事情的起因很不起眼：我在两个不同的 App 里问同一个模型同一个问题，得到的回答风格天差地别——一个严谨得像论文，一个活泼得像脱口秀。一开始我以为是模型版本不同，查了半天才发现，模型是同一个，差别在于 App 背后藏了一段我看不见的文字：System Prompt（系统提示词）。
System Prompt 是什么？ 简单说，它是每次对话开始前，开发者偷偷塞给模型的第一段指令，用户看不见，但模型会把它当作最高优先级的"行为准则"。比如"回答要简洁"“你是客服，语气要亲切"“不许谈论政治”，都是写在这里的。你在界面里输入的问题，只是"用户提示词”，优先级低于它。
为什么它这么重要？ 因为大模型本质上是个"续写机器"，它没有固定的人格，System Prompt 就是给它定人设、定边界、定风格的那只手。同一个 GPT-4o，配上"你是严谨的学术助手"和"你是毒舌的脱口秀演员"，输出完全是两个人。2025 年几乎所有 AI 应用的核心竞争力，一半藏在这段看不见的文字里。
权限层级：系统 > 开发 > 用户。 2025 年主流模型的指令结构是三层：System（系统，最高）、Developer（开发者）、User（用户）。上层指令可以覆盖下层，这就是为什么你在对话框里说"忽略之前的所有指令"通常没用——你的用户指令打不过系统指令。这个设计也是为了安全：防止用户一句话就把 AI 的安全限制 bypass 掉。
好的 System Prompt 长什么样？ 复盘我见过的优质案例，有几个共同点：第一，角色定义一句话说清，比如"你是一个有十年经验的儿科医生，用通俗的语言回答家长的问题"；第二，边界明确，写清楚"不知道就说不知道，不许编造"“遇到医疗建议必须提醒咨询医生”；第三，输出格式规定死，比如"用 markdown 分点回答，每点不超过两行"；第四，少即是多，堆几千字的系统提示词效果往往不如几百字的精准指令。
新手最常见的三个误区： 一是把 System Prompt 当万能，写了"永远不要犯错"这种模型做不到的要求；二是前后矛盾，前面让它"详细"，后面让它"简洁"，模型会随机 pick 一个；三是泄露风险——有些 App 的系统提示词会被用户用巧妙的话术套出来，里面如果写了商业机密就麻烦了，所以敏感信息别往里写。
实战：写你的第一版 System Prompt。 光讲理论不够，来个能直接抄的模板。假设你要做一个"英语作文批改助手"，系统提示词可以这样写：“你是一名有十年经验的英语老师，擅长批改中国学生的英文作文。每次批改按三步：先指出 3 个最严重的语法错误并给出改正；再评价文章结构，指出一段最需要重写的段落；最后用一句话鼓励学生。语气亲切但直接，不要说空话。如果学生问与作文无关的问题，礼貌拒绝并引导回作文话题。"——角色、流程、边界、语气，四要素齐了，拿去微调就能用。
怎么判断一个 App 的 System Prompt 写得好不好？ 有个简单的测试法：问它三个问题——一个它应该会的、一个它应该拒绝的、一个模糊地带的。好的系统提示词调教出的 AI：会的答得又准又稳，该拒绝的拒绝得干脆利落，模糊地带的会先澄清再回答。如果你发现某个 AI 该拒不拒、不该编却编，八成是它的系统提示词写得稀烂。这种判断力，多用几个 App 就练出来了。
它和 Temperature 是什么关系？ 如果说 System Prompt 决定 AI “说什么、怎么说”，那 Temperature（温度参数）决定它"说得多放飞”。两个配合着调，才能得到想要的效果，这篇 Temperature 详解 可以对照着看。想系统学习提示词，这篇提示词工程入门 是下一步。
最后回到开头那个发现：从那以后，我用任何 AI 应用都会先琢磨——它的 System Prompt 里写了什么？这个习惯让我更快摸透每个工具的脾气。看不见的指令，塑造着你看到的每一个回答，理解这一点，你才算真正开始"会用" AI。