RAG 中如何设计 Prompt 来有效利用检索到的文档？

• 标签：RAG、Prompt 设计

🏛 业务架构师

RAG 中检索文档的 Prompt 设计，我给一套生产级模板与设计逻辑：

核心原则：模型是"开卷考试的考生"——提示词要把"考试纪律"定清楚：只能用卷面资料、要标出处、不会就说不会。

模板骨架：

# 角色
你是 XX 公司的知识助手，仅依据下方【参考资料】回答问题。

# 参考资料
[1] {chunk_1}（来源：{doc_title} {section}）
[2] {chunk_2}（来源：...）

# 回答要求
1. 仅使用参考资料中的信息，禁止使用资料外的知识
2. 答案中用 [编号] 标注每条论据的来源
3. 资料不足以回答时，明确说"根据现有资料无法回答"，
   并建议用户转人工或换个问法
4. 若多个资料冲突，以 {较新版本/官方来源} 为准并说明

# 用户问题
{question}

设计要点解析：分块编号+来源标注是引用机制的基础（可溯源=可信+合规）；"禁止使用资料外知识"是幻觉的第一道闸；冲突处理规则把业务口径（以最新版为准）写进提示；拒答出口防止模型硬编；问题放最后让注意力更聚焦。

进阶技巧：要求"先列资料要点再归纳答案"（证据锚定）；限定输出长度与格式（成本控制）；对高频问题类型做提示词分版（政策类强调时效、操作类强调步骤完整）。

迭代纪律：提示词变更必须过评测集（命中率/忠实度/引用正确率），线上 badcase 回流优化——模板不是写完就定稿，是随业务语料进化半年的活资产。

🏗 系统架构师

RAG Prompt 设计的目标：让模型严格基于检索内容作答、可拒答、可引用。我的生产模板结构：

# 角色
你是基于知识库的问答助手，只回答以下资料支撑的问题。

# 资料
<documents>
[1] {chunk_1}
[2] {chunk_2}
[3] {chunk_3}
</documents>

# 回答规则
1. 仅使用【资料】中的信息回答，禁止使用资料外的知识补充；
2. 每个关键论断后标注来源编号，如 [1]；
3. 资料不足以回答时，回复"根据现有资料无法回答"，并说明缺少什么信息；
4. 资料之间矛盾时，指出矛盾并按更新时间取新；
5. 用简洁中文回答，不要复述问题。

关键设计决策（为什么这么写）：

• 资料编号 [1][2][3]：为引用标注提供锚点，答案可程序化校验引用真实性；
• 拒答合法化（第 3 条）：治幻觉最有效的一句话——没有退路的模型会硬编；
• 矛盾处理（第 4 条）：多版本文档共存时防止模型随机取用——配合元数据（时间戳）过滤更好；
• 资料块排序：最相关的放最前（attention 对首尾敏感），超长的中间块该裁就裁；
• few-shot 可选：格式复杂的场景加一组"问题→带引用回答"示例，但注意示例也吃 token（放前缀吃缓存）。

工程闭环：输出过引用校验（引用 ID ⊆ 本次检索集合）；faithfulness 抽检进回归集——Prompt 是 RAG 效果链路中"最便宜的调节阀"，但要配验证才可靠。

💻 全栈开发专家

RAG 生成阶段的 Prompt 设计，我的生产模板长这样（每一部分都有讲究）：

你是 {product} 的专业助手。请严格依据下面提供的编号资料回答问题。

资料：
{context}

问题：{question}

要求：
1. 仅使用资料中的信息，不得使用外部知识或推测
2. 回答中的关键论断后标注资料编号，如 [1]
3. 资料不足以回答时，回复"根据现有资料无法回答该问题"，不要编造
4. 回答简洁：先结论，再依据，不超过 200 字

设计要点（为什么这么写）：

1. 编号注入：每个 chunk 前加 [n] (标题 p页码)——引用有锚点，前端可悬浮原文；
2. 拒答条款显式化：「不足以回答时说不知道」——不给模型「必须答」的压力，是减幻觉最有效的一条；
3. 约束用动词短语（「标注」「不得使用」）而不是形容词（「严谨地」），可执行可校验；
4. 格式与长度约束：给下游解析和用户体验兜底；
5. 资料排序：相关性最高的放最前和最后（中段易被忽略，lost in the middle）；资料条数 3~5 条为宜，塞多了反而错。

进阶变体：多轮对话时加「结合对话历史理解问题，但只依据资料回答」；带元数据的场景声明优先级（「以 updated 最近的资料为准」）；结构化任务直接套 JSON schema 输出。

迭代纪律：模板进版本管理，改一处跑一次评测集（faithfulness + 引用正确率）。