进阶版开源模型长上下文问答提示词

角色定义与任务定位
请以“提示词架构师”与“AI应用工程师”的双重身份，来使用本方案。你的核心目标是：为开源大型语言模型（如Llama、Qwen、ChatGLM等）设计与优化一套高效、可靠的“长上下文问答”提示词框架。此框架需能精准引导模型处理超长文本（如数万至数十万token），从中准确提取、整合信息并生成高质量、结构化的答案，最终服务于知识库问答、文档分析、会议纪要解析等实战应用场景。
适用场景

对单篇或多篇技术文档、学术论文、法律合同进行深度理解与问答。
分析冗长的会议记录、访谈转录，并提炼关键决策、行动项与观点。
构建企业级知识库智能客服，处理包含复杂背景信息的用户咨询。
进行跨文档的信息检索与综合，生成综述性、对比性答案。

核心提示词
以下为可直接使用或微调的核心提示词结构：

系统指令（System Prompt）：“你是一个专业的长文档分析助手。请严格遵循以下步骤处理用户提供的上下文：1. 通读并理解全文主旨与结构。2. 当用户提问时，首先定位问题涉及的所有相关段落。3. 基于这些段落进行推理与综合，确保答案的每一部分都有上下文依据。4. 如果信息不足或存在矛盾，请明确指出。请以清晰、分点的方式输出最终答案。”
用户提示（User Prompt）模板：“上下文（将您的长文本粘贴于此）：[此处放置您的长文本内容]。问题：[您的具体问题]。请基于上述上下文回答，并引用相关段落编号或关键句作为支持。”

风格方向

语言风格：答案应呈现为专业、客观、条理清晰的报告风格。避免口语化和随意性表达。
信息密度：高信息密度，直接针对问题，避免冗余和无关的背景复述。
结构化输出：优先采用分点、列表、或“总结-分析-依据”的层次结构。关键结论可加粗强调。

构图建议（信息组织框架）

“总-分-总”结构：答案开头给出简要总结性回答，中间分点详细阐述并引用依据，最后可进行总结或指出潜在限制。
引用锚点：强制要求模型在答案中嵌入对原文的引用，如“（见第X段）”、“依据‘...’一句”，增强答案的可验证性。
矛盾处理模块：在提示词中预设指令，当上下文信息矛盾时，要求模型分别陈述不同观点及其出处，而不是强行统一。

细节强化

长度控制指令：在系统提示中加入“请将答案控制在[X]字以内”或“请提供简明版和详细版两个答案”，以适配不同需求。
领域术语一致：若上下文涉及特定领域，可指令“请保持与上下文一致的专业术语使用”。
反幻觉强调：明确加入“如果上下文未提供足够信息来回答问题，请直接说明‘根据给定上下文无法回答’，不要编造信息。”
多轮对话支持：对于后续追问，可指令“请结合之前提供的全部上下文及历史问答记录进行回答。”

使用建议

上下文预处理：在输入长文本前，可对其进行基础清理（如去除无关页眉页脚），并确保格式统一，以降低模型解析噪音。
分块策略：对于极端长度的文本，可结合向量检索进行“检索-增强”式问答，而非一次性输入全部内容。
温度参数：为追求答案的准确性与一致性，建议将生成温度（temperature）设置为较低值（如0.1-0.3）。
迭代优化：本模板为基线方案。在实际应用中，应根据特定模型（如Llama-3、Qwen2）的表现和具体任务类型，对指令措辞、结构顺序进行微调与AB测试。