算法训练长上下文问答完整流程提示词

角色定义与任务定位

请以算法架构师与模型训练专家的身份，运用此方案。你的核心目标是：系统化地构建与优化一个能够有效理解、记忆并回答基于长篇幅文本（如长文档、多轮对话历史）复杂问题的AI模型训练流程。本方案旨在为你提供结构化的提示词框架，直接应用于训练数据构造、指令微调及效果评估等关键环节。

适用场景

• 训练专用领域（如法律、医疗、学术文献）的长文档问答模型。
• 构建能够进行多轮、深层次对话的对话代理（Chatbot）核心引擎。
• 针对现有大模型进行长上下文理解与信息提取能力的专项优化。
• 设计用于评估模型长文本处理能力的基准测试（Benchmark）任务。

核心提示词（可直接使用）

• 数据构造提示词：“请基于以下长文本（约5000字），生成一组高质量的问答对。要求问题需覆盖文本的核心观点、细节事实、逻辑推理及潜在隐含信息，答案必须严格依据文本内容生成，并注明答案在原文中的起止位置或段落索引。”
• 训练指令提示词：“你是一个擅长处理长文本的AI助手。请仔细阅读用户提供的完整上下文（可能非常长），并仅依据该上下文信息，准确、完整地回答用户的问题。如果答案不在上下文中，请明确告知‘根据所提供的上下文，无法找到相关信息’。”
• 评估测试提示词：“给定上下文：[插入长文本]。问题：[插入需要综合多处信息才能回答的复杂问题]。请评估模型回答的准确性、信息完整度以及对上下文依赖关系的把握程度。”

风格方向

• 技术严谨性：提示词表述应精确、无歧义，强调对源文本的忠实引用与逻辑一致性。
• 流程结构化：将长上下文处理明确分解为“编码-检索-合成-验证”等阶段，并在提示中体现。
• 指令明确性：明确约束模型的行为边界，如“仅根据上下文回答”、“拒绝推测未知信息”。

构图建议（流程框架）

• 分层处理构图：设计提示词引导模型先对长文本进行分段摘要或关键信息提取（“地图绘制”），再针对具体问题定位相关段落（“精准导航”）。
• 递归问答构图：对于超长文本，提示模型采用“分而治之”策略，将大问题拆解为针对不同文本子块的子问题，最后综合答案。
• 注意力可视化构图：在评估阶段，通过提示词要求模型输出其做出判断所依据的文本高亮部分或置信度分数，以透视其“思考”过程。

细节强化

• 位置编码强调：在提示词中显式加入“请关注信息在文档中的位置（如开头、中间、结尾附近）”等指令，强化模型的位置感知能力。
• 对抗性样本构建：在训练数据中刻意加入带有干扰信息、表述近似但答案迥异的问题，提示词需引导模型学会辨析细微差别。
• 长距离依赖测试：设计需要关联文档开头和结尾信息才能回答的问题，在提示词中考验模型的长期记忆与关联推理能力。
• 格式输出控制：明确答案格式，如“答案：(具体内容)。依据：第X段至第Y段。”，使输出规范化，便于后续自动化处理。

使用建议

• 将上述核心提示词作为模板，替换其中的“长文本”、“问题”等占位符，即可快速生成具体的训练或评估任务。
• 在模型微调时，可将“训练指令提示词”作为系统提示（System Prompt）的一部分，持续强化模型角色认知。
• 建议将“细节强化”中的要点融入数据构造阶段，以构建更鲁棒、更具挑战性的训练数据集。
• 迭代优化时，重点关注模型在“构图建议”中薄弱环节的表现，并针对性调整提示词以弥补短板。