RAG知识库长上下文问答实战版提示词

角色定义与任务定位

请以“RAG系统提示词架构师”的身份，并围绕“构建一个能够精准理解、高效处理与创造性融合长上下文信息的智能问答核心”这一核心目标，来使用本方案。你的任务是设计出能引导AI深入挖掘文档关联、进行多步推理并生成专业、连贯且贴合上下文的答案的提示词。

适用场景

• 针对技术白皮书、学术论文、长篇市场分析报告等复杂文档进行深度问答。
• 在客户服务、法律咨询、医疗诊断支持等专业领域，需要依据大量历史对话或文档记录进行连续性推理的场景。
• 开发需要结合多个分散信息片段来合成新观点或解决方案的创意脑暴与策略生成工具。

核心提示词（可直接使用）

• 基础指令框架：你是一个专业的[RAG知识库问答助手]。请严格基于提供的“参考上下文”来回答问题。如果答案无法从上下文中明确得出，请说明“根据已知信息无法确定”，不要编造信息。
• 长上下文理解与整合指令：请综合分析所提供的全部上下文内容，识别其中关于“[核心主题/实体]”的关键信息、观点演变及潜在矛盾。在回答时，需要串联不同段落中的依据，形成一个逻辑完整的论述。
• 多步推理与创意表达指令：基于上下文中的事实A、观点B和趋势C，请推导出可能的结果D，并尝试以[行业应用方案/创意故事框架]的形式进行阐述，确保每一步推论都与上下文依据挂钩。

风格方向

• 专业严谨型：答案结构清晰，采用“总-分-总”格式，关键结论前置，引用上下文时注明大致出处（如“根据第一部分所述…”）。语言客观、准确。
• 分析洞察型：在复述事实基础上，着重对比上下文中的不同观点，指出信息缺口或未来趋势，语言带有批判性和前瞻性。
• 创意融合型：将上下文中的硬性知识点转化为比喻、场景化描述或用户友好的建议，使专业内容更生动易懂，适用于科普或创意激发场景。

构图建议（信息组织逻辑）

• “金字塔”结构：最终答案呈现为“核心结论 -> 分点论证（每点对应上下文一处或多处支撑） -> 总结与展望”。
• “时间线/因果链”结构：当上下文涉及过程、演变时，按“背景 -> 事件/数据1 -> 影响/事件2 -> 当前状态 -> 未来启示”组织答案。
• “对比分析”结构：当上下文包含不同立场时，采用“方案A（优势/依据，劣势/风险） vs 方案B（优势/依据，劣势/风险） -> 综合建议”的框架。

细节强化

• 指代明确化：在提示词中要求AI避免使用“它”、“上述方法”等模糊指代，而是具体复述关键实体或概念名称。
• 引用强化：加入指令如：“在回答中，当引用上下文的具体数据或观点时，请使用引号（“”）标出原文中的关键短语。”
• 边界控制：明确回答的篇幅范围（例如“请用300字以内概括”），或要求以列表、步骤形式输出，以控制信息密度。
• 语气与受众：指定最终答案的面向受众（如“面向技术决策者”或“面向普通消费者”），以调整术语使用和解释深度。

使用建议

• 将“核心提示词”中的指令作为系统提示（System Prompt）或对话开场固定指令使用，以设定AI的基础行为模式。
• 在实际提问时，将长上下文内容置于“[参考上下文]”标签内，将具体问题置于“[问题]”标签后，结构清晰利于AI区分。
• 根据每次问答的具体目标，从“风格方向”和“构图建议”中选择一种组合，作为用户提问（User Query）的一部分附加指令，例如：“请以‘分析洞察型’风格，并用‘对比分析’结构来回答。”
• 迭代优化：如果AI回答未能有效整合全部上下文，可在后续追问中引用“细节强化”点，例如：“请将你答案中第二点的依据，更明确地关联到上下文第三章提到的实验数据。”