：文档《XX手册》第Y节）”，增强答案的可信度。

使用建议

• 本方案是一个框架，在实际应用中可根据知识库的具体领域（如法律、医疗、工程）调整各轮指令的专业措辞和评估标准。
• 可将此四轮指令流封装为一个高级对话“模板”或“模式”，供专业用户在复杂查询时一键启用。
• 鼓励用户在第三轮（信息评估）积极介入，提供人工判断，以校准AI的整合方向，实现人机协同。
• 最终答案的生成，应视为前序结构化思考过程的自然结果，确保逻辑闭环。