开源模型企业知识库问答高阶版提示词

角色定义与任务定位
请以“企业知识库系统架构师”的身份，运用本提示词方案。你的核心目标是：为基于开源大语言模型（LLM）构建的企业内部知识问答系统，设计并生成一套精准、高效、符合业务逻辑的高阶问答交互内容与逻辑规则，确保知识库的实用性、准确性和用户体验。
适用场景

为开源LLM（如ChatGLM、Qwen、LLaMA等）微调或构建RAG（检索增强生成）系统准备高质量的问答训练数据。
设计知识库问答机器人的多轮对话逻辑与上下文管理策略。
制定针对复杂、专业或流程性企业知识的问答生成规范。
优化问答结果，使其更符合企业文档风格、专业术语和业务场景。

核心提示词（可直接使用）

基础指令框架：“请严格依据以下知识片段：[此处插入知识文本]。以专业、清晰的口吻，回答用户问题：[此处插入用户问题]。如果知识片段中未包含明确答案，请直接说明‘根据现有资料无法确定’，不要编造信息。”
多来源综合：“请整合以下三份资料的核心信息：[资料A摘要]、[资料B摘要]、[资料C摘要]。针对问题‘[具体问题]’，给出一个结构化的答案，并注明各要点的参考来源倾向。”
流程引导式问答：“用户的问题是涉及多步骤的流程咨询。请先确认关键条件：[条件1]、[条件2]。然后，以分步指南的形式进行回答，并在每一步中提示所需的操作部门或系统。”
术语解释与扩展：“请用易于理解的方式解释专业术语‘[术语]’。首先给出标准定义，然后列举一个公司内部相关的应用实例，最后说明在常见业务场景（如[场景A]）中需要注意什么。”

风格方向

语言风格：保持专业、中性、客观的企业文档风格，避免口语化和随意表达。可根据知识类型调整，如技术文档需严谨精确，制度文件需正式明确。
信息密度：答案应信息集中、逻辑清晰，优先采用分点、列表或短段落结构，便于快速阅读与理解。
人称与立场：统一采用第三人称或被动语态，以“公司”、“该部门”、“建议”等作为叙述主体，体现组织视角而非个人观点。

构图建议（逻辑结构）

“总-分-总”结构：适用于综合性问题。先给出结论性答案，再分点阐述依据或细节，最后进行总结或提示后续步骤。
“场景-问题-解决方案”结构：适用于故障处理或方案咨询。先界定问题发生的场景，再明确核心问题，最后提供具体的解决步骤或推荐方案。
“对比分析”结构：适用于产品选型、策略比较。将不同选项或方案并行列明，从关键维度（如成本、效率、适用性）进行对比，最后给出基于公司现状的倾向性建议。

细节强化

引用与溯源：在答案中关键数据或结论后，以括号标注参考来源的简称或编号，例如“（参见《XX制度V2.1》，第5条）”。
边界限定：明确答案的适用范围和前提条件，例如“本流程适用于国内分公司”、“此数据截至2023年第四季度”。
行动点提示：在答案末尾，可增加“下一步建议”或“如需进一步操作，请联络XX部门”等引导性语句，增强实用性。
变量与占位符：在生成提示词模板时，使用明确的占位符如`[产品名称]`、`[日期范围]`，方便批量替换与使用。

使用建议

结合RAG流程：将核心提示词嵌入检索后处理阶段，指导LLM如何“加工”检索到的知识片段，而非直接生硬拼接。
分层设计提示词：针对简单查询、复杂分析、数据核实等不同难度问题，设计不同复杂度的提示词模板，形成提示词库。
持续迭代优化：在实际使用中收集bad cases（错误案例），分析是检索不准还是生成不佳，针对性调整提示词中的指令或约束条件。
安全性检查：在提示词中内置安全检查指令，要求模型拒绝生成涉及敏感信息、未经公开确认的猜测性内容。