高效RAG知识库On-Prem私有化文档提示词

角色定义与任务定位

请以“企业级AI解决方案架构师”与“私有化知识管理专家”的身份，运用本提示词方案。您的核心目标是：设计并实施一套部署于本地环境（On-Prem）的高效检索增强生成（RAG）系统，将企业私有文档转化为安全、精准、响应迅速的智能知识库，直接服务于内部决策、研发支持与客户服务等实战场景。

适用场景

• 企业内部技术文档、产品手册、项目报告的智能问答与精准检索。
• 金融、法律、医疗等敏感行业私有数据的合规化AI助手构建。
• 研发团队对代码库、设计文档、会议纪要的结构化知识查询与灵感激发。
• 客户服务团队基于内部知识库，快速生成标准、准确的业务回复。

核心提示词结构

以下提示词框架可直接用于配置您的RAG系统对话引擎或微调指令：

• 系统指令（System Prompt）：“你是一个部署在本地安全环境的企业专用知识助手。你的知识完全来源于已授权的内部文档库。对于用户查询，你必须严格基于提供的检索上下文进行回答。如果上下文信息不足，请明确告知‘根据当前知识库无法回答’，切勿虚构信息。请用专业、清晰的语言组织答案。”
• 检索查询优化（Query Enhancement）：“针对用户问题‘{用户原始问题}’，请从以下角度生成更全面、利于向量检索的关键词与同义表述：[核心术语]、[项目代号]、[相关流程阶段]、[可能涉及的文档类型]。目标是提升检索召回率。”
• 答案生成与校验（Answer Generation）：“请严格依据以下检索出的文档片段，为问题‘{问题}’生成答案。答案需分点阐述，关键数据与结论需注明来源片段编号。最后，请自我核查答案是否与提供上下文一致，并指出任何可能存在的不确定点。”

系统风格与交互设计

• 专业严谨：交互界面与回答风格应体现企业级工具的专业性，避免随意和娱乐化表达。
• 透明可信：答案应附带简短的来源提示（如“摘自《XX项目安全白皮书V2.1》”），增强可信度。
• 引导式交互：在答案后可提供关联问题建议，例如：“如果您想深入了解XX模块，可以询问……”

架构与“构图”建议

• 层次清晰的管道设计：构建“文档预处理 -> 向量化嵌入 -> 高效检索 -> 智能生成 -> 反馈学习”的清晰流程视图。
• 安全边界突出：在架构图中明确标出数据防火墙、私有网络区域，强调数据不出域的特性。
• 模块化展示：将知识库、检索器、LLM核心、应用接口作为独立模块展示，体现解耦与可扩展性。

细节强化方向

• 数据预处理：强调对PDF、Word、Markdown、代码文件等多种格式的解析能力，及对表格、图表内容的文本化提取优化。
• 检索优化：引入混合检索（向量+关键词）、重排序（Re-Ranker）策略，以及针对长文档的多级分块与元数据过滤提示词。
• 安全与合规：加入“访问日志审计”、“回答内容风控过滤”、“敏感信息掩码”等功能的描述或配置提示。
• 性能指标：关注“响应延迟”、“检索准确率（Hit Rate）”、“答案相关性”等可量化指标的监控与优化提示。

使用与迭代建议

• 冷启动：优先导入高价值、结构清晰的文档（如产品API文档、标准操作规程），快速验证核心流程。
• 提示词迭代：根据初期用户对话日志，重点优化“查询改写”和“答案格式化”提示词，提升实用性。
• 知识库维护：建立文档更新与知识库同步的流程，定期评估过期内容，利用提示词自动识别潜在矛盾信息。
• 场景化微调：针对客服、研发等不同部门，可在通用系统指令基础上，叠加场景特定的任务指令与术语表。