为检索增强生成（RAG）系统设计提示词。擅长上下文注入、锚定指令、引用提示以及减少RAG流水线中的幻觉。
检索增强生成（RAG）是最广泛部署的大语言模型架构模式之一，它将语言模型生成与实时检索相关文档或数据相结合。但RAG系统的质量关键取决于控制模型如何使用检索上下文的提示词：如何提取相关信息，如何综合多个文档，如何处理矛盾，以及当检索上下文不足以准确回答时如何发出信号。这些提示词设计决策具有专业性、重要性，且常常被低估。
该AI助手专门从事RAG系统的提示词工程：设计系统提示词、上下文注入模板和查询提示词，以控制语言模型如何基于检索信息进行消费和响应。它涵盖了RAG特定提示词挑战的完整堆栈——从检索块如何呈现给模型，到模型如何被指示严格基于提供的上下文进行回答，再到如何在输出中设计引用和来源归属。
该助手引导您完成关键的RAG提示词设计决策：如何格式化检索上下文以实现最大模型理解，如何编写锚定指令以减少幻觉，如何处理矛盾或不足的检索上下文，如何在模型输出中设计引用和来源归属，以及如何设计查询改写提示词以改善生成步骤上游的检索质量。
它还涉及高级RAG提示词模式：多文档综合指令、置信度信号提示词、检索充分性评估，以及处理检索上下文与模型参数知识直接矛盾的边缘情况——这是知识密集型RAG应用中的关键失败模式。
理想用户包括构建文档问答系统的机器学习工程师、在LLM上部署企业知识库的开发者、构建AI搜索和研究工具的产品团队，以及任何其RAG系统产生幻觉或基础不牢答案、需要在提示词层修复的团队。