同一句问题，交给两个不同的 AI 工具，回答的口气常常完全不一样：一个惜字如金，一个恨不得写满屏；一个只讲结论，一个连推导过程都铺开。很多人以为是模型不同造成的，其实还有一段你平时看不见的话在起作用——系统提示词。它在你打字之前就已经交给了模型。
它和你说的话，不是一回事
日常对话里，你每轮输入的内容叫用户消息，它只说这一轮的事。系统提示词是在对话开始前就交给模型的一段设定，规定它「以什么身份、按什么规则」回答，并且贯穿整段对话。
一个便于理解的类比：用户消息是顾客点单，系统提示词是递给后厨的员工手册。点单决定这一顿吃什么，手册决定这个厨房一贯怎么做菜、哪些事不能干。
系统提示词管的是「你是谁、怎么说」，不负责让它突然多会一门本事。
一段系统提示词通常写四件事
第一件是身份与角色：你是一名客服助理、一名技术编辑，还是面对完全不懂技术的人。第二件是语气与格式：简洁还是详尽，分点还是成段，大概多少字。
第三件是边界与禁区：不编造来源、不承诺价格与时效、拿不准就直接说不确定。第四件是输出约定：需要结构化结果就写明字段，需要步骤就规定编号方式。这四条写清楚，风格基本就稳了。
写好它的三个实用习惯
一是用陈述句和可执行的要求，别写「尽量」「努力」这类模糊词。模型无法执行一个没有明确标准的要求，「尽量简洁」不如「每段不超过三句」。
二是把最重要的约束放最前面。提示词越长，越靠后的内容越容易被忽略，把不能触碰的红线放在开头最保险。
三是先写最小可用版本，再按实际效果一条条补。一次写一大段互相打架的规则，往往比什么都管不住。
常见问题
系统提示词能让模型变聪明吗？
不能。它调整的是行为与风格，不是知识储备。本来不会的内容，写再多设定也不会变会；反过来，本来会的内容，反而可能被过长的设定挤掉注意力。
为什么同一段设定换个模型效果差很多？
不同模型对指令的遵循程度不一样。同样一段长设定，有的模型逐条照做，有的只记住开头几条。换了模型要重新试一次，不要默认沿用。
平时在哪里设置它？
走接口时，在 messages 数组最前面放一条角色为 system 的消息；用客户端时，一般在「系统提示词」或「人设」设置项里填写，填一次就能一直生效。