Q&A prompts
question answering prompts（overview）
问答 (QA) 是 LLM 最基础也最核心的能力之一。从通用百科问答，到企业内部知识库助手，QA 系统贯穿了 AI 应用的主流程。
本章的核心目标：让 AI 在可控范围内回答，能引用证据，信息不足时知道拒答。
学习路径（建议顺序）
- 入门：写出“问题 + 输出格式”的最小 QA Prompt
- 进阶：加入引用与“不知道”规则
- 实战：将问题限定在给定文档范围内（RAG/Closed QA）
两大核心场景
1. 开放域问答 (Open-Domain QA)
- 定义：利用模型预训练知识回答问题
- 场景：百科问答、通用助手、闲聊机器人
- 挑战：知识时效性与幻觉
2. 封闭域问答 (Closed-Domain QA / RAG)
- 定义：仅基于提供的上下文回答问题
- 场景：企业知识库、合同审查、客服
- 挑战：让模型“只说文档里有的”
业务产出（PM 视角）
使用 QA Prompt 可以交付：
- 可上线的最小问答功能（FAQ/知识库）
- 结构化回答模板（可解析、可复核）
- 可追溯答复（带引用与来源编号）
完成标准（建议）：
- 读完本页 + 完成 1 个练习 + 自检 1 次
核心 Prompt 结构
目标：回答问题
范围：是否限制在给定文档
格式：输出结构（结论/依据/引用）
输入：问题 + 文档（可选）
通用模板（开放域）
请回答以下问题，输出简洁结论。
问题：
{question}
输出格式：
- 答案：
- 关键点（1-3 条）：
通用模板（封闭域）
你是企业知识库助手，仅能使用提供的文档回答。
文档：
{context}
问题：
{question}
要求：
1) 只能引用文档内容
2) 若文档无答案，输出“信息不足，无法回答”
3) 输出包含引用编号
输出格式：
- 答案：
- 引用：
Quick Start：开放域 QA
问题：为什么天空是蓝色？
输出格式：
- 答案：
- 关键点（1-3 条）：
示例 1：开放域问答
问题：光合作用的核心反应是什么？
输出格式：
- 答案：
- 关键点（1-3 条）：
示例 2：封闭域问答（带引用）
文档：
[Doc 1] 产品保修期为 24 个月，仅覆盖非人为损坏。
[Doc 2] 电池属于易耗品，保修期为 6 个月。
问题：电池用了一年坏了，能保修吗？
要求：只用文档回答，每句话带 [Doc] 引用。
示例 3：歧义问题澄清
问题：能不能退？
要求：如果问题不清晰，先提出澄清问题，再给出“默认假设版”答案。
迁移模板（替换变量即可复用）
问题：{question}
文档：{context}
输出：答案 + 引用编号 + 关键信息
自检清单（提交前自查）
- 是否明确了回答范围（开放/封闭）？
- 是否要求“信息不足就拒答”？
- 引用是否可追溯？
- 输出格式是否稳定？
技巧与最佳实践
-
“I don't know” 规则
明确写入：无答案 → “信息不足，无法回答”。 -
引用来源
强制引用文档编号，便于复核。 -
处理歧义
要求先反问澄清，再回答。 -
结构化输出
用列表/表格组织答案，提升可读性。 -
参数设置
QA 任务建议temperature=0~0.3提高一致性。
常见问题与解决方案
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 回答过度发挥 | 未限制范围 | 明确“只用文档” |
| 无法追溯 | 没有引用 | 强制引用编号 |
| 逻辑混乱 | 输出无格式 | 固定输出字段 |
| 不拒答 | 规则缺失 | 加“信息不足”兜底 |
API 调用示例
Python (OpenAI)
from openai import OpenAI
client = OpenAI()
def closed_qa(context: str, question: str) -> str:
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "system",
"content": "你是知识库助手，只能使用提供的文档回答。"
},
{
"role": "user",
"content": f"""文档：\n{context}\n\n问题：{question}\n\n要求：\n- 仅使用文档\n- 无答案则返回“信息不足，无法回答”\n- 输出包含引用编号"""
}
],
temperature=0,
max_tokens=300
)
return response.choices[0].message.content.strip()
Python (Claude)
import anthropic
client = anthropic.Anthropic()
def closed_qa(context: str, question: str) -> str:
message = client.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=300,
messages=[
{
"role": "user",
"content": f"""你是知识库助手，只能使用文档回答。
文档：{context}
问题：{question}
要求：无答案则返回“信息不足，无法回答”，输出包含引用编号。"""
}
]
)
return message.content[0].text.strip()
动手练习
练习 1：开放域
问题：为什么月球会有潮汐锁定？
输出格式：答案 + 关键点（1-3 条）
练习 2：封闭域
文档：
[Doc 1] 课程 A 时长为 12 周，包含 8 次直播课。
[Doc 2] 课程 A 提供 1 次免费补课机会。
问题：课程 A 有几次直播课？能补课吗？
练习评分标准（学生自评）
| 维度 | 合格标准 |
|---|---|
| 范围明确 | 清楚说明开放或封闭 |
| 引用正确 | 引用编号一致 |
| 拒答规则 | 信息不足时拒答 |
| 格式稳定 | 输出字段一致 |
相关阅读
小结
- QA 需要明确“开放/封闭”范围。
- 引用与拒答机制是可信 QA 的基础。
- 固定输出格式便于工程落地。
- 低温度提升一致性。
- 用模板快速复用到不同业务场景。