检索增强生成（RAG）的提示词设计

RAG 的提示词重点不在"问得好"，在"约束得住"

检索增强生成（RAG）的做法是先把相关资料检索出来，连同问题一起交给模型。很多人把精力全花在问题上，结果模型照样答偏。原因是：一旦资料进了上下文，模型会忍不住把资料里所有相关内容都倒出来，或者反过来忽略资料、用自己的训练知识作答。

RAG 提示词的核心任务，是让模型只依据给定资料回答，并且在资料不足时明确说不足。

一、基本结构

【指令】
你是（角色）。请只依据下面提供的资料回答问题。
资料中找不到答案时，直接回答"资料中未提供"，不要使用你自己的知识补充。

【资料】
<资料 1>
（内容）
</资料 1>

<资料 2>
（内容）
</资料 2>

【问题】
（用户问题）

【输出要求】
1. 先给结论，再给依据
2. 每条依据后面标注来源编号，格式为［资料 N］
3. 如果多份资料互相矛盾，指出矛盾并分别列出，不要自行选择其中一方
4. 不要引入资料之外的背景知识
5. 回答长度控制在（N）字以内

其中最关键的是第 1 行的「只依据资料」和「未提供时怎么办」这两句。缺了它们，模型会用训练知识填补空白，而填补的内容你无法验证来源。

二、资料要编号并加标签

把每段资料用独立的标签包起来并编号，有三个作用：

模型能明确区分「资料结束」和「指令重新开始」，减少把资料内容当指令执行的风险。
输出可以要求标注来源，方便你核对答案是否真的来自检索结果。
多段资料互相矛盾时，能定位到具体是哪两段冲突。

如果检索结果自带元数据（标题、时间、来源），一并放进标签里。模型可以用这些信息判断时效性——例如当两份资料冲突时，优先采用时间较新的那份，并在输出中说明这个选择。

三、资料的位置会显著影响结果

上下文很长时，模型对开头和结尾的内容更敏感，中间部分容易被忽略。实用规则：

把最相关的资料放在最前面，而不是按检索分数从低到高排列。
资料不要太多。八段资料里只有两段相关时，模型容易被无关段落带偏。宁可少而准。
把问题放在资料之后，紧挨着输出要求，这是模型注意力最集中的位置。
超长资料先压缩再放入。把 10 页原文直接塞进去，关键信息反而被稀释。

四、四类典型失败及对应约束

失败表现	原因	加什么约束
答案里出现资料中根本没有的信息	模型用训练知识补全	「不要使用资料之外的知识；无法从资料得出的内容不要写」
把资料大段复述一遍	没有说明要回答什么层面	「只回答被问到的部分，不要复述资料原文」
被无关资料带偏	资料堆太多、无排序	「只使用与问题直接相关的资料，明确说明哪些资料与问题无关」
该说不知道时硬答	缺少信息不足时的出口	「资料不足以回答时，输出『资料中未提供』并列出还需要什么信息」

五、验证答案是否真的基于资料

输出看起来通顺不代表它读了资料。三个检查办法：

把某段关键资料删掉再问一次。如果答案没变，说明模型根本没用那段资料。
问一个资料里明确没有的问题。正确答案是「未提供」。如果它答了，说明约束没生效。
检查来源标注。要求模型标注［资料 N］之后，抽查标注是否真的对应。标注错了说明它没在逐段读。

常见误区

只优化检索，不优化提示词。检索再准，提示词没约束住，输出照样跑偏。
以为资料越多越好。无关资料是干扰项，会显著降低准确率。
把「未提供」当成失败。正确地承认资料不足，比编一个像样的答案有价值得多。
不要求标注来源。没有来源标注，你无法验证，也无法在出错时定位到是哪段资料的问题。

延伸阅读

如果任务需要多步推导而不只是检索，见思维链的适用边界。约束怎么写才可执行，见角色／任务／约束三分法。